一、性能估算

1、  根据微博公布数据：2022 年 9 月的月活跃用户数为 5.84 亿，日均活跃用户数为 2.53 亿。

2、  假设平均每人每天发 1 条微博（只考虑文字微博），则每天总集发送量约 2.5 亿条；

3、  由于绝大部分微博用户看微博的对象是大 V 和明星，假设平均一条微博观看人数为 100 次，其中十分之一人次看完后会给予评论，即平均每条微博评论数为 10。

4、  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%，

5、  绝大多数评论对象是大 V 和明星，且评论的特点是排在前面的评论读取数多，排在后面的基本不会被读，所以整体读取需求不大，这里假设 10%的评论会被读取

6、  4 个小时的平均微博评论的 TPS 计算如下:

发评次数：2.5 亿 * 10 = 25 亿

发评 TPS：发评次数 *60% / (4 *3600) ≈ 100K/s

读评次数：发评次数 *10%=2.5 亿

读评 TPS：读评次数 *60% / (4 *3600) ≈ 10K/s

二、非热点事件的高性能计算架构

2.1 业务特性分析

1.  发评是一个典型的写操作，因此不能用缓存，可以用负载均衡；但根据评论对实时性要求不高的特点，可以使用漏桶算法做写入缓冲，能在流量高峰保证业务可用，且评论不被丢弃。

2.  读评论是一个典型的读场景，由于评论发了以后不能修改，因此非常适用缓存架构；读评请求量 2.5 亿，复用发评的负载均衡

2.2 架构分析

1.  发评用户量过亿，应该要使用覆盖 DNS->f5->Nginx->网关的多级负载均衡

2.  读评请求用户量过亿，应该要使用覆盖 DNS->f5->Nginx->网关的多级负载均衡读评请求量

3.  读评论读评次数 2.5 亿，应该使用多级缓存，因为读评论对性能、实时性要求不高，使用多级缓存，但不使用 CDN。

2.4 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，将请求发给任意服务器都可以，这里选择“轮询”或者“随机”算法。

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

发评论：发评论涉及内容审核（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）等处理过程，因此按照一个服务每秒处理 500 来估算，完成 100k/s 的 TPS，需要 200 台服务器，再预留 25%左右，250 台就可以了。

读评论：读评论处理逻辑比较简单，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 10 台即可满足 10k/s 的 TPS，加上 30%预留量，13 台机器即可。

2.5 架构图

1.  微博评论负载均衡架构

2.  微博评论评论缓存架构

三、  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评论，给系统造成很大压力。

对于微博评论的场景，评论数和评论 TPS 跟热点事件的影响力和影响范围有关，都很难预估，所以只能做一些预防。

热点事件的评论也可分为写评论和读评论两部分，且对实时性要求都不高，所以发评论时可以使用漏桶算法进行限流；绝大多数热点微博的评论都不会被查看，所以无需额外措施，按照非热点事件的情况处理即可。