模块五作业

【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。

1.微博评论场景的用户行为建模和性能评估

1.1 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》）。

1.2 关键行为

（1）写评论

（2）看评论

1.3 性能评估

（1）看微博的对象大多是是大 V 和明星，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。

（2）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%，大部分人看微博的时间段和发微博的时间段基本重合，因此看微博的平均 QPS 计算如下： 250 亿 * 60% / (4*3600) = 1000K/s。

（3）看微博的时候会伴随着评论，假设看评论的人数为看微博的 50%，则看评论的 QPS 为： 250 亿 * 60% / (4*3600)*50%= 500K/s。

（4）假设写评论微博的人数为看评论的 50%，则写评论的 TPS 为： 250 亿 * 60% / (4*3600)*50%*50%= 250K/s。

2.微博评论高性能计算架构设计

2.1 写评论

【业务特性分析】

写评论是一个典型的写操作，但是对于时效性要求很高，可以使用高性能的消息中间件进行写缓冲

【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

写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，因此写评论的时候，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

写评论采用 Kafka 作为写缓冲的消息中间件。

由于写评论需要先进行服务器的接入，然后写入 Kafka，假设一个服务每秒处理 3000 来估算此按照，完成 250K/s 的 TPS，需要 80 台服务器，加上一定的预留量，100 台服务器差不多了。

需要拆分单独的评论服务

2.2 看评论

【业务特性分析】

看评论是一个典型的读场景，由于发了后不能修改，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。

【架构分析】

用户量过亿，应该要用多级负载均衡架构；

请求 QPS 达到 500K/s，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

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%的看评论的请求进入系统，则请求 QPS 为 500K/s * 10% = 50K/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 50 台，按照 20%的预留量，最终机器数量为 60 台。

可以和看微博服务一起，不需要拆分服务

3.微博评论热点时高可用计算架构设计

核心架构设计思想：既然无法预估，那就做好预防！

3.1 写评论

由于写评论采用异步写消息队列的方式进行缓存处理，因此可以比较好的进行流量的缓存，如果流量实在过大可以考虑对写评论限流处理，本身评论内容也不是特别重要，丢弃一部分数据也是可行的。

3.2 看评论

和看微博一样，当热点突出时，可以考虑考虑“多副本缓存”+ 应用内的缓存应对