作业内容

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。

微博评论业务场景计算性能估算

估算依据

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%，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。

【评论微博】

由于评论微博的用于和看微博的用户时同一批用户，但评论微博的用户数量要小于看微博用户的数量。假设十个观看微博的人有 2-3 个人进行评论，则看微博与评论微博的转化率为：

(2+3)/2/10 = 25%

考虑到热点评论会出现反复评论的情况，假设对于热点评论的评论次数为 3。因此评论微博的次数为：

250 亿*25%*3 = 187.5 亿

因此评论微博的 TPS 计算：

62.5 亿 * 60% / (4*3600) = 750K/s。

微博评论高性能计算架构设计

【业务特性分析】

评论微博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】

1. 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。 ；

2. 请求量达到 187.5 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。

【架构设计】

1. 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 750K/s * 10% = 75K/s。

2. 负载均衡算法选择 评论微博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. 业务服务器数量估算评论微博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 75K/s 的 TPS，需要 150 台服务器，加上一定的预留量，预计使用 200 台服务器。

微博评论的多级负载均衡架构

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。

【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。

【看微博】

很难预估，和事件的影响力和影响范围有关。

【评论微博】

评论微博与看微博业务属性相似，都与事件影响力和影响范围有关。

业务特性分析

【业务特性分析】

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。

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。

3. 评论微博

热点事件发生后，绝大部分请求和评论都落在了导致热点事件发生的那一条微博上面，但本质上是标准的数据写入操作。

计算高可用架构分析

核心架构设计思想：既然无法预估，那就做好预防！

【架构设计分析】

转发微博

转发的微博重要性和影响力不如原微博，可以考虑对“转发微博”限流，由于转发能带来更好的传播，因此尽量少丢弃请求，考虑用“漏桶算法”。

看微博

很明显，热点事件微博存在缓存热点问题，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。

评论微博

评论微博实际是写入操作，相对于查看操作，可以在一定程度上存在延时处理的余地。需要注意的是，突发性的大批量写入操作，需要保证每一个写入操作都能够切实有效的执行。考虑使用访问限流和写缓冲算法。

计算高可用架构示意图