”微博评论“的高性能高可用计算架构设计

【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。

业务场景计算性能估算

用户量 & 关键行为

【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》）。

【关键行为】

1. 发微博（课程内容，不分析）；

2. 看微博（课程内容，不分析）；

3. 发评论；

4. 看评论。

用户行为建模和性能估算

【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%。

【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。

【发评论】

大部分微博用户主要是浏览博文、有感兴趣的才有可能发表评论，假设观看 200 次会有 1 次评论，则评论的次数为：1.25 亿。

大部分人发评论的时间段和发微博的时间段基本重合，因此发评论的平均 TPS 计算如下：

1.25 亿* 60% / (4 * 3600) ≈ 5 K/s。

【看评论】

评论对应到每一条微博，微博用户先看到微博然后才能看到评论，假设观看 100 次微博会看 1 次评论，则看评论次数为：2.5 亿。

大部分人看评论的时间段和发微博的时间段基本重合，因此看评论的平均 QPS 计算如下：

2.5 亿 * 60% / (4*3600) = 10K/s。

高性能计算架构设计

发评论

【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。

【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。

【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 5K/s 的 TPS，需要 10 台服务器，加上一定的预留量，13 台服务器差不多。

发评论的多级负载均衡架构

看评论

【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。

【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 2.5 亿，应该要用多级缓存架构。

【架构设计】

1.负载均衡算法选择

游客都可以直接看，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

由于读取评论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 10 台，按照 20%的预留量，最终机器数量为 12 台。

看评论的多级负载均衡架构

看评论的多级缓存架构

多级负载均衡整体架构

多级缓存整体架构

其实就是看评论的多级缓存架构。

高可用计算架构设计

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。

【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评论，假设有 10% 的围观用户会在事件发生后 60 分钟内评论。

【看评论】

很难估计，微博用户先要进到评论页面才能发评论，而进到评论页面就会触发一次看评论。大致数量上会高于发评论。

热点事件业务特征分析

【发评论】

发评论的重要性、及时性要求并不高，大部分时候用户未必很在意自己的评论是不是成功，尤其是热点微博的评论刚发出就被别人的冲下去了。

热点事件发生后，绝大部分请求对应在导致热点发生的那一条微博上。

【看评论】

热点事件发生后，绝大部分请求对应在导致热点发生的那一条微博上。

热点事件计算高可用架构分析

核心架构设计思想：既然无法预估，就做好预防。

【架构设计分析】

1. 发评论

发评论的重要性，及时性要求不高，可以考虑对“发评论”限流，考虑用“漏桶算法”。

2. 看评论

热点事件微博的评论存在缓存热点问题，可以考虑“多副本缓存”，由于原有的缓存架构已经采用了“应用内的缓存，总体上来看，缓存热点问题其实不一定很突出。

热点事件计算高可能架构

微博转发评论计数显示上限为 100 万，对造假来说超过 100 万已经没意义了，所以 100 万的队列长度对于发评论来说足够了，甚至可以减少到 50 万、20 万。