“微博评论”的高性能高可用计算架构

一、 要求

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。

二、 计算性能预估

用户量

2022 年 6 月 1 日，微博发布 2022 年一季度财报。截至一季度末，微博月活跃用户达到 5.82 亿，同比净增 5100 万，日活跃用户达到 2.52 亿，同比净增 2200 万。

关键行为

1.  发微博；

2.  看微博；

3.  评论微博

三、发评论

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 条微博评论（只考虑文字微博），则微博评论每天的发送量约为 2.5 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评论总量占比为 60%，则这 4 个小时的平均发微博评论的 TPS 计算如下：

2.5 亿*60%/(4*60*60)≈10K/s

四、看评论

由于绝大部分微博用户看微博评论的对象是大 V 和明星，因此我们假设平均一条微博评论观看人数有 100 次，则观看微博评论的次数为：

2.5 亿*100=250 亿

看微博评论的 QPS 计算如下：

250 亿*60%/(4*60*60)≈1000K/s

五、架构设计

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。

评论：为了保证微博系统的正常运行，可以暂时不允许评论

看评论热点事件很难预估，和事件的影响力和影响范围有关，可以考虑“多副本缓存”。

1. 负载均衡算法选择

游客都可以直接看评论，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，由于读取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。

六、    整本架构图

整体架构设计

多级负载均衡整体架构

多级缓存整体架构

多副本缓存