用户行为建模和性能估算

背景

参考《微博 2020 用户发展报告》，2020.9 月微博用户月活 5.11 亿，日活 2.24 亿。本文主要讨论微博的评论模块架构设计。

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。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%。

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微博观看人数有 100 次，则观看微博的次数为: 2.5 亿 * 100 = 250 亿。

行为分析

• 大部分人看微博的时间段和发微博的时间段基本重合，而写评论和看评论是在看微博期间的行为，因此背景中的时间段分布同样适合评论模块。

• 假设有每看 10 个微博，用户会查看其中 8 个微博评论。

• 假设用户每观看 10 个微博的评论，会新增 1 条自己的评论。

性能估算

1. 看评论：评论查看次数为：250 亿 * 80% = 200 亿

因此在这段时间内，平均看评论的 QPS 计算如下：200 亿 * 60% / (4*3600) = 800K/s。

1. 写评论：写评论的次数为：250 亿 * 10% = 25 亿

因此在这段时间内，平均写评论的 TPS 计算如下：25 亿 * 60% / (4*3600) = 100K/s

高性能计算架构

评论系统也是典型的读多写少场景，为了提高可用性。因此对写评论和看评论做服务拆分以保证独立性。

看评论

业务特性分析

看微博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 200 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，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，按照一定的预留量，最终机器数量为 100 台。

写评论

业务特性分析

发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 100K/s 的 TPS，需要 200 台服务器，加上一定的预留量，最终机器数量为 240 台。

整体架构方案

热点事件时的高可用计算架构

针对突发的热点事件，其特点是不可预测，瞬间读写评论流量大。

1. 针对看评论，全是读请求。可通过运维监控手段，当监测到集群的负载在某个滑动窗口中激增，或者整个集群负载达到阈值后动态扩容增加机器和服务实例。

2. 对于写评论，采用限流的漏桶算法，先将用户的写请求缓存，在使用后台线程写入存储。