亿级 Web 系统搭建：单机到分布式集群
本文内容
- Web 负载均衡
- HTTP 重定向
- 反向代理
- IP 负载均衡
- DNS 负载均衡
- Web 系统缓存机制的建立和优化
- MySQL 数据库内部缓存
- 搭建多台 MySQL 数据库
- MySQL 数据库机器之间的数据同步
- 在 Web 服务器和数据库之间建立缓存
- 异地部署（地理分布式）
- 核心集中与节点分散
- 节点容灾和过载保护
当一个 Web 系统从日访问量10万逐步增长到1000万，甚至超过1亿的过程中，整个 Web 系统（无论是后端还是数据库端）承受的压力会越来越大，为了解决这些不同的性能压力问题，我们需要在 Web 系统的架构层面想办法。
Web负载均衡
Web 负载均衡（Load Balancing），简单地说就是采用适当的方式给服务器集群分配“工作”。
负载均衡的策略有很多。
1，HTTP 重定向
当用户发来请求的时候，Web 服务器通过修改 HTTP 响应头中的Location标记返回一个新的 URL，然后浏览器再继续请求这个新的 URL，这就是页面重定向。通过重定向达到“负载均衡”的目标。
例如，我们在下载 PHP 源码包的时候，点击下载链接时，为了解决不同国家和地域下载速度的问题，它会返回一个离我们近的下载地址。重定向的HTTP返回码是302，如下图：
如果使用 PHP 来实现这个功能，代码如下所示：
重定向很容易实现，而且可以自定义各种策略。但在大规模访问下，性能不佳，用户体验也不好，重定向会增加网络延时。
2，反向代理
反向代理的主要工作是转发 HTTP 请求，扮演了浏览器和后台 Web 服务器中转的角色。因为它工作在 HTTP 层（应用层），也就是网络七层结构中的第七层，因此也被称为“七层负载均衡”。可以做反向代理的软件很多，如 Nginx。
Nginx是一种非常灵活的反向代理服务，可以自由定制化转发策略，分配服务器流量的权重等。
反向代理中常见的一个问题，就是 Web 服务器存储的 session 数据，因为一般负载均衡的策略都是随机分配请求。同一个登录用户的请求，无法保证一定分配到相同的 Web 机器上，会导致无法找到session的问题。解决方案主要有两种：
-
配置反向代理的转发规则，让同一个用户的请求一定落到同一台机器上（通过分析 cookie），复杂的转发规则将会消耗更多的CPU，也增加了代理服务器的负担。
-
将 Session 这类的信息，专门用某个独立服务来存储，例如，redis、memchache，这个方案是比较推荐的。
反向代理服务，也是可以开启缓存，如果开启了，会增加反向代理的负担，需要谨慎使用。这种负载均衡策略实现和部署非常简单，而且性能表现也比较好。但它有“单点故障”的问题，而且，若后期继续增加 Web 服务器，它本身可能成为系统的瓶颈。
3，IP 负载均衡
IP 负载均衡是工作在网络层（修改IP）和传输层（修改端口，第四层），比起工作在应用层（第七层）性能要高出很多。其原理是，修改 IP 层数据包的 IP 地址和端口信息，达到负载均衡的目的。这种方式，也被称为“四层负载均衡”。常见的负载均衡方式，是 LVS（Linux Virtual Server，Linux 虚拟服务），通过 IPVS（IP Virtual Server，IP 虚拟服务）。
在负载均衡服务器收到客户端的IP包的时候，会修改IP包的目标IP地址或端口，然后原封不动地投递到内部网络中，数据包会流入到实际 Web 服务器。实际服务器处理完成后，又会将数据包投递回给负载均衡服务器，它再修改目标IP地址为用户IP地址，最终回到客户端。
上述的方式叫 LVS-NAT，除此之外，还有 LVS-RD（直接路由），LVS-TUN（IP 隧道），三者之间都属于 LVS 方式，但是有一定的区别，篇幅有限，不再敖述。
IP 负载均衡的性能要高出像 Nginx 这样反向代理服务很多，它只处理到传输层为止的数据包，并不做进一步的组包，然后直接转发给实际服务器。不过，它的配置和搭建比较复杂。
4，DNS 负载均衡
DNS（Domain Name System）负责域名解析的服务，域名 URL 实际上是服务器的别名，实际映射是一个 IP 地址，解析过程，就是 DNS 完成域名到IP的映射。而一个域名是可以配置成对应多个IP的。因此，DNS 也就可以作为负载均衡服务。
这种负载均衡策略，配置简单，性能极佳。但是，不能自由定义规则，而且，变更被映射的IP或者机器故障时很麻烦，还存在 DNS 生效延迟的问题。
5，DNS/GSLB 负载均衡
我们常用的CDN（Content Delivery Network，内容分发网络）实现方式，其实就是在同一个域名映射为多 IP 的基础上更进一步，通过 GSLB（Global Server Load Balance，全局负载均衡）按照指定规则映射域名的 IP。一般情况下都是按照地理位置，将离用户近的 IP 返回给用户，减少网络传输中的路由节点之间的跳跃消耗。
上图的“向上寻找”，实际过程是 LDNS（Local DNS）先向根域名服务（Root Name Server）获取到顶级根的 Name Server（例如.com的），然后得到指定域名的授权DNS，然后再获得实际服务器IP。
CDN 在 Web 系统中，一般情况下是用来解决较大静态资源（html/Js/Css/图片等）的加载问题，让这些资源尽可能离用户更近，提升用户体验。
例如，我访问了一张 imgcache.gtimg.cn 上的图片（腾讯的自建 CDN，不使用 qq.com 域名的原因是防止 HTTP 请求的时候，带上了多余的 cookie 信息），我获得的IP是183.60.217.90。
这种方式，和前面的DNS负载均衡一样，不仅性能极佳，而且支持配置多种策略。但搭建和维护成本非常高。一线互联网公司，会自建 CDN 服务，中小型公司一般使用第三方提供的 CDN。
Web 系统缓存机制的建立和优化
上面是如何优化 Web 系统的网络环境，接下来，我们开始关注 Web 系统自身的性能问题。随着 Web 站点访问量的上升，会遇到很多的挑战，解决这些问题不仅仅是扩容机器这么简单，建立和使用合适的缓存机制才是根本。
最开始，我们的 Web 系统架构可能是这样的，每个环节，只有一台机器。
1，MySQL 数据库内部缓存
MySQL 缓存机制，就先从 MySQL 内部开始，下面内容以 InnoDB 存储引擎为例。
1）建立恰当的索引
最简单的当然是建立索引，虽然成本还是有的。
- 首先，索引会占用一定的磁盘空间，其中组合索引产生的索引可能比实际数据还大；
- 其次，DML 操作（insert/update/delete）更新索引时比较耗时，好在我们以 select 操作居多。但索引对系统性能的作用还是相当大的（姑且不算大数据啊，如果数据相当庞大，那再高效的索引也白搭啊）。
2）数据库连接线程池缓存
如果每一个数据库请求都要创建和销毁连接的话，对数据库来说，无疑也是一种巨大的开销。为了减少开销，可以在 MySQL 中配置 thread_cache_size 表示保留多少线程用于复用。线程不够的时候，再创建，空闲过多的时候，则销毁。
还有更激进一点的做法，使用 pconnect（数据库长连接），线程一旦创建在很长时间内都保持着。但是，在访问量比较大，机器比较多的情况下，这种用法很可能会导致“数据库连接数耗尽”，因为建立连接并不回收，最终达到数据库的 max_connections（最大连接数）。因此，长连接的用法通常需要在 CGI 和 MySQL 之间实现一个“连接池”服务，控制 CGI 机器“盲目”创建连接数。
建立数据库连接池服务，有很多实现的方式，PHP 的话，推荐使用 swoole（PHP 一个网络通讯拓展）来实现。
3）Innodb 缓存设置（innodb_buffer_pool_size）
innodb_buffer_pool_size 用来保存索引和数据的内存缓存区，如果服务器是 MySQL 独占的，一般推荐为物理内存的 80%。在取表数据的场景中，它可以减少磁盘 IO。一般来说，这个值设置越大，cache 命中率会越高。
4）分库/分表/分区
MySQL 数据库表一般承受数据量在百万级别，再往上增长，各项性能将会出现大幅度下降，因此，当我们预见数据量会超过这个量级的时候，建议进行分库/分表/分区。
最好的做法，是服务在搭建之初就设计为分库分表的存储模式，从根本上杜绝中后期的风险。不过，会牺牲一些便利性，同时，也增加了维护的复杂度。不过，到了数据量千万级别或者以上的时候，这样做是值得的。
2，搭建多台 MySQL 数据库
一台 MySQL 机器，实际上是高风险的单点，因为如果它挂了，我们 Web 服务就不可用了。而且，随着 Web 系统访问量持续增加，总有一天，我们发现一台 MySQL 服务器无法支撑下去，我们开始需要使用更多的MySQL机器。当引入多台MySQL机器的时候，很多新的问题又将产生。
1）建立 MySQL 主从，从库作为备份
这种做法纯粹为了解决“单点故障”的问题，在主库出故障的时候，切换到从库。不过，这种做法有点浪费资源，因为从库实际上闲置的。
2）MySQL读写分离，主库写，从库读。
两台数据库，读写分离，主库负责写，从库负责读。如果主库发生故障，不影响读，也可以将全部读写都切换到从库（需要注意流量，可能会因为流量过大，把从库也拖垮）。
3）主主互备。
两台 MySQL 之间互为主从。这种方案，既做到了访问量的压力分流，同时也解决了“单点故障”问题。任何一台故障，都还有另外一套可供使用的服务。
不过，这种方案，只能用在两台机器的场景。如果业务拓展还是很快的话，可以选择将业务分离，建立多个主主互备。
3，MySQL 数据库机器之间的数据同步
每当我们解决一个问题，新的问题必然诞生。当我们有多台 MySQL，在业务高峰期，很可能出现两个库之间的数据有延迟的场景。而且网络和负载等也会影响数据同步的延迟。我们曾经遇到过，在日访问量接近1亿的场景下，出现，从库数据需要很多天才能同步追上主库的数据。这种场景下，从库基本失去效用了。因此，解决同步问题，是我们下一步关注点。
1）MySQL 自带多线程同步
MySQL 5.6 开始支持主库和从库数据同步，走多线程。但限制比较明显，只能以库为单位。MySQL 数据同步是通过 binlog 日志（5.0 前支持文本格式和二进制格式，5.0 后只支持二进制格式，因为二进制日志在性能、信息处理方面更有优势），主库写入到 binlog 日志的操作，是有顺序的，尤其当SQL操作中含有对于表结构的修改等操作，对于后续的SQL语句操作是有影响的。因此，从库同步数据，必须走单进程。
2）自己实现解析 binlog，多线程写入
以数据库的表为单位，解析 binlog 多张表同时做数据同步。这样做的话，的确能够加快数据同步的效率，但如果表和表之间存在结构关系或者数据依赖的话，则同样存在写入顺序的问题。这种方式，可用于一些比较稳定并且相对独立的数据表。国内一线互联网公司，大部分都是通过这种方式，来加快数据同步效率。
还有更为激进的做法，是直接解析 binlog，忽略以表为单位，直接写入。但是这种做法，实现复杂，使用范围就更受到限制，只能用于一些特殊场景（没有表结构变更，表和表之间没有数据依赖等特殊表）。
4，在 Web 服务器和数据库之间建立缓存
大访问量不能仅仅着眼于数据库层面，根据“二八定律”，80% 的请求只关注在 20% 的热点数据上。因此，我们应该在 Web 服务器和数据库之间建立的缓存机制。缓存可以用磁盘，也可以用内存。通过它们，将大部分的热点数据查询，阻挡在数据库之前。
1）页面静态化
用户访问网站的某个页面，页面上的大部分内容在很长一段时间内，可能都是没有变化的。例如新闻，一旦发布内容几乎不会被修改。这样，通过 CGI 生成的静态 html 页面缓存到 Web 服务器的本地磁盘（注意是本地磁盘，也就是缓存在 Web 服务器上）。除第一次，是通过动态 CGI 查询数据库获取之外，之后都直接将本地磁盘文件返回给用户。
在 Web 系统规模比较小的时候，这种做法还挺完美。可一旦 Web 系统规模变大，是个 Web 集群，例如，当有 100 台的 Web 服务器时，因为是缓存在本地磁盘，所以磁盘上将会有 100 份，浪费资源，维护性差。那用一台单独的服务器保存静态页面，不就得了，事实也的确如此，下面介绍。
缓存既可以用内存，也可以是磁盘，但内存的访问速度当然比磁盘快很多。
2）单台内存缓存
页面静态化，静态页面缓存在 Web 服务器本地磁盘或内存（实际上，通过PHP的apc拓展，可通过Key/value操作Web服务器的本机内存），不好维护，会带来更多问题。因此，利用一台单独的机器来搭建内存缓存服务。
内存缓存的选择，主要有 redis/memcache。性能上两者差别不大，但功能丰富程度上，Redis 更胜一筹。
3）内存缓存集群
单台内存缓存会面临单点故障的问题。简单的做法，是建立集群，增加一个 slave 作为备份机器。但是，如果请求量真的很多，cache 的命中率未必会高，因为，salve 不会接受请求，它只是一个备份而已，此时，不是增加给机器增加更多内存，而是需要建立一个集群。例如，redis cluster。
Redis cluster 集群内的 Redis 互为多组主从，同时每个节点都可以接受请求，在拓展集群的时候比较方便。客户端可以向任意一个节点发送请求，如果是它的“负责”的内容，则直接返回内容。否则，查找实际负责Redis节点，然后将地址告知客户端，客户端重新请求。
对于使用缓存服务的客户端来说，这一切是透明的。
内存缓存服务在切换的时候，是有一定风险的。从A集群切换到B集群的过程中，必须保证B集群提前做好“预热”（B集群的内存中的热点数据，应该尽量与A集群相同，否则，切换的一瞬间大量请求内容，在B集群的内存缓存中查找不到，流量直接冲击后端的数据库服务，很可能导致数据库宕机）。
4）减少数据库“写”
上面的机制，都试图减少数据库的“读”，但写操作也是一个大的压力。写操作，虽然无法减少，但可以通过合并请求来减轻压力。这个时候，我们就需要在内存缓存集群和数据库集群之间，建立一个修改同步机制。
先将修改请求生效在cache中，让外界查询显示正常，然后将这些 sql 修改放入到一个队列中存储起来，队列满或者每隔一段时间，合并为一个请求到数据库中更新数据库。
除了上述通过改变系统架构的方式提升写的性能外，MySQL 本身也可以通过配置参数 innodb_flush_log_at_trx_commit 来调整写入磁盘的策略。如果机器成本允许，从硬件层面解决问题，可以选择老一点的RAID（Redundant Arrays of independent Disks，磁盘列阵）或者比较新的SSD（Solid State Drives，固态硬盘）。
5）NoSQL存储
不管数据库的读还是写，当流量再进一步上涨，终会达到“人力有穷时”的场景。继续加机器的成本比较高，并且不一定可以真正解决问题。此时，部分核心数据，就可以考虑使用NoSQL的数据库。NoSQL 存储，大部分都是采用 key-value 方式。推荐使用 Redis，Redis 本身是一个内存 cache，同时也可以当做一个存储来使用，让它直接将数据落地到磁盘。
这样的话，我们就将数据库中某些被频繁读写的数据，分离出来，放在我们新搭建的Redis存储集群中，又进一步减轻原来MySQL数据库的压力，同时因为Redis本身是个内存级别的Cache，读写的性能都会大幅度提升。
国内一线互联网公司，架构上采用的解决方案很多是类似于上述方案，不过，使用的cache服务却不一定是Redis，他们会有更丰富的其他选择，甚至根据自身业务特点开发出自己的NoSQL服务。
6）空节点查询问题
当我们搭建完前面所说的全部服务，认为Web系统已经很强的时候。我们还是那句话，新的问题还是会来的。空节点查询，是指那些数据库中根本不存在的数据请求。例如，我请求查询一个不存在人员信息，系统会从各级缓存逐级查找，最后查到到数据库本身，然后才得出查找不到的结论，返回给前端。因为各级cache对它无效，这个请求是非常消耗系统资源的，而如果大量的空节点查询，是可以冲击到系统服务的。
在我曾经的工作经历中，曾深受其害。因此，为了维护 Web 系统的稳定性，设计适当的空节点过滤机制，非常有必要。
我们当时采用的方式，就是设计一张简单的记录映射表。将存在的记录存储起来，放入到一台内存 cache 中，这样，如果还有空节点查询，则在缓存这一层就被阻挡了。 
异地部署（地理分布式）
完成了上述架构建设之后，我们的系统是否就已经足够强大了呢？答案当然是否定，优化是无极限的。Web 系统虽然表面上看，似乎比较强大了，但是给予用户的体验却不一定是最好的。因为东北的同学，访问深圳的一个网站服务，他还是会感到一些网络距离上的慢。这个时候，我们就需要做异地部署，让Web系统离用户更近。
1，核心集中与节点分散
有玩过大型网游的同学都会知道，网游是有很多个区的，一般都是按照地域来分，例如广东专区，北京专区。如果一个在广东的玩家，去北京专区玩，那么他会感觉明显比在广东专区卡。实际上，这些大区的名称就已经说明了，它的服务器所在地，所以，广东的玩家去连接地处北京的服务器，网络当然会比较慢。
当一个系统和服务足够大的时候，就必须开始考虑异地部署的问题了。让你的服务，尽可能离用户更近。我们前面已经提到了Web的静态资源，可以存放在CDN上，然后通过DNS/GSLB的方式，让静态资源的分散“全国各地”。但是，CDN只解决的静态资源的问题，没有解决后端庞大的系统服务还只集中在某个固定城市的问题。
这个时候，异地部署就开始了。异地部署一般遵循：核心集中，节点分散。
-
核心集中：实际部署过程中，总有一部分的数据和服务存在不可部署多套，或者部署多套成本巨大。而对于这些服务和数据，就仍然维持一套，而部署地点选择一个地域比较中心的地方，通过网络内部专线来和各个节点通讯。
-
节点分散：将一些服务部署为多套，分布在各个城市节点，让用户请求尽可能选择近的节点访问服务。
例如，我们选择在上海部署为核心节点，北京，深圳，武汉，上海为分散节点（上海自己本身也是一个分散节点）。我们的服务架构如图：
需要补充一下的是，上图中上海节点和核心节点是同处于一个机房的，其他分散节点各自独立机房。
国内有很多大型网游，都是大致遵循上述架构。它们会把数据量不大的用户核心账号等放在核心节点，而大部分的网游数据，例如装备、任务等数据和服务放在地区节点里。当然，核心节点和地域节点之间，也有缓存机制。
2，节点容灾和过载保护
节点容灾是指，某个节点如果发生故障时，我们需要建立一个机制去保证服务仍然可用。毫无疑问，这里比较常见的容灾方式，是切换到附近城市节点。假如系统的天津节点发生故障，那么我们就将网络流量切换到附近的北京节点上。考虑到负载均衡，可能需要同时将流量切换到附近的几个地域节点。另一方面，核心节点自身也是需要自己做好容灾和备份的，核心节点一旦故障，就会影响全国服务。
过载保护，指的是一个节点已经达到最大容量，无法继续接接受更多请求了，系统必须有一个保护的机制。一个服务已经满负载，还继续接受新的请求，结果很可能就是宕机，影响整个节点的服务，为了至少保障大部分用户的正常使用，过载保护是必要的。
解决过载保护，一般2个方向：
-
拒绝服务，检测到满负载之后，就不再接受新的连接请求。例如网游登入中的排队。
-
分流到其他节点。这种的话，系统实现更为复杂，又涉及到负载均衡的问题。
小结
Web系统会随着访问规模的增长，渐渐地从1台服务器可以满足需求，一直成长为“庞然大物”的大集群。而这个Web系统变大的过程，实际上就是我们解决问题的过程。在不同的阶段，解决不同的问题，而新的问题又诞生在旧的解决方案之上。
系统的优化是没有极限的，软件和系统架构也一直在快速发展，新的方案解决了老的问题，同时也带来新的挑战。
