架构实战营模块 5 作业

作业内容

设计微博系统中”微博评论“的高性能高可用计算架构。

【作业要求】

基于模块 5 第 6 课的微博实战案例，分析“微博评论”这个核心场景的业务特性，然后设计其高性能高可用

计算架构，包括但不限于如下内容：

1. 计算性能预估（不需要考虑存储性能）；

2. 非热点事件时的高性能计算架构，需要考虑是否要拆分独立的服务；

3. 热点事件时的高可用计算架构。

非热点事件时的高性能计算架构

设计”微博评论“高性能高可用计算架构

计算性能估算

用户量估算

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》）。

关键行为

• 写评论

• 看评论

用户行为建模与性能需求计算

写评论

微博评论一般来说也是看多写少的，假设一条微博平均有 50 条评论，则微博评论每天的发送量为 2.5 亿*50=125 亿。大部分的人发评论的时间都是在看微博的时间内顺手发的，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：

125 亿 * 60% / (4 * 3600) ≈ 520 K/s

看评论

绝大用户看的都是大 V、明星、热点事件的微博评论，因此我们假设一条微博观看人数有 100 次，看微博时就会看评论，则看评论的观看次数为 2.5 亿*100=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

高性能计算架构设计

发评论

业务特性分析

写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

写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，因此写评论的时候，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。

2. 业务服务器数量估算

写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）、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 520K/s 的 TPS，需要 1040 台服务器，加上一定的预留量，1300 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，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 1000K/s * 10% = 100K/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 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

评论高性能计算方案-整体架构设计

评论多级负载均衡整体架构

评论的多级缓存整体架构

热点事件时的高可用计算架构

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发评论与看评论，给系统造成很大压力。

【发评论】

造成热点事件的微博自己只有 1~2 条，但是用户围观后会有很多评论，热点事件评论数在 10 万以上。

【转发评论】

评论转发一般会很少，关注点主要还是在微博本身

【看评论】

很难预估，和事件的影响力和影响范围有关。

评论热点事件业务特性分析

【业务特性分析】

1. 发评论

热点事件发生后，短时间内会吸引大量吃瓜群众来点评

2. 转发评论

转发评论对于热点事件的微博影响不大，用户大多直接评论，转发的是少数

3. 看评论

热点事件发生后，人们关注的重点还是在微博本身，评论的关注度没有微博高。

评论热点事件计算高可用架构分析

核心架构设计思想：既然无法预估，那就做好预防！

【架构设计分析】

1. 发评论

发评论的重要性和影响力不如原微博，可以考虑对“发评论”限流，由于评论对于原微博不是特别重要，可以少量丢弃，考虑用“令牌算法”。

2. 转发评论

与发评论类似

3. 看评论

很明显，热点事件的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。