用户行为建模和性能估算：

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

• 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。

• 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。

【发评论】

• 根据二八定律，100 人看，就有 20 点赞，4 人评论，所以评论微博每天 250*0.04 = 10 亿条评论，大部分人看微博的时间段和发微博的时间段基本重合，因此评论微博的平均 TPS 计算如下：10 亿*60%/(4*3600)=40k/s。

【看评论】

• 一般看微博的人都会顺手看一下评论，还是根据二八定律，有 20%的人在看微博的时候会顺手看一下评论，因此看评论的平均 QPS 为 250 亿*20% / (4*3600) = 200k/s

高性能计算架构

发评论

【业务特性分析】

发评论是一个典型的写操作，因此不能使用缓存技术，可以用负载均衡技术

【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。

1. 业务服务器数量估算

发评论涉及几个关键的处理:评论内容审核(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（评论的业务相对微博业务较简单），完成 20K/s 的 TPS，需要 80 台服务器，加上 20%的预留量，96 台服务器差不多了。

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，只能删除，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*0.2= 50 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，但是这里需要注意的是，用户发完评论之后需要能够优先看到自己的评论，排在第一位（需要知道自己发布的评论有没有成功等），所以最好是用户发评论请求的是哪台服务器，用户看评论的请求也是哪台服务器，所以这里需要和发评论的请求绑定，如果没有发过评论，选择“轮询”或者“随机”算法，如果发过评论，选择“hash”算法

1. 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 200K/s*10%=20K/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 20 台，按照 20%的预留量，最终机器数量为 24 台。

微博评论业务的高性能计算方案- 整体架构设计

写评论和发微博业务等同，采用课件的写微博架构