1.评论业务场景计算性能估算

【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。

写评论假设一个人写两条，时间段与写微博基本一致。TPS 计算 10 K/s * 2 = 20K/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。

看评论 基本与看微博人数一半 QPS 如下 1000K/s /2 = 500K/s

2. 坪高性能计算架构设计

写评论

【业务特性分析】

写评论是一个典型的写操作，但对实时性要求不高，不丢失。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。

写的实时性要求不高，可以考虑使用 消息中间件等框架处理。

【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 10K/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。

看评论：

【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修改几率低，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】

用户量过亿，应该要用多级负载均衡架构。

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%的读微博评论的请求进入系统，则请求 QPS 为 500K/s * 10% = 50K/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 50 台，按照 20%的预留量，最终机器数量为 50 台。

负载均衡整体架构设计

多级缓存整体架构设计

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和评论，给系统造成很大压力。

【微博评论】

虽然热点事件的微博可能只有 1-2 条，但是会有很多用户来看评论和发评论，大部分人属于吃瓜群众，看评论的会很多，发评论的会少一点

微博系统中”微博评论“的高性能高可用计算架构设计

原文链接： https://xie.infoq.cn/article/883e7462dbdc5104783d3c00a

3. 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访问和评论，给系统造成很大压力。

【微博评论】

虽然热点事件的微博可能只有 1-2 条，但是会有很多用户来看评论和发评论，看多写少。看多少和影像范围有关

核心架构设计思想：既然无法预估，那就做好预防

1.写评论，可以考虑对“评论”限流，由于转发能带来更好的传播，因此尽量少丢弃请求，考虑用“漏桶算法”。

2. 看评论，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。