架构师之路(三)-互联网架构的"高并发"

1、什么是高并发

高并发（High Concurrency）是互联网分布式系统架构设计中必须考虑的因素之一，它一般是指，经过设计保证系统可以同时并行处理不少请求。

 

高并发相关经常使用的一些指标有响应时间（Response Time），吞吐量（Throughput），每秒查询率QPS（Query Per Second），并发用户数等。

 

响应时间：系统对请求作出响应的时间。例如系统处理一个HTTP请求须要200ms，这个200ms就是系统的响应时间。

吞吐量：单位时间内处理的请求数量。

QPS：每秒响应请求数。在互联网领域，这个指标和吞吐量区分的没有这么明显。

并发用户数：同时承载正常使用系统功能的用户数量。例如一个即时通信系统，同时在线量必定程度上表明了系统的并发用户数。

 

2、如何提高系统的并发能力

互联网分布式架构设计，提升系统并发能力的方式，方法论上主要有两种：垂直扩展（Scale Up）与水平扩展（Scale Out）。

垂直扩展：提高单机处理能力。垂直扩展的方式又有两种：

（1）加强单机硬件性能，例如：增长CPU核数如32核，升级更好的网卡如万兆，升级更好的硬盘如SSD，扩充硬盘容量如2T，扩充系统内存如128G；

（2）提高单机架构性能，例如：使用Cache来减小IO次数，使用异步来增长单服务吞吐量，使用无锁数据结构来减小响应时间；

 

在互联网业务发展很是迅猛的早期，若是预算不是问题，强烈建议使用“加强单机硬件性能”的方式提高系统并发能力，由于这个阶段，公司的战略每每是发展业务抢时间，而“加强单机硬件性能”每每是最快的方法。

 

不论是提高单机硬件性能，仍是提高单机架构性能，都有一个致命的不足：单机性能老是有极限的。因此互联网分布式架构设计高并发终极解决方案仍是水平扩展。

 

水平扩展：只要增长服务器数量，就能线性扩充系统性能。水平扩展对系统架构设计是有要求的，如何在架构各层进行可水平扩展的设计，以及互联网公司架构各层常见的水平扩展实践，是本文重点讨论的内容。

 

3、常见的互联网分层架构

常见互联网分布式架构如上，分为：

（1）客户端层：典型调用方是浏览器browser或者手机应用APP

（2）反向代理层：系统入口，反向代理

（3）站点应用层：实现核心应用逻辑，返回html或者json

（4）服务层：若是实现了服务化，就有这一层

（5）数据-缓存层：缓存加速访问存储

（6）数据-数据库层：数据库固化数据存储

整个系统各层次的水平扩展，又分别是如何实施的呢？

 

4、分层水平扩展架构实践

反向代理层的水平扩展

反向代理层的水平扩展，是经过“DNS轮询”实现的：dns-server对于一个域名配置了多个解析ip，每次DNS解析请求来访问dns-server，会轮询返回这些ip。

当nginx成为瓶颈的时候，只要增长服务器数量，新增nginx服务的部署，增长一个外网ip，就能扩展反向代理层的性能，作到理论上的无限高并发。

 

站点层的水平扩展

站点层的水平扩展，是经过“nginx”实现的。经过修改nginx.conf，能够设置多个web后端。

当web后端成为瓶颈的时候，只要增长服务器数量，新增web服务的部署，在nginx配置中配置上新的web后端，就能扩展站点层的性能，作到理论上的无限高并发。

 

服务层的水平扩展

服务层的水平扩展，是经过“服务链接池”实现的。

站点层经过RPC-client调用下游的服务层RPC-server时，RPC-client中的链接池会创建与下游服务多个链接，当服务成为瓶颈的时候，只要增长服务器数量，新增服务部署，在RPC-client处创建新的下游服务链接，就能扩展服务层性能，作到理论上的无限高并发。若是须要优雅的进行服务层自动扩容，这里可能须要配置中内心服务自动发现功能的支持。

 

数据层的水平扩展

在数据量很大的状况下，数据层（缓存，数据库）涉及数据的水平扩展，将本来存储在一台服务器上的数据（缓存，数据库）水平拆分到不一样服务器上去，以达到扩充系统性能的目的。

 

互联网数据层常见的水平拆分方式有这么几种，以数据库为例：

按照范围水平拆分

每个数据服务，存储必定范围的数据，上图为例：

user0库，存储uid范围1-1kw

user1库，存储uid范围1kw-2kw

这个方案的好处是：

（1）规则简单，service只需判断一下uid范围就能路由到对应的存储服务；

（2）数据均衡性较好；

（3）比较容易扩展，能够随时加一个uid[2kw,3kw]的数据服务；

不足是：

（1）      请求的负载不必定均衡，通常来讲，新注册的用户会比老用户更活跃，大range的服务请求压力会更大；

 

按照哈希水平拆分

每个数据库，存储某个key值hash后的部分数据，上图为例：

user0库，存储偶数uid数据

user1库，存储奇数uid数据

这个方案的好处是：

（1）规则简单，service只需对uid进行hash能路由到对应的存储服务；

（2）数据均衡性较好；

（3）请求均匀性较好；

不足是：

（1）不容易扩展，扩展一个数据服务，hash方法改变时候，可能须要进行数据迁移；

 

这里须要注意的是，经过水平拆分来扩充系统性能，与主从同步读写分离来扩充数据库性能的方式有本质的不一样。

经过水平拆分扩展数据库性能：

（1）每一个服务器上存储的数据量是总量的1/n，因此单机的性能也会有提高；

（2）n个服务器上的数据没有交集，那个服务器上数据的并集是数据的全集；

（3）数据水平拆分到了n个服务器上，理论上读性能扩充了n倍，写性能也扩充了n倍（其实远不止n倍，由于单机的数据量变为了原来的1/n）；

经过主从同步读写分离扩展数据库性能：

（1）每一个服务器上存储的数据量是和总量相同；

（2）n个服务器上的数据都同样，都是全集；

（3）理论上读性能扩充了n倍，写仍然是单点，写性能不变；

 

缓存层的水平拆分和数据库层的水平拆分相似，也是以范围拆分和哈希拆分的方式居多，就再也不展开。

 

5、总结

高并发（High Concurrency）是互联网分布式系统架构设计中必须考虑的因素之一，它一般是指，经过设计保证系统可以同时并行处理不少请求。

提升系统并发能力的方式，方法论上主要有两种：垂直扩展（Scale Up）与水平扩展（Scale Out）。前者垂直扩展能够经过提高单机硬件性能，或者提高单机架构性能，来提升并发性，但单机性能老是有极限的，互联网分布式架构设计高并发终极解决方案仍是后者：水平扩展。

互联网分层架构中，各层次水平扩展的实践又有所不一样：

（1）反向代理层能够经过“DNS轮询”的方式来进行水平扩展；

（2）站点层能够经过nginx来进行水平扩展；

（3）服务层能够经过服务链接池来进行水平扩展；

（4）数据库能够按照数据范围，或者数据哈希的方式来进行水平扩展；

各层实施水平扩展后，可以经过增长服务器数量的方式来提高系统的性能，作到理论上的性能无限。