分布式优化和去中心化优化

❶ 网站结构该怎么去优化 关于当当网架构优化的几点心得

第一点：用户体验。
我觉得这是SEO里的重点，因为如果一个用户体验都不良好的网站，搜索引擎也不会认为你是一个好的网站，搜索引擎的排名算法有很大程度的去考虑用户体验的。所以我们建设一个网站要让用户访问到我们的网站中能够很清楚的自己在什么地方，接下来要去什么地方，很方便的点击链接，得到他想要得到的信息。假如你进一个网站，网站内部混乱不堪，没有清晰的导航，没有你像看到的信息锚文字，你是是不是也会不假思索的关闭这个网站，去寻找另一个网站。
第二点：收录量。
我们进行网站结构优化的目的就是利于SEO，SEO的最基础前提是你的网站有收录，如果一个良好的网站结构，搜索引擎蜘蛛也很容易爬行到你的网站内页对你的网站进行收录，像我的tuihongbao.cn这个网站网站结构就是很清晰的，虽然收录量不是很(尴)大(尬)。
第三点：网站权重的分配。
网站的哪些内容是你最想给用户展现的，哪些内容是比较次要的，那么这个在网站结构规划的时候，就要对网站进行权重分配，权重高的网站自然排名就会比较高。这样才能突出我们的主要业务。
第四点：锚文字。
要说网站的站外锚文字自己控制不了，那么在站内，锚文字站长都是可以控制的。为什么要达到锚文字清晰的目的，因为锚文字是搜索引擎排名中很重要的一部分。
关于当当网架构优化的几点心得

第一，对技术部组织架构进行调整。

将原来的职能化组织中的产品、研发和测试部门按照产品线进行整合，转型为Unit化，以加强同一产品线不同职能团队之间的配合协作，沟通更高效，团队更为聚焦。

这样的组织结构更易于应用敏捷，与实施敏捷的前提同理，产品线拆分建立在系统架构解耦基础之上，在这一点上，系统架构与组织架构异曲同工且相辅相成。解耦越充分，系统边界越清晰，模块越小，越适合敏捷团队，能够快速响应业务需求。

业务相近的产品线组成一个产品研发部，这样多数的小型需求在部门内就可以解决，面对紧急项目还可以灵活使用人力资源，并为员工创造接触更多类型业务需求的机会。

第二，系统分层依赖。

随着业务逻辑越来越复杂，系统越来越多，相互依赖也越来越多。比如我的当当中就聚合了安全中心、用户、账户、订单、收藏夹、推荐等多维度的信息，需要调用多个系统服务。经过讨论，决定将用户交互层面的前端页面与原有的后端系统拆分，并入前端的产品线，以便为用户提供更好的服务。

而后端系统之间的依赖关系也需要更为精细的分层定义，对于促销系统，需要会员系统、订单系统、价格系统提供基础数据;对于运费系统需要商品信息和配货数据，而在精准定位销售区域的前提下，库存只是配货的基础数据，配货系统负责判断是否有货，Promise则根据配货结果计算预计送达时间。

调整系统之间的关系是很难的，牵一发而动全身，但重构是契机，2015年，对于电商的核心系统交易和促销进行了重构，同时价格、配货、运费等系统也进行了较大调整，从而使系统间依赖问题得到了明显改善。

第三，服务化。

微服务为互联网行业的服务化指明了方向，也坚定了我们进行服务拆分和解耦的决心。

原有的架构以系统为维度，服务归属于明确的系统，而系统的划分一般以业务功能为聚合，随着业务的发展，新的业务功能层出不穷，总会有一些打破原有的系统边界，给架构提出难题。

服务化，不仅是指系统将能力通过服务对外提供，更重要的是服务本身就是承载业务功能的单元，如果有组合了多个逻辑难以归入某系统的服务，不必纠结，作为独立的业务模块开发就是了，以服务为单元，系统架构更加扁平，简单清晰。

微服务架构中，服务粒度会更小，服务治理的需求更加迫切，更需要技术手段解决，比如分布式服务框架，当当使用的是基于Dubbo二次研发的DubboX，以及结合ddframe实现的服务调用监控。

去年的容器技术爆发，为微服务架构实施提供了有力工具，当当内部也在部分系统使用了Docker。

微服务大势所趋，秉承SOA理念，在服务治理中心的基础上，将系统弱化，提供更多的基础服务，提高了系统的复用性和灵活性。

第四，平台化。

平台化包括两个维度，技术平台化和系统平台化。

技术平台化是指在技术层面建立统一的体系，包括根据行业特点进行技术选型，使用稳定可靠的技术组件。

当当从2012年开始将原有的.net平台向Java平台迁移，从封闭到开源，应用电商行业的主流技术栈，到2015年，基本完成了技术转型，主要后端业务系统都转移到Java平台。

经过数年的积累，2015年当当架构部研发了Java应用开发框架ddframe，目的是分离技术和业务，封装技术细节，将应用开发人员的精力集中在业务开发上。

随后再接再厉，当当架构部又推出了用来替代TBSchele的分布式作业调度框架Elastic-Job。并将之开源，基于JDBC的分布式数据库中间件Sharding-JDBC也在开发中。

统一的技术栈，能够复用技术资源，持续积累整体的研发能力，为做精做专提供更好的基础条件。

系统平台化是指搭建基础平台，包括测试平台、分布式服务平台、自动化运维平台、监控平台、缓存集群、消息中间件平台、大数据处理平台、项目管理系统、日志平台、问题跟踪系统等。

基础平台是各业务系统有机协作的基础，保证了整个技术架构的全面可控，能够降低系统运维复杂度，是大型电商系统不可或缺的组成部分，良好的基础平台是技术实力和管理能力的双重体现，而多数公司更注重业务，会在基础平台建设方面欠下许多技术债务。

2015年，当当搭建了自动化运维平台Pangu、监控平台Radar，重构了项目管理系统，Redis集群管理平台也在搭建中。

第五，核心系统重构。

在电商业务发展的快节奏之下，核心系统持续迭代是常态，而且基本两、三年以上，就需要考虑重构，否则难以支撑业务的快速变化。

另外，系统重构集中梳理业务逻辑和系统依赖，整理统一的文档，剔除无用功能，归并多个版本，甩掉历史包袱重新设计架构，适度的前瞻性设计使系统在一定周期内具备业务扩展性。

2015年，当当完成了交易系统和促销系统进行了重构。

交易系统在2015年10月底完成新老版本切换。重构耗费约1500人天，重构代码17万行，全部切换至Java开源技术架构，为公司节约大量成本，并进行了架构优化，整体性能平均提升25%，经受住了双十一和双十二的考验。

在当当，有一些“类促销”业务，从广义上可以归入促销范畴，但业务与数据均不属于促销系统，在促销系统重构设计中，我们考虑将这类业务逐渐回收;另外，促销系统能不能承担一些营销的功能?带着这两点考虑，在促销基础上进一步抽象出活动模型。

❷ 如何实现去中心化与分布式账单

实现去中心化
 
在比特币白皮书《比特币：一个点对点电子现金系统》中，中本聪详细地解释了他是如何设计这个系统的。在其中，他确立了此后所有区块链系统的主要设计原则。
 
(1)一个真正的点对点电子现金应该允许从发起方直接在线支付给对方，而不需要通过第三方的金融机构。
 
(2)现有的数字签名技术虽然提供了部分解决方案，但如果还需要经过一个可信的第三方机构来防止（电子现金的）“双重支付”，那就丧失了（电子现金带来的）主要好处。
 
(3)针对电子现金会出现的“双重支付”问题，我们用点对点的网络技术提供了一个解决方案。
 
(4)该网络给交易记录打上时间戳（timestamp），对交易记录进行哈希散列处理后，将之并入一个不断增长的链条中，这个链条由哈希散列过的工作量证明（hash-based proof-of-work）组成，如果不重做工作量证明，以此形成的记录无法被改变。
 
(5)最长的链条不仅仅是作为被观察到的事件序列的证明，并且证明它是由最大的CPU处理能力池产生的。只要掌控多数CPU处理能力的计算机节点不（与攻击者）联合起来攻击网络本身，它们将生成最长的链条，把攻击者甩在后面。
 
这个网络本身仅需要最简单的结构。信息尽最大努力在全网广播即可。节点可以随时离开和重新加入网络，只需（在重新加入时）将最长的工作量证明链条作为在该节点离线期间发生的交易的证明即可。

❸ 什么是分布式决策

所谓分布式就是指数据和程序可以不位于一个服务器上，而是分散到多个服务器，以网络上分散分布的地理信息数据及受其影响的数据库操作为研究对象的一种理论计算模型。分布式有利于任务在整个计算机系统上进行分配与优化，克服了传统集中式系统会导致中心主机资源紧张与响应瓶颈的缺陷，解决了网络GIS 中存在的数据异构、数据共享、运算复杂等问题，是地理信息系统技术的一大进步。
传统的集中式GIS 起码对两大类地理信息系统难以适用，需用分布式计算模型。第一类是大范围的专业地理信息系统、专题地理信息系统或区域地理信息系统。这些信息系统的时空数据来源、类型、结构多种多样，只有靠分布式才能实现数据资源共享和数据处理的分工合作。比如综合市政地下管网系统，自来水、燃气、污水的数据都分布在各自的管理机构，要对这些数据进行采集、编辑、入库、提取、分析等计算处理就必须采用分布式，让这些工作都在各自机构中进行，并建立各自的管理系统作为综合系统的子系统去完成管理工作。而传统的集中式提供不了这种工作上的必要性的分工。第二类是在一个范围内的综合信息管理系统。城市地理信息系统就是这种系统中一个很有代表性的例子。世界各国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门在地域上的分散性决定了多层次、多成份、多内容的城市信息必须采用分布式的处理模式。
很明显，传统的集中式地理信息系统不能满足分工明确的现代社会的需求，分布式地理信息系统的进一步发展具有不可阻挡的势头。而且，分布式GIS 与网络GIS 、客户/服务器GIS计算模型、WWW计算模型的关系都很密切。分布式GIS 是实现网络GIS 的途径，是实现NGIS的一种重要计算模型；CIS模型实际上是分布式GIS 可供采用的一种具体化计算模型；WWW模型实际上也是分布式GIS模型可采用的一种具体化模型，而且也是具有相当发展前途的分布式GIS模型。分布式GIS 与当今主导地理信息系统发展方向的技术的紧密联系使分布式GIS相应地成为地理信息系统的主要发展趋势。

❹ 饿了么分布式服务治理及优化经验

饿了么框架部门技术总监，前爱立信首席软件工程师，10 年以上高可用性，高并发系统架构设计经验。现饿了么框架工具部负责人，负责饿了么中间件的设计及实施，通过中间件以及研发工具的辅助提升研发人员的工作效率，提升网站的稳定性及性能。
今天我想站在一个大的角度上，看一下饿了么最近一年多的时间，经历的技术上一些痛苦的问题与改进的过程。
为什么讲比较痛苦的事情？昨天和一位专家聊天受益很大，他说人在什么时候能够自我驱动？就是痛苦的时候。 只有感到痛苦，才会有改变。 当然改变有两种结果，一种是彻底放弃沉沦，另外就是一想办法自动化、智能化，把自己变成一个高手。
MVP 原则
我现在也很痛苦，但是还没有放弃。先讲一下 MVP 原则，MVP（Minimum Viable Proct） 现在比较火， 一个产品是做大而全，还是可用就行？ 我从去年 3 月份加入饿了么，开始组建框架和工具的团队。中间件里面很多东西都可以去做，但是我真的需要把所有的东西都做全吗还是 MVP 原则就好？这是我们思考的一个问题。
MVP 的意思就是做一个最小可用的就可以，大家以前很流行说，“世界那么大，我想去看看”，其实框架很多东西看看就好，做全做好是需要长时间积累的，我们缺的恰恰是时间。我们要做的就是立足现状，解决痛点问题。现在饿了么的现状说白了比百废待兴好一点。 当有太多事情可以去做的情况下，更需要抓住重点，不死人的尽量不要去踏。
服务治理的现状
服务治理是一个很大的话题，它涵盖了很多内容，比如前面晓波老师介绍的 Redis 治理、姚捷老师讲的链路监控系统（参看文末文章），都可以涵盖在里面。
编程语言
先介绍语言，刚才会场一些人说他们是异构的语言，但可能还是没有饿了么这么复杂。饿了么语言主要有两种，Python 及 Java，原来整个公司语言都是以 Python 为主，可以说是上海最大的 Python 大厂。为什么不坚持用 Python？不是说 Python 语言不好，而是招不到人。在业务急速发展的时候怎么办？换 Java 语言就成了自然的选择。
在我进公司的时候，其实不仅仅是这两种语言，还有 PHP，C 语言等。基于这些现状，框架的选择点就比较少。因此做了一些妥协，SOA 的框架有两套，主要是为 Python 和 Java 做的，Python 的叫 Vespense，Java 版本的叫 Pylon，Vespense 和 Pylon 都是星际争霸里面的两种最基本的东西，没有这两种东西游戏根本打不下去。

❺ 在服务器架构中，集群，负载均衡，分布式有什么区别吗

关于分布式，集群与负载均衡及其联系与区别

当单体应用无法满足需求，需要拆散服务，或横向增加服务器节点时我们慢慢的就要接触集群管理，分布式处理等问题了。

一个程序或系统，只要不同服务运行在不同的机器上，就可以叫分布式.

[集群]

集群就是实现相同业务的机器(物理的或逻辑的)集合，可以属于同一机房，也可分属不同的机房。

[负载均衡]

按照一定的策略把任务分配到不同的操作单元上去执行.

关于分布式，集群与负载均衡及其联系与区别

❻ 集中式路由和分布式路由哪个好

集中式路由和分布式路由各有千秋；集中式路由是主从路由，同时只有一方在发送载波；分布式路由不分主从，采用CSA即冲突检测重发机制，类似于TCP上的通讯；集中式路由主要是明确指定中继路经，分布式路由可以由载波节点自动中继；分布式路由是集中器模块与载波表是对等网络，共同完成中继路径的优化和绑定。

❼ 苏州大学，机器学习与数据挖掘，智能计算与优化方法，高性能计算与分布式系统三个研究方向的介绍。

来过

❽ IPFS分布式存储与去中心化云计算是什么关系

两者相辅相成，与传统中心化储存与中心化云服务相比，扩充了数据储存与计算的市场，将构成未来数字经济的两大基石。中国拥有高效、稳定且廉价的电力及网络基础设施，为去中心化云计算的发展提供了充分的土壤。以IPFS为例，目前IPFS全网算力的90%都位于中国。在未来，不排除中国会成为IPFS世界的主导者。以XnMatrix为例，已经成为全球算力领先的去中心化云计算平台。

❾ 最近在网上常听到的一段表述，互联网的核心理念是：去中心化，分布式，泛连接。请尽量详细的解释下这三个

去中心化：是使得每一个网民均成为了一个微小且独立的信息提供商，不再局限一个主体的，是主体对客体的相互作用的深入。
分式化 我也不太清楚
泛连接：尽可能多的去增加外链，友情链接，提高流量，让更多人来看到你的产品信息

❿ 什么是 分布式梯度跟踪优化

一种基于随机梯度追踪技术的大数据二分类分布式优化方法，具体步骤为：设定二分类问题，获取训练样本数据、测试样本数据、样本特征；采用one‑hot编码将训练样本数据和测试样本数据扩展成向量数据，得到训练样本向量数据和测试样本向量数据；将训练样本向量数据进行智能体分配，结合梯度跟踪策略与随机平均梯度策略，建立带未知参数的分布式随机梯度跟踪策略S‑DIGing的问题模型；求解未知参数；将测试样本向量数据代入分布式随机梯度跟踪策略S‑DIGing的问题模型中进行二分类验证，并输出所述二分类问题对应的分布式随机梯度跟踪策略S‑DIGing的问题模型。极大降低了策略的复杂度和计算量，从而使S‑DIGing策略能够很好地处理大规模问题。响优化算法的收敛速度的问题，提出一种时延情形下的分布式Push-sum次梯度优化算法，该方法在权矩阵不具有正对角线元素时仍适用，并应用系统扩维的方法将有时延优化问题转化为无时延优化问题。在时延和次梯度有界且有向切换网络周期强连通的条件下，证明了所提出的分布式Push-sum次梯度优化算法的收敛性。研究表明：存在通信时延时的算法收敛速度比无时延时的收敛速度要慢，并具有较大的收敛误差。最后，通过数值仿真验证了研究的结论。