基于storm和hadoop的广告系统研究【1】

需要的基础概念：

1.按效果付费：详细概念点击此处

2.竞价排名：详细概念点击此处

按照上面的两个概念的详细内容，那么系统就至少需要面对以下的问题：

1.高并发，要求相应时间短

2.高并发情况下广告客户金额计算正确性

3.用户访问页面内容与广告的内容高匹配度

解决方案简单对比：

	A	B	C
属性	C#.net平台（无消息队列服务）	C#.net平台（有消息队列服务）	基于Storm和hadoop
横向扩展	服务集群前置负载均衡设备，通过添加服务器扩展容量	服务集群前置负载均衡设备，通过添加服务器扩展容量，单结点的负载能力胜过A	服务集群不需要负载设备，通过添加服务节点扩展容量
纵向扩展	增加功能会降低单单结点的相应能力，影响服务过程的平均响应时间	增加功能不会降低单单结点的相应能力，对服务过程的平均响应时间影响较小	需要在编程阶段将功能细分到Spout降低单台服务器的负载，但是可以不影响单结点的响应能力和服务的平均响应时间
响应时间	单结点负载范围内和BC持平，超出范围响应时间快速增加	单结点负载范围内和AC持平，超出范围响应时间受消息队列系统性能影响较大，可能会出现部分较大延迟。	集群负载范围内和AB持平，超出范围后平均响应时间会与请求量成比例增加，并出现部分无相应的情况。
并发量	最小	正常负载范围内和C持平	正常负载范围内与B持平，
技术实现难度	无难度	需要自己实现消息队列服务	需要熟悉storm的编程模式
运维	需要独立的集群服务监控软件	需要独立的集群服务监控软件	Storm本身有节点监控功能