似乎所有网站，包括所有的电商网站，在起成长发展的过程中，都会暴露出数据库瓶颈问题，优化数据库即使到了公司的成熟期也还是不断要进行，一方面是因为数据架构确实是一个比较专业的领域，另一方面，研发人员，即使是资深的研发人员，由于工作领域的不同，比较少去关注数据库，自然就缺少敏感度， 系统架构师，熟悉硬件和物理部署还是有必要的。以下简单叙述下电商架构的一些要注意的地方，我想很多公司都会碰到这样的一些问题。

1、数据架构中很重要的一点是数据的拆分，如果你的公司发展很快，你的数据量很可能是爆炸式增长，海量数据比较轻易得就达到，那么在数据容量、读写瓶颈存在的情况下，你怎么办？ 由于业务的快速发展，我更倾向的是先堆硬件，然后在没有太大压力的情况下，进行重构和调优，这会让你更冷静的分析问题。数据的拆分一般可以分为垂直拆分和水平拆分，垂直拆分意思是把不同的业务，子业务的数据存放到不同的数据库主机。而在一些大的业务中，我们可能还需要继续进行拆分，把数据分片到不同的数据库主机上，比如一个很大的商品数据库，我们可以按照商品ID作为主键，把数据按一定算法分散到许多台数据库机器上。通过拆分业务/数据，我们也分散了风险，如果出现了极端情况，某台数据库机器宕机，那么也只是影响部分业务/用户。

2、电商在发展的过程中，会需要进行新的功能的尝试，我可以理解移动互联网的快速迭代，但这种快速迭代只是一个手段，并不是要追求的目标，快速迭代是要求可控的，意即，你的新功能特性是否经过了充分验证，是否做过压力测试，在你已经有了大量用户的时候，做实验失败的成本是很高的，我们应该缩小试用功能的用户范围，在小部分用户中试用功能，不断收集数据和改进，严格的说，在功能的上线之前，就应该考虑好数据的收集和处理，有一个分析和度量的机制，而不是事后才考虑如何进行数据收集。你需要发布到生产环境的时候，你也需要一个灰度发布的系统，这点可以参考国外的一些公司，比如facebook的做法，通过不断灰度发布，监控发布后的各种性能/业务反馈数据，最终可以实现对全球范围内的大升级。

3、由于业务的快速发展，是否实现某些功能，你需要权衡取舍，架构师要和业务方面充分沟通了解，架构师也要和硬件运维人员充分沟通，不可能充分实现所有的需求，在合适的时间，以合适的成本，实现某些需求，并且考虑到后续的扩展，是架构师素质的一个重要体现。沟通、沟通、再沟通，这样你才能明确需求，因为业务方很多时候并不明确自己想要什么，你需要以他们的语言和他们进行交流，定下重大的需求，明白各个目标的轻重缓急很重要，这样，你可以合理安排自己的开发活动，虽然事情也许不会像你想象的那样进行。

4、所有的大点的公司都在做开放平台，包括内部也有各种服务接口，那么对于各个接口的设计容量，性能统计，流量分析，流量限制，是需要设计的时候考虑的。服务化，也是许多公司强调的，人人都想把系统拆分为各种独立的服务，可以松散进行耦合，可以方便的上下线、调度、降级，发布，彼此不影响，但服务拆分得过细也不是一个好事，你需要有手段明白你的诸多业务的调用关系。

5、上规模的公司，往往在内部把基础软硬件资源服务化了，供业务系统共享复用，目前的技术发展很快，借助开源组件，许多中小公司也可以比较方便的构建自己的基础云设施，在机器规模到达一定程度后，通过这些内部私有云/服务化的方式，可以大大节省成本。比如网站的缓存会用得很多，提供一个缓存云，在各个IDC之间有一个全局的失效处理的机制，这些都是值得考虑的。

6、在电商的技术架构中，分布式、水平扩展，在许多应用服务，基础设置都进行得不错，但数据库往往仍然属于集中式的存储，因为如果要水平拆分的很顺利，往往需要把数据打散，而传统关系型数据库中存储的一些数据对于一致性的要求是高的，对于一致性要求高的数据，推荐是用更高端的硬件去处理/存储，没有必要强迫自己把所有数据都拆分。有些时候，能通过硬件解决，可能是最佳的解决方案，这样你会有 更多的时间精力去专注自己的业务设计。

7、互联网公司，大数据的分析成为一个重要的领域，如果要实现大数据的架构，传统的Oracle,MySQL往往是力不从心的，这点基于分布式的，列存储的数据库占据了很大的优势，所以，如果你真的有海量数据库，那么熟悉hadoop等类似的框架/技术/工具集是有必要的。数据库架构师不应该只专注于传统关系数据库，也应该熟悉其他的数据存储分析产品。

8、大数据，照我的理解，可能更多层面上还是验证一些想法，辅助决策，市面上吹得比较神，用数据来驱动业务发展，总是感觉的不太真实，也许国外的少数公司已经到达了这个境界吧，在有了海量数据后，通过分析这些数据，能够提炼出一些数据产品来，还是很有价值的，这要求技术人员也熟悉业务逻辑，这样才能和业务团队一起来发掘大数据的价值。

9、数据的安全要加以重视，因为你是电商公司，涉及到金钱。主要两方面的安全，1，数据库的安全要加以重视，培训研发人员，DBA安全技能是需要的，平时的安全扫描也是需要。2，业务层面的安全，通过对业务数据的监控分析，你也许可以找到一些问题所在，比如有帐号的异常活动，这点也是数据分析的价值所在。

10、许多公司发展到后来，都需要考虑多机房的部署，一方面是扩容/容灾，一方面也是成本的考量。那么在多IDC的设计的时候，应用层往往是比较好部署和设计，但数据的拆分，你会碰到很多难点，这个时候，不要为拆而拆，你一定要对自己的数据有深刻的了解，它对一致性的要求有多高，它能否被拆分到到多个IDC而不会导致业务异常， 更具工程实际的方案是，对于最终一致的数据，我们是可以考虑分布到不同的机房的，通过一些应用设计的技巧减少延时对于用户的影响，而对于一些一致性要求很高的数据，集中放在某个机房，其他机房存一个副本。在各个数据中心出现问题的时候，由于数据的分区，你要设计方案，尽可能快的恢复到正常情况，这很可能需要你在不同数据，不同粒度上加以综合平衡考量。