”微博评论“的高性能高可用计算架构

【作业要求】

基于模块 5 第 6 课的微博实战案例，分析“微博评论”这个核心场景的业务特性，然后设计其

高性能高可用计算架构，包括但不限于如下内容：

1. 计算性能预估（不需要考虑存储性能）；

2. 非热点事件时的高性能计算架构，需要考虑是否要拆分独立的服务；

3. 热点事件时的高可用计算架构。

【提示】

1. 分析方法对照“看微博”和“发微博”的案例。

1. 高性能预估

【发微博】

考虑到微博是一个评论的多发的少的业务，假设平均每天每人发 1 条微博（只考虑文字微博），则微博每天的发送量约为 2.5 亿条。

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%，则这 4 个小时的平均发微博的 TPS 计算如下：

2.5 亿* 60% / (4 * 3600) ≈ 10 K/s。

【发评论】

由于绝大部分微博用户发微博的对象是大 V 和明星，因此我们假设平均一条微博评论人数有 100 次，则评论微博的次数为：2.5 亿* 100 = 250 亿。

大部分人发评论的时间段和发微博的时间段基本重合，因此评论微博的平均 QPS 计算如下：

250 亿* 60% / (4*3600) = 1000K/s。

2. 非热点时间时的高性能计算架构

【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。

【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】

a. 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。

b. 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 1000K/s 的 TPS，需要 2000 台服务器，加上一定的预留量，2500 台服务器差不多了。

3. 热点事件时的高可用计算架构

热点事件指某个大 V 或者明星爆料或者官宣，虽然只有一两条微博，但引起大量用户在短时间内评论，给系统造成很大压力。

【评论微博】

很难预估，和事件的影响力和影响范围有关。

核心架构设计思想：既然无法预估，那就做好预防！

既然发表评论不要求实时性，那就可以采用消息队列方式暂存评论内容。