构建千万级web访问架构

、 HTML静态化

其实你们都知道，效率最高、消耗最小的就是纯静态化的html页面，因此咱们尽量使咱们的网站上的页面采用静态页面来实现，这个最简单的方法其实也是最有效的方法。可是对于大量内容而且频繁更新的网站，咱们没法所有手动去挨个实现，因而出现了咱们常见的信息发布系统CMS，像咱们常访问的各个门户站点的新闻频道，甚至他们的其余频道，都是经过信息发布系统来管理和实现的，信息发布系统能够实现最简单的信息录入自动生成静态页面，还能具有频道管理、权限管理、自动抓取等功能，对于一个大型网站来讲，拥有一套高效、可管理的CMS是必不可少的。

 

除了门户和信息发布类型的网站，对于交互性要求很高的社区类型网站来讲，尽量的静态化也是提升性能的必要手段，将社区内的帖子、文章进行实时的静态化，有更新的时候再从新静态化也是大量使用的策略，像Mop的大杂烩就是使用了这样的策略，网易社区等也是如此。同时，html静态化也是某些缓存策略使用的手段，对于系统中频繁使用数据库查询可是内容更新很小的应用，能够考虑使用html静态化来实现，好比论坛中论坛的公用设置信息，这些信息目前的主流论坛均可以进行后台管理而且存储再数据库中，这些信息其实大量被前台程序调用，可是更新频率很小，能够考虑将这部份内容进行后台更新的时候进行静态化，这样避免了大量的数据库访问请求。

 

二、 图片服务器分离

你们知道，对于Web服务器来讲，不论是Apache、IIS仍是其余容器，图片是最消耗资源的，因而咱们有必要将图片与页面进行分离，这是基本上大型网站都会采用的策略，他们都有独立的图片服务器，甚至不少台图片服务器。这样的架构能够下降提供页面访问请求的服务器系统压力，而且能够保证系统不会由于图片问题而崩溃，在应用服务器和图片服务器上，能够进行不一样的配置优化，好比apache在配置ContentType的时候能够尽可能少支持，尽量少的LoadModule，保证更高的系统消耗和执行效率。

 

三、 数据库集群和库表散列

大型网站都有复杂的应用，这些应用必须使用数据库，那么在面对大量访问的时候，数据库的瓶颈很快就能显现出来，这时一台数据库将很快没法知足应用，因而咱们须要使用数据库集群或者库表散列。在数据库集群方面，不少数据库都有本身的解决方案，Oracle、Sybase等都有很好的方案，

 

经常使用的MySQL提供的Master/Slave也是相似的方案，您使用了什么样的DB，就参考相应的解决方案来实施便可。上面提到的数据库集群因为在架构、成本、扩张性方面都会受到所采用DB类型的限制，因而咱们须要从应用程序的角度来考虑改善系统架构，库表散列是经常使用而且最有效的解决方案。咱们在应用程序中安装业务和应用或者功能模块将数据库进行分离，不一样的模块对应不一样的数据库或者表，再按照必定的策略对某个页面或者功能进行更小的数据库散列，好比用户表，按照用户ID进行表散列，这样就可以低成本的提高系统的性能而且有很好的扩展性。sohu的论坛就是采用了这样的架构，将论坛的用户、设置、帖子等信息进行数据库分离，而后对帖子、用户按照板块和ID进行散列数据库和表，最终能够在配置文件中进行简单的配置便能让系统随时增长一台低成本的数据库进来补充系统性能。

 

四、 缓存

缓存一词搞技术的都接触过，不少地方用到缓存。网站架构和网站开发中的缓存也是很是重要。这里先讲述最基本的两种缓存。高级和分布式的缓存在后面讲述。架构方面的缓存，对Apache比较熟悉的人都能知道Apache提供了本身的缓存模块，也可使用外加的Squid模块进行缓存，这两种方式都可以有效的提升Apache的访问响应能力。

 

网站程序开发方面的缓存，Linux上提供的Memory Cache是经常使用的缓存接口，能够在web开发中使用，好比用Java开发的时候就能够调用MemoryCache对一些数据进行缓存和通信共享，一些大型社区使用了这样的架构。另外，在使用web语言开发的时候，各类语言基本都有本身的缓存模块和方法，PHP有Pear的Cache模块，Java就更多了，.net不是很熟悉，相信也确定有。

 

五、 镜像

镜像是大型网站常采用的提升性能和数据安全性的方式，镜像的技术能够解决不一样网络接入商和地域带来的用户访问速度差别，好比ChinaNet和EduNet之间的差别就促使了不少网站在教育网内搭建镜像站点，数据进行定时更新或者实时更新。在镜像的细节技术方面，这里不阐述太深，有不少专业的现成的解决架构和产品可选。也有廉价的经过软件实现的思路，好比Linux上的rsync等工具。

 

六、 负载均衡

负载均衡将是大型网站解决高负荷访问和大量并发请求采用的终极解决办法。负载均衡技术发展了多年，有不少专业的服务提供商和产品能够选择，我我的接触过一些解决方法，其中有两个架构能够给你们作参考。

 

七、 硬件四层交换

第四层交换使用第三层和第四层信息包的报头信息，根据应用区间识别业务流，将整个区间段的业务流分配到合适的应用服务器进行处理。 第四层交换功能就象是虚 IP，指向物理服务器。它传输的业务服从的协议多种多样，有HTTP、FTP、NFS、Telnet或其余协议。这些业务在物理服务器基础上，须要复杂的载量平衡算法。在IP世界，业务类型由终端TCP或UDP端口地址来决定，在第四层交换中的应用区间则由源端和终端IP地址、TCP和UDP端口共同决定。在硬件四层交换产品领域，有一些知名的产品能够选择，好比Alteon、F5等，这些产品很昂贵，可是物有所值，可以提供很是优秀的性能和很灵活的管理能力。Yahoo中国当初接近2000台服务器使用了三四台Alteon就搞定了 。

 

八、 软件四层交换

你们知道了硬件四层交换机的原理后，基于OSI模型来实现的软件四层交换也就应运而生，这样的解决方案实现的原理一致，不过性能稍差。可是知足必定量的压力仍是游刃有余的，有人说软件实现方式其实更灵活，处理能力彻底看你配置的熟悉能力。

 

软件四层交换咱们可使用Linux上经常使用的LVS来解决，LVS就是Linux Virtual Server，他提供了基于心跳线heartbeat的实时灾难应对解决方案，提升系统的鲁棒性，同时可供了灵活的虚拟VIP配置和管理功能，能够同时知足多种应用需求，这对于分布式的系统来讲必不可少。

 

一个典型的使用负载均衡的策略就是，在软件或者硬件四层交换的基础上搭建squid集群，这种思路在不少大型网站包括搜索引擎上被采用，这样的架构低成本、高性能还有很强的扩张性，随时往架构里面增减节点都很是容易。这样的架构我准备空了专门详细整理一下和你们探讨。对于大型网站来讲，前面提到的每一个方法可能都会被同时使用到，我这里介绍得比较浅显，具体实现过程当中不少细节还须要你们慢慢熟悉和体会，有时一个很小的squid参数或者apache参数设置，对于系统性能的影响就会很大，但愿你们一块儿讨论，达到抛砖引玉之效。

 

 

用squid作web cache server，而apache在squid的后面提供真正的web服务。固然使用这样的架构必需要保证主页上大部分都是静态页面。这就须要程序员的配合将页面在反馈给客户端以前将页面所有转换成静态页面。 基本看出sina和sohu对于频道等栏目都用了相同的技术，即squid来监听这些IP的80端口，而真正的web server来监听另一个端口。从用户的感受上来讲不会有任何的区别，而相对于将web server直接和客户端连在一块儿的方式，这样的方式明显的节省的带宽和服务器。用户访问的速度感受也会更快。