1. 架构设计的模型简介
目前常见的服务架构设计，主要分为：
- 存储型架构：以存储为核心，关注高性能的读写、一致性的保证、可弹性的容量伸缩等等
- 计算型架构：以计算为核心，结合并行化、调度技术、缓存等，优化服务的吞吐、延迟等等。
很多场景下服务架构是可以实现存储、计算的分离，从而实现专项优化、极限优化（比如pulsar等），但是对于某些特殊场景，需要一体化的存储+计算。比如搜索场景，它的场景特点有：
- 全扇出的并发模式：搜索场景是Query到Doc的映射，需要经过语义解析、构建检索表达式、扇出所有的分片服务、合并结果，而常规场景下的Key/Value查询，可以通过Hash关系实现精准的扇出。
- 高性能和低延迟：在线检索的延迟要求是毫秒级。
如果分离了计算和存储，那么拉链召回和归并的过程，在全扇出的并发模式下，延迟会变得不可控。对于这类存储+计算型的架构暂定义为【数据架构】或者数据密集型架构，它主要的关注点是：
- 弹性的容量伸缩
- 计算和存储资源的均衡（均需分配）
- 性能优化相关
- …
需要兼顾存储和计算两个方面
2. 数据架构模式如何设计？
如果你对数据架构或者百度搜索技术：
- 数据量暴涨情况下，如何快速实现数据层的弹性伸缩？
- 对延迟和性能要求比较苛刻的条件下，如何实现资源的按需分配？
- 分布式检索场景下，如何优化关联计算（分布式Join）的性能？
- 如何管理百亿级的索引数据？
- 如何支持更大数据量级的检索？
感兴趣的话，可以看看这篇文章：
https://mp.weixin.qq.com/s/JZZXktYSSccbCPOrR6Ss_Q
Topic主要涉及的是数据架构的云原生、弹性计算、进阶云原生的相关技术，感兴趣的同学看看。目录索引为：
3. 架构设计的核心要素
架构设计中最核心的5个要素：
- 稳定性：如何保证系统的稳定性？（降低出问题的概率，为企业省钱）
- 成本：如何优化资源成本（为企业省钱）
- 效率：如何提高研发效率、迭代效率等等（增加企业竞争力、节省成本）
- 性能：如何提升系统的响应速度（增加企业竞争力、更好的体验、更多的收入）
- 时效性：比如资讯类消息如何更快传播到用户那边？（类比百度、头条，增加企业竞争力）
九九归一，架构最核心的两点：为企业省钱 & 增加企业收入。
4. 架构设计的一般流程
1. 需求调研：明确要解决的问题和预期要达成的目标，解决真实存在的问题，而不是实现臆想中的架构。
2. 确定目标：清晰且合理的目标是影响架构能否成功的关键，以终为始。
3. 方案设计、技术选型：为了达成预设的目标，方案设计会受人员背景、开发环境、公司层面等因素影响，需要结合当前环境下的各个因素，做最优的方案选型。
4. 分工和排期：确定方案选型后，需要进一步拆解方案，进行人员分工、确定交付计划。
5. 持续性交付：为什么说持续性交付？架构更迭有时是一个漫长的过程，由于某些管理因素、顺利达成最终的目标，建议要有持续性、阶段性的产出。
6. 复盘：定期开展复盘，回顾进展、及时纠正一些非预期的问题。
5. 个人思考
关于架构设计相关
- 没有最好的架构设计，只有当前背景下最优的解决方案。
- 每个架构都有它的设计边界，当跨越这个边界时，衍生的问题会成倍增长。
关于解决问题相关
解决思路有时比解决方法更重要，解决方法需要依赖特定的时空条件，而解决思路可以超越时空、迁移，类似于方法论的东西。
我们读技术文章、书籍的时候，除了关注特定场景下的解决办法外，还需关注一下作者解决问题背后的思路，这样在遇到其他相似问题时，实现技术方案的迁移。