请对我们使用的这用少见的架构给些建议

domino_question 2005-02-25 06:44:19

系统分两部分, 一部分是电子商务平台(在电信机房),类似与each.net,一部分是交易系统(在我们公司内部).

公司通过5M光千接入Internet,然后用VPN与电信机房的电子商务平台(jboss)连接.考虑到复杂的交互性,公司的交易系统用java application
做的,application 的GUI通过JNDI调用电子商务平台的EJB. C/S的通讯开始想用socket实现,但觉得太复杂了.

我担心有两个问题
1.在客户端响应的速度
2.在电子商务平台上对本身性能的影响.

请大家给些意见, 或者有好的解决方案.

...全文

102 6 打赏收藏转发到动态举报

写回复

6 条回复

切换为时间正序

请发表友善的回复…

发表回复

domino_question 2005-03-01

打赏
举报

回复

还有, 就是每个客户端的操作,多要通过server用jms通知到其它的客户端,目前只有6个客户端,但以后会增加. 我担心客户得到jms通知的时间太慢, 影响可用性.

本来我们要做一些模型,做架构的可行性验证的, 但是项目时间太紧了, 还有就是专线贵,公司不想过早的接入光千的连接. 我们也无法搭建一个类似的环境进行测试.

walkcamel 2005-02-27

打赏
举报

回复

性能需要进行在架构验证阶段做性能测试测试后才能评定，因为性能几乎可以说和所有的信息流动的环节都有关系，网络层，服务器，操作系统，应用服务器，数据库，还有你应用程序本身等等，很难单凭一两个因素来决定的。

另外采用RMI进行远程调用需要考虑网络端口权限问题。

还有就是要考虑系统的并行操作问题了。因为有可能为了减少网络来回，提高性能而会在客户端做一些的cache操作。这时候就要考虑你的数据同步机制了。

一点个人的看法，请大家评论。

jFresH_MaN 2005-02-26

打赏
举报

回复

我觉得按照j2ee的概念来看，你们是一个典型的分布式系统，EJB用来远程调用，我想这个技术就是为你们这样的系统来设计的。
虽说效率肯定都不如本地调用，但是我想应该性能还是过得去的，不然sun的这个技术还有什么存在的理由呢

kaymo 2005-02-26

打赏
举报

回复

没做过，，，，犯晕确实复杂

orant 2005-02-26

打赏
举报

回复

参考BEA这样大公司之类的成功案列

congbailing_914 2005-02-26

打赏
举报

回复

jFresH_MaN 说的不错！
你可以参考一下！

一、课程优势本课程有陈敬雷老师的清华大学出版社配套书籍教材《分布式机器学习实战》人工智能科学与技术丛书，新书配合此实战课程结合学习，一静一动，互补高效学习！本课程由互联网一线知名大牛陈敬雷老师全程亲自授课，技术前沿热门，是真正的互联网工业级实战项目。二、课程简介大数据和算法类的系统和传统的业务系统有所不同，一个是多了离线计算框架部分，比如Hadoop集群上的数据处理部分、机器学习和深度学习的模型训练部分等，另一个区别就是大数据和算法类系统追求的是数据驱动、效果驱动，通过AB测试评估的方式，看看新策略是否得到了优化和改进。所以在系统架构上，需要考虑到怎么和离线计算框架去对接，怎么设计能方便我们快速迭代的优化产品，除了这些，像传统业务系统那些该考虑的也照样需要考虑，比如高性能、高可靠性、高扩展性也都需要考虑进去。这就给架构师非常高的要求，一个是需要对大数据和算法充分了解，同时对传统的业务系统架构也非常熟悉。本节课就对当前几个热门的大数据算法系统架构（推荐系统架构设计、个性化搜索引擎架构设计、用户画像系统架构设计）做一个深度解析！1.个性化推荐算法系统是一个完整的系统工程，从工程上来讲是由多个子系统有机的组合，比如基于Hadoop数据仓库的推荐集市、ETL数据处理子系统、离线算法、准实时算法、多策略融合算法、缓存处理、搜索引擎部分、二次重排序算法、在线web引擎服务、AB测试效果评估、推荐位管理平台等。如下就是我们要讲的个性化推荐算法系统架构图，请大家仔细欣赏、品味：这节课我们就对推荐系统的整体架构和各个子系统做了详细的讲解，解开个性化推荐算法系统神秘的面纱！2.个性化搜索引擎和个性化推荐是比较类似的，这个架构图包含了各个子系统或模块的协调配合、相互调用关系，从部门的组织架构上来看，目前搜索一般独立成组，有的是在搜索推荐部门里面，实际上比较合理的应该是分配在大数据部门更好一些，因为依托于大数据部门的大数据平台和人工智能优势可以使搜索效果再上一个新的台阶。下面我们来详细的讲一下整个架构流程的细节。如下就是我们要讲的个性化搜索架构图，请大家仔细欣赏、品味：这节课我们就对个性化搜索的整体架构和各个子系统做了详细的讲解，解开搜索引擎神秘的面纱！ 3.大数据用户画像系统用户画像是一个非常通用普遍使用的系统，从我们的架构图中可以看出，从数据计算时效性上来讲分离线计算和实时计算。离线计算一般是每天晚上全量计算所有用户，或者按需把用户数据发生变化的那批用户重新计算。离线计算主要是使用Hive SQL语句处理、Spark数据处理、或者基于机器学习算法来算用户忠诚度模型、用户价值模型、用户心理模型等。实时计算指定的通过Flume实时日志收集用户行为数据传输到Kafka消息队列，让流计算框架Flink/Storm/SparkStreaming等去实时消费处理用户数据，并触发实时计算模型，计算完成后把新增的用户画像数据更新搜索索引。个性化推荐、运营推广需要获取某个或某些用户画像数据的时候直接可以毫秒级别从搜索索引里搜索出结果，快速返回给调用方数据。这是从计算架构大概分了两条线离线处理和实时。下面我们从上到下详细看下每个架构模块。如下就是我们要讲的大数据用户画像架构图，请大家仔细欣赏、品味：这节课我们就对大数据用户画像系统的整体架构和各个子系统做了详细的讲解，解开用户画像系统神秘的面纱！三、老师介绍陈敬雷充电了么创始人，CEO兼CTO陈敬雷，北京充电了么科技有限公司创始人，CEO兼CTO，十几年互联网从业经验，曾就职于用友、中软、凡客、乐蜂网(唯品会)、猎聘网、人民日报(灵思云途)、北京万朝科技，曾任架构师、首席技术官、首席科学家等职务，对业务领域B端、C端、电商、职场社交招聘、内容文娱、营销行业都有着丰富的经验，在技术领域，尤其在大数据和人工智能方向有丰富的算法工程落地实战经验，其中在猎聘网任职期间主导的推荐算法系统项目获得公司优秀项目奖，推荐效果得到5倍的提升。陈敬雷著有清华大学出版社两本人工智能书籍，分别是《分布式机器学习实战（人工智能科学与技术丛书）》、《自然语言处理原理与实战（人工智能科学与技术丛书）》。目前专注于大数据和人工智能驱动的上班族在线教育行业，研发了充电了么app和网站，用深度学习算法、nlp、推荐引擎等技术来高效提升在线学习效率。

图解人工智能知识架构，从系统角度告诉你人工智能到底学些啥。

系统设计说明书(架构、概要、详细)目录结构虽然这些文档一般来说公司都是有模板的，但我写这些文档以来基本上是每写一次就把目录结构给改一次，应该说这是因为自己对这些文档的理解开始加深，慢慢的越来越明白这些文档的作用和其中需要阐述的东西，觉得这三份文档主要阐述了一个系统的设计和实现过程，从系统分解为层次、层次内的模块以及相互的接口、模块分解为对象以及对象的接口、实现这些对象接口的方法。这次又整了一份

[转自http://www.cnblogs.com/mathphoenix/archive/2009/02/11/1387892.html]使用Mono平台前，请牢记产品观点（所有.Net程序员都建议知道的）技术领域有很多让人深感困惑的地方，不管是架构师、设计师还是程序员，在完成任务之余，偶尔都有自责的地方：程序员在使用新技术完成任务的时候，有时会觉的自己旧技术都没有完

本文从理论上分析、梳理架构相关知识，帮助自己更好的理解架构工作。关于架构的定义业界有太多不同的定义，但大同小异、本质趋同，只不过侧重各有不同，就以IEEE（电气和电子工程师协会）的定义来说：架构描述了一个系统的基本组织结构，包含了组成系统的组件、组件之间的关系、组件与环境之间的关系，以及指导上述内容进行设计和演化的原则。系统组织起来完成一系列功能的组件集组件组件是一个系统模块化的某部分，从设计角度来理解组件其实就是一系列功能集的封装体。环境。

67,515

社区成员

225,878

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章