转 高性能网站性能优化与系统架构
一个小型的网站，比如个人网站，可以使用最简单的
html
静态页面就实现了，配合一
些图片达到美化效果，
所有的页面均存放在一个目录下，
这样的网站对系统架构、
性能的要
求都很简单，
随着互联网业务的不断丰富，
网站相关的技术经过这些年的发展，
已经细分到
很细的方方面面，
尤其对于大型网站来说，
所采用的技术更是涉及面非常广，
从硬件到软件、
编程语言、数据库、
WebServer
、防火墙等各个领域都有了很高的要求，已经不是原来简
单的
html
静态网站所能比拟的。
大型网站，
比如门户网站。
在面对大量用户访问、高并发请求方面，基本的解决方案集
中在这样几个环节：
使用高性能的服务器、高性能的数据库、
高效率的编程语言、
还有高性
能的
Web
容器。但是除了这几个方面，还没法根本解决大型网站面临的高负载和高并发问
题。
上面提供的几个解决思路在一定程度上也意味着更大的投入，
并且这样的解决思路具备
瓶颈，
没有很好的扩展性，
下面我从低成本、
高性能和高扩张性的角度来说说我的一些经验。
1
、
HTML
静态化
其实大家都知道，效率最高、消耗最小的就是纯静态化的
html
页面，所以我们尽可能
使我们的网站上的页面采用静态页面来实现，
这个最简单的方法其实也是最有效的方法。
但
是对于大量内容并且频繁更新的网站，
我们无法全部手动去挨个实现，
于是出现了我们常见
的信息发布系统
CMS
，像我们常访问的各个门户站点的新闻频道，甚至他们的其他频道，
都是通过信息发布系统来管理和实现的，
信息发布系统可以实现最简单的信息录入自动生成
静态页面，还能具备频道管理、权限管理、自动抓取等功能，对于一个大型网站来说，拥有
一套高效、可管理的
CMS
是必不可少的。
除了门户和信息发布类型的网站，
对于交互性要求很高的社区类型网站来说，
尽可能的
静态化也是提高性能的必要手段，
将社区内的帖子、
文章进行实时的静态化，
有更新的时候
再重新静态化也是大量使用的策略，像
Mop
的大杂烩就是使用了这样的策略，网易社区等
也是如此。同时，
html
静态化也是某些缓存策略使用的手段，对于系统中频繁使用数据库
查询但是内容更新很小的应用，
可以考虑使用
html
静态化来实现，
比如论坛中论坛的公用
设置信息，
这些信息目前的主流论坛都可以进行后台管理并且存储在数据库中，
这些信息其
实大量被前台程序调用，
但是更新频率很小，
可以考虑将这部分内容进行后台更新的时候进
行静态化，这样避免了大量的数据库访问请求。
在进行
html
静态化的时候可以使用一种折中的方法，就是前端使用动态实现，在一定
的策略下进行定时静态化和定时判断调用，这个能实现很多灵活性的操作。
2
、图片服务器分离
大家知道，对于
Web
服务器来说，不管是
Apache
、
IIS
还是其他容器，图片是最消
耗资源的，于是我们有必要将图片与页面进行分离，这是基本上大型网站都会采用的策略，
他们都有独立的图片服务器，
甚至很多台图片服务器。
这样的架构可以降低提供页面访问请
求的服务器系统压力，并且可以保证系统不会因为图片问题而崩溃。
在应用服务器和图片服务器上，可以进行不同的配置优化，比如
Apache
在配置
ContentType
的时候可以尽量少支持，
尽可能少的
LoadModule
，
保证更高的系统消耗和
执行效率。
另外，
在处理静态页面或者图片、
js
等访问方面，
可以考虑使用
lighttpd
代替
Apache
，
它提供了更轻量级和更高效的处理能力。
3
、数据库集群和库表散列
大型网站都有复杂的应用，
这些应用必须使用数据库，
那么在面对大量访问的时候，
数
据库的瓶颈很快就能显现出来，
这时一台数据库将很快无法满足应用，
于是我们需要使用数
据库集群或者库表散列
在数据库集群方面，很多数据库都有自己的解决方案，
Oracle
、
Sybase
等都有很好
的方案，常用的
MySQL
提供的
Master/Slave
也是类似的方案，您使用了什么样的
DB
，
就参考相应的解决方案来实施即可。
上面提到的数据库集群由于在架构、
成本、
扩张性方面都会受到所采用
DB
类型的限制，
于是我们需要从应用程序的角度来考虑改善系统架构，
库表散列是常用并且最有效的解决方
案。
我们在应用程序中安装业务和应用或者功能模块将数据库进行分离，
不同的模块对应不
同的数据库或者表，
再按照一定的策略对某个页面或者功能进行更小的数据库散列，
比如用
户表，
按照用户
ID
进行表散列，
这样就能够低成本的提升系统的性能并且有很好的扩展性。
sohu
的论坛就是采用了这样的架构，将论坛的用户、设置、帖子等信息进行数据库分离，
然后对帖子、用户按照板块和
ID
进行散列数据库和表，最终可以在配置文件中进行简单的
配置便能让系统随时增加一台低成本的数据库进来补充系统性能。
4
、缓存
缓存一词搞技术的都接触过，
很多地方用到缓存。
网站架构和网站开发中的缓存也是非
常重要。这里先讲述最基本的两种缓存。高级和分布式的缓存在后面讲述。
架构方面的缓存，对
Apache
比较熟悉的人都能知道
Apache
提供了自己的
mod_proxy
缓存模块，也可以使用外加的
Squid
进行缓存，这两种方式均可以有效的提
高
Apache
的访问响应能力。
网站程序开发方面的缓存，
Linux
上提供的
Memcached
是常用的缓存方案，
不少
web
编程语言都提供
memcache
访问接口，
php
、
perl
、
c
和
java
都有，可以在
web
开发中
使用，可以实时或者
Cron
的把数据、对象等内容进行缓存，策略非常灵活。一些大型社区
使用了这样的架构。
另外，在使用
web
语言开发的时候，各种语言基本都有自己的缓存模块和方法，
PHP
有
Pear
的
Cache
模块和
eAccelerator
加速和
Cache
模块，还要知名的
Apc
、
XCache
（国人开发的，
支持！
）
php
缓存模块，
Java
就更多了，
.net
不是很熟悉，
相信也肯定有。
5
、镜像
镜像是大型网站常采用的提高性能和数据安全性的方式，
镜像的技术可以解决不同网络
接入商和地域带来的用户访问速度差异，比如
ChinaNet
和
EduNet
之间的差异就促使了
很多网站在教育网内搭建镜像站点，
数据进行定时更新或者实时更新。
在镜像的细节技术方
面，
这里不阐述太深，
有很多专业的现成的解决架构和产品可选。
也有廉价的通过软件实现
的思路，比如
Linux
上的
rsync
等工具。
6
、负载均衡
负载均衡将是大型网站解决高负荷访问和大量并发请求采用的终极解决办法。
负载均衡技术发展了多年，
有很多专业的服务提供商和产品可以选择，
我个人接触过一
些解决方法，其中有两个架构可以给大家做参考。另外有关初级的负载均衡
DNS
轮循和较
专业的
CDN
架构就不多说了。
6.1
硬件四层交换
第四层交换使用第三层和第四层信息包的报头信息，
根据应用区间识别业务流，
将整个
区间段的业务流分配到合适的应用服务器进行处理。第四层交换功能就象是虚
IP
，指向物
理服务器。
它传输的业务服从的协议多种多样，
有
HTTP
、
FTP
、
NFS
、
Telnet
或其他协议。
这些业务在物理服务器基础上，
需要复杂的载量平衡算法。
在
IP
世界，
业务类型由终端
TCP
或
UDP
端口地址来决定，
在第四层交换中的应用区间则由源端和终端
IP
地址、
TCP
和
UDP
端口共同决定。
在硬件四层交换产品领域，有一些知名的产品可以选择，比如
Alteon
、
F5
等，这些产
品很昂贵，但是物有所值，能够提供非常优秀的性能和很灵活的管理能力。
Yahoo
中国当
初接近
2000
台服务器使用了三四台
Alteon
就搞定了。
6.2
软件四层交换
大家知道了硬件四层交换机的原理后，基于
OSI
模型来实现的软件四层交换也就应运
而生，
这样的解决方案实现的原理一致，
不过性能稍差。
但是满足一定量的压力还是游刃有
余的，有人说软件实现方式其实更灵活，处理能力完全看你配置的熟悉能力。
软件四层交换我们可以使用
Linux
上常用的
LVS
来解决，
LVS
就是
LinuxVirtualServer
，他提供了基于心跳线
heartbeat
的实时灾难应对解决方案，提高系
统的鲁棒性，同时可供了灵活的虚拟
VIP
配置和管理功能，可以同时满足多种应用需求，
这对于分布式的系统来说必不可少。
一个典型的使用负载均衡的策略就是，在软件或者硬件四层交换的基础上搭建
squid
集群，
这种思路在很多大型网站包括搜索引擎上被采用，
这样的架构低成本、
高性能还有很
强的扩张性，
随时往架构里面增减节点都非常容易。
这样的架构我准备空了专门详细整理一
下和大家探讨。
总结：
对于大型网站来说，
前面提到的每个方法可能都会被同时使用到，
这里介绍得比较浅显，
具体实现过程中很多细节还需要大家慢慢熟悉和体会，有时一个很小的
squid
参数或者
apache
参数设置，
对于系统性能的影响就会很大，
希望大家一起讨论，
达到抛砖引玉之效。
