云原生应用的关键要素是什么

一份基准代码（Codebase），多份部署（deploy）

显式声明依赖关系（ dependency ），比如你的应用依赖了哪些第三方库，要显示地定义在某个文件里。

代码和配置严格分离，配置要和代码完全分离，不同环境共享一套代码。推荐将应用的配置存储于 环境变量 中（ env vars, env ）。环境变量可以非常方便地在不同的部署间做修改，却不动一行代码。

把后端服务(backing services)当作附加资源，后端服务是指程序运行所需要的通过网络调用的各种服务，如数据库（MySQL，CouchDB），消息/队列系统（RabbitMQ，Beanstalkd），SMTP 邮件发送服务（Postfix），以及缓存系统（Memcached）。

严格分离构建、发布和运行。构建是指将代码仓库转化为可执行包的过程。发布会将构建的结果和当前部署所需配置相结合，并能够立刻在运行环境中投入使用。运行是指针对选定的发布版本，在执行环境中启动一系列应用程序进程。

以一个或多个无状态进程运行应用，用户session 是 12-Factor 极力反对的，Session 中的数据应该保存在诸如 Memcached 或 Redis 这样的带有过期时间的缓存中。

通过端口绑定(Port binding)来提供服务，互联网应用 通过端口绑定来提供服务 ，并监听发送至该端口的请求。比如本地环境中，开发人员通过类似>

任何人在往百度云盘里面存东西时，都有一个所谓的MD5码效验，这个是根据文件的文件名称来进行验证的，而验证的对象就是百度云的后台数据库。

当所有用户上传的文件，会备份到数据库当中去，当一个用户上传文件时，后台数据库就会执行验证功能，看你上传的文件数据库中是否已经存在。

如果不存在，会慢慢从你的电脑中读取该文件保存到数据库中；如果已经存在，那么只需要改变你上传文件的保存文件的路径，即云盘中的文件指向数据库中已存在那个文件，而无需重新执行上传 *** 作了。

所以两者相比的话，上传文件速度太快的原因，只能是你上传的文件数据库中已存在相同的文件的原因。

我们搭建一个 MySQL 57 的环境，此处省略搭建步骤。

写个简单的脚本，制造一批带主键和不带主键的表：

执行一下脚本：

现在执行以下 SQL 看看效果：

实验

我们搭建一个 MySQL 57 的环境，此处省略搭建步骤。

写个简单的脚本，制造一批带主键和不带主键的表：

执行一下脚本：

现在执行以下 SQL 看看效果：

执行了 1680s，感觉是非常慢了。

现在用一下 DBA 三板斧，看看执行计划：

感觉有点惨，由于 information_schemacolumns 是元数据表，没有必要的统计信息。

那我们来 show warnings 看看 MySQL 改写后的 SQL：

我们格式化一下 SQL：

可以看到 MySQL 将select from A where Ax not in (select x from B) //非关联子查询转换成了select from A where not exists (select 1 from B where Bx = ax) //关联子查询

如果我们自己是 MySQL，在执行非关联子查询时，可以使用很简单的策略：select from A where Ax not in (select x from B where ) //非关联子查询:1 扫描 B 表中的所有记录，找到满足条件的记录，存放在临时表 C 中，建好索引2 扫描 A 表中的记录，与临时表 C 中的记录进行比对，直接在索引里比对，而关联子查询就需要循环迭代：

select from A where not exists (select 1 from B where Bx = ax and ) //关联子查询扫描 A 表的每一条记录 rA：     扫描 B 表，找到其中的第一条满足 rA 条件的记录。

显然，关联子查询的扫描成本会高于非关联子查询。

我们希望 MySQL 能先"缓存"子查询的结果（缓存这一步叫物化，MATERIALIZATION），但MySQL 认为不缓存更快，我们就需要给予 MySQL 一定指导。

可以看到执行时间变成了 067s。

整理

我们诊断的关键点如下：

1 对于 information_schema 中的元数据表，执行计划不能提供有效信息。

2 通过查看 MySQL 改写后的 SQL，我们猜测了优化器发生了误判。

3 我们增加了 hint，指导 MySQL 正确进行优化判断。

但目前我们的实验仅限于猜测，猜中了万事大吉，猜不中就无法做出好的诊断。

执行了 1680s，感觉是非常慢了。

现在用一下 DBA 三板斧，看看执行计划：

感觉有点惨，由于 information_schemacolumns 是元数据表，没有必要的统计信息。

那我们来 show warnings 看看 MySQL 改写后的 SQL：

我们格式化一下 SQL：

可以看到 MySQL 将 select from A where Ax not in (select x from B) //非关联子查询转换成了 select from A where not exists (select 1 from B where Bx = ax) //关联子查询

如果我们自己是 MySQL，在执行非关联子查询时，可以使用很简单的策略：

select from A where Ax not in (select x from B where ) //非关联子查询:1 扫描 B 表中的所有记录，找到满足条件的记录，存放在临时表 C 中，建好索引2 扫描 A 表中的记录，与临时表 C 中的记录进行比对，直接在索引里比对，

而关联子查询就需要循环迭代：

select from A where not exists (select 1 from B where Bx = ax and ) //关联子查询扫描 A 表的每一条记录 rA：     扫描 B 表，找到其中的第一条满足 rA 条件的记录。

显然，关联子查询的扫描成本会高于非关联子查询。

我们希望 MySQL 能先"缓存"子查询的结果（缓存这一步叫物化，MATERIALIZATION），但MySQL 认为不缓存更快，我们就需要给予 MySQL 一定指导。

可以看到执行时间变成了 067s。

整理

我们诊断的关键点如下：

\1 对于 information_schema 中的元数据表，执行计划不能提供有效信息。

\2 通过查看 MySQL 改写后的 SQL，我们猜测了优化器发生了误判。

\3 我们增加了 hint，指导 MySQL 正确进行优化判断。

但目前我们的实验仅限于猜测，猜中了万事大吉，猜不中就无法做出好的诊断。

以上就是关于云原生应用的关键要素是什么全部的内容，包括:云原生应用的关键要素是什么、求告知IaaS、SaaS和PaaS分别是什么、百度云管家上传文件速度太快，求解释原因等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！