1.计算性能估算

1.1 用户量预估

【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. 评论微博

1.2 用户行为建模和性能估算

绝大部分微博用户评论微博的对象是大 V 和明星，因此我们假设每天一条微博评论数是 5 条，则微博每天的评论是 2.5*5 =12.5 亿；

大部分人评论微博和看微博的时间重合，集中在早上 8：00~9：00 点、中午 12：00~13：00 和晚上 20：00~22：00，这几个时间段评论微博总量占比为 60%，则这 4 个小时的平均发微博的 TPS 计算如下：

12.5 *60%/(4*3600) = 52,083 = 53K/S;

2.高性能计算架构设计

2.1 评论微博

【业务特性分析】

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，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

评论微博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，因此评论微博的时候，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

评论微博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 53K/s 的 TPS，需要 106 台服务器，加上一定的预留量，和看微博的 120 台服务器对应差不多了。

2.2 评论微博的多级负载均衡架构

2.3 评论微博高性能计算架构-整体架构

看微博，评论微博，写微博分析三个不同的服务

微博的多级负载均衡整合架构

3.高可用计算架构设计

3.1 微博热点事件用户行为建模和性能估算

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。

【评论微博】

很难预估，和事件的影响力和影响范围有关。

【业务特性分析】

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上面，但是评论微博不如原微博或者看微博

【架构设计分析】

评论微博重要性和影响力不如原微博，可以考虑对“评论微博”限流，要考虑高并发写入请求，考虑用写缓冲(Buffer)“漏桶算法”。

3.2 热点事件的评论微博高可用架构示意图