1、性能估算

1.1 看评论

因为在看一条微博详情的时候，同时会自动加载第一页评论列表信息。因此看评论的 QPS 与看微博的一致：1000K/s

1.2 发评论

考虑到评论是一个看得多发的少的业务，假设在刷评论的人中只有 10%人会发表评论，则发评论的 TPS 计算如下：250 亿 * 60% * 10% / (4 * 3600) = 100K/s

2、高性能计算架构

2.1 看评论

2.1.1 业务特性分析

看评论是一个典型的读场景，由于评论发了后不能修改，因此非常适合用缓存架构，同时由于请求量很大，负载均衡架构也需要。

2.1.2 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 250 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。

3. 因为目前微博评论默认是按照热度进行排序，可以缓存第一页的热度评论即可

2.1.3 架构设计

2.1.3.1 负载均衡算法

可以选择“轮询”算法

2.1.3.2 业务服务器数量估算

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 1000K/s * 10% = 100K/s，由于读取评论的处理逻辑比较简单，主要是读缓存系统，因此假设单台业务服务器处理能力是 1000/s，则机器数量为 100 台，按照 20%的预留量，最终机器数量为 120 台。

2.2 发评论

2.2.1 业务特性分析

发评论是一个典型的写操作，因此不能用缓存，可以用负载均衡

2.2.2 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。

2.2.3 架构设计

2.2.3.1 负载均衡算法

发评论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。

2.2.3.2 业务服务器数量估算

发评论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，250 台服务器差不多了。

2.3 评论高性能计算方案- 整体架构设计

考虑到看微博和发微博是核心业务，出于以下几点考虑：

• 评论业务出问题不能影响发微博和看微博

• 评论业务请求量也有百万级

• 发评论（十万级）和看评论（百万级）请求量差异较大，

因此，将发评论和看评论拆分到不同服务

2.3.1 评论的多级负载均衡整体架构

2.3.2 微博的多级缓存整体架构

3、高可用计算架构

3.1 分析

3.1.1 发评论

对于热点事件，可能会有很多人争相去评论，但发评论的重要性不如看微博甚至转发微博，可以考虑对“发评论”限流。 虽然目前微博评论列表默认采取热度排序，用户在发送一条评论之后，很有可能石沉大海，但如果采用“令牌桶算法”可能会导致很多发评论请求失败，影响用户体验，因此还是考虑用“令牌桶算法”。

3.1.2 看评论

热点事件微博存在缓存热点问题，可以考虑“多副本缓存”，由于原有的缓存架构已经采用了“应用内的缓存，总体上来看，缓存热点问题其实不一定很突出。