前台与后台，为什么要分离？
如果你经历过快速迭代业务，经历过用户量不断上涨，经历过访问并发越来越大，你一定会遇到以下系统问题：
用户访问页面越来越慢
系统性能下降，数据库扛不住，连接数经常打满，最终数据库挂掉，重启后又快速挂掉
改了一个小地方，另外一个看似不相干的地方却挂了，严重耦合
遇到上述痛点，经常使用“前台与后台分离”的架构优化方案。
业务早期，最常见的场景是什么？
虚拟一个类似于“AJK”租房买房的业务场景，这个业务的数据有两大来源：
用户发布的数据
爬虫抓取来的数据
这个业务对应的系统有两类使用者：
普通用户，浏览与发布数据，俗称“前台用户”
后台用户，运营与管理数据，俗称“后台用户”
在创业公司，为了快速迭代，系统架构如上：
web层：前台web，后台web
任务层：抓取数据
数据层：存储数据
上述架构方案，存在什么问题？
系统两类数据源，一类是用户发布的数据，一类是爬虫抓取的数据，两类数据的特点不一样：
自有数据相对结构化，变化少
抓取数据源很多，数据结构变化快
如果将自有数据和抓取数据耦合在一个库里，经常出现的情况是：
抓取数据结构变化
需要修改数据结构
影响前台用户展现
经常被动修改前台用户展现逻辑，配合抓取升级
如果经历过这个过程，其中的痛不欲生，是谁都不愿意再次回忆起的。
耦合的根本原因，是数据层的耦合。
应该怎么优化？
优化思路：前台展现数据，后台抓取数据分离，解耦。
如上图所示：
前台展现的稳定数据，库独立
后台抓取的多变数据，库独立
任务层新增一个异步转换的任务
如此这般：
频繁变化的抓取程序，以及抓取的异构数据存储，解耦
前台数据与web都不需要被动配合升级
即使出现问题，前台用户的发布与展现都不影响
有些朋友说，自己使用的是“微服务架构”，数据库为服务私有，不存在数据耦合。你以为微服务架构，就没有问题了吗？
微服务架构，服务耦合的新问题是什么？
上面解决了不同数据源写入的耦合问题，再来看看前台与后台用户访问的耦合问题。
用户侧，前台访问的特点是：
访问模式有限
访问量较大，DAU不达到百万都不好意思说是互联网C端产品
对访问时延敏感，用户如果访问慢，立马就流失了
对服务可用性要求高，系统经常用不了，用户还会再来么
对数据一致性的要求高，关乎用户体验的事情就是大事
运营侧，后台访问的特点是：
访问模式多种多样，运营销售各种奇形怪状的需求，大批量分页的，模糊搜索的
用户量小，访问量小
访问延时不这么敏感，大批量分页，几十秒能出结果，也能接受
对可用性能容忍，系统挂了，10分钟之内重启能回复，也能接受
对一致性的要求始终，晚个30秒的数据，也能接受
前台和后台的模式与访问需求都不一样，但是，如果前台与后台混用同一套服务和结构化数据，会导致：
后台的低性能访问，对前台用户产生巨大的影响，本质还是耦合
随着数据量变大，为了保证前台用户的时延，质量，做一些类似与分库分表的升级，数据库一旦变化，可能很多后台的需求难以满足
耦合的根本原因，是服务层的耦合。
应该怎么优化？
优化思路：冗余数据，前台与后台服务与数据分离，解耦。
如上图所示：
前台和后台独立服务与数据，解耦
如果出现问题，相互不影响
通过不同的技术方案，在不同容忍度，业务对系统要求不同的情况下，可以使用不同的技术栈来满足各自的需求，如上图，后台使用ES或者hive在进行数据存储，用以满足“售各种奇形怪状的，大批量分页的，查询需求”
小结
创业早期，可能存在数据耦合，需要进行前台与后台分离，数据解耦
微服务架构，可能存在服务耦合，需要进行前台与后台分离，服务解耦
“前台与后台分离”的架构设计方案，是最常见的解耦与优化方案之一。
希望大家有收获。
扫码关注“架构师之路”视频号