海量資料的併發處理

 

目錄(?)[-]

1. 高併發高負載的瓶頸
2. 處理高併發高負載的方法
1. HTML靜態化
2. 圖片伺服器分離
3. 資料庫叢集庫表雜湊
4. 快取
5. 映象
6. 負載均衡
1.    硬體四層交換
2.    軟體四層交換
7. CDN加速
8. GCDN

 

   今天看網友看一個帖子徵求網友的答案，我也來湊個熱鬧，我很喜歡這個問題，因為很多次面試的時候面試官都問過我類似的問題。只不過回來起來真的是很難，就以這個問題作為，開始資料併發處理的學習吧。問題是這樣的：原文地址

1、海量資料的處理

   眾所周知，對於一些相對小的站點來說，資料量並不是很大，select和update就可以解決我們面對的問題，本身負載量不是很大，最多再加幾個索引就可以搞定。對於大型應用，每天的資料量可能就上百萬，如果一個設計不好的多對多關係，在前期是沒有任何問題的，但是隨著使用者的增長，資料量會是幾何級的增長的。在這個時候我們對於一個表的select和update的時候(還不說多表聯合查詢)的成本的非常高的。

2、資料併發的處理

  在一些時候，就是快取。對於快取，在高併發高處理的時候也是個大問題。在整個應用程式下，快取是全域性共享的，然而在我們進行修改的時候就，如果兩個或者多個請求同時對快取有更新的要求的情況下，應用程式會直接的死掉。這個時候，就需要一個好的資料併發處理策略以及快取策略。另外，就是資料庫的死鎖問題，也許平時我們感覺不到，死鎖在高併發的情況下的出現的概率是非常高的，磁碟快取就是一個大問題。

   我的問題：我們現在的使用者是不斷增長的，資料庫用的是連結伺服器的形式，現在經常會出現死鎖的情況，手動殺死死鎖程式就會出現資料不一致的情況。請問大家對於海量高併發資料庫的設計和架構是如何實現的？

   之前我將高併發的解決方法誤認為是執行緒或者是佇列可以解決，因為高併發的時候是有很多使用者在訪問，導致出現系統資料不正確、丟失資料現象，所以想到的是用佇列解決，其實佇列解決的方式也可以處理，比如我們在競拍商品、轉發評論微博或者是秒殺商品等，同一時間訪問量特別大，佇列在此起到特別的作用，將所有請求放入佇列，以毫秒計時單位，有序的進行，從而不會出現資料丟失系統資料不正確的情況。

 

高併發高負載的瓶頸

  一個小型的網站，比如個人網站，可以使用最簡單的html靜態頁面就實現了，配合一些圖片達到美化效果，所有的頁面均存放在一個目錄下，這樣的網站對系統架構、效能的要求都很簡單，隨著網際網路業務的不斷豐富，網站相關的技術經過這些年的發展，已經細分到很細的方方面面，尤其對於大型網站來說，所採用的技術更是涉及面非常廣，從硬體到軟體、程式語言、資料庫、WebServer、防火牆等各個領域都有了很高的要求，已經不是原來簡單的html靜態網站所能比擬的。
   大型網站，比如入口網站。在面對大量使用者訪問、高併發請求方面，基本的解決方案集中在這樣幾個環節：使用高效能的伺服器、高效能的資料庫、高效率的程式語言、還有高效能的Web容器。但是除了這幾個方面，還沒法根本解決大型網站面臨的高負載和高併發問題。
   上面提供的幾個解決思路在一定程度上也意味著更大的投入，並且這樣的解決思路具備瓶頸，沒有很好的擴充套件性，下面我從低成本、高效能和高擴張性的角度來說說我的一些經驗

處理高併發高負載的方法

 

HTML靜態化

　　其實大家都知道，效率最高、消耗最小的就是純靜態化的html頁面，所以我們儘可能使我們的網站上的頁面採用靜態頁面來實現，這個最簡單的方法其實也是最有效的方法。但是對於大量內容並且頻繁更新的網站，我們無法全部手動去挨個實現，於是出現了我們常見的資訊釋出系統CMS，像我們常訪問的各個門戶站點的新聞頻道，甚至他們的其他頻道，都是通過資訊釋出系統來管理和實現的，資訊釋出系統可以實現最簡單的資訊錄入自動生成靜態頁面，還能具備頻道管理、許可權管理、自動抓取等功能，對於一個大型網站來說，擁有一套高效、可管理的CMS是必不可少的。
　　除了門戶和資訊釋出型別的網站，對於互動性要求很高的社群型別網站來說，儘可能的靜態化也是提高效能的必要手段，將社群內的帖子、文章進行實時的靜態化、有更新的時候再重新靜態化也是大量使用的策略，像Mop的大雜燴就是使用了這樣的策略，網易社群等也是如此。
　　同時，html靜態化也是某些快取策略使用的手段，對於系統中頻繁使用資料庫查詢但是內容更新很小的應用，可以考慮使用html靜態化來實現。比如論壇中論壇的公用設定資訊，這些資訊目前的主流論壇都可以進行後臺管理並且儲存在資料庫中，這些資訊其實大量被前臺程式呼叫，但是更新頻率很小，可以考慮將這部分內容進行後臺更新的時候進行靜態化，這樣避免了大量的資料庫訪問請求。

圖片伺服器分離

　　對於Web伺服器來說，不管是Apache、IIS還是其他容器，圖片是最消耗資源的，於是我們有必要將圖片與頁面進行分離，這是基本上大型網站都會採用的策略，他們都有獨立的、甚至很多臺的圖片伺服器。這樣的架構可以降低提供頁面訪問請求的伺服器系統壓力，並且可以保證系統不會因為圖片問題而崩潰。在應用伺服器和圖片伺服器上，可以進行不同的配置優化，比如apache在配置ContentType的時候可以儘量少支援、儘可能少的LoadModule，保證更高的系統消耗和執行效率。

資料庫叢集、庫表雜湊

　　大型網站都有複雜的應用，這些應用必須使用資料庫，那麼在面對大量訪問的時候，資料庫的瓶頸很快就能顯現出來，這時一臺資料庫將很快無法滿足應用，於是我們需要使用資料庫叢集或者庫表雜湊。在資料庫叢集方面，很多資料庫都有自己的解決方案，Oracle、Sybase等都有很好的方案，常用的MySQL提供的Master/Slave也是類似的方案。
　　上面提到的資料庫叢集由於在架構、成本、擴張性方面都會受到所採用DB型別的限制，於是我們需要從應用程式的角度來考慮改善系統架構，庫表雜湊是常用並且最有效的解決方案。
　　我們在應用程式中安裝業務和應用或者功能模組將資料庫進行分離，不同的模組對應不同的資料庫或者表，再按照一定的策略對某個頁面或者功能進行更小的資料庫雜湊，比如使用者表，按照使用者ID進行表雜湊，這樣就能夠低成本的提升系統的效能並且有很好的擴充套件性。
　　sohu的論壇就是採用了這樣的架構，將論壇的使用者、設定、帖子等資訊進行資料庫分離，然後對帖子、使用者按照板塊和ID進行雜湊資料庫和表，最終可以在配置檔案中進行簡單的配置便能讓系統隨時增加一臺低成本的資料庫進來補充系統效能。

快取

　　快取一詞搞技術的都接觸過，很多地方用到快取。網站架構和網站開發中的快取也是非常重要。這裡先講述最基本的兩種快取。高階和分散式的快取在後面講述。
　　架構方面的快取，對Apache比較熟悉的人都能知道Apache提供了自己的快取模組，也可以使用外加的Squid模組進行快取，這兩種方式均可以有效的提高Apache的訪問響應能力。
　　網站程式開發方面的快取，Linux上提供的Memory Cache是常用的快取介面，可以在web開發中使用，比如用Java開發的時候就可以呼叫MemoryCache對一些資料進行快取和通訊共享，一些大型社群使用了這樣的架構。另外，在使用web語言開發的時候，各種語言基本都有自己的快取模組和方法，PHP有Pear的Cache模組，Java就更多了

映象

　　映象是大型網站常採用的提高效能和資料安全性的方式，映象的技術可以解決不同網路接入商和地域帶來的使用者訪問速度差異，比如ChinaNet和EduNet之間的差異就促使了很多網站在教育網內搭建映象站點，資料進行定時更新或者實時更新。在映象的細節技術方面

負載均衡

　　負載均衡將是大型網站解決高負荷訪問和大量併發請求採用的高階解決辦法。
　　負載均衡技術發展了多年，有很多專業的服務提供商和產品可以選擇，我個人接觸過一些解決方法，其中有兩個架構可以給大家做參考。

   硬體四層交換

　　第四層交換使用第三層和第四層資訊包的報頭資訊，根據應用區間識別業務流，將整個區間段的業務流分配到合適的應用伺服器進行處理。
　　第四層交換功能就像是虛IP，指向物理伺服器。它傳輸的業務服從的協議多種多樣，有HTTP、FTP、NFS、Telnet或其他協議。這些業務在物理伺服器基礎上，需要複雜的載量平衡演算法。在IP世界，業務型別由終端TCP或UDP埠地址來決定，在第四層交換中的應用區間則由源端和終端IP地址、TCP和UDP埠共同決定。
　　在硬體四層交換產品領域，有一些知名的產品可以選擇，比如Alteon、F5等，這些產品很昂貴，但是物有所值，能夠提供非常優秀的效能和很靈活的管理能力。“Yahoo中國”當初接近2000臺伺服器，只使用了三、四臺Alteon就搞定了。

   軟體四層交換

　　大家知道了硬體四層交換機的原理後，基於OSI模型來實現的軟體四層交換也就應運而生，這樣的解決方案實現的原理一致，不過效能稍差。但是滿足一定量的壓力還是遊刃有餘的，有人說軟體實現方式其實更靈活，處理能力完全看你配置的熟悉能力。
　　軟體四層交換我們可以使用Linux上常用的LVS來解決，LVS就是Linux Virtual Server，他提供了基於心跳線heartbeat的實時災難應對解決方案，提高系統的強壯性，同時可供了靈活的虛擬VIP配置和管理功能，可以同時滿足多種應用需求，這對於分散式的系統來說必不可少。
　　一個典型的使用負載均衡的策略就是，在軟體或者硬體四層交換的基礎上搭建squid叢集，這種思路在很多大型網站包括搜尋引擎上被採用，這樣的架構低成本、高效能還有很強的擴張性，隨時往架構裡面增減節點都非常容易。
　　對於大型網站來說，前面提到的每個方法可能都會被同時使用到，這裡介紹得比較淺顯，具體實現過程中很多細節還需要大家慢慢熟悉和體會。有時一個很小的squid引數或者apache引數設定，對於系統效能的影響就會很大。

CDN加速

什麼是CDN？
　　 CDN的全稱是內容分發網路。其目的是通過在現有的Internet中增加一層新的網路架構，將網站的內容釋出到最接近使用者的網路“邊緣”，使使用者可以就近取得所需的內容，提高使用者訪問網站的響應速度。
　　CDN有別於映象，因為它比映象更智慧，或者可以做這樣一個比喻：CDN=更智慧的映象+快取+流量導流。因而，CDN可以明顯提高Internet網路中資訊流動的效率。從技術上全面解決由於網路頻寬小、使用者訪問量大、網點分佈不均等問題，提高使用者訪問網站的響應速度。
CDN的型別特點
　 　CDN的實現分為三類：映象、快取記憶體、專線。
　　映象站點（Mirror Site），是最常見的，它讓內容直接釋出，適用於靜態和準動態的資料同步。但是購買和維護新伺服器的費用較高，還必須在各個地區設定映象伺服器，配備專業技術人員進行管理與維護。對於大型網站來說，更新所用的頻寬成本也大大提高了。
　　快取記憶體，成本較低，適用於靜態內容。Internet的統計表明，超過80%的使用者經常訪問的是20%的網站的內容，在這個規律下，快取伺服器可以處理大部分客戶的靜態請求，而原始的伺服器只需處理約20%左右的非快取請求和動態請求，於是大大加快了客戶請求的響應時間，並降低了原始伺服器的負載。
　　CDN服務一般會在全國範圍內的關鍵節點上放置快取伺服器。
　　專線，讓使用者直接訪問資料來源，可以實現資料的動態同步。
CDN的例項
　　舉個例子來說，當某使用者訪問網站時，網站會利用全球負載均衡技術，將使用者的訪問指向到距離使用者最近的正常工作的快取伺服器上，直接響應使用者的請求。
　　當使用者訪問已經使用了CDN服務的網站時，其解析過程與傳統解析方式的最大區別就在於網站的授權域名伺服器不是以傳統的輪詢方式來響應本地DNS的解析請求，而是充分考慮使用者發起請求的地點和當時網路的情況，來決定把使用者的請求定向到離使用者最近同時負載相對較輕的節點快取伺服器上。
　　通過使用者定位演算法和伺服器健康檢測演算法綜合後的資料，可以將使用者的請求就近定向到分佈在網路“邊緣”的快取伺服器上，保證使用者的訪問能得到更及時可靠的響應。
　　由於大量的使用者訪問都由分佈在網路邊緣的CDN節點快取伺服器直接響應了，這就不僅提高了使用者的訪問質量，同時有效地降低了源伺服器的負載壓力。
附：某CDN服務商的服務說明
 

GCDN

　　採用了GCDN加速方式以後，系統會在瀏覽使用者和您的伺服器之間增加一臺GCDN伺服器。瀏覽使用者訪問您的伺服器時，一般靜態資料，如圖片、多媒體資料等資料將直接從GCDN伺服器讀取，使得從主伺服器上讀取靜態資料的交換量大大減少。
　　為VIP型虛擬主機而特加的VPN高速壓縮通道，使用高速壓縮的電信<==>網通、電信<==>國際（HK）、網通<==>國際（HK）等跨網專線通道，智慧多線，自動獲取最快路徑，極速的動態實時併發響應速度，實現了網站的動態指令碼實時同步，對動態網站有一個更加明顯的加速效果。

　　每個網路運營商（電信、網通、鐵通、教育網）均有您伺服器的GCDN伺服器，無論瀏覽使用者是來自何處，GCDN都能讓您的伺服器展現最快的速度！另外，我們將對您的資料進行實時備份，讓您的資料更安全！

轉自：http://new.toplee.com:8080/blog/71.html

以下是網友的點評