阿昇

今天回頭加強 Feed 功能，看看原本陽春的做法會有什麼問題。

昨天把 Database 拆成多個 Shard，解決了單一 Database 裝不下所有資料的問題。

今天把這個概念套用在一個具體場景上——Follow 功能，順便討論「業界到底怎麼做 Follow」，包含資料庫怎麼選、常見的演算法有哪些。

Day 17 用 CAP Theorem 收尾時提到一句話：這條線會一路貫穿到後面 Sharding、Counter System 這些主題。今天就從 Sharding 開始。

回顧一下 Day 7 做的事：把一個 Database 拆成 Primary 跟多個 Read Replica。

當時特別澄清過一件事：這樣做還稱不上 Database 的 Horizontal Scaling，因為每個 Replica 裡面裝的都是同一份完整資料。

這代表兩件事還是沒解決：

1. 寫入量還是被單一 Primary 卡死——不管加幾個 Replica，所有 Write 永遠只能走那一台 Primary，寫入吞吐量的天花板從頭到尾沒變過。
2. 儲存空間還是受限於單一台機器——如果 PokeThreads 的 Post 表膨脹到幾十億筆，就算 Primary 本身的硬碟塞得下，索引大小、查詢效能也會開始出問題。

Replication 解決的是「太多人同時讀」，但沒解決「資料量太大、寫入太多」，這是 Sharding 要處理的問題。

昨天討論 SQL 該不該換成 NoSQL，最後留下一個疑問，一旦資料開始分散在不同種類的 Storage 上，SQL、NoSQL、Cache 各存一部分。

怎麼確保各處看到的資料是一致的？

現在狀況只會比 Day 7 那種單純的 Primary/Replica 架構更複雜，其實這個問題在當時就已經埋下種子了。當時我們用 Database Replication 解決 Read Scaling：

留下一個沒細講的伏筆——Replication Lag：Squirtle 剛發的文章，可能要過一小段時間才會出現在某些 Replica 上。

如果只是「晚一點看到自己剛發的文章」，問題還不算太嚴重。但如果今天不是 Replica 同步慢了半拍，而是 Primary 跟 Replica 之間的網路直接斷線呢？系統這時候該怎麼辦？

• 繼續讓部分節點提供服務，但資料可能不一致？
• 還是乾脆暫停服務，確保大家看到的資料都一樣？

不管是 Replica 之間、還是 SQL 與 NoSQL 之間，只要資料存在多個地方，就一定會遇到這個問題。這就是分散式系統裡一個非常經典的理論：CAP Theorem。

PokeThreads 走到今天，已經不是一個單純的 CRUD 小玩具了，但從 Day 2 開始，Database 一直都是同一種選擇，也就是 SQL。這時候很自然會冒出一個問題：

系統都長這麼大了，是不是該把 SQL 換成 NoSQL？

甚至有人會直接跳到結論：「大型系統不都應該用 NoSQL 嗎？」

今天就來仔細了解這個問題。

昨天在 API Gateway 的職責清單裡，提到它很適合順便做 Rate Limiting，但只是輕輕帶過。今天把這件事攤開來講清楚。

昨天把 Notification 從 PokeThreads 的 Monolith 拆成了獨立的 Notification Service，跟原本的 API Service 之間用 gRPC 溝通：

API Service ⇄ gRPC ⇄ Notification Service

拆完第一個 Service 之後，接下來這個趨勢大概不會停在這裡。假設之後 Search、Media Processing 也陸續被拆成獨立 Service，Client（瀏覽器、App）要面對的後端，就從「一個 Application」變成「一群 Service」：

• User Service 在哪裡？
• Feed Service 在哪裡？
• Search Service 在哪裡？

如果讓 Client 直接記住每個 Service 的位址、各自打各自的 API，那還沒扯到功能，光是「知道要打誰」這件事，就已經讓前端變得很脆弱。

任何一個 Service 的位址一旦改變，所有 Client 都要跟著改。而且如果每個 Service 都要各自驗證使用者身份，Authentication 邏輯就會重複散落在每個 Service 裡。

到目前為止，PokeThreads 已經具備了 Load Balancer、Read Replica、Cache、Stateless Server、CDN 與 Message Queue，是時候回頭想想，這些元件之間該怎麼有效率地互相溝通了。

不過在談溝通方式之前，先看一眼現在的 Application Server 到底裝了多少東西。

昨天做出了最陽春的 Notification System，採用最直接的同步方式：

Charmander -> POST /posts/:id/like -> Create Like -> Create Notification -> Response

這種方式在系統規模小的時候很合理，但功能一多，API 要做的事情就跟著變多。

假設之後除了 Notification，還要加上 Analytics（資料分析），如果所有事情都得在同一個 Request 裡做完才能回應，這支 API 只會越來越慢。

解法是把「不需要讓使用者等待結果」的工作，從同步流程裡抽出去，變成背景作業，這就要靠 Message Queue (MQ)。

前面幾天，PokeThreads 的架構已經慢慢演化成分散式系統，不過所有功能都還圍繞在「發文、讀文」上。

只有這麼簡單的功能，實在太像古早時期的社群網站，今天要加入一個現代社群平台幾乎必備的功能：Notification（通知）。

情境很簡單：Pikachu 發了一篇貼文，Charmander 看到之後按下 Like，Pikachu 應該要收到一則「Charmander liked your post」的通知。