微博系统中“微博评论”的高性能高可用计算架构
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:
评论