一、背景介绍

设计微博系统中”微博评论“的高性能高可用计算架构。分析“微博评论”这个核心场景的业务特性，然后设计其高性能高可用计算架构，包括但不限于如下内容：

1. 计算性能预估（不需要考虑存储性能）；

2. 非热点事件时的高性能计算架构，需要考虑是否要拆分独立的服务；

3. 热点事件时的高可用计算架构。

二、计算性能估算

2.1 用户量预估和关键行为

2.1.1 用户量

• 2020.9 月月活 5.11 亿，日活 2.24 亿（参考《微博 2020 用户发展报告》）。

2.1.2 关键行为

• 发微博；

• 看微博；

• 微博评论。

2.2 用户行为建模和性能估算

2.2.1 发微博

• 考虑到微博是一个看得多发的少的业务，假设平均每天每人发 1 条微博（只考虑文字微博），则微博每天的发送量约为 2.5 亿条。

• 大部分的人发微博集中在早上 8：00~9：00 点，中午 12：00~13：00，晚上 20：00~22：00，假设这几个时间段发微博总量占比为 60%，则这 4 个小时的平均发微博的 TPS 计算如下：2.5 亿 * 60% / (4 * 3600) ≈ 10 K/s。

2.2.2 看微博

• 由于绝大部分微博用户看微博的对象是大 V 和明星，因此我们假设平均一条微博观看人数有 100 次，则观看微博的次数为：2.5 亿 * 100 = 250 亿。

• 大部分人看微博的时间段和发微博的时间段基本重合，因此看微博的平均 QPS 计算如下：250 亿 * 60% / (4*3600) = 1000K/s。

2.2.3 微博评论

• 由于绝大部份微博用户微博评论的对象是大 V 和明星，因此我们假设平均一条微博评论人数有 5 次，则微博评论的次数为：2.5 亿 * 5 = 12.5 亿。

• 大部分人微博评论的时间段和发微博的时间段基本重合，因此微博评论的平均 QPS 计算如下：12.5 亿 * 60% / (4*3600) = 50k/s。

三、微博高性能计算架构设计

3.1 发微博

略

3.2 看微博

略

3.3 微博评论

3.3.1 业务特性分析

微博评论是一个典型的写操作，因此不能用缓存，可以用负载均衡。

3.3.2 架构分析

用户量过亿，应该要用多级负载均衡架构，覆盖 DNS -> F5 -> Nginx -> 网关的多级负载均衡。

3.3.3 架构设计

3.3.3.1 负载均衡算法选择

微博评论的时候依赖登录状态，登录状态一般都是保存在分布式缓存中的，因此发微博的时候，将请求发送给任意服务器都可以，这里选择“轮询”或者“随机”算法。

3.3.3.2 业务服务器数量估算

微博评论涉及几个关键的处理：评论内容审核（依赖审核系统）、数据写入存储（依赖存储系统），因此按照一个服务每秒处理 800 来估算，完成 50K/s 的 TPS，需要 63 台服务器，加上一定的预留量，75 台服务器差不多了。

3.3.3.3 多级负载均衡架构架构

3.4 整体架构设计

四、微博高可用计算架构设计

4.1 微博热点事件用户行为建模和性能估算

热点事件指某个大 V 或者明星爆料或者官宣，虽然只有一两条微博，但引起大量用户在短时间内访问，给系统造成很大压力。

4.1.1 转发微博

造成热点事件的微博自己只有 1~2 条，但是用户围观后会有很多转发，假设有 10%的围观用户会在事件发生后 60 分钟内转发。

4.1.2 看微博

很难预估，和事件的影响力和影响范围有关。

4.1.3 微博评论

造成热点事件的微博自己只有 1~2 条，但是用户围观后会有很多评论，假设有 20%的围观用户会在事件发生后 60 分钟内评论。

4.2 业务特性分析

4.2.1 转发微博

转发微博的业务逻辑基本等同于发微博，但是业务上可以区分是“原创”还是“转发”，转发的微博重要性和影响力不如原微博。

4.2.2 看微博

热点事件发生后，绝大部分请求都落在了导致热点事件发生的那一条微博上面。

4.2.3 微博评论

微博评论的重要性和影响力不如原微博。

4.3 架构设计分析

4.3.1 转发微博

略

4.3.2 看微博

略

4.3.3 微博评论

微博评论的重要性和影响力不如原微博，可以考虑对“评论微博”限流，由于评论能带来更好的传播，因此尽量少丢弃请求，考虑用“漏桶算法”。