微博评论高性能高可用场景

用户行为建模和性能估算

考虑到微博每天的发送量约为 2.5 亿条，由于评论相对比较简单，有些只发相关的表情，涉及的发送量会更多，假设每天发送量约为 3.5 亿条，考虑到热点事件的影响，最大峰值假设为 5 亿条

大部分的人发评论集中在早上 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：

3.5 亿 * 60% / (4 * 3600) ≈ 15 K/s。

热点事件相关瞬时 TPS 按照 50K/s 预估

由于绝大部分微博用户看评论的对象是大 V 和明星，因此我们假设平均一条评论看人数有 100 次，则观看评论的次数为：3.5 亿 * 100 = 350 亿。

大部分人发评论的时间段和看评论的时间段基本重合，因此看微博的平均 QPS 计算如下：

350 亿 * 60% / (4*3600) ≈ 1500K/s。

热点事件的看评论数按照 50K/s 预估。

业务特性：是一个写操作，可以使用负载均衡
架构分析：用户量过亿，使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：
负载均衡算法选择：可以选择随机算法。
服务器估算：发评论涉及的关键选择，评论内容审核，数据写入存储，数据写入缓存，按照一个服务处理 500 的量来估算，完成 15K/s 的 TPS, 再加上一定的预估量以及热点事件的评估，预估 40 台服务器

业务特性：是一个典型的读场景操作，可以使用缓存架构，另外针对热点事件请求量非常大时，负载均衡也是需要的。
架构分析：多级负载均衡架构 + 多级缓存架构设计
架构设计：
负载均衡随机算法
假设 CDN 可以承载 90%的用户量，剩下 10%的评论进入到系统，则请求 QPS： 150K/S, 评论可以加相关缓存系统，单台业务服务器处理能力为 1000/s, 则机器数量为 150 台，按照 20%的预估量，最终机器为 180 台。