看懂架構圖：Load Balancer、CDN、DB、Container

情境引入

工程師分享了一張架構圖，上面有一堆方塊和箭頭：「Load Balancer → Web Server → Redis → PostgreSQL」。你看著圖，不確定哪個方塊做什麼事。

這堂課要讓你看到架構圖時，能認出每個元件的角色，就像看地圖一樣自然。

架構圖的基本邏輯

架構圖就是「系統的地圖」，顯示：

有哪些元件
元件之間怎麼溝通
資料怎麼流動

讀架構圖的技巧：從使用者的角度，順著箭頭走。

元件大圖鑑

🚦 Load Balancer（負載平衡器）＝交通指揮員

它做什麼： 把大量的用戶請求，分配給多台伺服器，避免某一台太忙而掛掉。

生活比喻： 超市收銀台前的「服務員」，引導顧客去沒排隊的收銀台。

在架構圖中： 通常是用戶進來的第一個關卡，一個方塊連出去多條線到多台伺服器。

為什麼重要： 雙十一流量瞬間爆增，沒有 Load Balancer，第一台伺服器被打爆，其他伺服器卻閒著。

🌐 CDN（Content Delivery Network，內容傳遞網路）＝在各地的倉庫

它做什麼： 把靜態內容（圖片、CSS、JS 檔案）複製到全球各地的節點，讓用戶從最近的地方取得。

生活比喻： 便利商店的「冷藏展示架」——常賣的商品就放在最近的地方，不用每次都跑到總倉。

在架構圖中： 通常在最前端，在 Load Balancer 之前。

電商案例： 你的商品圖片存在台灣，但東南亞用戶看圖很慢。有了 CDN，圖片複製一份到新加坡節點，東南亞用戶直接從新加坡拿，速度快 3 倍。

🖥️ Web Server（網頁伺服器）＝店面

它做什麼： 接收用戶的請求，執行應用程式邏輯，回傳結果。

生活比喻： 超市的「服務台」——你問什麼問題，它幫你找答案。

在架構圖中： 核心方塊，通常有多台（水平擴充）。

🗄️ Database（資料庫）＝倉庫

它做什麼： 永久儲存所有資料——訂單、客戶資料、商品庫存。

生活比喻： 超市後面的「大倉庫」，所有商品的真正存放地。

常見類型：

關聯式資料庫（PostgreSQL、MySQL）：像 Excel，有欄有列
NoSQL（MongoDB、DynamoDB）：像 JSON，彈性結構

在架構圖中： 通常在最後端，被 Web Server 讀取。

⚡ Cache（快取）＝架上的貨架

它做什麼： 把常用的資料暫存在記憶體裡，讓讀取速度快 100 倍。

生活比喻： 超市賣場的「貨架」——常賣的商品放在最顯眼的架上，不用每次都去倉庫拿。

代表工具： Redis、Memcached

電商案例： 「熱門商品排行榜」每秒被查詢幾千次，如果每次都去資料庫查，資料庫會過載。把結果存進 Redis，1 毫秒就回應。

📦 Container（容器）＝標準化的貨箱

它做什麼： 把程式和它需要的所有執行環境打包在一個「箱子」裡，任何地方都能跑。

生活比喻： 船運的「貨櫃」——裡面裝什麼不重要，只要規格一樣，船、車、吊車都能搬。

代表工具： Docker、Kubernetes

為什麼重要： 「我的電腦可以跑，為什麼你的不行？」Container 解決了這個問題——把整個環境打包，哪裡跑都一樣。

完整電商架構圖解析

一個典型電商網站的架構長這樣：

用戶瀏覽器
    ↓
[ CDN ] → 靜態資源（商品圖片、JS、CSS）直接回應
    ↓（動態請求）
[ Load Balancer ] → 分流到多台 Web Server
    ↓
[ Web Server × 3 ] → 執行訂單邏輯、商品搜尋
    ↓              ↓
[ Cache (Redis) ]  [ Database (PostgreSQL) ]
  熱門商品快取       訂單、客戶永久資料

讀法：

用戶請求先到 CDN——如果是圖片，CDN 直接回應，最快
動態請求（查訂單、加入購物車）到 Load Balancer
Load Balancer 分給三台 Web Server 其中一台
Web Server 先查 Cache——有就直接回
Cache 沒有才去 Database 查，查完順便存進 Cache

練習題

AI 協作：學了這個，跟 AI 怎麼配合？

看懂架構圖讓你能跟 AI 討論系統瓶頸，而不只是「聽工程師說哪裡慢」。

你的人類優勢：

你知道業務場景（哪個功能最重要、哪些流量是真實的用戶需求），能判斷優化方向
你了解預算和時程限制，能在多個架構方案中做出平衡決策

可以這樣跟 AI 說：

請幫我畫出一個電商網站的基本架構圖（用文字方塊 + 箭頭描述即可），包含 CDN、Load Balancer、Web Server、Cache、Database。並說明每個元件在雙十一流量高峰時各自的瓶頸點在哪裡。