《数据密集型应用系统设计》读书笔记

负载可以用称为「负载参数」（load parmeters）的若干数字来描述。参数的最佳选择取决于系统的体系结构，常见的选择有：

• Web 服务器的每秒请求处理次数
• 数据库的写入率
• 聊天室的同时活跃用户数量
• 缓存的命中率

有时平均值很重要，而有时少数的峰值更加重要。原文这里给出了一个 Twitter 的例子来说明负载，Twitter 的两个典型业务操作是：

• 「发布推特」：一个用户可以发布一条新消息到其所有的关注者（平均 4.6k 请求/秒，峰值 12k 请求/秒）
• 「主页时间线」：一个用户可以查看其关注对象发布的推特（平均 300k 请求/秒）

上述操作的难点在于巨大的「扇出」（fan-out）结构，即每个用户会关注很多人，也会被很多人圈粉。Twitter 给出了如下图所示的两种处理方案：

方法 1 是将发送的新推特插入到全局的推特集合中，当用户查看时间线时，首先查找其所有的关注对象，列出这些人的所有推特，最后以时间为序进行合并。在关系型数据库中，可以通过如下查询语句实现：

SELECT tweets.*, users.* FROM tweets
  JOIN users ON tweets.sender_id = users.id
  JOIN follows ON follows.followee_id = users.id
  WHERE follows.follower_id = current_user

方法 2 则是对每个用户的时间线维护一个缓存，当用户发布新推特时，查询其关注者，将该推特插入到每个关注者的时间线缓存中。由于已经预先计算了时间线，所以访问时间线的性能会非常快。

Twitter 在最初的版本中使用了方法 1，但随着主页时间线的读负载压力的与日俱增，开始切换为方法 2，因为时间线浏览的压力要比发布推特高的多，所以在发布时多完成一些事情可以加速读性能。然而，方法 2 也存在着一定缺陷，如图中所示，假定每名用户平均 75 个关注者，则需要每秒约 345k 次写入缓存，而由于关注者数量的偏差，对于某些超级用户来说，其发布一条推特可能会导致数千万次的写入发生，这对写性能的要求极大。目前 Twitter 正在考虑将两种方法结合起来，大部分用户发布推特时采用方法 2，以一对多写入时间线，而部分超级用户则才用类似方法 1 的方法，其推特被单独提取，当读取时才和用户的时间线合并。

在本例中，每个用户关注者的分布情况时可扩展性的关键负载参数，其决定了扇出数，在不同的应用中存在着类似的关键负载参数，需要根据具体情况进行判断。