微博系统中”微博评论“的高性能高可用计算架构
【非热点事件时的高性能计算架构】
【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》)。
【用户行为建模】
【看微博】
由于绝大部分微博用户看微博的对象是大 V 和明星,因此我们假设平均一条微博观看人数有 100 次,则观看微博的次数为:2.5 亿 * 100 = 250 亿。大部分人看微博的时间段和发微博的时间段基本重合,因此看微博的平均 QPS 计算如下:250 亿 * 60% / (4*3600) = 1000K/s。
【评论微博】
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,假设这几个时间段发微博总量占比为 60%,而评论则依赖于发微博和看微博。
根据预估的看微博的 QPS,假设看微博的人有 25%的概率评论微博,则推算评论微博的平均 TPS 计算如下:
2.5 亿 * 60% / (4 * 3600) * 25% ≈ 2.5 K/s。
【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。
【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】
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。
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 2.5K/s 的 TPS,需要 5 台服务器,加上一定的预留量,8 台服务器差不多了。
【多级负载均衡架构】
![](https://static001.geekbang.org/infoq/95/9553493435ea8030310eef843323e8a2.png)
【热点事件时的高可用计算架构】
【用户行为建模】
很难预估,和事件的影响力和影响范围有关。
【业务特性分析】
评论微博
业务逻辑基本等同于发微博,重要性和影响力不如原微博。
【架构设计分析】
核心架构设计思想:既然无法预估,那就做好预防!
评论微博评论的微博重要性和影响力不如原微博,可以考虑对“评论微博”限流,但是不能丢弃请求,考虑用“漏桶算法”。
【示意图】
![](https://static001.geekbang.org/infoq/61/6138857dc0401d9a4745ac1c6aaa75ab.png)
版权声明: 本文为 InfoQ 作者【Geek_e8bfe4】的原创文章。
原文链接:【http://xie.infoq.cn/article/7530d308932149ad0f7dcc2c1】。未经作者许可,禁止转载。
评论