如何部署高可用性和高可伸缩性的网站？这是一个很复杂的问题，到目前为止，我还没有实际的经验，都是自己学习和思考得到的一点结果。
前段时间，长沙一个公司做了一个彩票投注的网站，上海那边的公司就想直接拿过去用，不想再重新开发一套系统。问题是开发人员多数都有一个毛病，认为别人做的不如自己做的，上海就有这样一个，他说给我一个月时间，我就可以做出比这个更好的网站。除去有关业务有关市场的东西不谈，这位兄弟说的话的确很难让人相信，业务人员不信，我觉得他更是没弄明白部署一个生产的网站所包含的工作，显然，他认为，部署一个网站就是写完代码，然后copy到服务器上就可以了。 事情比他想象的复杂的多，如果这个网站是一个intranet的应用，可能还好说些，但是这是一个面向彩民的网站，实现一年销售2亿的网站，在部署这样一个网站的时候，可用性和伸缩性是不能不考虑的问题。在最终得到的生产环境中，网站代码可能只是很小的一部分， 你需要集群，需要cache，需要分部文件系统dfs，需要负载均衡，需要数据库集群，以及配套的一对硬件，要把这些理清楚，如果只懂java，jsp是远远不够的。
我没有实际参与部署过这种为海量用户服务的网站，心里很忐忑，一旦我们运营的网站出现这样那样 的问题怎么办？ 所幸找到了一个很好的案例，这个案例不仅仅是从软件设计上说如何支持可伸缩性，而是完整的介绍了整个网站的部署，它就是livejournal，一个很早开始blog服务的网站，这是一个有8百多万用户，每秒处理2000次点击的网站。
开发livejournal的这群人值得称赞，他们分享了网站开发和部署过程中的很多心得，并且开源了他们自己开发的很多支持网站运营的工具，其中最著名的大概就应该是memcache了，这个cache系统已经在很多大型网站得到了应用，可以从这里下载他们的一个演示文档。下面按照整个部署涉及到的环节说说我的体会。
1.perlbal
一个livejournal自己开发的reverse proxy，用来进行负载均衡（big-ip好象也是用来做负载均衡，但是没搞清楚和perlbal的关系）
2. mogilefs
一个livejournal自己开发的分布式文件系统（DFS, distributed file system），分布式文件系统又包括一些不同的类型，主要是看他们解决的问题，有的用来支持高并发任务，有的使用来支持高可用性，而mofilefs是同时支持高并发和高可用性两个特性，而且支持任何本地文件系统。 问题是为什么我们要用分布式文件系统？？它应该是用来处理系统产生的数据文件，最直观的大概就是系统生成的日志了，在集群环境下，如果没有dfs,那么每台主机都会产生单独的分离的日志文件，如果采用dfs，那么所有集群中的应用可以向同一个文件输出日志，而且便于维护。（老实说，这个我没有弄太清楚）
dfs与raid的关系也需要提一下，一般来说raid只是硬盘的阵列，如果部署raid的主机崩溃，那么raid也没用了，除非是有san（store area networ）支持的raid，可以跨主机。 而dfs由于本身是分布式的，是跨主机的，不存在这个问题。
3. web server cluster
这个集群是基本的，相信了解集群的人都应该知道web server的集群是最基本的
4. memcache
一个livejournal开发的分布式缓存系统，目前的应用非常广泛，可以在多台主机启动多个memcache服务，它们会自动协作，对应用程序来说就好象只有一个memcache服务。可以存储任何形式的内容（需要做深入研究）
但是对什么内容进行缓存呢？
首先要是被经常读取的内容，而这些内容可以通过查看数据库的日志，比如那些对象查询的最多等等。mysql提供了slow log的功能。
5. mysql cluster
数据库集群这块是对我影响最大的。以前一直认为是要采用大型数据库的本身支持的集群（想来应该非常昂贵），不然是实在想不出还有什么集群方式，而且既然有数据库集群，那么前面是不是也要有一个load balancer？ 不过这个load balancer应该是数据库服务器本身提供，就相当于有一个逻辑数据库，应用程序面向的是这个逻辑数据库，不需要知道后端的集群有多少数据库实例，这个逻辑数据库负责组装数据，分布请求，负载均衡。。。不过，这的确应该是一个昂贵的解决方案。
后来，了解了sharding，是一种数据库分区的概念，包含水平和垂直两种shard方式（集群也包括水平和垂直两种，垂直的就是单个应用，但是起先是运行在普通的web server中，后来是运行在小型机中，而水平集群就是采用便宜的web server阵列，每个主机都部署一个应用），水平就是将一个表的列进行拆分，可能数据量大的，或者不经常使用的列拆分到一个独立的表; 垂直就是按照一个规则将表中的数据进行分区，避免一个表中的数据过大，常见的是用户表（user），比如规则是按照id的奇偶来决定将user存入哪个表，那么可能在数据库中就存在usre_odd, user_even两个表，它们的表模式一模一样，但是一个用来保存id为奇数的用户，一个用来保存id为偶数的用户。shard需要进行额外的编码，但是会带来巨大的性能提升。
一般来说采用sharding就可以不用昂贵的数据库集群方案，而且后来想到的一个问题是，数据库服务器一般会采用raid，raid本身就提供了高速的io，以及数据冗余，所以我更加倾向与raid+sharding的方案了。
当时livejournal的方案显然更复杂，除了sharding之外，mysql也做了集群，并且每个用户组都有一个数据库集群，想来只有存在海量用户的系统需要这样，实在很壮观阿。 但是从它讨论的master-salve这种数据库集群方式中，我又想通了不少问题，所以在我原来raid+sharding的方案上，我又增加一个slave，也做一个数据库集群，但是slave不一定需要raid，看具体的应用，我是想在进行统计报表的时候就可以使用slave的数据，而不需要访问master，master处理在线数据，提供实时服务，嘿嘿。。。。如果slave也需要处理在线作业，那么也可以在slave上配置raid， 当然也可以象livejournal一样，master提供读写，而slave只提供读。
数据库这库学问太深，还有很多其他的方面，我也只想了这么多，想到哪里写到哪里。。。
参考资料：
Django Master Class: http://toys.jacobian.org/presentations/2007/oscon/tutorial/
Database sharding unraveled: http://lifescaler.com/2008/04/database-sharding-unraveled-part-i/
Scalability Best Practices: Lessons from eBay: http://www.infoq.com/articles/ebay-scalability-best-practices
Scaling Your Java EE Applications: http://www.theserverside.com/tt/articles/article.tss?l=ScalingYourJavaEEApplications
