分布式優化和去中心化優化

❶ 網站結構該怎麼去優化 關於當當網架構優化的幾點心得

第一點：用戶體驗。
我覺得這是SEO里的重點，因為如果一個用戶體驗都不良好的網站，搜索引擎也不會認為你是一個好的網站，搜索引擎的排名演算法有很大程度的去考慮用戶體驗的。所以我們建設一個網站要讓用戶訪問到我們的網站中能夠很清楚的自己在什麼地方，接下來要去什麼地方，很方便的點擊鏈接，得到他想要得到的信息。假如你進一個網站，網站內部混亂不堪，沒有清晰的導航，沒有你像看到的信息錨文字，你是是不是也會不假思索的關閉這個網站，去尋找另一個網站。
第二點：收錄量。
我們進行網站結構優化的目的就是利於SEO，SEO的最基礎前提是你的網站有收錄，如果一個良好的網站結構，搜索引擎蜘蛛也很容易爬行到你的網站內頁對你的網站進行收錄，像我的tuihongbao.cn這個網站網站結構就是很清晰的，雖然收錄量不是很(尷)大(尬)。
第三點：網站權重的分配。
網站的哪些內容是你最想給用戶展現的，哪些內容是比較次要的，那麼這個在網站結構規劃的時候，就要對網站進行權重分配，權重高的網站自然排名就會比較高。這樣才能突出我們的主要業務。
第四點：錨文字。
要說網站的站外錨文字自己控制不了，那麼在站內，錨文字站長都是可以控制的。為什麼要達到錨文字清晰的目的，因為錨文字是搜索引擎排名中很重要的一部分。
關於當當網架構優化的幾點心得

第一，對技術部組織架構進行調整。

將原來的職能化組織中的產品、研發和測試部門按照產品線進行整合，轉型為Unit化，以加強同一產品線不同職能團隊之間的配合協作，溝通更高效，團隊更為聚焦。

這樣的組織結構更易於應用敏捷，與實施敏捷的前提同理，產品線拆分建立在系統架構解耦基礎之上，在這一點上，系統架構與組織架構異曲同工且相輔相成。解耦越充分，系統邊界越清晰，模塊越小，越適合敏捷團隊，能夠快速響應業務需求。

業務相近的產品線組成一個產品研發部，這樣多數的小型需求在部門內就可以解決，面對緊急項目還可以靈活使用人力資源，並為員工創造接觸更多類型業務需求的機會。

第二，系統分層依賴。

隨著業務邏輯越來越復雜，系統越來越多，相互依賴也越來越多。比如我的當當中就聚合了安全中心、用戶、賬戶、訂單、收藏夾、推薦等多維度的信息，需要調用多個系統服務。經過討論，決定將用戶交互層面的前端頁面與原有的後端系統拆分，並入前端的產品線，以便為用戶提供更好的服務。

而後端系統之間的依賴關系也需要更為精細的分層定義，對於促銷系統，需要會員系統、訂單系統、價格系統提供基礎數據;對於運費系統需要商品信息和配貨數據，而在精準定位銷售區域的前提下，庫存只是配貨的基礎數據，配貨系統負責判斷是否有貨，Promise則根據配貨結果計算預計送達時間。

調整系統之間的關系是很難的，牽一發而動全身，但重構是契機，2015年，對於電商的核心系統交易和促銷進行了重構，同時價格、配貨、運費等系統也進行了較大調整，從而使系統間依賴問題得到了明顯改善。

第三，服務化。

微服務為互聯網行業的服務化指明了方向，也堅定了我們進行服務拆分和解耦的決心。

原有的架構以系統為維度，服務歸屬於明確的系統，而系統的劃分一般以業務功能為聚合，隨著業務的發展，新的業務功能層出不窮，總會有一些打破原有的系統邊界，給架構提出難題。

服務化，不僅是指系統將能力通過服務對外提供，更重要的是服務本身就是承載業務功能的單元，如果有組合了多個邏輯難以歸入某系統的服務，不必糾結，作為獨立的業務模塊開發就是了，以服務為單元，系統架構更加扁平，簡單清晰。

微服務架構中，服務粒度會更小，服務治理的需求更加迫切，更需要技術手段解決，比如分布式服務框架，當當使用的是基於Dubbo二次研發的DubboX，以及結合ddframe實現的服務調用監控。

去年的容器技術爆發，為微服務架構實施提供了有力工具，當當內部也在部分系統使用了Docker。

微服務大勢所趨，秉承SOA理念，在服務治理中心的基礎上，將系統弱化，提供更多的基礎服務，提高了系統的復用性和靈活性。

第四，平台化。

平台化包括兩個維度，技術平台化和系統平台化。

技術平台化是指在技術層面建立統一的體系，包括根據行業特點進行技術選型，使用穩定可靠的技術組件。

當當從2012年開始將原有的.net平台向Java平台遷移，從封閉到開源，應用電商行業的主流技術棧，到2015年，基本完成了技術轉型，主要後端業務系統都轉移到Java平台。

經過數年的積累，2015年當當架構部研發了Java應用開發框架ddframe，目的是分離技術和業務，封裝技術細節，將應用開發人員的精力集中在業務開發上。

隨後再接再厲，當當架構部又推出了用來替代TBSchele的分布式作業調度框架Elastic-Job。並將之開源，基於JDBC的分布式資料庫中間件Sharding-JDBC也在開發中。

統一的技術棧，能夠復用技術資源，持續積累整體的研發能力，為做精做專提供更好的基礎條件。

系統平台化是指搭建基礎平台，包括測試平台、分布式服務平台、自動化運維平台、監控平台、緩存集群、消息中間件平台、大數據處理平台、項目管理系統、日誌平台、問題跟蹤系統等。

基礎平台是各業務系統有機協作的基礎，保證了整個技術架構的全面可控，能夠降低系統運維復雜度，是大型電商系統不可或缺的組成部分，良好的基礎平台是技術實力和管理能力的雙重體現，而多數公司更注重業務，會在基礎平台建設方面欠下許多技術債務。

2015年，當當搭建了自動化運維平台Pangu、監控平台Radar，重構了項目管理系統，Redis集群管理平台也在搭建中。

第五，核心系統重構。

在電商業務發展的快節奏之下，核心系統持續迭代是常態，而且基本兩、三年以上，就需要考慮重構，否則難以支撐業務的快速變化。

另外，系統重構集中梳理業務邏輯和系統依賴，整理統一的文檔，剔除無用功能，歸並多個版本，甩掉歷史包袱重新設計架構，適度的前瞻性設計使系統在一定周期內具備業務擴展性。

2015年，當當完成了交易系統和促銷系統進行了重構。

交易系統在2015年10月底完成新老版本切換。重構耗費約1500人天，重構代碼17萬行，全部切換至Java開源技術架構，為公司節約大量成本，並進行了架構優化，整體性能平均提升25%，經受住了雙十一和雙十二的考驗。

在當當，有一些「類促銷」業務，從廣義上可以歸入促銷范疇，但業務與數據均不屬於促銷系統，在促銷系統重構設計中，我們考慮將這類業務逐漸回收;另外，促銷系統能不能承擔一些營銷的功能?帶著這兩點考慮，在促銷基礎上進一步抽象出活動模型。

❷ 如何實現去中心化與分布式賬單

實現去中心化
 
在比特幣白皮書《比特幣：一個點對點電子現金系統》中，中本聰詳細地解釋了他是如何設計這個系統的。在其中，他確立了此後所有區塊鏈系統的主要設計原則。
 
(1)一個真正的點對點電子現金應該允許從發起方直接在線支付給對方，而不需要通過第三方的金融機構。
 
(2)現有的數字簽名技術雖然提供了部分解決方案，但如果還需要經過一個可信的第三方機構來防止（電子現金的）「雙重支付」，那就喪失了（電子現金帶來的）主要好處。
 
(3)針對電子現金會出現的「雙重支付」問題，我們用點對點的網路技術提供了一個解決方案。
 
(4)該網路給交易記錄打上時間戳（timestamp），對交易記錄進行哈希散列處理後，將之並入一個不斷增長的鏈條中，這個鏈條由哈希散列過的工作量證明（hash-based proof-of-work）組成，如果不重做工作量證明，以此形成的記錄無法被改變。
 
(5)最長的鏈條不僅僅是作為被觀察到的事件序列的證明，並且證明它是由最大的CPU處理能力池產生的。只要掌控多數CPU處理能力的計算機節點不（與攻擊者）聯合起來攻擊網路本身，它們將生成最長的鏈條，把攻擊者甩在後面。
 
這個網路本身僅需要最簡單的結構。信息盡最大努力在全網廣播即可。節點可以隨時離開和重新加入網路，只需（在重新加入時）將最長的工作量證明鏈條作為在該節點離線期間發生的交易的證明即可。

❸ 什麼是分布式決策

所謂分布式就是指數據和程序可以不位於一個伺服器上，而是分散到多個伺服器，以網路上分散分布的地理信息數據及受其影響的資料庫操作為研究對象的一種理論計算模型。分布式有利於任務在整個計算機系統上進行分配與優化，克服了傳統集中式系統會導致中心主機資源緊張與響應瓶頸的缺陷，解決了網路GIS 中存在的數據異構、數據共享、運算復雜等問題，是地理信息系統技術的一大進步。
傳統的集中式GIS 起碼對兩大類地理信息系統難以適用，需用分布式計算模型。第一類是大范圍的專業地理信息系統、專題地理信息系統或區域地理信息系統。這些信息系統的時空數據來源、類型、結構多種多樣，只有靠分布式才能實現數據資源共享和數據處理的分工合作。比如綜合市政地下管網系統，自來水、燃氣、污水的數據都分布在各自的管理機構，要對這些數據進行採集、編輯、入庫、提取、分析等計算處理就必須採用分布式，讓這些工作都在各自機構中進行，並建立各自的管理系統作為綜合系統的子系統去完成管理工作。而傳統的集中式提供不了這種工作上的必要性的分工。第二類是在一個范圍內的綜合信息管理系統。城市地理信息系統就是這種系統中一個很有代表性的例子。世界各國管理工作城市市政管理占很大比例，城市信息的分布特性及城市信息管理部門在地域上的分散性決定了多層次、多成份、多內容的城市信息必須採用分布式的處理模式。
很明顯，傳統的集中式地理信息系統不能滿足分工明確的現代社會的需求，分布式地理信息系統的進一步發展具有不可阻擋的勢頭。而且，分布式GIS 與網路GIS 、客戶/伺服器GIS計算模型、WWW計算模型的關系都很密切。分布式GIS 是實現網路GIS 的途徑，是實現NGIS的一種重要計算模型；CIS模型實際上是分布式GIS 可供採用的一種具體化計算模型；WWW模型實際上也是分布式GIS模型可採用的一種具體化模型，而且也是具有相當發展前途的分布式GIS模型。分布式GIS 與當今主導地理信息系統發展方向的技術的緊密聯系使分布式GIS相應地成為地理信息系統的主要發展趨勢。

❹ 餓了么分布式服務治理及優化經驗

餓了么框架部門技術總監，前愛立信首席軟體工程師，10 年以上高可用性，高並發系統架構設計經驗。現餓了么框架工具部負責人，負責餓了么中間件的設計及實施，通過中間件以及研發工具的輔助提升研發人員的工作效率，提升網站的穩定性及性能。
今天我想站在一個大的角度上，看一下餓了么最近一年多的時間，經歷的技術上一些痛苦的問題與改進的過程。
為什麼講比較痛苦的事情？昨天和一位專家聊天受益很大，他說人在什麼時候能夠自我驅動？就是痛苦的時候。 只有感到痛苦，才會有改變。 當然改變有兩種結果，一種是徹底放棄沉淪，另外就是一想辦法自動化、智能化，把自己變成一個高手。
MVP 原則
我現在也很痛苦，但是還沒有放棄。先講一下 MVP 原則，MVP（Minimum Viable Proct） 現在比較火， 一個產品是做大而全，還是可用就行？ 我從去年 3 月份加入餓了么，開始組建框架和工具的團隊。中間件裡面很多東西都可以去做，但是我真的需要把所有的東西都做全嗎還是 MVP 原則就好？這是我們思考的一個問題。
MVP 的意思就是做一個最小可用的就可以，大家以前很流行說，「世界那麼大，我想去看看」，其實框架很多東西看看就好，做全做好是需要長時間積累的，我們缺的恰恰是時間。我們要做的就是立足現狀，解決痛點問題。現在餓了么的現狀說白了比百廢待興好一點。 當有太多事情可以去做的情況下，更需要抓住重點，不死人的盡量不要去踏。
服務治理的現狀
服務治理是一個很大的話題，它涵蓋了很多內容，比如前面曉波老師介紹的 Redis 治理、姚捷老師講的鏈路監控系統（參看文末文章），都可以涵蓋在裡面。
編程語言
先介紹語言，剛才會場一些人說他們是異構的語言，但可能還是沒有餓了么這么復雜。餓了么語言主要有兩種，Python 及 Java，原來整個公司語言都是以 Python 為主，可以說是上海最大的 Python 大廠。為什麼不堅持用 Python？不是說 Python 語言不好，而是招不到人。在業務急速發展的時候怎麼辦？換 Java 語言就成了自然的選擇。
在我進公司的時候，其實不僅僅是這兩種語言，還有 PHP，C 語言等。基於這些現狀，框架的選擇點就比較少。因此做了一些妥協，SOA 的框架有兩套，主要是為 Python 和 Java 做的，Python 的叫 Vespense，Java 版本的叫 Pylon，Vespense 和 Pylon 都是星際爭霸裡面的兩種最基本的東西，沒有這兩種東西遊戲根本打不下去。

❺ 在伺服器架構中，集群，負載均衡，分布式有什麼區別嗎

關於分布式，集群與負載均衡及其聯系與區別

當單體應用無法滿足需求，需要拆散服務，或橫向增加伺服器節點時我們慢慢的就要接觸集群管理，分布式處理等問題了。

一個程序或系統，只要不同服務運行在不同的機器上，就可以叫分布式.

[集群]

集群就是實現相同業務的機器(物理的或邏輯的)集合，可以屬於同一機房，也可分屬不同的機房。

[負載均衡]

按照一定的策略把任務分配到不同的操作單元上去執行.

關於分布式，集群與負載均衡及其聯系與區別

❻ 集中式路由和分布式路由哪個好

集中式路由和分布式路由各有千秋；集中式路由是主從路由，同時只有一方在發送載波；分布式路由不分主從，採用CSA即沖突檢測重發機制，類似於TCP上的通訊；集中式路由主要是明確指定中繼路經，分布式路由可以由載波節點自動中繼；分布式路由是集中器模塊與載波表是對等網路，共同完成中繼路徑的優化和綁定。

❼ 蘇州大學，機器學習與數據挖掘，智能計算與優化方法，高性能計算與分布式系統三個研究方向的介紹。

來過

❽ IPFS分布式存儲與去中心化雲計算是什麼關系

兩者相輔相成，與傳統中心化儲存與中心化雲服務相比，擴充了數據儲存與計算的市場，將構成未來數字經濟的兩大基石。中國擁有高效、穩定且廉價的電力及網路基礎設施，為去中心化雲計算的發展提供了充分的土壤。以IPFS為例，目前IPFS全網算力的90%都位於中國。在未來，不排除中國會成為IPFS世界的主導者。以XnMatrix為例，已經成為全球算力領先的去中心化雲計算平台。

❾ 最近在網上常聽到的一段表述，互聯網的核心理念是：去中心化，分布式，泛連接。請盡量詳細的解釋下這三個

去中心化：是使得每一個網民均成為了一個微小且獨立的信息提供商，不再局限一個主體的，是主體對客體的相互作用的深入。
分式化 我也不太清楚
泛連接：盡可能多的去增加外鏈，友情鏈接，提高流量，讓更多人來看到你的產品信息

❿ 什麼是 分布式梯度跟蹤優化

一種基於隨機梯度追蹤技術的大數據二分類分布式優化方法，具體步驟為：設定二分類問題，獲取訓練樣本數據、測試樣本數據、樣本特徵；採用one‑hot編碼將訓練樣本數據和測試樣本數據擴展成向量數據，得到訓練樣本向量數據和測試樣本向量數據；將訓練樣本向量數據進行智能體分配，結合梯度跟蹤策略與隨機平均梯度策略，建立帶未知參數的分布式隨機梯度跟蹤策略S‑DIGing的問題模型；求解未知參數；將測試樣本向量數據代入分布式隨機梯度跟蹤策略S‑DIGing的問題模型中進行二分類驗證，並輸出所述二分類問題對應的分布式隨機梯度跟蹤策略S‑DIGing的問題模型。極大降低了策略的復雜度和計算量，從而使S‑DIGing策略能夠很好地處理大規模問題。響優化演算法的收斂速度的問題，提出一種時延情形下的分布式Push-sum次梯度優化演算法，該方法在權矩陣不具有正對角線元素時仍適用，並應用系統擴維的方法將有時延優化問題轉化為無時延優化問題。在時延和次梯度有界且有向切換網路周期強連通的條件下，證明了所提出的分布式Push-sum次梯度優化演算法的收斂性。研究表明：存在通信時延時的演算法收斂速度比無時延時的收斂速度要慢，並具有較大的收斂誤差。最後，通過數值模擬驗證了研究的結論。