写点什么

0 基础架构入门 - 5(微博评论的高性能高可用计算架构)

用户头像
felix
关注
发布于: 刚刚

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

3.2 看微博

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

4.3.2 看微博

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”。


用户头像

felix

关注

还未添加个人签名 2020.12.01 加入

还未添加个人简介

评论

发布
暂无评论
0 基础架构入门 - 5(微博评论的高性能高可用计算架构)