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。

一、计算性能估算

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.评论微博

2.看评论

用户行为建模和性能估算

【评论微博】

• 假设每条微博平均有 10 条评论，微博每天的发送量约为 2.5 亿条，则评论每天的发送量约为 25 亿条，大部分的人写评论集中在早上 8：00~9：00 点，中午 12：00~13：00，晚上 20：00~22：00，假设这几个时间段写的总量占比为 60%，则这 4 个小时的平均写评论的 TPS 计算如下：

25 亿* 60%/(4* 3600)≈ 100K/s。

【看评论】

• 假设平均一条微博观看人数有 100 次， 进去看评论的人数为看微博人数的 20%

• 观看评论的次数为：2.5 亿 * 100 * 20%=50 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：50 亿 60%/(4* 3600)=200K/s。

二、高性能计算架构设计

评论微博

• 业务特性分析：典型的写操作，因此不能用缓存，可以用负载均衡。

• 架构分析：用需要考虑使用多机房架构，用 4 级负载均衡来做任务分配，DNS > F5/LVS > nginx > 网关负载。

• 架构设计:

• 负载均衡算法选择：写评论的时候依赖于登录状态和所评论的微博 ID，登录状态和微博 ID 一般都是保存在分布式缓存中的，因此写评论的时候，将请求发送给任意服务器都可以，选择“轮询”或者“随机”算法。

• 业务服务器数量估算：假设每台服务每秒处理 500 个请求，则总共需要 100K/ 500 = 200 台机器，预留 20%的冗余，最终需要 240 台机器。

看评论

• 业务特性分析：典型的读场景，适合用缓存架构，请求量很大，负载均衡架构也需要。

• 架构分析：使用 5 级缓存架构，尤其要注意 CDN 缓存。

• 架构设计:

• 负载均衡算法选择：游客都可以直接看评论，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。

• 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%的读评论的请求进入系统，则请求 QPS 为 200K/s* 10%=20K/s，由于读取的处理逻辑比较简单，主要是读缓存系统，假设单台业务服务器处理能力是 1000/s，则机器数量为 20 台，按照 20%的预留量，最终机器数量为 24 台机器。

整体架构设计

• 计算高性能

• 任务分配：三机房

• 任务分解：写评论和看评论需要拆分成不同服务。

看评论多级缓存

三、高可用计算架构设计

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。

• 评论微博: 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：很难预估，和事件的影响力和影响范围有关。

微博热点事件业务特性分析

• 热点事件发生后，绝大部分评论和看评论都落在了导致热点事件发生的那一条微博上。

微博热点事件计算高可用架构分析

• 热点事件评论、看评论量都成倍增长。

• 为了保证评论请求不丢失，通过写缓冲方式，先把评论请求写入消息队列，业务服务器从消息队列中拉取请求慢慢处理。

• 看评论采用多缓存副本和应用缓存，分散负载，降低单个服务器压力。