LinkedIn 的扩展之旅
原文英文，约3800词，阅读约需14分钟。
📝
内容提要
Datadog分析了超过24亿个容器的遥测数据，以了解当前的容器景观。LinkedIn从一个名为Leo的单体架构开始。随着平台的发展，LinkedIn构建了一个分布式和分区的图形系统Cloud来管理会员之间的连接。他们还使用Lucene构建了一个搜索服务。为了扩展Leo，他们启动了多个实例并实施了数据库复制。然后，LinkedIn过渡到了面向服务的架构，将单体应用程序拆分为独立的服务。他们还引入了缓存、使用Kafka进行数据收集，并实施了Rest.li和Pinot等工具以实现可扩展性。LinkedIn通过ACLs管理了大规模的授权，并构建了一个授权客户端模块。
❓
Q&A
LinkedIn是如何从单体架构转向分布式架构的？
LinkedIn最初使用单体架构Leo，随着需求增长，逐步拆分为多个独立服务，采用面向服务的架构（SOA）。
LinkedIn在扩展过程中遇到了哪些主要挑战？
主要挑战包括管理会员之间的连接和提供搜索功能，这促使LinkedIn构建了分布式图形系统和搜索服务。
LinkedIn是如何实现高可用性的？
LinkedIn通过在多个数据中心提供服务，实施数据复制和负载均衡，确保高可用性并避免单点故障。
LinkedIn使用了哪些工具来支持数据收集和分析？
LinkedIn开发了Kafka作为分布式消息平台，并使用Pinot进行实时数据分析，以支持大规模数据处理需求。
LinkedIn是如何管理大规模授权的？
LinkedIn通过构建高效的ACL管理系统，确保每个微服务只能访问必要的数据，并快速处理授权检查和更新。
LinkedIn在扩展开发者生产力方面采取了哪些措施？
LinkedIn通过内部倡议Inversion，专注于提升开发者工具和基础设施，以提高开发效率和支持可扩展产品的开发。
🏷️
