用户量

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

行为建模和性能估算

【写评论】

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。平均每条微博观看人数有 100 次，假设每人对每 10 条微博发表评论一次。

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%，看微博时间也是这个时间。则这 4 个小时的平均写评论的 TPS 计算如下：

2.5 亿 * 100 * 60% * 10% / (4 * 3600) ≈ 100 K/s。

【看评论】

每个人看微博时，基本都会看评论

所以看评论的平均 QPS 计算如下：

2.5 亿 * 100 * 60% / (4 * 3600) ≈ 1000 K/s。

高性能计算架构

写评论

【业务特性分析】

写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

写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，因此写评论的时候，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

写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 100K/s 的 TPS，需要 200 台服务器，加上一定的预留量，240 台服务器差不多了

看评论

【业务特性分析】

看评论是一个典型的读操作，一般评论发了后不能更改，因此可以用缓存架构，请求量也大，得用负载均衡。

【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。

请求量达到 250 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. 负载均衡算法选择

游客都可以直接看微博和评论，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

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%的读评论的请求进入系统，则请求 QPS 为 1000K/s * 10% = 100K/s，由于读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 100 台，按照 20%的预留量， 最终机器数量为 120 台。

多级负载均衡架构

多级缓存架构

整体架构设计

多级负载均衡整体架构

多级缓存整体架构

高可用架构设计

热点事件的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。

【写评论】

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 1%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。

业务特性分析

【写评论】

评论时，一般用户的评论很快就会被淹没在其余人的评论之下，一般不在着急看到自己发的评论。

【看评论】

热点事件发生，绝大部分请求落在同一个微博上包括评论。

高可用架构分析

【写评论】

由于量大，但并不要求立马处理，所以可以考虑进行写缓冲，使用消息队列缓存写评论，

【看评论】

热点事件发生，热点事件导致评论也存在热点，考虑多副本缓存。由于使用了应用内缓存，热点问题可能并不是特别突出

高可用架构设计

若有收获，就点个赞吧