后端服务

前端页面背后，是一个看不见的后端世界。你在搜索框敲下一个关键词、点一下按钮，请求会先打到 HTTP 服务器（Nginx、Node.js、Spring Boot……），再被转发给业务代码，业务代码去查数据库和搜索引擎（ES），最后结果沿着原路返回屏幕。这篇笔记介绍后端的三类核心服务：HTTP 服务器、数据库、ES 数据检索，按时间线梳理它们从哪来，但重点讲清楚——它们各自负责什么、如何协作。

一、后端世界的地图：一次请求的旅程

先看全景。一个典型的后端架构，从用户点击到数据返回是这样的：

flowchart LR
    B[浏览器] --> N[Nginx 反向代理<br/>大门/门卫]
    N --> W[应用服务器<br/>Spring Boot / Node.js]
    W --> D[(MySQL<br/>主数据)]
    W --> E[ES<br/>检索/搜索]
    D --> W
    E --> W
    W --> N
    N --> B

• Nginx：站在最前面，负责"接待"——把请求转发给合适的应用，扛住海量并发
• 应用服务器：执行真正的业务逻辑——校验参数、算价格、组织数据
• 数据库（MySQL 等）：存主数据——用户、订单、文章，保证不丢不错
• ES（Elasticsearch）：做检索——"搜一下包含'电脑'的文章"，这是关系数据库不擅长的事

记住分工的一句话：Nginx 管"到不了应用"，应用管"业务怎么算"，MySQL 管"数据怎么存"，ES 管"数据怎么搜"。

二、HTTP 服务器：世界的大门

1. HTTP 是什么

HTTP（HyperText Transfer Protocol，超文本传输协议） 是浏览器与服务器之间的"通用语言"，1991 年由 CERN 的 Tim Berners-Lee 发明（他在 1989 年发明了万维网 WWW，HTTP 就是它的运输协议）。

HTTP 是典型的请求-响应模型：

• 请求：浏览器发出 GET /search?q=电脑 HTTP/1.1——方法 + 路径 + 协议版本
• 响应：服务器返回 200 OK + 内容

一个 HTTP 报文（以请求为例）：

POST /api/order HTTP/1.1
Host: blog.smallzh.top
Content-Type: application/json

{"goods": "键盘", "count": 1}

方法：GET（读）、POST（写）、PUT（改）、DELETE（删）、PATCH（局部改）——含义约定俗成，后端按此分派逻辑。

状态码：响应的"体检结果"。

状态码	含义	常见场景
2xx	成功	200 OK、201 已创建
3xx	重定向	301/302 跳转、304 缓存命中
4xx	客户端错误	404 页面不存在、403 无权限
5xx	服务器错误	500 程序崩了、502 网关问题、503 过载

无状态：HTTP 自己不记得"你是谁"——两次请求互不相识，所以后端需要会话（Session）或 Cookie/Token 来记住用户身份。这是 HTTP 最经典的设计权衡：无状态才好扩展，记忆交给上层解决。

2. HTTP 服务器 vs 应用服务器

"服务器"这个词有两个层次，常被混用：

	HTTP 服务器（Web Server）	应用服务器（Application Server）
代表	Nginx、Apache、Caddy	Spring Boot、Node.js（Express/Koa）、Django
干什么	处理静态资源（html/js/图片）+ 转发请求 + 负载均衡	执行业务逻辑，动态生成内容
比喻	酒店前台：分房、带路	酒店后厨：真正做饭

一个典型的前后端分离架构中，Nginx 把 /static/* 直接返回静态文件，把 /api/* 反向代理给应用服务器：

server {
    location /api/ { proxy_pass http://backend:8080; }   # 动态请求转给应用
    location /    { root /www/static; }                  # 静态文件直接给
}

3. HTTP 服务器发展史：从"一台电脑"到"C10K"

时间	事件	人物/组织	意义
1991	CERN httpd，第一个 Web 服务器	Tim Berners-Lee	万维网公开上线，服务器诞生
1993	NCSA httpd 发布	伊利诺伊大学	第一个大众 Web 服务器
1995	Apache 发布	社区（基于 NCSA 补丁，"a patchy server"的谐音）	20 年霸主，一度占全球服务器 6 成以上
2004	Nginx 发布	Igor Sysoev（俄罗斯）	解决 C10K，今天的默认选择
2009	Node.js 发布	Ryan Dahl	JS 登上后端，事件驱动写服务器
2014	Spring Boot 发布	Pivotal/社区	Java 后端"开箱即用"

C10K 问题是这段历史的主线：2001 年 Dan Kegel 提出——如何用一台服务器支撑 1 万个并发连接？传统 Apache 每来一个连接就开一个进程/线程（1 万连接 = 1 万进程，内存直接爆掉），Nginx 改用事件驱动 + 单进程多连接：一个进程同时照看成千上万个连接，谁有数据就处理谁，没有就等。从"人海战术"到"一个人管一万张桌子"，这就是 Nginx 胜出的核心。

Node.js 也用同一套思想（事件循环），所以它能用很轻的资源撑起高并发——代价是单线程里不能有耗时操作（如慢 SQL），否则整个进程卡住。

三、数据库：数据的仓库

1. 为什么不用文件存数据

最朴素的想法：把数据存进文件不就行了？开发中很快会遇到四个问题：

• 并发：两个人同时改一个文件，谁覆盖谁？
• 一致性：订单表和库存表要一起成功或一起失败，文件做不到
• 查询：几百万行里找出"姓张的用户"，文件只能一行行扫
• 安全：进程崩溃、断电时，文件写到一半怎么办？

数据库（Database） 就是解决这些问题的软件：它把数据组织成有结构的表，提供索引加速查询、事务保证一致、日志保证不丢。

2. 关系型数据库：SQL 的天下

关系型数据库（RDBMS） 把数据组织成表（table）——行是记录，列是字段，表之间用主键/外键关联。查询语言是 SQL：

-- 查所有在 2024 年之后注册、名字里带"张"的用户
SELECT id, name, email
FROM users
WHERE name LIKE '张%' AND created_at > '2024-01-01'
ORDER BY created_at DESC
LIMIT 10;

事务（Transaction） 是它的招牌：保证一批操作要么全部成功、要么全部回滚，这就是 ACID（原子性、一致性、隔离性、持久性）。转账就是最经典例子——扣款和入账必须同时发生。

索引（Index） 是它快的秘密：数据库默认用 B+ 树组织索引，从几百万行里查一条记录，走索引只需几十次比较（树的高度），没有索引就是全表扫描。"建没建对索引"是后端性能面试的第一题。

主流关系型数据库简史：

数据库	诞生	创始人/组织	特点
Oracle	1979	Larry Ellison	第一个商用 SQL 数据库，企业界王者
PostgreSQL	1986	Michael Stonebraker（伯克利 POSTGRES 项目）	功能最全的开源数据库，程序员最爱
MySQL	1995	Michael Widenius（瑞典，以女儿 My 命名）	最流行的开源数据库，Web 标配

有趣：MySQL 被 Sun 收购（2008）、Sun 又归了 Oracle（2010）之后，创始人 Monty 愤而 fork 出 MariaDB——开源世界的恩怨情仇。

3. NoSQL：当关系模型不够用

2000 年代，互联网规模暴涨，关系型数据库在高并发、海量数据、灵活结构面前吃力。于是 NoSQL（Not Only SQL） 运动兴起，各走各的路：

类型	代表	诞生	特点
键值（KV）	Redis	2009（Salvatore Sanfilippo）	全内存、微秒级读写，缓存/队列之王
文档	MongoDB	2009（Dwight Merriman 等）	JSON 式文档，schema 灵活，游戏/日志常用
列族	HBase / Cassandra	2008~2010	海量分布式存储，互联网大厂标配
图	Neo4j	2007	关系网络：好友、社交、风控

关系型 vs NoSQL 的分工在今天已不是"谁替代谁"，而是各管一段：MySQL 存必须严格一致的主数据（订单、账户），Redis 缓存热点数据（登录态、排行榜），MongoDB 存结构灵活的文档（帖子、埋点）。后端架构的一半工作，就是决定哪份数据放哪个库。

四、ES：让数据"搜"起来

1. 为什么数据库搜不了"模糊搜索"

在 MySQL 里执行 WHERE content LIKE '%电脑%'——猜猜会发生什么？全表扫描：把每一行的 content 从头到尾比一遍。几百万篇文章 × 每篇几千字，一次搜索要扫几个 GB 的文本，耗时数秒，而且数据库的 B+ 树索引对"包含"语义毫无办法（它只能加速"前缀匹配"）。

搜索引擎要解决三个数据库做不到的事：

1. 分词："我喜欢电脑"要能拆成"我/喜欢/电脑"
2. 相关性排序：搜"电脑"，含"电脑"的词频越高、越靠前的文章排前面
3. 海量文本检索：千万级文档毫秒返回

2. 倒排索引：搜索引擎的心脏

数据库的索引（B+ 树）是正排的——"文档 → 包含哪些词"。搜索引擎反过来，建一张倒排索引（inverted index）——"词 → 出现在哪些文档"：

词	文档列表
电脑	文档 1、3、7
键盘	文档 2、3
机械	文档 2、5、7

搜"电脑"时，直接查表命中文档 1、3、7——一步到位，跟数据量无关。分词器负责把文章切成词表，中文分词（如 IK 分词器）还要懂"机械键盘"是词、"机械"也是词。

这个概念值得记住：正排索引"文档找词"，倒排索引"词找文档"。 全文搜索快如闪电，全靠这张反着建的表。

3. Elasticsearch：把 Lucene 变成分布式服务

Lucene 是 Doug Cutting 1999 年用 Java 写的全文搜索库——搜索引擎的"发动机"，但只是一套库，需要自己编程调用、自己管理。2004 年，Shay Banon 先做了一个基于 Lucene 的搜索工具 Compass，写得不满意，2010 年重写并发布 Elasticsearch——把 Lucene 包成一个"开箱即用的搜索服务器"：

• 分布式：数据自动切成分片（shard）分散到多台机器，每片有副本（replica）——一台机器挂了数据不丢，这是它和"单机搜索库"的本质区别
• RESTful API：一切操作都是 HTTP + JSON——它自己就是一台"应用服务器"

# 建索引（相当于数据库的"表"）
curl -X PUT http://es:9200/articles

# 写入文档（相当于 insert）
curl -X POST http://es:9200/articles/_doc -H 'Content-Type: application/json' \
  -d '{"title": "机械键盘选购", "content": "键盘的手感和轴体有关……"}'

# 全文检索（相当于 select ... like）
curl -X POST 'http://es:9200/articles/_search' -H 'Content-Type: application/json' \
  -d '{"query": {"match": {"content": "机械键盘"}}}'

配套的还有 Logstash（采集日志）和 Kibana（可视化看板），合称 ELK——几乎每个公司的日志系统都是这套组合。

4. 数据库 + ES：双写架构

那是不是有了 ES 就不要 MySQL 了？恰恰相反，生产环境里它们总是一起出现，各司其职：

写路径：  应用 → MySQL（主数据，事务保证） ──同步──→ ES（检索副本）
读路径：  用户搜"键盘" → ES 秒出文档ID → 拿 ID 去 MySQL 查详情 → 展示

• MySQL 是"真相"：交易、账号、报表都从这里读，保证 ACID
• ES 是"搜索镜像"：只服务"搜"，坏了也不影响主业务（重建即可）
• 同步方式：同步调用、消息队列（异步，削峰）、CDC（监听 MySQL 的 binlog 自动同步到 ES，如 Canal）

这是后端最重要的架构思想之一：一份数据，多种视图。 用关系库保证正确性，用搜索引擎保证检索体验，用缓存保证速度——每个系统只干它最擅长的事。

五、完整流程：一个搜索功能的背后

把三类服务串起来，看"在博客站搜'电脑'"这一个小动作发生了什么：

sequenceDiagram
    participant 浏览器
    participant Nginx
    participant 应用 as 应用服务器(Spring Boot)
    participant MySQL
    participant ES
    浏览器->>Nginx: GET /api/search?q=电脑
    Nginx->>应用: 反向代理转发
    应用->>ES: 搜索"电脑"(分词+倒排索引)
    ES-->>应用: 返回命中文档ID + 相关度排序
    应用->>MySQL: 按ID查标题/正文/作者(走主键索引)
    MySQL-->>应用: 返回完整文章数据
    应用->>应用: 组装成 JSON
    应用-->>Nginx: 200 OK + JSON
    Nginx-->>浏览器: 渲染结果页面

• 全程 ES 只负责"找"，MySQL 只负责"取"——搜索引擎不用存完整数据，数据库不用做全文检索
• Nginx 全程只"转发"，应用全程只"组装"
• 数据写进来的时候则反过来：MySQL 先落库（事务保证），再异步同步给 ES

六、时间轴总览

timeline
    title 后端服务发展史
    1989 : Tim Berners-Lee 发明万维网
    1991 : HTTP 诞生；CERN httpd 第一个 Web 服务器
    1995 : Apache 发布；MySQL 诞生
    1999 : Lucene 诞生（Doug Cutting）
    2001 : C10K 问题提出
    2004 : Nginx 发布；Shay Banon 开始做 ES 前身
    2009 : Node.js、Redis、MongoDB 同年诞生
    2010 : Elasticsearch 发布
    2014 : Spring Boot 发布
    2015 : HTTP/2 标准化

七、总结：后端的三板斧

服务	一句话职责	核心知识点
HTTP 服务器	大门：收请求、转请求	HTTP 报文、状态码、反向代理、事件驱动
数据库	仓库：存得下、查得准、不丢不错	SQL、事务 ACID、B+ 树索引、分库分表
ES	检索：搜得快、排得准	倒排索引、分词、分布式分片、双写架构

后端服务的演进史本质上是一件事：让"请求"这条路越走越宽——HTTP 服务器解决"来多少都能接住"，数据库解决"存多少都不乱"，搜索引擎解决"数据再多也能秒搜"。三者协同，才有了你屏幕上那句"搜索结果共 12,345 条，用时 0.02 秒"。

上一页 Html5&CSS3 下一页 Docker使用

目录