大型网站架构发展历程

前言

大型网站的技术挑战主要来自于庞大的用户，高并发的访问和海量的数据，任何简单的业务一旦需要处理数以 P 计的海量数据和面对数以亿计的用户，问题就会变得很棘手。大型网站架构主要就是要解决这类问题。

初始阶段的网络结构

大型网站都是由小型网站发展而来，网络结构也是一样。小型网站一开始没有太多人访问，只需要一台服务器就绰绰有余，这时的网站架构如下的所示。

应用程序、数据库、文件等所有的资源都在一台服务器上。通常服务器操作系统使用Linux，数据库使用MySQL,汇集各种免费开源软件以及一台廉价服务器就可以开始网站的发展之路了。

应用服务与数据服务分离

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。这时就需要将应用和数据分离。应用和数据分离后整个网站使用三台服务器：应用服务器、文件服务器和数据服务器，如下图所示。

这三台服务器对硬件资源的要求各不相同，应用服务器需要处理大量的业务逻辑，因此需要强大的CUP；数据服务器需要快速的磁盘检索和数据缓存，因此需要更快的硬盘和更大的内存；文件服务器需要存储大量的用户上传文件，因此需要更大的硬盘容量。

使用缓存改善网站性能

网站访问特点和现实世界的财富分配一样遵循二八定律：80%的业务访问集中在20%的数据上。淘宝买家浏览的商品集中在少部分成交多、评价良好的商品上；百度搜索关键词集中在少部分热门词汇上。

既然大部分的业务访问集中在一小部分的数据上，那么如果把这小部分数据缓存在内存中，是不是就可以减少数据库的访问压力了，提升整个网站的数据访问速度，改善数据库的读写性能了呢？

网站使用缓存可以分为两种：缓存在应用服务器上的本地缓存和缓存在分布式缓存服务器上的远程缓存。本地缓存的访问速度更快一些但是受应用服务器的内存限制，其缓存的数据量有限，而且会出现和应用程序挣用内存的现象，影响应用程序运行速度，甚至造成服务器死机。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，理论上可以无限扩容，如下图所示。

使用缓存后，数据访问压力得到有效缓解，但是单一的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的瓶颈。

使用服务器集群改善网站的并发处理能力

使用集群是网站解决高并发、海量数据的常用手段。当一台服务器的处理能力、存储空间不足时，可以在增加一台服务器分担原有服务器的访问及存储压力。

对于网站架构而言，只需要通过增加一台服务器的方式改善负载压力，就可以以同样的方式持续增加服务器不断改善系统性能，总而实现系统的可伸缩性。应用服务器实现集群是网站可伸缩集群架构设计最为简单成熟的一种，如下图所示。

通过负载均衡调度服务器，可将来自用户浏览器的访问请求分发到应用服务器几群的任何一台机器上，如果有更多的用户，就在集群中加入更多的应用服务器，使应用服务器的负载不再成为整个网站的瓶颈。

数据库读写分离

网站在使用缓存后，使绝大部分数据读操作可以不通过数据库就能完成，但是仍有一部分读操作（缓存未命中、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。

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的主从关系，可以将一台数据库服务器上的数据更新同步带另一台服务器上。网站利用数据库这一功能，实现数据库读写分离，从而改善数据库负载压力，如下图所示。

应用服务在写数据的时候，访问主数据库，主数据库通过主从复制机智将数据库更新同步到从数据库。这样当应用服务器读数据的时候，就可以通过从数据库获得数据。为了便于应用程序访问读写分离后的数据库，通常在应用服务器端使用专门的数据库服务模块，使数据库读写分离对应用透明。

使用反向代理和CDN加速网站响应

随着网站业务不断发展，用户规模越来越大，由于中国网络环境复杂，不同地区的用户访问网络时，速度差别极大，有研究表明，网站访问延迟和用户流失率正相关，网站访问越慢，用户越容易失去耐心而离开。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。主要手段有使用CDN和反向代理，如下图。

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方向代理服务器，如果反向代理服务器中缓存着用户请求的资源将直接返回给用户。
使用CDN和反向代理的目的都是尽早返回数据给用户，一方面加快用户访问速度，另一方面也减轻后端服务器的负载压力。

使用分布式文件系统和分布式数据库系统

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，从单一服务器拆分成两台服务器，但随着网站业务的发展依然不能满足需求，这时就需要使用分布式数据库。文件系统也是一样，需要使用分布式文件系统，如下图。

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分厂庞大的时候才使用。不到不得已时，网站更常用的数据库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。

使用搜索引擎和NOSQL

随着网站业务越来越复杂，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，如下图。

NOSQL 和搜索引擎都是源于互联网的技术手段，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

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 P2P 理财网站会将风控、银行存管、投资人、借款人、标的、资产打包和拆分分成不同的产品线，分归不同的业务团队负责。每个应用部署在独立的服务器上。应用之间可以通过消息中间件或者接口的方式建立连接，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。如下图。

分布式服务

随着业务拆分越来越小，存储系统越来越庞大，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。由于所有应用要和所有数据库系统连接，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。
既然每一个应用系统都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，而应用系统只需要管理用户界面，通过分布式服务调用共用业务服务完成具体业务操作，如下图。

大型网站架构发站历程讲到这里，接下来的文章将围绕着本篇所涉及到的技术展开，详细讲述大型网站核心技术以及一些业务场景下的最终解决方案。