1. 估算

【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》)。

【关键行为】

1. 发评论

2. 看评论

2. 用户行为建模和性能估算

【发评论】

考虑到微博评论是一个看得多发的少的业务，假设平均每天每人发 10 条微博评论，则微博评论每天的发送量约为 25 亿条。

大部分的人发微博评论集中在早上 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%，则这 4 个小时的平均发微博评论的 TPS 计算如下:25 亿 * 60% / (4 * 3600) ≈ 100 K/s。

【看评论】

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

假设看微博的人有 50%看评论，大部分人看的是前 20 条评论，因此评论的观看次数为：250*50%*20=2500 亿

大部分人看评论的时间段和发评论的时间段基本重合，因此看评论的平均 QPS 计算如下:

2500 亿 * 60% / (4*3600) = 10M/s。

3. 高性能计算架构

3.1 发评论

【业务特性分析】

发评论是一个典型的写操作，因此不能使用缓存技术，可以用负载均衡技术

【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，240 台服务器差不多了。

• 3. 考虑到有可能有突发流量，而且写评论不需要实时看到，所以可以使用队列总缓冲，采用令牌桶算法做限流。

3.2 看评论

【业务特性分析】

看评论是一个典型的读场景，由于评论发表后不能修改，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。

【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 2500 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。

【架构设计】

• 1.负载均衡算法选择游客都可以直接看评论，因此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 10M/s * 10% = 1000K/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 1000 台，按照 20%的预留量，最终机器数量为 1200 台。

4. 整体架构设计

• 负载均衡架构设计采用多级负载均衡方案： DNS -> F5 -> Nginx -> 网关 -> 评论服务器（1440 台）

• 多级缓存架构设计：App 缓存/流量器缓存 -> CDN -> WEB 容器缓存 -> 应用内缓存 -> 分布式缓存 -> 数据库