說說大型高併發高負載網站的系統架構（更新）

說說大型高併發高負載網站的系統架構

[@more@]

轉載請保留出處：俊麟 Michael’s blog (http:///blog/?p=71)
Trackback Url : http:///blog/wp-trackback.php?p=71

　　鄙人先後在CERNET做過撥號接入，在Yahoo&3721搞過搜尋前端，在貓撲處理過mop.com的架構升級，在6.cn影片網站從事開發工作，還在多年的工作中接觸和開發過不少大中型網站的模組，因此在大型網站應對高負載和併發的解決方案上有一些積累和經驗，希望和大家一起探討。

　　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。

1、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，都是透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。目前很多部落格也都實現了靜態化，我使用的這個Blog程式WordPress還沒有靜態化，所以如果面對高負載訪問，一定不能承受

　　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再資料庫中，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。

　　在進行html靜態化的時候可以使用一種折中的方法，就是前端使用動態實現，在一定的策略下進行定時靜態化和定時判斷呼叫，這個能實現很多靈活性的操作，我開發的檯球網站故人居()就是使用了這樣的方法，我透過設定一些html靜態化的時間間隔來對動態網站內容進行快取，達到分擔大部分的壓力到靜態頁面上，可以應用於中小型網站的架構上。故人居網站的地址：，順便提一下，有喜歡檯球的朋友多多支援我這個免費網站:)

2、圖片伺服器分離
　　大家知道，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，他們都有獨立的圖片伺服器，甚至很多臺圖片伺服器。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最佳化，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。

　　我的檯球網站故人居也使用了圖片伺服器架構上的分離，目前是僅僅是架構上分離，物理上沒有分離，由於沒有錢買更多的伺服器:)，大家可以看到故人居上的圖片連線都是類似img.9tmd.com或者img1.9tmd.com的URL。

　　另外，在處理靜態頁面或者圖片、js等訪問方面，可以考慮使用代替Apache，它提供了更輕量級和更高效的處理能力。

3、資料庫叢集和庫表雜湊
　　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，您使用了什麼樣的DB，就參考相應的解決方案來實施即可。

　　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。

4、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mod_proxy快取模組，也可以使用外加的Squid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上提供的是常用的快取方案，不少web程式語言都提供memcache訪問介面，、perl、c和java都有，可以在web開發中使用，可以實時或者Cron的把資料、物件等內容進行快取，策略非常靈活。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有的Cache模組和eAccelerator加速和Cache模組，還要知名的Apc、XCache（國人開發的，支援！）php快取模組，Java就更多了，.net不是很熟悉，相信也肯定有。

5、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，這裡不闡述太深，有很多專業的現成的解決架構和產品可選。也有廉價的透過軟體實現的思路，比如Linux上的rsync等工具。

6、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終極解決辦法。

　　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。另外有關初級的負載均衡DNS輪循和較專業的CDN架構就不多說了。

6.1 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。　第四層交換功能就象是虛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臺伺服器使用了三四臺Alteon就搞定了。

6.2 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，提高系統的魯棒性，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。這樣的架構我準備空了專門詳細整理一下和大家探討。

6.3 七層交換
　　大家都知道TCP/IP的七層協議，四層交換是基於傳輸層的，在這一層只能處理連線的管理，但是無法和業務關聯起來，通常只能針對tcp、udp的連線來進行處理，而真正的業務邏輯需要後面的伺服器群自己來處理，隨著技術的發展，今天，我們在很多高階的應用中出現了七層交換。

七層交換是基於TCP/IP的第七層應用層來實現的，在這一層上，首先我們可以區分出具體的應用，比如HTTP、TELNET、FTP、DNS等等，還能根據應用中傳送的內容來進行策略的管理，比如我們有這麼兩個網站的路徑 a.com/music/… 和a.com/photo/… 原來基於四層交換隻能把這兩個url的請求都分發到後面一組伺服器上，但是七層交換可以判斷訪問的是music/還是photo/路徑，然後分別分發到不通的伺服器群上，從而實現更靈活的系統架構設計。

當然，七層交換也分硬體和軟體的實現方式，在這裡我不細說了，硬體有著名的F5、Nortel等，軟體有Haproxy等，當然，七層交換的軟體目前還是在效能上要遠遠差別於硬體實現的，要知道，這些硬體都價格不菲

總結：
　　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，Michael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，希望大家一起討論，達到拋磚引玉之效。

　　轉載請保留出處：俊麟 Michael’s blog (http:///blog/?p=71)
Trackback Url : http:///blog/wp-trackback.php?p=71