微博评论系统的高性能高可用计算架构

性能估算

【用户量】

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

【QPS & TPS 估算】

微博是一个看得多发的少的业务，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。

假设每条微博产生 10 条评论，那一天的评论数为 2.5 * 10 = 25 亿条。

大部分的人看微博评论微博集中在早上 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。

一般发了评论的人都会看评论，加上一些没有评论的用户也会看评论，假设一个微博的打开评论页面次数为 20 次，则这 4 个小时的平均看评论的 QPS 计算如下:

2.5 * 20 * 60% / (4 * 3600) ≈ 200 K/s。

高性能计算架构设计

写评论是一个写操作，所以不能用缓存，可以用负载均衡。

每天的读写数据量上亿，应该使用多级负载均衡架构，覆盖 DNS -> F5 -> Nginx -> 网关的多级负载均衡。

发评论时需要经过内容审核系统->存储系统->缓存系统，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。

多级负载均衡架构：

看评论是一个读场景，但是每次有人发布评论之后列表的缓存就会被修改，也就是评论列表并不是静态的。所以每次刷新评论都要回源到评论系统获取数据。

由于读取频率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，则完成 200 K/s 的 QPS 需要机器数量为 200 台，因为缓存中不会缓存所有的评论，一般就换成 2 到 3 页，而且大部分人也不会去翻很多也看之前的评论，所以就多预留 20%的机器应对，最终为 240 台。看评论的多级负载均衡架构设计和发评论是一样的，只是将服务集群缓存看评论服务。

看评论的多级缓存架构：

热点事件计算高可用架构设计

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访问并评论，给系统造成很大压力。

当大量用户同时来评论时，写评论和列表缓存更新的压力都会很大，在热点事件中用户评论完之后也会被其他评论顶到后面，所以用户评论成功之后并不需要实时能看到，所以可以使用队列进行排队写入。当队列满之后就开启限流。

在异步处理评论时，可以批量入库以减少访问存储系统的次数。