最新大型网站技术架构探讨

CEv6.3BeetleSoft“大型”网站技术架构探讨余浩东2011年6月BeetleSoft大型网站技术架构探讨[2]大型网站架构的目标与挑战网站架构演变及其技术脉络架构设计理论与原则讨论及总结BeetleSoft大型网站技术架构探讨[3]大型网站架构的目标与挑战■何谓“大型”网站？网站日均流量[IP/PV]≈5,972,587PV≈9,376,962≈229,680,000PV≈2,955,981,600≈25,680,000PV≈222,132,000≈5,532,000PV≈25,723,800≈300,000PV≈747,000没有统一的判断标准，流量大小是一个重要指标日均流量至少IP1,000,000才算大型网站BeetleSoft大型网站技术架构探讨[4]大型网站架构的目标与挑战■何谓“大型”网站？网站内容是否“动态”才是关键BeetleSoft大型网站技术架构探讨[5]大型网站架构的目标与挑战■网站架构目标与挑战每个目标背后面临着技术、设计、维护等诸多方面的挑战。而目标本身的期望值也会根据实际情况进行调整，这也意味着网站架构建设是个不断调整的过程。负载均衡数据备份异地容灾。。。高速缓存并行计算异地镜像。。。开发框架多层设计业务分割。。。BeetleSoft大型网站技术架构探讨[6]大型网站架构的目标与挑战网站架构演变及其技术脉络架构设计理论与原则讨论及总结BeetleSoft大型网站技术架构探讨[7]网站架构演变及其技术脉络■[Step1]Web动静态资源分离及其与DB物理分离优点：“简单”、安全性提高缺点：存在单点，谈不上高可用性（highavailability架构目标）技术点：应用设计要保证可扩展（framework很重要Spring/Beetle）、WebServer动/静态资源分离WebServer（Apache\Nginx\IIS\JBoss…）、DatabaseServer（Mysql\Oracle\Redis…）BeetleSoft大型网站技术架构探讨[8]■[Step1]技术点—Web动静态资源分离img,doc,js,css等静态资源使用单独的WebHTTPServer处理请求动态页面静态化处理网站架构演变及其技术脉络BeetleSoft大型网站技术架构探讨[9]■[Step2]采取缓存处理优点：简单有效、维护方便缺点：依然存在单点技术点：客户端（浏览器）缓存、前端页面缓存、页面片段缓存、本地数据缓存/数据库缓存网站架构演变及其技术脉络减少对网站的访问减少对Web应用服务器的请求减少对数据库的查询减少文件系统I/O操作BeetleSoft大型网站技术架构探讨[10]■[Step2]技术点—客户端（浏览器）缓存技术点说明根据HTTP协议特性，修改Header参数（Cache-Control、Expires、Pragma、Last-Modified、Etag），让浏览器来缓存页面（一些优秀开发框架会对此做透明的封装，例如：Beetle）使用HTTP1.1协议，由于httppipelining技术特性，能够使用get请求的决不采取post请求为了节约带宽，压缩页面（Content-Encoding:gzip）；页面各个元素能“小”即“小”，例如：js包压缩，js合并，图片压缩等会话状态信息采取Cookie代替传统使用服务器Sessions对象存储习惯做法；使用Ajax实现页面局部刷新如果可能，可采取浏览器插件技术突破浏览器功能限制，将原本在服务器端运算，尽量迁到浏览器端。ActiveX/Applet/Flash/….HTML5最值得期待，她的出现必定改变整个Web世界能够让浏览器缓存的数据一定要缓存；浏览器能够处理的运算，决不放在服务器端来处理。网站架构演变及其技术脉络BeetleSoft大型网站技术架构探讨[11]■[Step2]技术点—前端页面缓存采用具备缓存功能的http反向代理服务器作前端页面缓存器，Varnish\Squid\Ncache\AiCache(商业)…【硬件F5】网站架构演变及其技术脉络BeetleSoft大型网站技术架构探讨[12]■[Step2]技术点—页面片段缓存ESI(EdgeSideIncludes)ESI需要服务器端支持，常见apache(mod_esi)、WebLogic、JSP标签库(JESI)等。网站架构演变及其技术脉络BeetleSoft大型网站技术架构探讨[13]■[Step2]技术点—本地数据缓存需要从数据库系统和Web应用服务器两个层面考虑缓存优化网站架构演变及其技术脉络技术点说明关系数据库系统（如：Oracle\MySql）QueryCache策略：一般以sql为key来缓存查询结果，尽量不要拼sql，使用PreparedStatement的“？”模式sql；QueryCache大小要根据数据库系统具体情况合理设置，过大只会浪费内存，参考值：128M关系数据库系统DataBuffer策略：就是数据库数据内存缓存器，其访问命中率决定数据库性能，可根据实际物理内存大小适量增大，如：MySql建议buffer值为物理内存60-80%应用服务器Cache包括：对象缓存（例如：对象线程安全，做成单例），更新频率不大数据考虑缓存（如：基表数据、配置文件信息），考虑使用线程池，对象池，连接池等常见java解决方案：map\OSCache\EHCache等BeetleSoft大型网站技术架构探讨[14]■[Step3]增加机器做HA、数据库读写分离网站架构演变及其技术脉络优点：增加服务器和HA机制，系统性能及可用性得到保证缺点：读写分离，增加程序难度，架构变复杂，维护难度增加技术点：负载均衡、DAL、数据库读写分离BeetleSoft大型网站技术架构探讨[15]■[Step3]技术点—负载均衡网站架构演变及其技术脉络类型说明DNS负载均衡实现简单、有Cache缺乏灵活性，但对分区域（如构建CDN方案）访问简单有效反向代理软件HAProxy、Nginx、Apache、Lighttpd等硬件产品F5、NetScaler等LVS(LinuxVirtualServer)自己写代码某些情况下简单有效BeetleSoft大型网站技术架构探讨[16]■[Step3]技术点—数据库读写分离及DAL网站架构演变及其技术脉络■读写分离逻辑分批■负载均衡■失效转移（failover）■数据库分区透明支持■两大实现模式：独立Proxy服务器；单独API库文件各个数据库厂商都有自己复制方案常见通用方案：ETL、GoldenGateTJS…BeetleSoft大型网站技术架构探讨[17]■[Step4]CDN、分布式缓存、分库网站架构演变及其技术脉络优点：异地缓存有效解决不同地方用户访问过慢的问题；分库策略带来网站性能整体提升缺点：成本大幅增加，架构进一步复杂化，也维护难度进一步增大，架构开始臃肿了技术点：CDN、分布式缓存、Shard分库BeetleSoft大型网站技术架构探讨[18]■[Step4]技术点—CDN网站架构演变及其技术脉络CDN(ContentDeliveryNetwork)内容分发网络将网站的内容分发到最接近用户的网络“边缘”，使用户可以就近获取，从而解决互联网网络拥挤的状况，提高用户访问的响应速度。适合静态内容很多（如：静态页面、图片、视频等）及页面内容实时性要求不高的网站，如：新闻类门户网站CDN构建可以做的很简单，也可以很复杂，主要根据自己网站实际情况而定BeetleSoft大型网站技术架构探讨[19]■[Step4]技术点—分布式缓存网站架构演变及其技术脉络本地缓存性能优秀，但容量有限，无伸缩性采用分布式缓存方案突破容量限制，具备良好伸缩性；但分布式涉及远程网络通信消耗其性能本地缓存来得优秀，并可涉及节点状态维护及数据复制问题，其稳定性和可靠性是个挑战。目前流行分布式缓存方案：memcached、membase、redis等，基本上当前的NoSQL方案都可以用来做分布式缓存方案BeetleSoft大型网站技术架构探讨[20]■[Step4]技术点—分库网站架构演变及其技术脉络读写分离（简单有效，前面已介绍）垂直分区良好的松耦合的模块化设计是垂直分库的前提BeetleSoft大型网站技术架构探讨[21]■[Step4]技术点—分库网站架构演变及其技术脉络水平分区（Shard）分片Key识别（划分检索依据）是关键是否还有其它招？用NoSql数据库部分替换关系数据库BeetleSoft大型网站技术架构探讨[22]■[Step5]多个数据中心，向分布式存储和计算的架构体系迈进网站架构演变及其技术脉络优点：多数据中心，带来更高质量区域服务体验；分布式存储及计算架构有效解决pb级数据量存储、检索及计算性能问题缺点：架构复杂、数据同步、一致性及系统维护、技能要求等成本十分高技术点：分布式文件系统、Map/Reduce、Key-Value存储BeetleSoft大型网站技术架构探讨[23]■[Step5]技术点—向分布式存储计算解决方案[DFS、Map/Reduce、Key-ValueDB]网站架构演变及其技术脉络DFS分布式文件系统，如：Lustre\HDFS\GFS\TFS\FreeNas等Map/Reduce算法（计算框架），基本上现有NoSQL数据库中都支持此算法。Key-ValueDB，也作为NoSQL解决方案，如：BigTable\Tair\Hbase\HyperTable等提供完整解决方案：Google(GFS|Map/Reduce|BigTable)ApacheHadoop(HDFS|Map/Reduce|HBase)BeetleSoft大型网站技术架构探讨[24]大型网站架构的目标与挑战网站架构演变及其技术脉络架构设计理论与原则讨论及总结BeetleSoft大型网站技术架构探讨[25]架构设计理论与原则■网站架构设计的精神食粮BeetleSoft大型网站技术架构探讨[26]架构设计理论与原则■关于数据一致性—ACIDvsBASEACID（Atomicity、Consistency、Isolation、Durability）是关系型数据库的最基本原则，遵循ACID原则强调一致性，对成本要求很高，对性能影响很大。问题：ACID原则适用于互联网应用吗？可用性似乎比一致性重要些BASE（BasicallyAvailable、Softstate、Eventuallyconsistent）策略BASE策略与ACID不同，其基本思想就是通过牺牲强一致性，以获得更好的可用性或可靠性基本可用数据能够保证80%一致性就够了，剩下20%就不要过于纠结了。可参考八二定律软状态在不过分追求数据一致性（强一致性）前提下可考虑软状态策略，例如把数据缓存（State）在客户端一段时间，过后若没有新请求的话，就清除此缓存（Soft）最终一致性在某一段短时间内允许数据不一致，但经过一段较长时间，等所有节点上数据的拷贝都整合在一起的时候，数据会最终达到完全一致BeetleSoft大型网站技术架构探讨[27]架构设计理论与原则■关于分布式系统—CAP理论一致性分布式系统中，数据一般会存储在不同节点，一致性就是要保证对数据操作的原子性可用性确保客户访问数据时可得到响应。不强调各个节点上数据要保持一致性。分区容忍性数据分区存储后，即使部分分区组件不可用，其施加的操作也能够完成CAP理论指出：一个分布式系统不可能同时满足一致性、可用性和分区容忍性这三项需求，最多只能同