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

1.计算性能预估

1.1 用户量预估

【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

1.2 用户行为建模和性能估算

绝大部分微博用户评论微博的对象是大 V 和明星，因此我们假设每天一条微博评论数是 5 条，则微博每天的评论是 2.5*5 =12.5 亿；

大部分人评论微博和看微博的时间重合，集中在早上 8：00~9：00 点、中午 12：00~13：00 和晚上 20：00~22：00，这几个时间段评论微博总量占比为 60%，则这 4 个小时的平均发微博的 TPS 计算如下：

12.5 亿 *60%/(4*3600) = 52,083 = 53K/S;

评论微博的同时也会看评论，因此看评论的 TPS 和评论微博的 TPS 一致

2.非热点事件时的高性能计算架构

2.1.业务特性分析

微博评论对实时要求比较低，可以采用队列异步写入。 

2.2.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

2.3.架构设计

1） 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，因此评论微博的时候，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

2）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 10K/s 的 TPS，需要 20 台服务器，加上一定的预留量，25 台服务器差不多了。

评论微博的多级负载均衡架构如下：

3.热点事件时的高可用计算架构

3.1.关于业务预估

热点事件你是无法预估的。但是可以做到预防。可以考虑限流的方式（如漏桶算法）。

3.2.计算高可用架构示意图

微博评论热点事件计算高可用架构示意图：