一、场景计算预估

业务背景

根据《微博 2020 用户发展报告》，微博在 2020 年 9 月月活 5.11 亿，日活 2.24 亿，因此以下评估基于日活 2.5 亿的量级进行考虑。

发评论

假设平均每天每人发 5 条评论，则微博评论每天的发送量约为 2.5*5=12.5 亿条。

大部分的人刷微博集中在早上 8:00~9:00 点，中午 12:00~13:00，晚上 20:00~22:00，假设这几个时间段刷微博总量占比为 60%，则这 4 个小时的平均发微博评论的 TPS 计算如下：

12.5 亿 * 60% / (4 * 3600) ≈ 50 K/s。

看评论

观看微博的次数预估为 250 亿，由于评论支持分页和折叠的，因此在观看评论的过程中有可能多次请求评论列表，这里假设平均为 5 次，预计请求次数能达到 1250 亿次，大部分人看微博的时间段和发微博的时间段基本重合，因此看微博评论的平均 QPS 计算如下：1250 亿 * 60% / (4*3600) = 5000K/s。

二、高性能架构设计

发评论

【业务特性分析】

发评论跟发微博一样，是一个典型的写操作，因此不能用缓存，可以用负载均衡，但重要性与时效性弱于发微博，允许一定的延时及数据重复或丢失，因此可以使用写缓冲。

【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，并在存储端使用性能更强的消息队列。

【架构设计】

1. 负载均衡算法选择

发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，因此发评论的时候，将请求发送给任意服务器都可以，这里选择“轮询”或者“随机”算法。

2. 写缓冲选择

使用 Kafka，缓冲容量不做限制，写入 Kafka 后直接向用户返回成功，再异步写入存储中。

3. 业务服务器数量估算

发评论可以拆分为处理请求与数据写入两个异步流程：（1）对于处理请求来说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（主要是 Kaka），由于使用了性能更强的 Kafka，预计一个服务每秒可以处理 1000 个请求，完成 50K/s 的 TPS，需要 50 台服务器；（2）对于数据写入来说，主要依赖于关系型数据库与缓存的写入，一般也能达到 1000 左右的 TPS。因此总体来说，50 台服务器即可，加上一定的预留量，55 台服务器差不多了。

看评论

【业务特性分析】

看评论是一个典型的读场景，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，应该要用多级负载均衡架构；

2. 请求量达到 1250 亿，应该要用多级缓存架构，尤其是 CDN 缓存，是缓存设计的核心。

【架构设计】

1.负载均衡算法选择

游客都可以直接看微博评论，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 5000K/s * 10% = 500K/s，假设单台业务服务器处理能力是 1000/s，则机器数量为 500 台，按照 20%的预留量，最终机器数量为 600 台。

三、整体架构

多级负责均衡整体架构

看评论的多级缓存架构

四、热点事件高可用架构设计