架构实战营模块五作业

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。

性能估算

【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》)。

【关键行为】

1. 发微博;

2. 看微博;

3. 评论微博；

写评论

假设 1 条微博平均 100 个人观看，其中有 20 个人评论，则评论微博的次数为:2.5 亿 * 20 = 50 亿。

大部分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，我们假设这几个时间段发微博总量占比为 60%。写评论的时间段和发微博的时间段基本重合，写评论也会涉及内容审核(依赖审核系统)和数据写入存储(依赖存储系统)。和发微博不同的是，评论不需要实时处理，假设业务要求评论发表后 2 小时内需要处理，则微博评论的平均 TPS 为: 50 亿 * 60% / (10*3600) ≈ 9w/s。

看评论

假设平均一条微博观看人数有 100 人，这 100 个人中有 30 个人会看评论，则看评论的次数为：2.5 亿*100 *30% ≈ 75 亿。和看微博一样，60%的用户看评论的时间也集中在早上 8:00~9:00 点，中午 12:00~13:00，晚上 20:00~22:00，则看评论的 QPS 为：75 亿 * 60% / (4*3600) ≈ 32w/s。

评论高性能计算架构

【业务特性分析】

1. 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。

2. 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，整体性能要求较高，应该要用多级负载均衡架构。

2. 写评论可以异步处理，使用 MQ 做缓冲。

3. 看评论需要使用多级缓存架构，用来缓存近期比如 3 天内发布的微博的评论。

【架构设计】

1. 负载均衡算法选择

用户写评论/看评论的时候，将请求发送给任意服务器都可以，这里选择“轮询”算法。

2. 业务服务器数量估算

• 写评论。按照一个服务每秒处理 600 来估算，完成 9w/s 的 TPS，需要 150 台服务器，加上 20%的预留量需要 180 台服务器。

• 看评论。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 32w/s * 10% = 3.2w/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 32 台，按照 20%的预留量，最终机器数量为 40 台。

整体架构设计

负载均衡架构

缓存架构

评论高可用计算架构

评论的高可用计算架构需要考虑的是热点事件对系统可用性的挑战。

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】

热点微博会造成发表评论的数量大增，但很难预估具体量，和事件的影响力和影响范围有关。

【看评论】

热点微博通常会形成大量的转发、浏览，以及评论，但大部分用户一般不会持续翻看评论内容，因此对看评论的业务影响不大。

结合上面的分析，可得出结论：评论的高可用计算架构需要考虑的是发评论的高可用。

业务特性分析

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，用户会在该热点微博下面发表大量的评论。评论可异步处理，且允许突发大流量的情况下丢弃部分评论。

评论计算高可用架构分析

评论的计算高可用和计算高性能架构设计相同，都是通过 Kafka 做缓冲处理，我们通过上面的性能估算-写评论分析得出写评论的 TPS 为 9w/s，并不算太高，当热点微博的评论请求量超过一定阀值时，可考虑在服务网关做一层限流。