从电商网站的需求，到单机架构，逐步演变为常用的，可供参考的分布式架构的原型。除具备功能需求外，还具备一定的高性能，高可用，可伸缩，可扩展等非功能质量需求（架构目标）。
根据实际需要，进行改造，扩展，支持千万pv，是没问题的。
一、电商案例的原因分布式大型网站，目前看主要有几类1.大型门户，比如网易，新浪等；2.sns网站，比如校内，开心网等；3.电商网站：比如阿里巴巴，京东商城，国美在线，汽车之家等。大型门户一般是新闻类信息，可以使用cdn，静态化等方式优化，开心网等交互性比较多，可能会引入更多的nosql，分布式缓存，使用高性能的通信框架等。电商网站具备以上两类的特点，比如产品详情可以采用cdn，静态化，交互性高的需要采用nosql等技术。因此，我们采用电商网站作为案例，进行分析。
二、电商网站需求客户需求：
建立一个全品类的电子商务网站（b2c），用户可以在线购买商品，可以在线支付，也可以货到付款；用户购买时可以在线与客服沟通；用户收到商品后，可以给商品打分，评价；目前有成熟的进销存系统；需要与网站对接；希望能够支持3~5年，业务的发展；预计3~5年用户数达到1000万；定期举办双11，双12,三八男人节等活动；其他的功能参考京东或国美在线等网站。客户就是客户，不会告诉你具体要什么，只会告诉你他想要什么，我们很多时候要引导，挖掘客户的需求。好在提供了明确的参考网站。因此，下一步要进行大量的分析，结合行业，以及参考网站，给客户提供方案。
其他的略~~~~~
需求功能矩阵
需求管理传统的做法，会使用用例图或模块图（需求列表）进行需求的描述。这样做常常忽视掉一个很重要的需求（非功能需求），因此推荐大家使用需求功能矩阵，进行需求描述。
本电商网站的需求矩阵如下：
网站需求 功能需求 非功能需求
全品类的电子商务网站 分类管理，商品管理 方便进行多品类管理（灵活性）网站访问速度要快（高性能）图片存储的要求（海量小图片）
用户可以在线购买商品 会员管理，购物车，结算功能 良好购物体验（可用性，性能）
在线支付或货到付款 多种在线支付方式 支付过程要安全，数据加密（安全性）多种支付接口灵活切换（灵活性，扩展性）
可以在线与客服沟通 在线客服功能 可靠性：即时通讯
商品打分评价 商品评论
目前有成熟的进销存系统 对接进销存 属于约束条件对接时要考虑数据一致性，鲁棒性
支持3~5年，业务的发展 属于约束条件伸缩性，可扩展性
3~5年用户数达到1000万 约束条件
举办双11，双12,三八男人节等活动 活动管理，秒杀 突增访问流量（可伸缩）实时性要求（高性能）
参考京东或国美在线 参考条件
以上是对电商网站需求的简单举例，目的是说明（1）需求分析的时候，要全面，大型分布式系统重点考虑非功能需求；（2）描述一个简单的电商需求场景，使大家对下一步的分析设计有个依据。
三、网站初级架构一般网站，刚开始的做法，是三台服务器，一台部署应用，一台部署数据库，一台部署nfs文件系统。
这是前几年比较传统的做法，之前见到一个网站10万多会员，垂直服装设计门户，n多图片。使用了一台服务器部署了应用，数据库以及图片存储。出现了很多性能问题。
如下图：
但是，目前主流的网站架构已经发生了翻天覆地的变化。一般都会采用集群的方式，进行高可用设计。至少是下面这个样子。
（1） 使用集群对应用服务器进行冗余，实现高可用；（负载均衡设备可与应用一块部署）
使用数据库主备模式，实现数据备份和高可用；
四、系统容量预估预估步骤：
注册用户数-日均uv量-每日的pv量-每天的并发量；峰值预估：平常量的2~3倍；根据并发量（并发，事务数），存储容量计算系统容量。客户需求：3~5年用户数达到1000万注册用户；
每秒并发数预估：
每天的uv为200万（二八原则）；每日每天点击浏览30次；pv量：200*30=6000万；集中访问量：24*0.2=4.8小时会有6000万*0.8=4800万（二八原则）；每分并发量：4.8*60=288分钟，每分钟访问4800/288=16.7万（约等于）；每秒并发量：16.7万/60=2780（约等于）；假设：高峰期为平常值的三倍，则每秒的并发数可以达到8340次。1毫秒=1.3次访问；没好好学数学后悔了吧？！（不知道以上算是否有错误，呵呵~~）
服务器预估：（以tomcat服务器举例）
按一台web服务器，支持每秒300个并发计算。平常需要10台服务器（约等于）；[tomcat默认配置是150]高峰期：需要30台服务器；容量预估：70/90原则
系统cpu一般维持在70%左右的水平，高峰期达到90%的水平，是不浪费资源，并比较稳定的。内存，io类似。
以上预估仅供参考，因为服务器配置，业务逻辑复杂度等都有影响。在此cpu，硬盘，网络等不再进行评估。
五、网站架构分析
根据以上预估，有几个问题：
需要部署大量的服务器，高峰期计算，可能要部署30台web服务器。并且这三十台服务器，只有秒杀，活动时才会用到，存在大量的浪费。所有的应用部署在同一台服务器，应用之间耦合严重。需要进行垂直切分和水平切分。大量应用存在冗余代码服务器session同步耗费大量内存和网络带宽数据需要频繁访问数据库，数据库访问压力巨大。大型网站一般需要做以下架构优化（优化是架构设计时，就要考虑的，一般从架构/代码级别解决，调优主要是简单参数的调整，比如jvm调优；如果调优涉及大量代码改造，就不是调优了，属于重构）：
业务拆分应用集群部署（分布式部署，集群部署和负载均衡）多级缓存单点登录（分布式session）数据库集群（读写分离，分库分表）服务化消息队列其他技术六、网站架构优化6.1业务拆分根据业务属性进行垂直切分，划分为产品子系统，购物子系统，支付子系统，评论子系统，客服子系统，接口子系统（对接如进销存，短信等外部系统）。
根据业务子系统进行等级定义，可分为核心系统和非核心系统。核心系统：产品子系统，购物子系统，支付子系统；非核心：评论子系统，客服子系统，接口子系统。
业务拆分作用：提升为子系统可由专门的团队和部门负责，专业的人做专业的事，解决模块之间耦合以及扩展性问题；每个子系统单独部署，避免集中部署导致一个应用挂了，全部应用不可用的问题。
等级定义作用：用于流量突发时，对关键应用进行保护，实现优雅降级；保护关键应用不受到影响。
拆分后的架构图：
参考部署方案2
如上图每个应用单独部署核心系统和非核心系统组合部署6.2应用集群部署（分布式，集群，负载均衡）分布式部署：将业务拆分后的应用单独部署，应用直接通过rpc进行远程通信；
集群部署：电商网站的高可用要求，每个应用至少部署两台服务器进行集群部署；
负载均衡：是高可用系统必须的，一般应用通过负载均衡实现高可用，分布式服务通过内置的负载均衡实现高可用，关系型数据库通过主备方式实现高可用。
集群部署后架构图：
6.3 多级缓存缓存按照存放的位置一般可分为两类本地缓存和分布式缓存。本案例采用二级缓存的方式，进行缓存的设计。一级缓存为本地缓存，二级缓存为分布式缓存。（还有页面缓存，片段缓存等，那是更细粒度的划分）
一级缓存，缓存数据字典，和常用热点数据等基本不可变/有规则变化的信息，二级缓存缓存需要的所有缓存。当一级缓存过期或不可用时，访问二级缓存的数据。如果二级缓存也没有，则访问数据库。
缓存的比例，一般1:4，即可考虑使用缓存。（理论上是1:2即可）。
根据业务特性可使用以下缓存过期策略：
缓存自动过期；缓存触发过期；6.4单点登录（分布式session）系统分割为多个子系统，独立部署后，不可避免的会遇到会话管理的问题。一般可采用session同步，cookies，分布式session方式。电商网站一般采用分布式session实现。
再进一步可以根据分布式session，建立完善的单点登录或账户管理系统。
流程说明
用户第一次登录时，将会话信息（用户id和用户信息），比如以用户id为key，写入分布式session；用户再次登录时，获取分布式session，是否有会话信息，如果没有则调到登录页；一般采用cache中间件实现，建议使用redis，因此它有持久化功能，方便分布式session宕机后，可以从持久化存储中加载会话信息；存入会话时，可以设置会话保持的时间，比如15分钟，超过后自动超时；结合cache中间件，实现的分布式session，可以很好的模拟session会话。
6.5数据库集群（读写分离，分库分表）大型网站需要存储海量的数据，为达到海量数据存储，高可用，高性能一般采用冗余的方式进行系统设计。一般有两种方式读写分离和分库分表。
读写分离：一般解决读比例远大于写比例的场景，可采用一主一备，一主多备或多主多备方式。
本案例在业务拆分的基础上，结合分库分表和读写分离。如下图：
业务拆分后：每个子系统需要单独的库；如果单独的库太大，可以根据业务特性，进行再次分库，比如商品分类库，产品库；分库后，如果表中有数据量很大的，则进行分表，一般可以按照id，时间等进行分表；（高级的用法是一致性hash）在分库，分表的基础上，进行读写分离；相关中间件可参考cobar（阿里，目