一、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》）

用户行为：发微博、看微博、评论微博，这里主要分析评论微博

2、用户行为建模

假设每人每天发布十条评论，那么评论微博的次数为 2.5 亿*10 = 25 亿，大部分的人评论微博集中在早上 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：25 亿*60%/(4*3600) = 100K/S

二、高性能架构设计

1、业务特性分析

评论微博是一个典型的写操作，因此不能用缓存，可以用负载均衡。

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。

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 100K/s 的 TPS，需要 200 台服务器，加上一定的预留量，220 台服务器差不多了。

（3）多级负载均衡架构设计

4、整体设计

（1）任务分配

双机房或三机房

（2）任务分解

将评论微博和发微博、看微博拆分道不同的服务

三、高可用架构设计

1、微博热点事件用户行为建模和性能估算

在微博评论场景中，造成热点事件的微博自己只有 1~2 条，但是用户围观后会有很多评论，假设有 50%的围观用户会在事件发生后 60 分钟内评论。

2、业务特性分析

在评论微博场景中，用户的评论可以不实时展示，但是最好不要丢失评论数据。

3、高可用架构分析

结合业务特性的分析，使用 MQ 对评论数据做异步处理和削峰处理。

微博评论高可用架构示意图：