一、微博评论性能估算

【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。

用户行为建模和性能估算

【发评论】

微博评论是在看微博后的一个动作，绝大部分微博用户看微博的对象是大 V 和明星，假设平均一条微博观看人数有 100 次，其中有 3 人发表了一条微博评论，则评论微博的次数为：

2.5 亿 * 3 = 7.5 亿。

大部分的人发微博、看微博和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微博总量占比为 60%，则这 4 个小时的平均评论微博的 TPS 计算如下：

7.5 亿 * 60% / (4*3600) = 30K/s。

【看评论】

大部分微博用户在看微博后会点开评论，假设有 80%的用户在看微博的同时会看评论，则看微博评论的次数为：

2.5 亿 100 * 80 %= 200 亿。

大部分的人发微博、看微博和看评论的时间段基本重合，因此看微博评论的平均 QPS 计算如下：

200 亿 * 60% / (4*3600) = 800K/s。

二、微博高性能计算架构设计

【发评论】

【业务特性分析】

发表评论微博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】

1. 负载均衡算法选择

发表微博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 30K/s 的 TPS，需要 60 台服务器，加上一定的预留量，72 台服务器差不多了。

发评论的多级负载均衡架构

【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】

1. 用户量过亿，应该要用多级负载均衡架构；

2. 请求量达到 250 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

游客都可以直接看微博评论，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%的读微博的请求进入系统，则请求 QPS 为 800K/s * 10% = 80K/s，由于读取微博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 80 台，按照 20%的预留量，最终机器数量为 96 台。

看评论的多级负载均衡架构

看评论的多级缓存架构

微博高性能计算方案- - 整体架构设计

微博的多级负载均衡整体架构

微博的多级缓存整体架构

三、 微博高可用计算架构设计

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访问，给系统造成很大压力。

微博热点事件评论微博性能估算

【发评论】

造成热点事件的微博自己只有 1~2 条，但是用户围观后会有很多评论，假设有 10%的围观用户会在事件发生后 60 分钟内发评论。

【看评论】

很难预估，和事件的影响力和影响范围有关。

微博热点事件业务特性分析

1. 发评论

发评论微博的业务逻辑基本等同于发微博，但发的微博评论重要性和影响力不如原微博。

2. 看评论

热点事件发生后，绝大部分请求都落在了导致热点事件发生的那一条微博下面的评论上面。

微博热点事件计算高可用架构分析

核心架构设计思想：既然无法预估，那就做好预防！

【架构设计分析】

1. 发评论

发表微博评论重要性和影响力不如原微博，可以考虑对“发评论”限流，由于发评论能带来更好的互动，因此尽量少丢弃请求，考虑用“漏桶算法”。

2. 看评论

很明显，热点事件微博存在缓存热点问题，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。

微博热点事件计算高可用架构示意图