大型网站架构演化

大型网站架构演化


      如果把上世纪90年代初CERN正式发布Web标准和第一个Web服务的出现当做互 联网站的开始,那么互联网站的发展只经历了短短20多年的时间。在20多年的时间里, 互联网的世界发生了巨大变化,今天,全球有近一半的人口使用互联网,人们的生活因 为互联网而产生了巨大改变。从信息检索到即时通信,从电子购物到文化娱乐,互联网 渗透到生活的每个角落,而且这种趋势还在加速。因为互联网,我们的世界正变得越来 越小。

      同时我们也看到,在互联网跨越式发展的进程中,在电子商务火热的市场背后却是 不堪重负的网站架构,某些B2C网站逢促销必宕机几乎成为一种规律,而铁道部电子客 票官方购票网站的频繁故障和操作延迟更将这一现象演绎得淋漓尽致。

      一边是企业在网站技术上的大量投入,一边却是网站在关键时刻的频繁宕机;一边是工程师夜以继日地加班工作,一边却是网站故障频发新功能上线缓慢;一边是互联网 业务快速发展多领域挑战传统行业,一边却是网站安全漏洞频发让网民胆战心惊怨声载道。

      如何打造一个高可用、高性能、易扩展、可伸缩且安全的网站?如何让网站随应用 所需灵活变动,即使是山寨他人的产品,也可以山寨的更高、更快、更强,一年时间用户数从零过亿呢?

一、大型网站软件系统的特点


与传统企业应用系统相比,大型互联网应用系统有以下特点。

  1. 高并发,大流量: 需要面对高并发用户,大流量访问。Google日均PV数35亿,日 均IP访问数3亿;腾讯QQ的最大在线用户数1.4亿(2011年数据);淘宝2012年“双十一”活动一天交易额超过191亿,活动开始第一分钟独立访问用户达1000万
  2. 高可用: 系统7x24小时不间断服务。大型互联网站的宕机事件通常会成为新闻焦点,例如2010年百度域名被黑客劫持导致不能访问,成为重大新闻热点。
  3. 海量数据: 需要存储、管理海量数据,需要使用大量服务器。Facebook每周上传的 照片数目接近10亿,百度收录的网页数目有数百亿,Google有近百万台服务器为全球用 户提供服务。
  4. 用户分布广泛,网络情况复杂: 许多大型互联网都是为全球用户提供服务的,用户 分布范围广,各地网络情况千差万别。在国内,还有各个运营商网络互通难的问题。而 中美光缆的数次故障,也让一些对国外用户依赖较大的网站不得不考虑在海外建立数据中心。
  5. 安全环境恶劣: 由于互联网的开放性,使得互联网站更容易受到攻击,大型网站几 乎每天都会被黑客攻击。2011年国内多个重要网站泄露用户密码,让普通用户也直面一 次互联网安全问题。
  6. 需求快速变更,发布频繁: 和传统软件的版本发布频率不同,互联网产品为快速适 应市场,满足用户需求,其产品发布频率是极高的。Office的产品版本以年为单位发布, 而一般大型网站的产品每周都有新版本发布上线,至于中小型网站的发布就更频繁了, 有时候一天会发布几十次。
  7. 渐进式发展: 与传统软件产品或企业应用系统一开始就规划好全部的功能和非功能 需求不同,几乎所有的大型互联网站都是从一个小网站开始,渐进地发展起来的。Facebook 是伯克扎克同学在哈佛大学的宿舍里开发的;Google的第一台服务器部署在斯坦福大学 的实验室里;阿里巴巴则是在马云家的客厅里诞生的。好的互联网产品都是慢慢运营出来的,不是一开始就开发好的,这也正好与网站架构的发展演化过程对应。

1.1、大型网站演化发展历程


      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解决这类问题。

1.2、初始阶段的网站架构


      大型网站都是从小型网站发展而来,网站架构也是一样,是从小型网站架构逐步演 化而来。小型网站最开始时没有太多人访问,只需要一台服务器就绰绰有余,这时的网 站架构如图1.1所示。
1.1
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,应用程序使用PHP开发,然后部署在Apache上,数据库使用MySQL,汇集各种免费开源软件及一台廉价服务器就可以开始网站的发展之路了。

1.3、应用服务和数据服务分离


      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、文件服务器和数据库服务器,如图1.2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 需要更快的硬盘和更大的内存;文件服务器需要存储大量用户上传的文件,因此需要更 大的硬盘。
1.2
      应用和数据分离后,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。但是随着用户逐渐增多, 网站又一次面临挑战: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。这时需要对网站架构进一步优化。

1.4、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数多、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;只有经常登录的用户才会发微博、看微博,而这部分用户也只占总用户数目的一小部分。
      既然大部分的业务访问集中在一小部分数据上,那么如果把这一小部分数据缓存在 内存中,是不是就可以减少数据库的访问压力,提高整个网站的数据访问速度,改善数 据库的写入性能了呢?

      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和缓存在专门的分 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,但是受应用服务器内存 限制,其缓存数据量有限,而且会出现和应用程序争用内存的情况。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,如图1.3所示。
1.3

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。

1.5、使用应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、海量数据问题的常用手段。当一台服务器的处理能力、存储空间不足时,不要企图去换更强大的服务器,对大型网站而言,不管多么强大的服务器,都满足不了网站持续增长的业务需求。这种情况下,更恰当的做法是增加一台服务器分担原有服务器的访问及存储压力。

      对网站架构而言,只要能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,从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中较为简单成熟的一种,如图1.4所示。
1.4
      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集群 中的任何一台服务器上,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压力不再成为整个网站的瓶颈。

1.6、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访问都可以不通过数据库就能完成,但是仍有一部分读操作(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。

      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,从而改善数据库负载压力,如图1.5所示
1.5      应用服务器在写数据的时候,访问主数据库,主数据库通过主从复制机制将数据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访问模块,使数据库读写分离对应用透明。

1.7、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,由于中国复杂的网络环境,不同地区 的用户访问网站时,速度差别也极大。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,如图1.6所示。

      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。

1.6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。

1.8、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,从一台服务器拆分成两台服务器,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。文件系统也是一样,需要使用分布式文件系统。如图1.7

      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,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。
1.7

1.9、使用NoSQL和搜索引擎


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 一些非关系数据库技术如NoSQL和非数据库查询技术如搜索引擎。
在这里插入图片描述

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。

1.1.1、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。

      具体到技术上,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(在首页上的导航链接每个都 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,如图1.9所示。
1.9

1.1.2、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,导致存数据库接资源不足,拒绝服务。

      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,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,如图
在这里插入图片描述
      大型网站的架构演化到这里,基本上大多数的技术问题都得以解决,诸如跨数据中 心的实时数据同步和具体网站业务相关的问题也都可以通过组合改进现有技术架构来解决。

      但事物发展到一定阶段,就会拥有自身的发展冲动,摆脱其初衷,向着使自己更强 大的方向发展。既然大型网站架构解决了海量数据的管理和高并发事务的处理,那么就 可以把这些解决方案应用到网站自身以外的业务上去。我们看到目前许多大型网站都开 始建设云计算平台,将计算作为一种基础资源出售,中小网站不需要再关心技术架构问 题,只需要按需付费,就可以使网站随着业务的增长逐渐获得更大的存储空间和更多的 计算资源。

1.1.3、大型网站架构演化的价值观


      这个世界没有哪个网站从诞生起就是大型网站;也没有哪个网站第一次发布就拥有庞大的用户,高并发的访问,海量的数据;大型网站都是从小型网站发展而来。网站的 价值在于它能为用户提供什么价值,在于网站能做什么,而不在于它是怎么做的,所以 在网站还很小的时候就去追求网站的架构是舍本逐末,得不偿失的。小型网站最需要做 的就是为用户提供好的服务来创造价值,得到用户的认可,活下去,野蛮生长。

      所以我们看到,一方面是随着互联网的高速发展,越来越多新的软件技术和产品从 互联网公司诞生,挑战传统软件巨头的江湖地位。另一方面却是中小网站十几年如一日 地使用LAMP技术(Linux + Apache+MySQL+PHP )开发自己的网站,因为LAMP既便宜又简单,而且对付一个中小型网站绰绰有余。

1.1.4、大型网站架构技术的核心价值是随网站所需灵活应对


      大型网站架构技术的核心价值不是从无到有搭建一个大型网站,而是能够伴随小型 网站业务的逐步发展,慢慢地演化成一个大型网站。在这个漫长的技术演化过程中,不 需要放弃什么,不需要推翻什么,不需要剧烈的革命,就那么润物细无声地把一个只有 一台服务器,几百个用户的小网站演化成一个几十万台服务器,数十亿用户的大网站。今 天我们看到的大型网站,Google,Facebook,Taobao,Baidu莫不遵循这样的技术演化路线。

1.1.5、驱动大型网站技术发展的主要力量是网站的业务发展


      创新的业务发展模式对网站架构逐步提出更高要求,才使得创新的网站架构得以发展成熟。是业务成就了技术,是事业成就了人,而不是相反。所以网站架构师应该对成就自己技术成绩的网站事业心存感恩,并努力提高技术回馈业务,才能在快速发展的互联网领域保持持续进步。

      不过我们也看到有些传统企业投身互联网,在业务问题还没有理清楚的时候就从外 面挖来许多技术高手,仿照成功的互联网公司打造技术平台,这无疑是南辕北辙,缘木 求鱼。而这些技术高手离幵了它们熟悉的环境和工作模式,也是张飞拿着绣花针使不上劲来。

二、网站架构设计误区


在大型网站架构发展过程中有如下几个容易出现的误区。

2.1、一味追随大公司的解决方案


      由于大公司巨大成功的光环效应,再加上从大公司挖来的技术高手的影响,网站在讨论架构决策时,最有说服力的一句话就成了 “淘宝就是这么搞的”或者“Facebook就是这么搞的”。
大公司的经验和成功模式固然重要,值得学习借鉴,但如果因此而变得盲从,就失去了坚持自我的勇气,在架构演化的道路上迟早会迷路。

2.2、为了技术而技术


      网站技术是为业务而存在的,除此毫无意义。在技术选型和架构设计中,脱离网站业务发展的实际,一味追求时髦的新技术,可能会将网站技术发展引入崎岖小道,架构之路越走越难。

2.3、企图用技术解决所有问题


      最典型的例子就是2012年年初12306故障事件后,软件开发技术界的反应。
各路专业和非专业人士众说纷纭地帮12306的技术架构出谋划策,甚至有人提议帮 12306写一个开源的网站,解决其大规模并发访问的问题。

      12306真正的问题其实不在于它的技术架构,而在于它的业务架构:12306根本就不应该在几亿中国人一票难求的情况下以窗口售票的模式在网上售票(零点开始出售若干天后的车票)。12306需要重构的不仅是它的技术架构,更重要的是它的业务架构:调整业务需求,换一种方式卖票,而不要去搞促销秒杀这种噱头式的游戏。

      后来证明12306确实是朝这个方向发展的:在售票方式上引入了排队机制、整点售 票调整为分时段售票。其实如果能控制住并发访问的量,很多棘手的技术问题也就不是 什么问题了。

小结:

      时至今日,大型网站的架构演化方案已经非常成熟,各种技术方案也逐渐产品化。 许多小型网站已经慢慢不需要再经历大型网站经历过的架构演化之路就可以逐步发展壮 大,因为现在越来越多的网站从建立之初就是搭建在大型网站提供的云计算服务基础之 上,所需要的一切技术资源:计算、存储、网络都可以按需购买,线性伸缩,不需要自 己一点一点地拼凑各种资源,综合使用各种技术方案逐步去完善自己的网站架构了。

      所以能亲身经历一个网站从小到大的架构演化过程的网站架构师越来越少,虽然过去有这种经历的架构师也很少(从小型网站发展成大型网站的机会本来就极少),但是将来可能真就没有了。

      但也正因为网站架构技术演化过程难以重现,所以网站架构师更应该对这个过程深刻了解,理解已成熟的网站架构技术方案的来龙去脉和历史渊源,在技术选型和架构决策时才能有的放矢,直击要害。

声明:以上内容来自:《大型网站技术架构:核心原理与案例分析第一章》

你可能感兴趣的:(自我充电,网站技术,Linux,大型网站技术架构学习)