《大型网站架构演化发展历程》笔记

一、初始阶段的网站架构

大型网站从小型网站发展而来，网站架构也同样，从小型网站架构逐渐演化而来。

小型网站最开始没有太多人访问，只须要一台服务器就绰绰有余，应用程序、数据库、文件等全部的资源都在一台服务器上。

 

二、应用服务与数据服务分离

 

随着网站业务的发展，一台服务器逐渐不能知足需求：愈来愈多的用户访问致使性能变差，愈来愈多的数据致使存储空间不足。这时就须要将应用和数据分离。

应用和数据分离后使用三台服务器：应用服务器，数据库服务器和文件服务器

这三台服务器对硬件的资源要求各不相同：

• 应用服务器须要处理大量业务，所以须要更快更强大的CPU

• 数据库服务器须要快速磁盘检索和数据缓存，所以须要更快的硬盘和更大的内存

• 文件服务器须要处理大量用户上传的文件，所以须要更大的硬盘

 

应用和数据分离后，不一样特性的服务器承担不一样角色，网站并发处理能力和数据存储空间获得很大改善，支持网站进一步发展。

但随着用户逐渐增多，网站又一次面临挑战：数据库压力太大致使访问延迟，进而影响整个系统性能，用户体验受影响。

这时须要对网站进一步优化。

 

网站访问特色和现实世界的财富分配同样，遵循二八定律：80%的业务访问集中在20%的数据上。

即大部分的业务访问集中在一小部分的的数据上。

 

三、使用缓存改善网站性能

网站使用的缓存可分为两种：

一、缓存在应用服务器上的本地缓存（访问速度快一些，可是受应用服务器内存限制，可缓存的数量有限，并且会出现与应用程序争用内存的状况）

二、缓存在专门的分布式缓存服务器上的远程缓存（可使用集群的方式，部署大内存的服务器做为专门的缓存服务器，能够在理论上作到不受内存容量限制的缓存服务）

 

使用缓存后，数据库压力获得有效缓解，可是单一应用服务器能处理的请求链接有限， 在网站访问高峰期，应用服务器成为整个网站的瓶颈。

 

 

四、使用应用服务器集群改善网站的并发处理能力

 

 使用集群是网站解决高并发、海量数据问题的经常使用手段。单一台服务器的处理能力、存储空间不足时，不要企图去换更强大的服务器，对大型网站而言，无论多么强大的服务器，都知足不了网站持续增加的业务需求。

 在这种状况下，更恰当的方法是增长一台服务器分担原有服务器的访问及存储压力。

 对网站架构而言，只要能经过增长一台服务器的方式改善负载压力，就能够用一样的方式持续增长服务器不断改善系统性能，从而实现系统的可伸缩性。

 应用服务器实现集群是网站可伸缩集群架构设计中较为简单成熟的一种。

 

　　经过负载均衡调度服务器，可未来自用户浏览器的请求分发到应用服务器集群中的任何一台服务器上。

　　若是有更多的用户，就在集群中加入更多的应用服务器，使应用服务器的负载均衡能力再也不成为整个网站的瓶颈

 

五、数据库读写分离

　　网站使用缓存后，使绝大部分数据读操做访问均可以不经过数据库就能完成，可是仍有一部分读操做（缓存访问未命中，缓存过时）和所有的写操做须要访问数据库，当网站用户达到必定规模后，数据库由于负载压力太高而成为网站瓶颈。

 

　　目前大部分的主流数据库都提供主从备份功能，经过配置两台数据库主从关系，可将一台数据库服务器的数据同步到另外一台服务器上。网站利用数据库的这一功能，实现数据库主从分离，从而改善数据库负载压力。

 

应用服务器在写数据时，访问主数据库，主数据库经过主从复制机制将数据更新到从数据库，这样当应用服务器读取数据时，就能够经过从数据库获取。

为了便于应用服务器访问读写分离后的数据库，一般在应用服务器端使用专门的数据访问模块，使数据库读写分离对应用透明。

 

随着网站业务不断发展，用户规模愈来愈大，因为中国复杂的网络环境，不一样地区的用户访问网站时，速度差异也极大。

有研究代表，网络访问延迟和用户的流失率正相关，网络访问越慢，用户越容易失去耐心而离开。

为了提供更好的用户体验，留住用户，网站须要加速网站访问速度。主要手段有CDN和反向代理。

 

六、使用反向代理和CDN加速网站响应

 

CDN和反向代理的基本原理都是缓存，区别在于CDN部署在网络提供商的机房，使用户在请求网站服务时，能够从距离本身最近的网络提供商机房获取数据。

而反向代理则部署在网站的中心机房，当用户请求到达中心机房后，首先访问的服务器是反向代理服务器，若是反向代理服务器中缓存着用户请求的资源，就将其直接返回给用户。

使用CDN和反向代理的目的都是尽早返回数据给用户，一方面加快用户访问速度，另外一方面也减轻后端服务器的负载压力。

 

七、使用分布式文件系统和分布式数据库

 

任何强大的单一服务器都知足不了大型网站持续增加的业务需求。数据库通过读写分离后，从一台拆分红两台，可是随着网站业务的发展依然不能知足需求，这时须要使用分布式数据库。文件系统也是同样，须要使用分布式文件系统。

 

分布式数据库是目前网站数据库拆分的最后手段，只有在单表数据规模很是庞大的时候才使用。

不到不得已时，网站更经常使用的是数据库拆分手段是业务分库，将不一样业务的数据部署在不一样的物理服务器上。

 

八、使用NoSQL和搜索引擎

随着网站业务愈来愈复杂，对数据存储和检索的需求也愈来愈复杂，网站须要采用一些非关系数据库技术如NoSQL和非数据库查询技术如搜索引擎。

NoSQL和搜索引擎都是源自互联网的技术手段，对可伸缩的分布式特性具备更好的支持。应用服务器则经过统一数据访问模块访问各类数据，减轻应用程序管理诸多数据源的麻烦。

 

九、业务拆分

大型网站为了应对日益复杂的业务场景，经过使用分而治之的手段 将整个网站业务分红不一样的产品线，分归不一样的业务团队负责。

 

具体到技术上，也会根据产品线划分，将 一个网站拆分红许多不一样的应用，每一个应用独立部署维护。 应用之间能够经过超连接创建关系，也可经过消息队列进行数据分发，固然最多的仍是经过访问同一数据存储系统来构成一个关联的完整系统。

 

十、分布式服务

随着业务拆分愈来愈小，存储系统愈来愈庞大，应用系统的总体复杂度呈指数级增加，部署维护愈来愈困难。

因为全部应用要和全部数据库系统链接，在数百万服务器规模的网站中，这些链接的数目是服务器规模的平方，致使数据库链接资源不足，拒绝服务。

 

既然每个业务系统都须要执行相同的业务操做，如用户管理、商品管理等，那么能够将这些公共的业务提取出来，独立部署。

由这些可复用的业务链接数据库，提供共用业务服务，而应用服务只须要管理用户界面，经过分布式服务调用共用服务完成具体业务操做。

 

大型网站的架构演化到这里，基本上大多数的技术问题都得以解决，诸如 跨数据中心的实时数据同步和具体网站业务相关的问题也均可以经过 组合改进现有的技术架构来解决。

目前许多大型网站都开始建设云计算平台，将计算做为一种基础资源出售，中小网站不须要关心技术架构问题，只需按需付费便可使网站随着业务增加逐渐得到更好的存储空间和计算资源。

 

 

11. 网站架构设计误区

（1）一味追随大公司(较成熟互联网公司)的解决方案

因为大公司巨大成功的光环效应，再加上从大公司挖来的技术高手(活宝)的影响，网站在讨论决策时，最具说服力的一句话就是“淘宝就是这么搞的”或者“腾讯就是这么搞的”。

大公司的经验和成功模式当然重要，值得学习借鉴，但若是所以而变得盲从，就失去了坚持自个人勇气，在架构演化的路上早晚会迷路。

（2）为了技术而技术

技术是为业务而存在的，除此以外毫无心义。在技术选型和架构设计中，脱离业务发展的实际，一味追求时髦的新技术，极可能会将技术发展引入崎岖小道，架构之路越走越难。

（3）企图用技术解决全部问题（有时能够从业务角度想办法解决）

最典型的例子就是2012年初12306故障事件后，软件开发技术界的反应。

各路专业和非专业人士纷纷帮12306技术架构出谋划策，甚至有人提议帮12306写一个开源的网站，解决大规模并发访问的问题。

12306真正的问题其实不是他的技术架构，而是他的业务架构。12306根本就不该该在几亿人一票难求时依窗口售票模式在网上售票（零点开始出售若干天后的车票）。12306须要重构的不只是它的技术架构，更重要的是它的业务架构：调整业务需求，换一种方式卖票，而不要去搞促销秒杀这种噱头式的游戏。

后来证实12306确实是朝这个方向发展的：在售票方式上引入了排队机制、整点售票调整为分时段售票。其实若是能控制住并发访问的量，不少棘手的问题难关均可以顺利攻破。

（4）避免过分设计

在中小型公司，尤为是创业公司都须要低成本试错；若设计一款产品、架构过于考虑三、5年后的扩展是没有必要的；当今技术发展这么快，几乎不到2年就有一个迭代，到时你的设计极可能过期，或因业务变动致使架构变动或产品流产。通常考虑到半年至一年就能够了。