大型网站架构演化
本文内容
- 应用服务和数据服务分离
- 使用缓存改善网站性能
- 使用应用服务器集群改善网站的并发处理能力
- 数据库读写分离
- 使用反向代理和 CDN 加速网站响应
- 使用分布式文件系统和分布式数据库系统
- 使用 NoSQL 和搜索引擎
- 业务拆分
- 分布式服务
本文来自李智慧的《大型网站技术架构——核心原理与案例分析》一书，对于大型网站架构演化做了精辟地说明，书才200多页，言简意赅，有兴趣可以买来读读~
虽然目前（大型）网站不像90年代互联网刚兴起时，什么都要慢慢摸索，20年后的今天，很多东西都有现成的框架和成熟的解决方案，加之大数据和云计算有了很好的发展，搭建大型网站不再像当初那么麻烦，硅谷一些创业公司甚至将站点放在 AWS（亚马逊云计算服务）上，但了解大型网站架构的演化，还是很有意义的。
大型网站的技术挑战主要来自庞大的用户，高并发的访问和海量的数据，任何简单的业务一旦需要处理数以P计的数据和面对数亿计的用户，问题就会变得很棘手。大型网站架构主要就是解决这类问题。
- Google 日均 PV（Page View）数 35 亿，日均 IP 访问数 3亿；
- 腾讯 QQ 的最大在线用户数 1.4 亿（2011 年数据）；
- 淘宝 2012 年“双十一”活动一天交易额超过 191 亿，活动开始第一分钟访问用户达 1000 万；
- 2012 年 12306 网站的瘫痪；
- 京东在 2011 年年末的图书促销，由于优惠幅度大引起大量买家访问，结果导致网站服务不可用，大部分用户在提交订单后，页面显示“Service is too busy”……；
- 微信从发布到拥有 1 亿用户，仅仅用了一年时间；
- www.wikipedia.org 创建于 2001 年，到 2012 年已成为流量排名全球第 6 的大型网站，跟它流量在相同级别的其他大型网站，如 baidu、yahoo，其背后都是市值百亿美元、员工上万的巨无霸企业，运行网站的服务器规模也数以万计。而 wikipdia 不过只有区区数百台服务器，并仅由十余名技术人员维护；
- ……
注意本文中的架构图，是如何从图 1 慢慢“分裂”成图 10的~
初始阶段的网站架构
小型网站最开始时没有太多人访问，只需要一台服务器就绰绰有余，这时的网站架构如图 1 所示。
图 1 初始阶段的网站架构
（这是一台服务器）
应用程序、数据库、文件等所有的资源都在一台服务器上。
通常服务器操作系统使用 Linux，应用程序使用 PHP 开发，部署在 Apache 上，数据库使用 MySQL（这就是 LAMP，Linux+Apache+MySQL+PHP/Python，很常见的技术组合，无论是互联网之初，还是现在，因为他们完全是免费开源的），汇集各种免费开源软件及一台廉价服务器就可以开始网站的发展之路了。
淘宝最开始，服务器在马云家里。Facebook 最开始在哈佛大学宿舍里。
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满足需求：越来越多的用户访问导致性能越来越差，越来越多的数据导致存储空间不足。这时就需要将应用和数据分离。
应用和数据分离后，整个网站使用三台服务器，也就是一台拆成三台：应用服务器、文件服务器和数据库服务器。如图 2 所示。
图 2 应用服务和数据服务分离
（这是三台服务器）
这三台服务器对硬件资源的要求各不相同：
- 应用服务器需要处理大量的业务逻辑，因此需要更快更强大的CPU；
- 数据库服务器需要快速磁盘检索和数据缓存，因此需要更快的磁盘和更大的内存；
- 文件服务器需要存储大量用户上传的文件，因此需要更大的磁盘。
应用和数据分离后，不同性能的服务器承担不同的角色，网站的并发处理能力和数据存储空间得到了很大改善，支持网站业务进一步发展。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，导致访问延迟，进而影响整个网站的性能，用户体验受到影响。这时需要对网站架构进一步优化。
另外，数据库压力大的问题，在考虑调整架构前，最好确定程序代码以及SQL是否存在问题，尽量减少数据库访问，并优化 SQL 性能，这些对数据库的性能影响很大。
现在建设网站大都从应用服务和数据服务分离开始。互联网在中国已经普及，如果你建设了一个网站，大家要是觉得好，可能短时间内就会有大量用户，比如，微信在两个月时间内，用户就过亿了，要是应用服务、数据服务和文件服务都在一个台服务器上，显然支持不了多久。
使用缓存改善网站性能
网站访问特点和现实世界的财富分配一样遵循二八定律：80%的业务访问集中在20%的数据上。
- 淘宝买家浏览的商品集中在少部分成交数多、评价良好的商品上；
- 百度搜索关键词集中在少部分热门词汇上；
- 只有经常登录的用户才会发微博、看微博，而这部分用户也只占总用户数量的一小部分。
既然大部分的业务访问集中在一小部分数据上，那么如果把这一小部分数据缓存在内存中，是不是就可以减少数据库的访问压力，提高整个网站的数据访问速度，改善数据库的写入性能呢？
网站使用的缓存可以分为两种：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。如图 3 所示。
- 本地缓存的访问速度更快些，但是受应用服务器的内存限制，其缓存数据量有限，而且会出现和应用程序争内存的情况。
- 远程分布式缓存可以使用集群的方式，部署大内存的服务器作为专门的缓存服务器，可以在理论上做到不受内存容量限制的缓存服务。
图 3 网站使用缓存
（本地缓存，n 台远程缓存服务器）
使用缓存后，数据访问压力得到有效缓解，但单一应用服务器能够处理的请求连接有限，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、海量数据问题的常用手段。当一台服务器的处理能力、存储空间不足时，不要企图换更强大的服务器（对大型网站来说，无论多么强大的服务器，都不能满足网站持续增长的业务需求），更恰当的做法是增加一台服务器分担原有服务器的访问和存储压力。
对网站架构而言，只要能通过增加一台服务器的方式改善负载压力，就可以以同样的方式持续增加服务器来不断改善系统性能，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。如图 4 所示。
图 4 应用服务器集群
通过负载均衡服务器，可以将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上，如果有更多的用户，就在集群中加入更多的应用服务器，是应用服务器的负载压力不再成为整个网站的瓶颈。
以上，都是针对应用服务器方面，进行架构的调整，从最容易下手的地方进行改进。
数据库读写分离
网站在使用缓存后，使绝大部分数据读操作访问都可以不通过数据库就能完成，但是仍有一部分读操作（缓存访问不命中、缓存过期）和全部的写操作需要访问数据库，在网站的用户达到一定规模后，数据库因为负载压力过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，通过配置两台数据库主从关系，可以将一台数据库服务器的数据更新同步到另一台上。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，如图 5 所示。
图 5 数据库读写分离
（在图 4 基础上，将数据库读写分离，利用数据访问模块统一管理，DML 操作使用主数据库，DQL 操作使用从数据库）
应用服务器在写数据时，访问主数据库，主数据库通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时，就可以通过从数据库获得数据。为了便于应用程序访问读写分离后的数据库，通常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，用户规模越来越大，由于中国复杂的网络环境，不同地区的用户访问网站时，速度差别也极大。有研究表明，网站访问延迟和用户流失率正相关。为了提供更好的用户体验，留住用户，网站需要加速网站访问速度。主要手段是使用反向代理和 CND，如图 6 所示。
图 6 网站使用反向代理和 CDN 加速访问
CDN 和反向代理的基本原理都是缓存，区别是：
- CDN 部署在网络提供商的机房，使用户在请求网站服务时，可以从距离自己最近的网络提供商机房获得数据；
- 而反向代理则部署在网站的中心机房，当用户请求到中心机房后，首先访问的服务器是反向代理服务器，如果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，另一个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无法满足大型网站持续增长的业务需求。上面，数据库经历读写分离后，从一台服务器拆分成两台，但随着网站业务的发展依然不能满足需求，这时需要使用分布式数据库。文件系统也是如此，需要使用分布式文件系统。如图 7 所示。
图 7 使用分布式文件和分布式数据库系统
（此时的数据访问模块，范围更大，不仅仅统一了数据库读写，还统一了读写文件和读写缓存）
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非常庞大的时候才使用。不到迫不得已，网站更常用的数据库拆分手段是业务分库，将不同业务的数据库部署在不同的物理服务器上。
使用 NoSQL 和搜索引擎
随着网站业务越来越复杂，对数据存储和检索的需求也越来越复杂，网站需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，如图 8 所示。
图 8 使用 NoSQL 和搜索引擎
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有更好的支持。应用服务器则通过一个统一数据访问模块访问各种数据，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，通过使用分而治之的手段将整个网站业务分成不同的产品线，如大型购物交易网站就会将首页、商铺、订单、买家、卖家等拆分成不同的产品线，分归不同的业务团队负责。
具体到技术上，也会根据产品线划分，将一个网站拆分成许多不同的应用，每个应用独立部署维护。应用之间可以通过一个超链接建立关系（如，在首页上的导航链接，每个都指向不同的应用地址），也可以通过消息队列进行数据分发，当然最多的还是通过访问同一个数据存储系统来构成一个关联的完整系统，如图 9 所示。
图 9 应用拆分
分布式服务
随着业务拆分越来越小，存储系统越来越大，应用系统的整体复杂度呈指数级增加，部署维护越来越困难。由于所有应用要和所有数据库系统连接，在数万台服务器规模的网站中，这些连接的数量是服务器规模的平方，导致数据库连接资源不足，拒绝服务。
既然每个应用系统都需要执行许多相同的业务操作，比如，用户管理、商品管理等，那么可以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连接数据库，提供共用业务服务，而应用系统只需要管理用户界面，通过分布式服务器调用共用业务服务完成具体业务操作，如图 10 所示。
图 10 分布式服务
