微信朋友圈高性能复杂度分析

一、关键场景分析

【关键场景和对象】

• 人员

• 添加 / 删除 好友

• 动态

• 发 / 删除 动态

• 点赞动态

• 浏览动态

• 评论

• 发 / 删除 评论

• 查看评论

二、架构设计

1. 高性能复杂度分析

【访问量评估】

• 发动态 / 评论 / 点赞等操作，TPS 为万级别。

• 浏览朋友圈，QPS 为十万级别。

【架构分析】

• 计算高性能分析

• 缓存模型

• 朋友圈动态缓存：

• 朋友圈动态 Feed 流，可以用 Redis 缓存，提升朋友圈的查询效率。

• Redis 只需要缓存动态的 id，从缓存查询 Feed 列表后，再从数据库查询详细动态信息。

• 当账号发动态后，更新这个帐号所有好友的 Feed 缓存。

• 任务分解

• 人员，动态和评论等业务场景比较简单，可以不做分解，放在一个朋友圈后台服务里实现。

• 任务分配

• 后台服务的负载比较大，通过水平扩容，增加服务节点的方式来解决。

• 部署方式，可以用容器化部署，k8s 来做容器管理，实现动态扩容。

• 存储高性能分析

• 存储方式

• 图片等资源文件：可以存到统一的云存储服务里（文件服务器），支持 CDN 访问和自动容灾备份。

• 业务数据：可以存到关系型数据库 MySQL，分布式数据库 PolarDB / OceanBase，或 NoSQL 数据库 Tablestore / MongoDB 里。

• 数据分片

• 可以以微信 ID 为维度进行业务数据的分库。

• 任务分配

• MySQL 可以用 ShardingJDBC 方案做读写分离，只读节点数可以根据流量来增加。

• Redis 缓存用集群方式部署。

• 如果用分布式关系数据库或 NoSQL，直接支持分布式存储。

2. 架构设计

【部署架构图】