一. 计算性能估算

1.用户量预估

【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

2.用户行为建模和性能估算

【评论微博】

根据发微博的用户行为建模。微博每天的发送量约为 2.5 亿条，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，评论微博在业务形态上和发微博差不多，假设评论的总量为发微博的 60%，评论的时间集中度和发微博差不多，则平均评论微博的 TPS 计算如下：2.5 亿 * 60% * 60% / (4 * 3600) ≈ 6 K/s

二. 高性能计算架构设计

【业务特性分析】

微博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

微博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，因此发微博的时候，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

微博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)，因此按照一个服务器每秒处理 500 来估算，完成 6K/s 的 TPS，需要 12 台服务器，加上一定的预留量，15 台服务器差不多了。

3. 整体架构设计（发微博与评论一个服务，看微博在另外一个服务）

三. 高可用计算架构设计

热点事件的微博评论，假设有 10%的围观用户会在热点事件发生后 60 分钟内转发、评论。

【业务特性分析】

评论微博的重要性和影响力不如发微博。

【架构分析】

评论微博重要性和影响力不如发微博，可以考虑对“评论微博”限流

【架构设计】

限流算法选择

评论微博需要用户手动输入文字，丢请求对用户体验影响较大，所以尽最大可能不要丢弃请求，考虑用“写缓冲算法”。