BAT公司“万变不离其宗”架构的演化历程

大型网站的挑战主要来自庞大的用户，高并发的访问和海量数据，任何简单的业务一旦须要处理数以P计的数据和面对数以亿计的用户，问题就会变得棘手。大型网站架构主要就是解决这类问题。

大型网站系统的特色

高并发，大流量

须要面对高并发用户，大流量访问。Google 日均 PV 35 亿，日 IP 访问数 3 亿；腾讯 QQ 的最大在线用户数 1.4 亿（2011年数据）。

高可用

系统 7 x 24 小时不间断服务。

海量数据

须要存储、管理海量数据，须要使用大量服务器。Facebook 每周上传的照片数量接近 10 亿，百度收录的网页数目有数百亿，Google 有近百万台服务器为全球用户提供服务。

用户分布普遍，网络状况复杂

许多大型互联网站都是为全球用户提供服务的，用户分布范围广，各地网络状况千差万别。在国内，还有各个运营商网络互通难的问题。

安全环境恶劣

因为互联网的开放性，使得互联网站更容易受到攻击，大型网站几乎天天都会被黑客攻击。

需求快速变动，发布频繁

和传统软件的版本发布频率不一样，互联网产品为快速适应市场，知足用户需求，其产品发布频率极高。通常大型网站的产品每周都有新版本发布上线，中小型网站的发布更频繁，有时候一天会发布几十次。

渐进式发展

几乎全部的大型互联网网站都是从一个小网站开始，渐进地发展起来的。Facebook 是扎克伯格同窗在哈佛大学的宿舍里开发的；Google 的第一台服务器部署在斯坦福大学的实验室；阿里巴巴是在马云家的客厅诞生的。好的互联网产品都是慢慢运营出来的，不是一开始就开发好的，这也正好与网站架构的发展演化过程对应。

大型网站架构演化发展历程

大型网站的技术挑战主要来自于庞大的用户，高并发的访问和海量的数据，任何简单的业务一旦须要处理数以 P 计的数据和面对数以亿计的用户，问题就会变得很棘手。大型网站架构主要解决这类问题。

初始阶段的网站架构

大型网站都是从小型网站发展而来，网站架构也是同样，是从小型网站架构逐步演化而来。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，这时的网站架构以下图所示：

应用程序、数据库、文件等全部资源都在一台服务器上。

应用服务和数据服务分离

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愈来愈差，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。应用和数据分离后整个网站使用3台服务器：应用服务器、文件服务器和数据库服务器。这 3 台服务器对硬件资源的要求各不相同：

应用服务器须要处理大量的业务逻辑，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，所以须要更快的磁盘和更大的内存；

文件服务器须要存储大量用户上传的文件，所以须要更大的硬盘。

此时，网站系统的架构以下图所示：

应用和数据分离后，不一样特性的服务器承担不一样的服务角色，网站的并发处理能力和数据存储空间获得了很大改善，支持网站业务进一步发展。可是随着用户逐渐增多，网站又一次面临挑战：数据库压力太大致使访问延迟，进而影响整个网站的性能，用户体验受到影响。这时须要对网站架构进一步优化。

使用缓存改善网站性能

网站访问的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。既然大部分业务访问集中在一小部分数据上，那么若是把这一小部分数据缓存在内存中，就能够减小数据库的访问压力，提升整个网站的数据访问速度，改善数据库的写入性能了。 网站使用的缓存能够分为两种：缓存在应用服务器上的本地缓存和缓存在专门的分布式缓存服务器上的远程缓存。在这里顺便给你们推荐一个架构交流群：617434785，里面会分享一些资深架构师录制的视频录像

本地缓存的访问速度更快一些，可是受应用服务器内存限制，其缓存数据量有限，并且会出现和应用程序争用内存的状况。

远程分布式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，数据访问压力获得有效缓解，可是单一应用服务器可以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。

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。当一台服务器的处理能力、存储空间不足时，不要企图去更换更强大的服务器，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。这种状况下，更恰当的作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，就能够以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架构设计中较为简单成熟的一种，以下图所示：

经过负载均衡调度服务器，能够未来自用户浏览器的访问请求分发到应用服务器集群中的任何一台服务器上，若是有更多用户，就在集群中加入更多的应用服务器，使应用服务器的压力再也不成为整个网站的瓶颈。

数据库读写分离

网站在使用缓存后，使对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（缓存访问不命中、缓存过时）和所有的写操做都须要访问数据库，在网站的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的瓶颈。 目前大部分的主流数据库都提供主从热备功能，经过配置两台数据库主从关系，能够将一台数据库服务器的数据更新同步到另外一台服务器上。网站利用数据库的这一功能，实现数据库读写分离，从而改善数据库负载压力。以下图所示：

应用服务器在写数据的时候，访问主数据库，主数据库经过主从复制机制将数据更新同步到从数据库，这样当应用服务器读数据的时候，就能够经过从数据库得到数据。为了便于应用程序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。

使用反向代理和 CDN 加速网站响应

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，网站访问延迟和用户流失率正相关，网站访问越慢，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。主要手段有使用 CDN 和方向代理。以下图所示：

CDN 和反向代理的基本原理都是缓存。

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

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。

使用分布式文件系统和分布式数据库系统

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，从一台服务器拆分红两台服务器，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。文件系统也同样，须要使用分布式文件系统。以下图所示：

分布式数据库是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。

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。以下图所示：

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。应用服务器则经过一个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。

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。如大型购物交易网站都会将首页、商铺、订单、买家、卖家等拆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。应用之间能够经过一个超连接创建关系（在首页上的导航连接每一个都指向不一样的应用地址），也能够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个数据存储系统来构成一个关联的完整系统，以下图所示：

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长，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，在数万台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。

既然每个应用系统都须要执行许多相同的业务操做，好比用户管理、商品管理等，那么能够将这些共用的业务提取出来，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，而应用系统只须要管理用户界面，经过分布式服务调用共用业务服务完成具体业务操做。以下图所示：

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技术架构解决。