大型网站技术架构读书笔记——概述——网站架构演化

背景 ：

1 互联网跨越式发展为人民带来了巨大的便利

2 网民数量的日益剧增

3 不堪重负的网站架构

4 某些电商网站每逢促销必宕机的现象，12306网站的频繁故障与操作延迟以及娱乐圈出现特大新闻造成微博服务器宕机等等

 

目标 ： 打造一个高可用、高性能、易扩展、可伸缩的安全的网站

 

大型网站软件系统的特点：

1 高并发，大流量

每一个大型网站无不需要面对高并发的用户与大流量访问。

2 高可用

系统需要7 * 24小时不间断服务。

3 海量数据

要存储与管理海量的数据。

4 用户分布广泛，网络情况复杂

因访问应用的用户身处天南地北，且各地网8络的情况也不一致，还需面临各大网络运营商之间互通难的问题。 因此要解决如何保障大部分用户能正常、稳定的访问应用的问题，迫在眉睫。

5 安全环境恶劣

互联网的开放性，在带来便利的同时也使得互联网中的网站更容易遭受到攻击。

6 需求快速变更，发布频繁

和传统软件的版本发布不同，互联网产品的发布的频率是极高的，那么要解决的就是如何平稳的发布新产品、以及不同产品之间的回滚

7 渐进式发展

几乎所有大网站都是从一个小网站逐渐发展而来，因此如何平稳的升级架构，提升架构的可扩展性与易伸缩性是我们需要解决的问题

 

 

大型网站的技术挑战主要来自于：

庞大的与用户、高并发的访问、海量的数据

任何简单业务一旦需要处理数以 P 计的数据和面对数以亿计的用户，问题就会变得很棘手

（ 1PB = 1024 TB = 2^20 GB = 2^30 MB = 2^40 KB = 2^50 B = 2^53 bit )

网站演化流程

			单机架构 ： 背景： 没太多人访问的小型网站，只需要一台服务器就够了。 方案： 网站的应用程序、数据库、文件等所有的资源都集中在这一台服务器上。通常在一台廉价的操作服务器上搭建LNMP环境或者LAMP环境。（操作系统采用Linux，应用程序使用PHP开发，然后部署在Apache或Nginx上，数据库使用MariaDB或MySQL。 特点： 廉价、性能差适合小型网站

			应用服务和数据服务分离： 背景： 随着网站业务的发展，一台服务器逐渐不能满足需求：越来越多的用户访问导致性能越来越差，越来越多的数据导致存储空间不足。这时就需要应用服务与数据分离。 改进： 应用服务器需要处理大量业务逻辑，因此需要更快更强大的CPU；数据库服务器需要快速磁盘检索和数据缓存因此需要更快的磁盘和更大的内存；文件服务器需要存储大量用户上传的文件，因此需要更大的磁盘。 特点： 不同特性的服务器承担不同的服务角色，网站的并发处理能力和数据存储空间得到了很大改善，支持网站业务进一步发展。

			使用缓存改善网站性能： 背景： 随着业务的进一步增多，网站将又一次面临挑战：数据库压力太大导致访问延迟，进而影响整个网站的性能，用户体验受到影响，这时需要进一步对网站架构进一步优化。 依据： 网站的访问特点同样遵循二八定律：80%的业务访问集中在20%的数据上。如： 百度搜索关键词集中在少部分热门词汇上；淘宝买家浏览商品集中在少部分成交数多、评价良好的商品上。 改进： 遵循这一特性，我们将这小部分经常访问的数据缓存在内存中，即可减少数据库的访问压力，提高整个网站数据访问速度，改善数据库的写入性能。 缓存方案： 网站使用的缓存可以分为两种：缓存在应用服务器上的本地缓存服务器和缓存在专门的分布式缓存服务器的远程缓存。本地缓存固然更快，但受应用程序内存限制，其缓存数据有限，同样容易出现和应用程序争用缓存的情况。远程分布式缓存可以使用集群的方式，部署大内存的服务器作为专门的缓存服务器，可以在理论上做到不受内存容量限制的缓存服务。

			使用应用服务器集群改善网站的并发处理能力 背景： 使用缓存后，数据访问压力得到有效缓解，但是单一应用服务器能够处理的请求连接有限，在网站访问高峰期，应用服务器成为整个网站的瓶颈。 依据： 当一台服务器的处理能力不足时，不要试图更换强大的服务器，对大型网站而言，不管多么强大的服务器都无法支撑网站持续增长的业务需求，而使用集群则是网站解决高并发、海量数据的常用手段。 改进： 增加一台或多台应用程序服务器分摊网站负载压力，然后通过一台负载均衡调度服务器来对用户浏览器的访问请求分发到不同可以以同样的方式持续增加服务器不断改善系统性能，从而实现系统的可伸缩性。 特点： 应用程序服务器的负载压力不再成为整个网站的瓶颈。

			数据读写分离 背景： 网站在使用缓存后，使绝大部分数据读操作部分都可以不通过数据库就可以完成，但仍有一部分读操作（缓存访问不命中、缓存过期）和全部的写操作需要访问数据库，在网站的用户达到一定规模后，数据库因为负载压力过高而成为网站的瓶颈。 方案： 目前大部分的主流数据库都提供主从热备功能，通过配置两台数据库主从关系，可以将一台数据库服务器的数据更新同步到另一台服务器上。网站利用数据库的这一功能，实现数据库读写分离，从而改善数据负载压力。 应用服务器通过数据访问模块访问数据库，当应用服务器在写数据时，访问主数据库，主服务器通过主从复制机制将数据更新同步到从服务器库，这样当应用服务器读数据的时候，就可以通过从服务器访问到数据。

			使用反向代理和CDN加速网站响应 背景： 随着网站业务不断发展，用户规模越来越大，就要面对用户处于不同地区带来的复杂网络环境问题，不同地区访问网站时，速度差别也不一样。而有研究表明：网站访问延迟和用户流失率正相关。 方案： 为了提供更好的用户体验，留住用户，网站需要加速网站访问速度。主要手段是使用CDN和反向代理。 目的： 尽早返回数据给用户，一方面加快用户访问速度
			CDN与反向代理 CDN和反向代理的基本原理都是缓存。 区别在于CDN部署在网络提供商的机房，使用户在请求网站服务时，可以从距离自己最近的网络提供商机房获取数据。 而反向代理则部署在网站的中心机房，当用户请求到达中心机房后，首先访问的服务器是反向代理服务器，如果反向代理服务器中缓存着用户请求的资源，就将其直接返回给用户。 CDN加速 CDN（Content Distribute Network ， 内容分发网络）的本质仍然是一个缓存，而且是将数据缓存在距离用户最近的地方，使用户以最快的速度获取数据，即所谓网络访问下一跳。 CDN能够缓存的一般是静态资源，如图片、文件CSS、Script脚本、静态网页等。但是这些文件访问频率很高，将这些文件缓存在CDN可极大改善网页的打开速度。

			使用分布式文件系统和分布式数据库系统 背景 任何强大的单一服务器都满足不了大型网站持续增长的业务需求。数据库经过读写分离后，从一台服务器拆分成了两台服务器，但是随着网站业务的发展依然不能满足需求，这时需要使用分布式数据库，同样文件系统也一样，需要使用分布式文件系统。 方案： 分布式数据库 分布式数据库是网站数据库拆分的最后手段，只有在单表数据规模非常庞大的时候才使用。不到不得已时，才采用。 网站更常用的数据拆分手段是业务分库，将不同业务的数据库部署在不同的物理服务器上。 分布式文件系统 分布式文件系统是将文件按一定规则分布的存储在不同服务器上。

			使用NoSQL和搜索引擎 背景 随着网络业务越来越复杂，对数据存储和检索的需求也越来越复杂，网站需要采用一些非关系型数据库技术如NoSQL和非数据库查询技术如搜索引擎。 特点 NoSQL和搜索引擎都是源自互联网的技术手段，对可伸缩的分布式特性具有更好的支持。 应用服务器则通过一个统一的数据访问模块访问各种数据，减轻应用程序管理诸多数据源的麻烦。

			业务拆分 背景： 大型网站为了应对日益复杂的业务场景，通过使用分而治之的手段将整个网站业务分成不同的产品线，如大型购物交易网站就会将首页、商铺、订单、买家、卖家等拆分成不同的产品线，分归不同的业务团队负责。 方案： 在技术上，也会根据产品线划分，将一个网站拆分成许多不同的应用，每个应用独立部署维护。 应用之间可以通过一个超链接建立关系（在首页的导航链接每个都指向不同的应用地址），也可以通过消息队列进行数据分发，当然最多的还是通过访问同一个数据存储系统来构成一个关联的完整系统。

			分布式服务 背景： 随着业务拆分越来越小，存储系统越来越大，应用系统的整体复杂度呈指数级增加，部署维护越来越困难。 由于所有应用要和数据库系统连接，在数万台服务器规模的网站中，这些连接的数目是服务器规模的平方，导致数据库连接资源不足，拒绝服务。 方案： 既然每一个应用系统都需要执行许多相同的业务操作，比如用户管理、商品管理等，那么可以将这些共用的业务提取出来，独立部署。由这些可复用的业务连接数据库，提供共用业务服务完成具体业务操作