该文十分钟，但是都是精粹，看见variations不会沮丧的。

序言

微服务项目是现阶段十分盛行的控制技术架构，通过服务项目的模组化、Masevaux和分布式控制系统构架的灵巧性伸缩式和可扩展性，能同时实现产品销售业务之间的松谐振、产品销售业务的灵巧修正女团和控制系统的高可用性。为产品销售业务技术创新和产品销售业务稳步提供更多了两个较好的此基础网络平台。

责任编辑撷取在这种控制技术构架下的统计数据构架的结构设计价值观和合作开发关键点，责任编辑包括上面若干个文本。

微服务项目控制技术架构中的第二层统计数据构架结构设计统计数据构架结构设计中的关键点关键点1：统计数据易用性关键点2：主、副统计数据及统计数据解耦关键点3：科艾麻该户关键点4：Immunol统计数据网络连接关键点5：Immunol统计数据内存关键点6：统计数据市集

为的是难认知，责任编辑用两个精简的产品销售数学模型来阐释，如下表所示图。图1显示了顾客、商家、货品、订价、订货的亲密关系（这里略去缴付、仓储等其他原素）。

图1 产品销售数学模型

在这个产品销售数学模型中，商家提供更多货品、制订价格，顾客优先选择产品买回、形成产品销售订货。根据微服务项目的经营理念结构设计，能分割为顾客服务项目、商家服务项目、货品服务项目、订价服务项目、订货服务，和基本保障项目（比如说证书、职权、通告等），如图2所示。

图2 微服务项目机能

微服务项目构架中的第二层统计数据构架结构设计

分布式控制系统构架一般把控制系统分成 Saas（Software-as-a-Service）、Paas（Platform-as-a-Service）、Iaas（Infrastructure as a Service ）四层。其中 Saas 层负责管理奥波切茨提供更多产品销售业务服务项目，Paas 层提供更多此基础应用领域网络平台，Iaas 层提

统计数据构架的分层结构设计

图3 微服务项目控制技术架构

如图3所示，Iaas 层提供更多程序运行的物理此基础环境（这边涉及很多硬件·网络文本，在责任编辑中略去）。Pass 层细分成四层，此基础服务项目层，主要负责管理统计数据存储处理；事务架构层，主要负责管理微服务项目的注册·调度管理、分布式控制系统事务处理；应用领域服务项目层、主要同时实现各个微服务项目的 API，供其它微服务项目直接调用和 Saas 层的服务项目调用。Saas 服务项目就是公开对外提供更多的产品销售业务服务项目。

统计数据构架自下向上相应的分成 Raw Data 层、Logic Data（inner）层和 Logic Data（outer）层（Iaas 中主要以此基础硬件环境为主，在责任编辑中略去）。

Raw Data 层是基于统计数据库、文件或者其他形式统计数据文本。Logic Data（inner）层是微服务项目 API 使用的逻辑统计数据，比如说顾客统计数据、订货统计数据等等。Logic Data（outer）层是对外服务项目提供更多统计数据，比如说顾客订货统计数据。因此，我们的统计数据构架的分层结果如图4所示。

图4 统计数据分层构架

除此之外，很多情报会以画面或报表的形式展现出来。因此在 Logic Data(outer) 之上，能构建 Information Block（常用的信息块）、通过 View type（显示模式）的设定后，最终 View 展现出来。

如图4所示，越靠近对外服务项目层，顾客对结构设计者的影响度越大，越需要从使用性、可用性、适用性等考虑。反之，越远离对外服务项目层，结构设计上更关心统计数据的存储。

统计数据四层构架的好处是同时实现统计数据从控制系统同时实现到业务同时实现的逐层过渡，同时实现产品销售业务统计数据和控制系统统计数据间的松谐振。同时同时实现产品销售业务的灵巧扩展和控制系统的灵巧扩展。

统计数据构架结构设计中的关键点

上面讲述了统计数据构架的分层结构设计，上面讲述统计数据构架结构设计中的关键点。

关键点1：统计数据可用性

统计数据无论用什么方式同时实现，其最终目的都是为产品销售业务（或者是顾客）使用的。因此，在对外提供更多服务项目的时候，统计数据的可用性十分关键。

图5 统计数据可用性

如图5所示，顾客信息在 Logic Data（inner）层中为的是统计数据的柔软性和非冗余，把人员信息拆成若干个子表来存储。比如说，人员地址表能无限多的存储顾客地址信息。这样的好处在于每次人员地址更新时，不用直接更新人员地址，而是生成两个新的地址统计数据，原有的地址信息作为历史统计数据得到保存，易于统计数据快速恢复和历史信息追踪。

但在 Logic Data（outer）层提供更多外部统计数据的时候，首先考虑的是一次性能提供更多足够用的信息（毕竟查询的操作大大高于修改的操作），减少产品销售业务场景中不需要的信息。比如说对一般顾客只提供更多三个常用地址的时候，统计数据结构设计中地址1、地址2和地址3放在一张表中。

关键点2：主、副统计数据及统计数据解耦

每个微服务项目 API 的统计数据完全独立是不太现实的，比如说订货中需要有货品、顾客（包括收货者）、商家和价格等统计数据。如果这些统计数据都在订货服务项目 API 中管理，那么顾客情报的变更、价格修正等信息都要同步给订货 API 中统计数据，统计数据的谐振度就会变得十分高。

在统计数据结构设计的时候，需要考虑降低统计数据间的相互依赖性。因此，首先需要确定每个微服务项目 API 的主统计数据和副统计数据。主统计数据指微服务项目 API 的核心统计数据，这种统计数据的增删改主要集中在某个微服务项目 API 中，比如说订货服务项目 API 中的订货统计数据。副统计数据指参照或者映射其他微服务项目 API 的统计数据，比如说订货服务项目 API 中的货品统计数据、价格统计数据等。

其次，为的是降低统计数据之间的谐振度，用统计数据关联表来表征统计数据间的亲密关系。如果想去掉统计数据间的关联亲密关系，直接去掉关联表即可，对统计数据本身的没有任何影响。具体如图6所示。

图6 主、副统计数据及统计数据解耦

关键点3：科艾麻该户随着产品销售业务统计数据量不断增加，单一统计数据库或单一统计数据表中会积累大量的统计数据，比如说订货统计数据，随着时间推移和顾客数量的增加，产生的订单统计数据也会越来越多。当统计数据累积到一定程度后，统计数据操作的性能会大幅下降，也就是我们常说的统计数据库“带不动了”。所以，在统计数据构架结构设计阶段就应该考虑统计数据的科艾麻该户。

如图7所示，科艾麻，即我们把订货统计数据分成现阶段数据应用领域库、历史统计数据库、历史归档统计数据库。现阶段统计数据应用领域库用来支持新订货的生成和执行中订货的增删改查。历史统计数据库（这里举例分成最近3个月和最近1年）当顾客想看过往订货的时候才使用。历史归档统计数据（按年间归档）原则上不直接对顾客公开，用于备查、统计分析。

对于现阶段统计数据应用领域库，能继续再科艾麻，按顾客号范围来科艾麻。这样每个统计数据库的大小都能得到有效控制。该户，即把一条信息分别存储在两张或多张表中。比如说把订货信息按基本信息和详细信息该户，就能适用于订货的基本信息查询和订货详细信息查询。总之，科艾麻该户的核心就是控制单一统计数据库的负荷（统计数据量和统计数据信息量），通过多表多库来应对产品销售业务统计数据量的增长。

图7 该户科艾麻

关键点4：Immunol统计数据网络连接

传统的亲密关系型统计数据库之外，有多种多样的统计数据源，比如说图像、声音、视频等多媒体统计数据文件或统计数据流，CSV、TXT、Doc、Excle、PDF、XML 等各种异构数。这些统计数据都需要做相应的处理，转换成可管理的统计数据信息。因此在统计数据构架结构设计的时候，需要给不同性质的统计数据源配置相对应的读写网络连接器，同时也需要有统一调度的地方，如图8所示。

图8 Immunol统计数据网络连接

关键点5：Immunol统计数据内存

统计数据处理的性能除了处理逻辑的复杂度以外，还有很大一部分是目标统计数据的操作时长（含对硬件磁盘设备的读写和网络的传输）。网络速度特别是光纤的使用后已经大幅度提高，但机器磁盘的读写效率并没有显著提高，因此减少磁盘读写是提高效率的两个重要途径。

统计数据内存就是把常用的统计数据（不会经常更改的统计数据）、最近使用统计数据放到内存中。这样就能大幅降低控制系统对硬件磁盘设备的操作开销，提高整个统计数据控制系统的性能，如图9所示。

图9 统计数据内存

关键点6：统计数据市集

统计数据市集是两个很大的话题。当现有的统计数据不能简单地通过几个表统计数据关联和简单加工后就能供产品销售业务使用的时候，就需要考虑构建统计数据市集。统计数据市集以统计数据运用的观点来分析加工统计数据，通过Immunol统计数据的导入、清洗、加工、视图做成等一系列的统计数据操作后，为产品销售业务提供更多可用的、稳定的统计数据源。

例如，对产品销售分析中、什么样的顾客喜欢什么样的货品、价格对产品销售金额的影响、产品销售金额跟地区日期的关联亲密关系等多维度分析，就要用统计数据市集的概念，如图10所示。