云结构（cloud architecture）主要解决扩展性和并发的问题，是最容易扩展的架构
它的高扩展性，主要原因是没使用中央数据库，而是把数据都复制到内存中，变成可复制的内存数据单元。然后，业务处理能力封装成一个个处理单元（prcessing unit）。访问量增加，就新建处理单元；访问量减少，就关闭处理单元。由于没有中央数据库，所以扩展性的最大瓶颈消失了。由于每个处理单元的数据都在内存里，最好要进行数据持久化。
这个模式主要分成两部分：处理单元（processing unit）和虚拟中间件（virtualized middleware）。
- 处理单元：实现业务逻辑
- 虚拟中间件：负责通信、保持sessions、数据复制、分布式处理、处理单元的部署。
虚拟中间件又包含四个组件。
- 消息中间件（Messaging Grid）：管理用户请求和session，当一个请求进来以后，决定分配给哪一个处理单元。
- 数据中间件（Data Grid）：将数据复制到每一个处理单元，即数据同步。保证某个处理单元都得到同样的数据。
- 处理中间件（Processing Grid）：可选，如果一个请求涉及不同类型的处理单元，该中间件负责协调处理单元
- 部署中间件（Deployment Manager）：负责处理单元的启动和关闭，监控负载和响应时间，当负载增加，就新启动处理单元，负载减少，就关闭处理单元。
优点
- 高负载，高扩展性
- 动态部署
缺点
- 实现复杂，成本较高
- 主要适合网站类应用，不合适大量数据吞吐的大型数据库应用
- 较难测试
业务上云，在面临海量的业务数据，如何在层出不穷的数据库中选择适合自身业务应用的解决方案，成为架构设计的难点。
传统的集中化存储，如将所有数据存储在Oracle中的方式已经没有办法满足现在多样的数据类型与使用要求。采用“分而治之”的方式，更符合现在云化架构的整体实现思路。
这里为大家分享一下数据库的选型原则，并提供一个真实的案例给大家作为参考。
选型原则：
数据层选型时，要考虑一下六个数据特点，选择合适的数据存储解决方案。
- 数据类型 ， 关系型数据、KV数据、视频、图片、文件
- 数据量 ， 万级、百万级、千万级、亿级别
- 实时性/一致性 ， 实时访问、准实时访问、分钟级延迟、小时级延迟、天级查询
- 并发度 ， QPS、TPS、响应时间
- 使用场景 ， 实时业务、报表分析、历史归档数据、多维查询、正则查询
- 数据来源 ， 文件、数据同步、消息队列、数据库
结合以上六点，选择合适的数据存储技术形成数据层解决方案。
这里举几个选型的例子：
- 海量关系型数据+实时性高+高并发：可以选择分布式关系型数据库，商业的如阿里云DRDS、POLARDB，开源的如MyCAT等。
- 多维度查询+正则查询+准实时+海量数据存储：可选择搜索引擎，如Elasticsearch
- 规则类数据/高并发KV类数据：Redis/Redis Cluster
- 历史归档数据：阿里DRDS/Hbase
- 视频图片文件：可选择分布式文件系统或对象存储，商业的如阿里OSS，开源的HDFS、FastDFS、GlusterFS、CephFS
来源：
http://www.ruanyifeng.com/blog/2016/09/software-architecture.html
http://cloudarchitectures.cn