作业

设计微博系统中”微博评论“的高性能高可用计算架构。

【作业要求】

基于模块 5 第 6 课的微博实战案例，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。

【提示】

1. 分析方法对照“看微博”和“发微博”的案例。

一、微博评论计算性能预估

【用户量】

1. 2020.9 月月活 5.11 亿，日活 2.24 亿(参考《微博 2020 用户发展报告》)。

【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。

【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。

【发评论】

假设平均一条微博观看人数有 100 次，其中有 20%的观看者会发出评论，

则每条微博的发评论数量为：100*20%=20。

则发评论的总数量为：250 亿 *20% = 50 亿。

大部分人发评论的时间段和看微博的时间段基本重合，也就和发微博的时间段基本重合，假设该时间段发评论总量占比为 60%，

则该时间段内平均发评论的 TPS 为：50 亿 * 60% / (4*3600) = 200K/s。

【看评论】

假设读该微博有 80%的人会查看评论 20%评论，读该微博 60%而且都会看该微博的前 20 条评论，则看评论的数量为：

250 亿*20%*100*80% = 4000 亿

大部分人看评论的时间段和发评论的时间段基本重合，假设该时间段看评论总量占比为 60%，

则该时间段内平均看评论的 QPS 为：4000 亿 * 60% / (4*3600) = 16000K/s。

二、非热点事件的高性能计算架构

1、发评论架构分析

1.1、业务特性分析

发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。

1.2、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。

1.3、架构设计

（1）、 负载均衡算法选择发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，因此发评论的时候，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。

（2）、 业务服务器数量估算发评论涉及几个关键的处理:内容审核(依赖审核系统)、数据写入存储(依赖存储系统)、数据写入缓存(依赖缓存系统)，因此按照一个服务每秒处理 500 来估算，完成 200K/s 的 TPS，需要 400 台服务器，加上一定的预留量，440 台服务器差不多了。

1.4、发评论的多级负载均衡架构：

2、看评论架构分析

2.1、业务特性分析

看评论是一个典型的读场景，由于评论发了后不能修改，因此非常适合用缓存架构，同时由于请求量很大，负载均衡架构也需要。

2.2、架构分析

（1）、 用户量过亿，应该要用多级负载均衡架构;

（2）、请求量达到 3000 亿，应该要用多级缓存架构，尤其是 CDN 缓存，是缓存设计的核心。

2.3、架构设计

（1）、负载均衡算法选择游客都可以直接看微博，因此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。

（2）、业务服务器数量估算假设 CDN 能够承载 90%的用户流量，那么剩下 10%的读微博的请求进入系统，则请求 QPS 为 16000K/s * 10% = 1600K/s，由于读取的处理逻辑比较简单，主要是读缓存系统，因此假设单台业务服务器处理能力是 1000/s，则机器数量为 1600 台，按照 20%的预留量，最终机器数量为 1920 台。

2.4、看评论的多级负载均衡架构

2.5、看评论的多级缓存架构

三、热点事件的高性能计算架构

热点事件指某个大 V 或者明星爆料或者官宣，引起大量用户在短时间内评论以及查看评论，给系统造成很大压力。

【发评论】

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转发，假设有 10%的围观用户会在事件发生后 60 分钟内评论。可以用“漏桶算法”的变种“写缓冲”来应对海量评论。

【看评论】

热点事件存在缓存热点问题，使用“多副本缓存”。可设置看评论的阅读量阈值，根据不同等级的阅读量复制多份评论缓存到不同的缓存节点。