## 选型需要什么 **言归正传，我认为有三点不可或缺：分析、实验和胆量。** ### 分析 分析主要有定性分析和定量分析。实际操作中，前者主要针对的是模型维度的估计，用来考虑一个组件是否有可能达到它宣称的目的，后者主要用来验证，用来确认它是否在真的做到了。 比如在语言选型时，你要考虑它的范型、内存模型和并发设计；数据库选型时你要考虑存储模型、支撑量级、成本开销；开源项目要考虑它的社区发展、文档完善程度；如果是库或者中间件，还要考虑他的易用性、灵活性以及可替代性，等等。 需要说明的一点是，我个人并不觉得阅读全部源码或者文档这种事情是必须的，这不局限在OS、VM层面。不仅因为这样的事情会耗费过多精力，而且受制于代码以及文档质量，就算真正阅读完毕也未必意味着完全领会。 这些都是定性的，而定性的东西就有可能存在理解偏差。一个库可以完成工作，并不代表它在高并发压力下依然表现正常；一个语言做到了自动管理内存，并不代表他能做得很好没有副作用；一件事情设计者觉得达到了目标并不代表能够满足使用者期望。因此我们还需要量化分析，也就是一直口口相传的，用数据说话。 量化分析需要你构建或使用现成的工具和数据集，对服务进行特定场景下的分析。通过提高压力、增加容量或者针对性的测试，来验证之前的定性分析是否达到预期，并分析不同技术之间的差异和表现。 ### 实验 量化分析可以为真正的实验做一些准备和帮助，但是实验要走的明显更远。到了这一步，意味着要在真正的业务场景下进行验证，这跟量化分析中通用性场景有所不同。 在真正的业务中采用需要很多细致和琐碎的工作，除此之外，还要构建自己的测试工具集，这需要非常扎实的业务理解能力和勤奋的工作。而所有这些，你需要在开发环境做一次，在沙箱环境做一次，然后在仿真环境再做一次。 这几步经常被简化，但经验告诉我们，如果你想做一个高可用的系统，你就不应该少走任何一步。 “步子大了，容易扯到蛋。” ### 胆量 实验做完，剩下的就是上线，但这一步有很多人跨不过去。因为就算做了再多准备，你依然不敢说百分百保证没问题。现实情况是，80%的线上问题都是升级或者上线引起的。 你需要胆量。 这不是说要硬着头皮做，人家都是艺高才胆大。所以为了让胆子大一点，你首先需要考虑降级和开关。从最悲观的角度来重新审视整个方案，如果升级出现问题怎么办，如何才能让出现的问题影响最小化。 而只要弄完了这些，也就只要再记住一句话就行： “你行你上啊！”