架构训练营 - 模块五作业
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:
计算性能预估(不需要考虑存储性能)
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
热点事件时的高可用计算架构
【提示】
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】
评论微博
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:
评论