架构考虑

1) 如何判断？

1.使用群体和场景-->访问频率/要求-->性能
2.功能稳定性-->可扩展性
3.系统影响程度-->补救方案
4.数据完整性要求-->存储同步备份
5.数据安全性要求-->权限控制管理

2) 为何选择？使用场景?

关系型数据库 -- 支持SQL，可复杂查询。 海量数据读写性能比较差，高并发读写磁盘I/O是瓶颈。
Mysql --  单表数据限制（根据实际情况考虑）。拆分表的规则和查询性能？拆分库？Mysql主备？ 冷备、热备？Mysql跨机房同步 ？数据库访问权限？like查询速度慢。

Oracle -- 容量大、稳定、安全、性能高

Oracle RAC -- 实时应用集群，高可用，负载均衡，网络计算。
NetApp NAS -- 网络附属存储，数据存储系统。高可用（故障切换、恢复1分钟左右）

非关系型数据库 -- 存储结构灵活，高并发硬盘或随机存储器速度快，开源。复杂查询欠佳。

MongoDB -- 数据结构、表结构灵活。
Redis -- 内容缓存，高负载，查询速度快。 数据无结构化。

HBase -- 分布式的、面向列的随机访问的存储和检索数据。

全文搜索引擎  -- 主流搜索引擎，海量数据高效检索。

Elasticsearch -- 分布式的搜索引擎，实时搜索，稳定。
Lucene -- 完整的查询和索引引擎，没有中文分词引擎。不支持实时搜索。
Sphinx -- 检索速度快，实时搜索。精准度不如Lucene。
Solr -- 企业级搜索引擎，基于Lucene，成熟的解决方案。

无盘领域缓存
一级缓存 -- 服务器将物理内存中的一部分空间设置为系统包、游戏包快速读写用的存储空间。
二级缓存 -- 利用SSD（读缓存）的快速读能力，将系统、游戏常用数据置于SSD内，从而满足客户机的快速读取需求。
三级缓存 -- 客户机本地缓存技术， 主要实现客户机的快速回写。

分布式

Hadoop -- 分布式高速运算和存储系统。低成本，大容量，高扩展性，高可靠性。
HDFS -- 海量数据分布式存储，高容错性，高吞吐量。
MapReduce -- 海量数据并行计算，高效性。

Kafka -- 分布式发布-订阅消息/日志存储系统，活跃的流式数据，高吞吐量，负载均衡，高堆积能力，支持中间件主备,高可靠性（通过Zookeeper用ZAB协议做分布式一致性、选举），高容量。不支持事务。
Jafka -- 高性能跨语言分布式发布-订阅消息系统，Kafka的升级，快速持久化，高吞吐，自动实现复杂均衡，支持Hadoop数据并行加载。
RabbitMQ -- 消息队列系统，实时,对数据一致性、可靠性要求高，高并发。
RocketMQ -- 消息中间件，高吞吐量，高可用性，可靠性、事务性要求高，高堆积能力。

etcd -- 分布式共享配置和服务发现，读写速度（1万+）快，高可用，部署简单，支持http+json，一致性（Raft协议）

Nginx -- web服务器 ? Nginx的ACL控制？
负载均衡 -- ？
异地多活 -- ？
docker -- 虚拟化。解决资源重用，动态分配, 有效隔离，搭建部署方便，结合ceph秒迁。
微服务 -- ？

3) 最佳实践？
识别复杂点，针对性的解决（合理规划、化烦为简）
结合考虑：团队、成本、安全、进度、扩展、创新