一. 计算性能预估

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》)。

2.关键行为

发评论;

看评论。

3.用户行为建模和性能估算

（1）写评论

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 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%，则这 4 个小时的平均发微博的 TPS 计算如下:

2.5 亿 * 60% / (4 * 3600) ≈ 10 K/s

同时，我们假设写微博的次数中，平均一条微博有 2 条评论。

大部分人写微博评论的时间段和发微博的时间段基本重合，因此写微博评论的平均 TPS 计算如下:

10 K/s*5≈ 20 K/s

（2）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微博观看人数有 100 次，则观看微博的次数为:

2.5 亿 * 100 = 250 亿.

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

同时，我们假设看微博的次数中，有 10%的看微博请求会去读评论，大部分人读微博评论的时间段和看微博的时间段基本重合，因此微博评论的平均 QPS 计算如下:

1000K/s*10 = 100K/s

二. 非热点事件时的高性能计算架构

1.写评论

（1）业务特性分析

写微博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。

（2）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。

（3）架构设计

负载均衡算法选择

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，因此微博评论的时候，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。

业务服务器数量估算

写微博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)等， 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，50 台服务器差不多了。

2.看评论

（1）业务特性分析

看微博评论是一个典型的读场景，由于微博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。

（2）架构分析

用户量过亿，应该要用多级负载均衡架构；

请求量达到 25 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。

（3）架构设计

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;

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%的读微博评论的请求进入系统，则请求 QPS 为 100K/s * 10% = 10K/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 10 台，按照 20%的预留 量，最终机器数量为 12 台。

3.微博评论架构设计

考虑到微博评论整体功能重要性相对发微博和看微博要低，在业务高峰期可优先考虑做服务限流和降级，因此需要将其与发微博和看微博服务进行独立部署，发评论和看评论无需拆分。

（1）多级负载均衡整体架构

（2）多级缓存整体架构

三、热点事件时的高可用计算架构

假设有 10%的围观用户会在热点事件发生后 60 分钟内转发、评论。

 1.业务特性分析

评论微博的重要性和业务影响不如发微博和看微博。

2.架构分析

评论微博重要性和业务影响不如发微博和看微博，可以考虑对“评论微博”进行限流、降级或熔断。

3.架构设计

（1）限流

评论微博需要用户手动输入文字，丢请求对用户体验影响较大，所以尽最大可能选择不丢弃用户请求的算法。

（2）降级、熔断

在主要业务（如发微博和看微博）出现较大性能压力时可将“评论微博”降级或熔断。