What？老板让我开发一个亿级流量的大型网站

“

我们常见的大型网站，如百度、淘宝、京东等，都是一个分布式系统。这么复杂的系统也不是一天建成的，每个系统都经历了漫长的演变过程。

图片来自 Pexels

对于一个大型网站，主要有以下几个特征：

• 支撑海量数据

• 非常高的访问量

在大型网站中，其最核心的功能就是计算和存储。因此系统演变过程也主要围绕这两点进行。

单机系统

在网站刚刚起步时，数据量、访问量都非常小，通常情况下，只需一台应用服务器就可以了。

单机部署方案

起步时，我们把所有资源全部打包到部署文件中（如 XXX.war），其中包括：

• class 文件、依赖 jar 等。

• js、css、图片等静态资源。

• 对于用户上传文件的场景，直接在服务器上新建一个目录，将上传的文件放置在目录即可。

然后，将打好的发布包放到 Web 容器中，比如 Tomcat，最后启动容器，让其直接对外提供服务。

该部署策略有以下几个特征：

• 用户通过浏览器直接与 Java 应用程序进行交互（通常是 Tomcat）。

• Java 应用程序通过 JDBC 与本机的数据库进行交互（如 MySQL）。

• 如果存在文件读写的需求，Java 应用程序通过文件接口直接对文件进行操作。

这时，有人会问，Java 应用程序直接对外，会不会存在一些安全或性能方面的问题呢？

是的，Tomcat 这种 Web 容器对链接的保持能力比较弱，当存在大量链接时，性能下降很快。

同时，Tomcat 并不擅长静态资源的处理，对此，我们可以引入 Nginx，以缓解 Tomcat 的压力。

单机部署方案进阶

我们在单机部署基础上，添加 Nginx，也就有了进阶方案：

该方案存在以下特征：

• 用户不在直接与 Java 应用程序进行交互，而是与 Nginx 进行交互。

• Tomcat 挂在 Nginx 后，对动态请求进行处理。

• 对于静态资源的访问，通过 Nginx 直接访问文件系统。

• 当有文件写需求时，通过 Java 应用程序直接写入磁盘。

此时，架构显得清晰很多，但我们发现一个问题，就是系统对静态资源和动态资源的处理是完全不同的。

对于静态资源的处理，相对简单，只是简单的文件读写。而，动态请求（也就是我们的业务承载者）会随着业务的发展越来越复杂。

动静分离部署方案

由于静态请求与动态请求采用不同的处理策略，我们可以将其进行分离。

该部署方案存在以下特性：

• 通过不同的域名对动态请求和静态请求进行分离。

• 新增静态资源服务器，专门处理静态请求，并在服务器上部署 Java 应用程序，处理文件写需求；Nginx 只负责文件的读操作。

• 对动态请求进行独立部署，应用程序将文件的写请求转发到静态服务器进行处理。

静态资源服务器功能单一，部署繁琐，有没有一种更好的策略呢？

答案就是云服务，比如阿里云的 OSS 提供静态资源存储服务。CDN 提供访问加速服务，两者结合使用，就得到了一个海量容量并且性能超强的静态资源服务器（集群）。

结合 OSS 和 CDN，静态请求不会成为系统的瓶颈，因此，接下来只对动态请求进行讨论。

随着系统访问量的增加，动态请求出现了明显的瓶颈。

应用集群化部署

由于所有的动态请求全部由一台应用服务器进行处理，当访问量上升时，这台服务就成了系统的瓶颈。

此时，我们需要将系统中的多个组件部署到不同的服务器上。

新部署有以下特征：

• 对 Nginx 进行独立部署，形成 Web 集群。

• 对 Java 应用程序进行独立部署，形成应用集群。

• 对数据库进行独立部署。

• Web 集群与应用集群间通过 HTTP 协议进行交互。

• 应用集群与数据库间通过 JDBC 协议进行交互。

应用集群化，会面临很多挑战，主要的焦点是如何有效的分配用户请求。

DNS 轮询

首先要解决的问题便是，用户如何将请求发送到不同的 Nginx 中，最常见的方式便是 DNS 轮询。

大多域名注册商都支持多条 A 记录的解析，其实这就是 DNS 轮询，DNS 服务器将解析请求按照 A 记录的顺序，逐一分配到不同的 IP 上，这样就完成了简单的负载均衡。

负载均衡器

这里的负载均衡器主要指的是 Nginx 的反向代理功能。当用户请求发送到 Nginx 后，Nginx 需要决定将请求转发到哪台应用服务器上。

反向代理（Reverse Proxy）是指以代理服务器来接受 Internet 上的连接请求，然后将请求转发给内部网络上的服务器，并将从服务器上得到的结果返回给 Internet 上请求连接的客户端，此时代理服务器对外就表现为一个反向代理服务器。

Nginx 对于后台服务器配置比较灵活，可以同时配置多台服务器，并根据负载策略将请求分发给后台服务器。

会话问题

在单机时代，我们的请求只会发送到同一台机器上，不存在会话问题。当将应用集群部署时，用户的多次请求会发送到不同的应用服务器上。此时，如何对会话进行同步便是棘手问题。

①Session Sticky

这种方案主要由 Nginx 处理，让同样 Session 请求每次都发送到同一台服务器进行处理。

Nginx 会将相同用户的请求发送到同一台应用服务器中。

这是最简单的策略，但存在一定的问题：

• Web 服务器重启 Session 丢失。

• 负载均衡需要进行应用层解析（第 7 层），性能损耗较大。

• 负载均衡器变为一个有状态的点，不易容灾。

②Session Replication

会话问题的根源在于 Session 由多个应用维护，我们可以使用某种机制，在多台 Web 服务间进行 Session 的数据同步。

由 Session 同步器在各个 Java 应用程序间完成 Session 的同步，最终使每个服务器中都存在所有用户的 Session 数据。

这个方案的问题：

• 造成网络开销。

• 每台 Web 服务器都保存所有的 Session，内存开销大。

③集中式 Session

我们可以将 Session 从 Web 服务中抽取出来，并对其进行集中存储。

将 Session 信息保存到 Session 存储集群中，Java 应用程序不在负责 Session 的存储。

这个方案的问题：

• 读取 Session 引入了网络开销。

• 存储设施问题影响应用。

④Cookie Based Session

还可以将 Session 数据放在 Cookie 中，然后在 Web 服务器上从 Cookie 中生成对应的 Session 数据。

将 Session 数据编码到 Cookie 中，每次 Java 应用程序使用 Session 时，都从 Cookie 中重建 Session。

该方案的问题：

• 受到 Cookie 大小的限制。

• 存在安全性问题。

• 每次都携带巨大的 Cookie，带宽消耗严重。

• 每次都进行 Session 数据恢复，加大应用服务器的负担。

随着系统访问量的持续增加，面对大量的数据读取请求，数据库有些不堪重负。此时，我们需要对数据库进行优化。

数据库读写分离

通常情况下，数据库的读会成为系统的瓶颈。对此，我们可以使用数据库主从机制，通过添加多个从库来减缓读压力。

与之前部署相比，该架构只是为数据库增加了若干个从库：

• 对数据库实施主从部署策略。

• 对于数据的写请求，只能在主库上进行。

• 对于数据的读请求，可以在任意的从库上进行。

• 主库与从库间，通过数据库同步策略进行数据同步。

由于主库与从库间的数据同步需要时间，会出现数据不一致的情况，这块是业务上需要慎重考虑的一点。

随着业务越来越复杂，对功能和性能的要求也越来越高，最常见的便是数据库 like 语句性能已经无法满足需求；对于某些热点数据的访问，其性能也下降很快。

此时，我们需要引入其他组件来有针对性的解决问题。

引入搜索和缓存

针对数据库的 like 语句，通常情况下，是通过引入搜索引擎来解决；而热点数据的访问加速，是通过引入缓存服务来解决。

该架构的特征如下：

• 添加搜索集群，用以提升数据检索性能。

• 添加缓存集群，用以提升热点数据访问性能。

在对数据查询进行优化后，慢慢的系统的写性能成为了瓶颈。此时，需要对数据的写性能进行扩展。

数据库分库分表

随着数据量的增长，写请求量的增加，数据库的写入逐渐成为了瓶颈。常规的写性能优化便是对数据库进行分库分表。

垂直拆分

将不同的业务数据放到不同的数据库实例中。

水平切分

把同一个表中的数据拆分到多个数据库中。

随着研发团队的规模越来越多，大家同时在一个项目中进行开发，导致频繁的冲突和相互影响。

此时，会将整个应用程序根据功能模块进行拆分，从而形成多个子网站或子频道。

应用垂直拆分

面对一个巨无霸式的应用，就像面对一团毛线团，总有一种无法下手的感觉。对此，可以将其进行拆分，将其拆分为多个应用，每个应用独立开发、独立部署、独立维护。

该部署方案更加灵活，大大降低维护成本：

• 通过不同的域名或 URL 将整个系统分解为多个子系统。

• 用户通过浏览器将各子系统拼接成一个完整的系统。

• 各系统间存在少量交互，甚至没有交互。

问题慢慢展现出来，系统间公共部分没有统一维护点，同样的功能、同样的代码分布在各个系统中。

当然，我们可以通过发布 jar 包的方式，共享功能代码；但当 jar 升级时，就需要所有的子系统同步升级，运维开销巨大。此时，我们需要引入服务化架构。

服务化架构

我们可以将通用功能封装成一个服务，独立开发、独立部署、独立维护。

在该方案中，我们将业务逻辑进行了进一步拆分：

• 整理各个系统间通用业务功能，将其封装为服务，以承载核心业务逻辑，构建成服务集群。

• 原来的子系统或子频道，变成薄薄的一层，不承载核心业务，只是根据业务流程对业务服务进行编排。

• 应用服务与业务服务间通过 HTTP 或其他协议进行通信，常见的包括 Dubbo、Thrift 等。

服务化解决了系统之间的直接调用问题，也就是常说的 RPC，整个系统的协调点全部由应用服务完成。

这种架构适用于多种场景，但在一些需要异步处理的极端场景就显得有心无力了。此时，我们需要引入消息中间件。

引入消息队列

服务化解决了直接调用问题，对于异步调用，最常见的便是消息中间件。

相比之前的架构，变化很小，只是在各个业务服务间添加了另外的一种调用方式。

小结

冰冻三尺非一日之寒，一个大型系统的构建也不是一朝一夕的事情。我们需要根据业务情况、数据量情况、请求量情况对系统进行合理规划。

切记，架构不是越复杂越好，而是“适合自己的便是最好的”。

作者：李涛

编辑：陶家龙、孙淑娟

出处：转载自微信公众号geekhalo

精彩文章推荐：