1.计算性能预估

1.1.用户行为建模和性能估算

评论微博可分为发评论和看评论两个动作。评论微博是一个写多读少的业务，假设平均每天每人发 10 个评论，则每天的评论量 25 亿条。

大部分的人评论微博和看微博时间相同，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评论总量占比为 60%，则这 4 个小时的平均发微博的 TPS 计算如下：

25 亿 * 60% / (4 * 3600) = 100 K / s。

2.非热点事件时的高性能计算架构

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。

看评论是一个读操作，因此使用多级缓存架构。

2.2.架构分析

a)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。

b)请求量过亿，应该要用分布式缓存架构，采用写缓冲技术处理。

c)考虑写评论用户量和请求量都过亿，所以评论微博需要拆分出独立服务。评论微博和看评论不需要拆分，因为评论微博和看评论动作非常接近，用户发完评论希望立刻看到。

2.3.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. 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，总共需要 250 台服务器。

注：评论微博架构主要参考写微博和看微博架构设计。

3.热点事件时的高可用计算架构

3.1.业务特性分析

热点事件发生后，绝大部分评论微博请求（包括写评论和看评论）都落在了导致热点事件发生的那一条微博上面。

3.2.架构分析设计

主要采用预防为主的思路进行分析

a)热点微博评论高并发写入请求。由于评论丢失会引起用户投诉，因此尽量少丢弃请求，考虑用“写缓冲算法”。

b)很明显，热点事件微博评论存在缓存热点问题，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。