以电商网站为例，谈大型分布式架构设计与优化

以电商网站为例，谈大型分布式架构设计与优化

本文大纲：

1. 使用电商案例的缘由

2. 电商网站需求

3. 网站初级架构

4. 系统容量估算

5. 网站架构分析

6. 网站架构优化

本文主题为电商网站架构案例，将介绍如何从电商网站的需求，到单机架构，逐步演变为经常使用的、可供参考的分布式架构原型。除具有功能需求外，还具有必定的高性能、高可用、可伸缩、可扩展等非功能质量需求（架构目标）。

根据实际须要，进行改造、扩展、支持千万PV，是没问题的。

1、使用电商案例的缘由

分布式大型网站，目前看主要有几类：

1. 大型门户（好比网易、新浪等）；

2. SNS网站（好比校内、开心网等）；

3. 电商网站（好比阿里巴巴、京东商城、国美在线、汽车之家等）。

大型门户通常是新闻类信息，可使用CDN、静态化等方式优化。而开心网等交互性比较多，可能会引入更多的NoSQL、分布式缓存、使用高性能的通讯框架等。电商网站具有以上两类的特色，好比产品详情能够采用CDN，静态化，交互性高的须要采用NoSQL等技术。所以，咱们采用电商网站做为案例，进行分析。

2、电商网站需求

客户需求：

• 创建一个全品类的电子商务网站（B2C），用户能够在线购买商品，能够在线支付，也能够货到付款；

• 用户购买时能够在线与客服沟通；

• 用户收到商品后，能够给商品打分和评价；

• 目前有成熟的进销存系统，须要与网站对接；

• 但愿可以支持3~5年，业务的发展；

• 预计3~5年用户数达到1000万；

• 按期举办双十一、双十二、三八男人节等活动；

• 其余的功能参考京东或国美在线等网站。

客户就是客户，不会告诉你具体要什么，只会告诉你他想要什么，咱们不少时候要引导、挖掘客户的需求。好在提供了明确的参考网站。所以，下一步要进行大量的分析，结合行业以及参考网站，给客户提供方案。其它的这里暂不展开。

需求功能矩阵

需求管理传统的作法，会使用例图或模块图（需求列表）进行需求的描述。这样作经常忽视掉一个很重要的需求（非功能需求），所以推荐你们使用需求功能矩阵，进行需求描述。

本电商网站的需求矩阵以下：

以上是对电商网站需求的简单举例，目的是说明：

1. 需求分析的时候，要全面，大型分布式系统重点考虑非功能需求；

2. 描述一个简单的电商需求场景，使你们对下一步的分析设计有个依据。

3、网站初级架构

通常网站刚开始的作法，是三台服务器，一台部署应用，一台部署数据库，一台部署NFS文件系统。

这是前几年比较传统的作法，以前见到一个网站10万多会员，垂直服装设计门户，N多图片。使用了一台服务器部署了应用，数据库以及图片存储。出现了不少性能问题。以下图：

可是，目前主流的网站架构已经发生了翻天覆地的变化。通常都会采用集群的方式，进行高可用设计。至少是下面这个样子：

1. 使用集群对应用服务器进行冗余，实现高可用（负载均衡设备可与应用一块部署）；

2. 使用数据库主备模式，实现数据备份和高可用。

4、系统容量预估

预估步骤：

1. 注册用户数-日均UV量-每日的PV量-天天的并发量；

2. 峰值预估：日常量的2~3倍；

3. 根据并发量（并发，事务数），存储容量计算系统容量。

客户需求：3~5年用户数达到1000万注册用户；

每秒并发数预估：

1. 天天的UV为200万（二八原则）；

2. 每日天天点击浏览30次；

3. PV量：200*30=6000万；

4. 集中访问量：24*0.2=4.8小时会有6000万*0.8=4800万（二八原则）；

5. 每分并发量：4.8*60=288分钟，每分钟访问4800/288=16.7万（约等于）；

6. 每秒并发量：16.7万/60=2780（约等于）；

7. 假设：高峰期为日常值的三倍，则每秒的并发数能够达到8340次；

8. 1毫秒=1.3次访问。

没好好学数学后悔了吧？！（不知道以上算是否有错误，呵呵~~）

服务器预估（以Tomcat服务器举例）：

1. 按一台Web服务器，支持每秒300个并发计算。日常须要10台服务器（约等于）；[Tomcat默认配置是150]

2. 高峰期：须要30台服务器；

容量预估：70/90原则

系统CPU通常维持在70%左右的水平，高峰期达到90%的水平，是不浪费资源，并比较稳定的。内存，IO相似。

以上预估仅供参考，由于服务器配置，业务逻辑复杂度等都有影响。在此CPU、硬盘、网络等再也不进行评估。

5、网站架构分析

根据以上预估，有几个问题：

• 须要部署大量的服务器，高峰期计算，可能要部署30台Web服务器。而且这三十台服务器，只有秒杀，活动时才会用到，存在大量的浪费。

• 全部的应用部署在同一台服务器，应用之间耦合严重。须要进行垂直切分和水平切分。

• 大量应用存在冗余代码。

• 服务器Session同步耗费大量内存和网络带宽。

• 数据须要频繁访问数据库，数据库访问压力巨大。

大型网站通常须要作如下架构优化（优化是架构设计时，就要考虑的，通常从架构/代码级别解决，调优主要是简单参数的调整，好比JVM调优；若是调优涉及大量代码改造，就不是调优了，属于重构）：

• 业务拆分

• 应用集群部署（分布式部署，集群部署和负载均衡）

• 多级缓存

• 单点登陆（分布式Session）

• 数据库集群（读写分离，分库分表）

• 服务化

• 消息队列

• 其它技术

六.网站架构优化

1

业务拆分

根据业务属性进行垂直切分，划分为产品子系统、购物子系统、支付子系统、评论子系统、客服子系统、接口子系统（对接如进销存、短信等外部系统）。

根据业务子系统进行等级定义，可分为核心系统和非核心系统。

• 核心系统：产品子系统、购物子系统、支付子系统；

• 非核心：评论子系统、客服子系统、接口子系统。

业务拆分做用：提高为子系统可由专门的团队和部门负责，专业的人作专业的事，解决模块之间耦合以及扩展性问题；每一个子系统单独部署，避免集中部署致使一个应用挂了，所有应用不可用的问题。

等级定义做用：用于流量突发时，对关键应用进行保护，实现优雅降级；保护关键应用不受到影响。

拆分后的架构图：

参考部署方案2

1. 如上图每一个应用单独部署

2. 核心系统和非核心系统组合部署

2

应用集群部署（分布式，集群，负载均衡）

分布式部署：将业务拆分后的应用单独部署，应用直接经过RPC进行远程通讯；

集群部署：电商网站的高可用要求，每一个应用至少部署两台服务器进行集群部署；

负载均衡：高可用系统必须的，通常应用经过负载均衡实现高可用，分布式服务经过内置的负载均衡实现高可用，关系型数据库经过主备方式实现高可用。

集群部署后架构图：

3

多级缓存

缓存按照存放的位置通常可分为两类本地缓存和分布式缓存。本案例采用二级缓存的方式，进行缓存的设计。一级缓存为本地缓存，二级缓存为分布式缓存。（还有页面缓存，片断缓存等，那是更细粒度的划分）

一级缓存，缓存数据字典，和经常使用热点数据等基本不可变/有规则变化的信息；二级缓存缓存须要的全部缓存。当一级缓存过时或不可用时，访问二级缓存的数据。若是二级缓存也没有，则访问数据库。

缓存的比例，通常1:4，便可考虑使用缓存。（理论上是1:2便可）。

根据业务特性可以使用如下缓存过时策略：

1. 缓存自动过时

2. 缓存触发过时

4

单点登陆（分布式Session）

系统分割为多个子系统，独立部署后，不可避免地会遇到会话管理的问题。通常可采用Session同步，Cookies，分布式Session方式。电商网站通常采用分布式Session实现。

再进一步能够根据分布式Session，创建完善的单点登陆或帐户管理系统。

流程说明：

1. 用户第一次登陆时，将会话信息（用户Id和用户信息），好比以用户ID为Key，写入分布式Session；

2. 用户再次登陆时，获取分布式Session，是否有会话信息，若是没有则调到登陆页；

3. 通常采用Cache中间件实现，建议使用Redis，所以它有持久化功能，方便分布式Session宕机后，能够从持久化存储中加载会话信息；

4. 存入会话时，能够设置会话保持的时间，好比15分钟，超事后自动超时；

结合Cache中间件，实现的分布式Session，能够很好的模拟Session会话。

5

数据库集群（读写分离，分库分表）

大型网站须要存储海量的数据，为达到海量数据存储，高可用，高性能通常采用冗余的方式进行系统设计。通常有两种方式读写分离和分库分表。

读写分离：通常解决读比例远大于写比例的场景，可采用一主一备，一主多备或多主多备方式。

本案例在业务拆分的基础上，结合分库分表和读写分离。以下图：

1. 业务拆分后：每一个子系统须要单独的库；

2. 若是单独的库太大，能够根据业务特性，进行再次分库，好比商品分类库，产品库；

3. 分库后，若是表中有数据量很大的，则进行分表，通常能够按照ID，时间等进行分表；（高级的用法是一致性Hash）；

4. 在分库，分表的基础上，进行读写分离。

相关中间件可参考Cobar（阿里，目前已不在维护），TDDL（阿里），Atlas（奇虎360），MyCat（在Cobar基础上，国内不少牛人，号称国内第一开源项目）。

6

服务化

将多个子系统公用的功能/模块，进行抽取，做为公用服务使用。好比本案例的会员子系统就能够抽取为公用的服务。

7

消息队列

消息队列能够解决子系统/模块之间的耦合，实现异步，高可用，高性能的系统，是分布式系统的标准配置。本案例中，消息队列主要应用在购物，配送环节。

1. 用户下单后，写入消息队列，后直接返回客户端；

2. 库存子系统：读取消息队列信息，完成减库存；

3. 配送子系统：读取消息队列信息，进行配送。

目前使用较多的MQ有Active MQ、Rabbit MQ、Zero MQ、MS MQ等，须要根据具体的业务场景进行选择。建议能够研究下RabbitMQ。

更多详情可参考社群过往文章：

• RabbitMQ高级指南：从配置、使用到高可用集群搭建
• 大话消息队列的流派之争
• 一网打尽消息队列在大型分布式系统中的实战精髓
• 网易蜂巢微服务架构：用RabbitMQ实现轻量级通讯

8

其它架构（技术）

除了以上介绍的业务拆分、应用集群、多级缓存、单点登陆、数据库集群、服务化、消息队列外。还有CDN、反向代理、分布式文件系统、大数据处理等系统。

此处不详细介绍，你们能够问度娘/Google，有机会的话也能够分享给你们。

总结

以上是本次分享的架构总结，细节可参考前面分享的内容。其中还有不少能够优化和细化的地方，由于是案例分享，主要针对重要部分作了介绍，工做中须要你们根据具体的业务场景进行架构设计。但愿能对你们有所启发。