微博评论场景计算性能评估

2020.9 月月活 5.11 亿，日活 2.24 亿（参考《微博 2020 用户发展报告》）。

发评论

考虑到微博是一个看得多发的少的业务，假设平均每天每人发 2 条评论（只考虑文字评论），则评论每天的发送量约为 5 亿条。

大部分的人评论集中在早上 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 个小时的平均发评论的 TPS 计算如下：

5 亿 * 60% / (4 * 3600) ≈ 20 K/s。

看评论

由于绝大部分微博用户看微博的对象是大 V 和明星，因此我们假设平均一条评论观看人数有 50 次，则观看微博的次数为：5 亿 * 50 = 250 亿。

大部分人看评论的时间段和发评论的时间段基本重合，因此看评论的平均 QPS 计算如下：

250 亿 * 60% / (4*3600) = 1000K/s。

微博评论高性能计算架构设计

发评论

【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。

【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

发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 20K/s 的 TPS，需要 40 台服务器，加上一定的预留量，45 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，由于微博发了后不能修改，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，缓存点赞最多的。

【架构设计】

1.负载均衡算法选择

游客都可以直接看评论，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%的看评论的请求进入系统，则请求 QPS 为 1000K/s * 10% = 100K/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 100 台，按照 20%的预留量，最终机器数量为 120 台。

看评论的多级负载均衡架构

看评论的多级缓存架构

微博评论高性能计算方案-整体架构设计

考虑到发评论与看评论业务量级差异较大，所以需将两者进行拆分

微博评论多级负载均衡整体架构

微博评论多级缓存整体架构

微博评论高可用计算架构设计

微博热点事件

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。

【业务特征分析】

• 发评论：发评论的逻辑类似发微博，评价同时支持转发、点赞、评论（回复），但重要性和影响力远低于微博。

• 看评论：热点事件发生后，绝大部分请求都落在了热点事件微博的前几条评论上。

【架构设计分析】

核心架构设计思想：既然无法预估，那就做好预防！

• 发评论：评论的影响力和重要程度远远低于微博本身，可以考虑对“评论”进行限流，但由于神评等本身能带来更好的传播效果，因此应尽量少丢弃请求，考虑用“漏桶算法”。

• 看评论：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。

微博热点事件计算高可用架构示意图