1. 单体架构

• 特点: 所有资源（应用程序、数据库、文件）集中在一台服务器上。
• 适用场景: 小型网站，用户和数据量较少。
• 限制: 随用户增长，性能和存储空间成为瓶颈。
• 

2. 垂直架构

• 优化: 应用程序与数据分离，分为应用服务器、文件服务器、数据库服务器。
• 优势:
  • 根据不同需求优化硬件配置（CPU、内存、硬盘）。
  • 数据存储和业务处理能力提升。
• 挑战: 数据库压力依然会随着用户增长增加。
• 

3. 引入缓存

• 原因: 数据访问遵循“二八定律”，80%的访问集中在20%的数据。
• 方法:
  • 本地缓存：快速但受服务器内存限制。
  • 远程分布式缓存：支持大规模缓存，性能更稳定。
• 效果: 缓解数据库访问压力，但应用服务器连接数有限，成为瓶颈。
• 

4. 应用服务器集群

• 解决方案: 使用负载均衡器，将用户请求分配到多个应用服务器。
• 优势:
  • 通过横向扩展增加服务器，提升系统可伸缩性。
  • 不依赖更强大的单台服务器。
  • 

5. 数据库读写分离

• 问题: 写操作和部分读操作仍集中在主数据库，负载高。
• 优化:
  • 主数据库负责写操作。
  • 从数据库通过主从复制承担读操作。
  • 数据访问模块实现透明的读写分离。
• 效果: 数据库性能进一步提升。

6. 反向代理与 CDN

• 目标: 缓解因区域网络差异导致的访问延迟问题。
• 方法:
  • CDN: 部署在网络提供商机房，用户从最近位置获取内容。
  • 反向代理: 缓存服务器，用户请求优先访问代理缓存内容。
• 效果: 提升响应速度，降低后端服务器负载。

7. 分布式文件与数据库

• 问题: 单一数据库或文件服务器无法满足持续增长需求。
• 解决方案:
  • 分布式文件系统: 将文件分布在多个服务器上。
  • 分布式数据库: 拆分业务数据库，减少单表数据规模。
• 效果: 支持海量数据存储与高并发访问。

8. 引入 NoSQL 与搜索引擎

• 原因: 数据结构复杂，传统关系型数据库难以满足需求。
• 优化:
  • NoSQL: 提供分布式、弹性的数据存储。
  • 搜索引擎: 加速复杂数据检索。
• 效果: 更灵活的数据存储与查询能力。

9. 业务拆分

• 目标: 按产品线拆分网站（如首页、订单、用户等）。
• 方法:
  • 每个产品线独立部署为单独应用。
  • 应用间通过消息队列或共享数据存储系统通信。
• 效果: 降低单一应用复杂度，提高团队开发效率。

10. 分布式服务化

• 挑战: 应用复杂度增高，维护成本增加。
• 解决方案:
  • 提取共用业务逻辑为分布式服务（如用户管理、订单管理）。
  • 应用通过服务调用完成具体操作。
• 效果: 简化应用间依赖关系，提升开发与运维效率。

10.7 软件架构维护

1. 架构知识管理：

   • 定义：包含架构设计和设计决策，用于解释架构方案的选择原因。
   • 目标：确保关键设计知识不会因人员流失或变更而丢失，支持架构的演化和长期可维护性。
   • 现状：架构知识文档化实践较少，主要由于动机不足、文档维护成本高等问题。

2. 架构修改管理：

   • 建立隔离区域以最小化修改影响，明确修改规则和类型。
   • 追踪修改的副作用和影响范围，提升修改过程的可靠性。

3. 架构版本管理：

   • 提供演化控制和度量基础，支持静态与动态演化分析。
   • 利用矩阵方法分析架构演化的波及效应，量化组件的贡献和影响。

4. 架构可维护性度量：

   • 圈复杂度(CCN)：衡量架构复杂程度，用于早期风险评估，推荐值≤10。
   • 扇入扇出度(FFC)：表示模块与其他模块的交互频率，高值表明模块关联密集。
   • 模块间耦合度(CBO)：评估模块依赖关系的程度，高耦合模块维护风险高。
   • 模块响应度(RFC)：衡量模块提供的功能数量及其复杂性。
   • 紧内聚度(TCC) 和松内聚度(LCC)：表示模块内部组件的协作程度，评估模块内聚性。

评估方法与结果

• 将系统组件图导出为数据文件（如XML），利用架构评估工具计算各项指标。
• 示例系统的计算结果显示：
  • 高度关联的模块（如RSApplication）FFC和CBO较高，维护风险较大。
  • 独立模块（如User和DB）度量值较低，复杂性和耦合程度较小。
  • 组件内聚性仅适用于包含子模块的组件，如ClientApplication。

建议与实践

1. 文档化和知识管理：

   • 推动团队建立有效的架构知识管理机制，使用工具化手段记录设计决策。
   • 定期复盘设计决策的长期影响，提升架构演化的可预测性。

2. 自动化与工具支持：

   • 应用架构评估工具（如MSAES）自动化度量指标计算，减少人工误差。
   • 在设计初期及演化关键点评估CCN、CBO等指标，指导后续优化。

3. 培训与意识提升：

   • 强化团队成员对架构知识记录和分享重要性的理解。
   • 鼓励在开发过程中注重长远可维护性而非短期利益。