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】

1. 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】

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 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】

【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】

1. 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！

1. 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】