架构学习笔记—Twitter

作为140个字的缔造者，twitter太简单了，又太复杂了，简单是因为仅仅用140个字居然使有几次世界性事件的传播速度超过任何媒体，复杂是因为要为2亿用户提供这看似简单的140个字的服务，这真的是因为简单，所以复杂 。可是比较遗憾的是目前在中国大陆twitter是无法访问的，但作为一个爱好架构的程序猿，这道墙是必须得翻的，墙外的世界更精彩。今天就结合网络上的一些资料，来浅谈一下我对twitter网站架构的学习体会，希望给路过的朋友一点启示.......

另外，本文很多内容也是来自互联网，如有侵权方面的内容请留言，我会及时处理。

一、twitter网站基本情况概览

1. 截至2011年4月，twitter的注册用户约为1.75亿，并以每天300000的新用户注册数增长，但是其真正的活跃用户远远小于这个数目，大部分注册用户都是没有关注者或没有关注别人的，这也是与facebook的6亿活跃用户不能相提并论的。
2. twitter每月有180万独立访问用户数，并且75%的流量来自twitter.com以外的网站。每天通过API有30亿次请求，每天平均产生5500次tweet，37%活跃用户为手机用户，约60%的tweet来自第三方的应用。
3. 平台：Ruby on Rails 、Erlang 、MySQL 、Mongrel 、Munin 、Nagios 、Google Analytics 、AWStats 、Memcached

下图是twitter的整体架构设计图：

二、twitter的平台

twitter平台大致由twitter.com、手机以及第三方应用构成，如下图所示：

其中流量主要以手机和第三方为主要来源。

• Ruby on Rails：web应用程序的框架
• Erlang：通用的面向并发的编程语言，开源项目地址：http://www.erlang.org/
• AWStats：实时日志分析系统：开源项目地址：http://awstats.sourceforge.net/
• Memcached：分布式内存缓存组建
• Starling：Ruby开发的轻量级消息队列
• Varnish：高性能开源HTTP加速器
• Kestrel：scala编写的消息中间件，开源项目地址：http://github.com/robey/kestrel
• Comet Server：Comet是一种ajax长连接技术，利用Comet可以实现服务器主动向web浏览器推送数据，从而避免客户端的轮询带来的性能损失。
• libmemcached：一个memcached客户端
• 使用mysql数据库服务器
• Mongrel：Ruby的http服务器，专门应用于rails，开源项目地址：http://rubyforge.org/projects/mongrel/
• Munin：服务端监控程序，项目地址：http://munin-monitoring.org/
• Nagios：网络监控系统，项目地址：http://www.nagios.org/

三、缓存

讲着讲着就又说到缓存了，确实，缓存在大型web项目中起到了举足轻重的作用，毕竟数据越靠近CPU存取速度越快。下图是twitter的缓存架构图：

大量使用memcached作缓存

• 例如，如果获得一个count非常慢，你可以将count在1毫秒内扔入memcached
• 获取朋友的状态是很复杂的，这有安全等其他问题，所以朋友的状态更新后扔在缓存里而不是做一个查询。不会接触到数据库 
• ActiveRecord对象很大所以没有被缓存。Twitter将critical的属性存储在一个哈希里并且当访问时迟加载 
• 90%的请求为API请求。所以在前端不做任何page和fragment缓存。页面非常时间敏感所以效率不高，但Twitter缓存了API请求

在memcached缓存策略中，又有所改进，如下所述：

1、创建一个直写式向量缓存Vector Cache ，包含了一个tweet ID的数组，tweet ID是序列化的64位整数，命中率是99%

2、加入一个直写式行缓存Row Cache ，它包含了数据库记录：用户和tweets。这一缓存有着95%的命中率。

3、引入了一个直读式的碎片缓存Fragmeng Cache ，它包含了通过API客户端访问到的sweets序列化版本，这些sweets可以被打包成json、xml或者Atom格式，同样也有着95%的命中率。

4、为页面缓存创建一个单独的缓存池Page Cache 。该页面缓存池使用了一个分代的键模式，而不是直接的实效。

四、消息队列

• 大量使用消息。生产者生产消息并放入队列，然后分发给消费者。Twitter主要的功能是作为不同形式(SMS，Web，IM等等)之间的消息桥
• 使用DRb，这意味着分布式Ruby。有一个库允许你通过TCP/IP从远程Ruby对象发送和接收消息，但是它有点脆弱 
• 移到Rinda，它是使用tuplespace模型的一个分享队列，但是队列是持久的，当失败时消息会丢失 
• 尝试了Erlang 
• 移到Starling，用Ruby写的一个分布式队列 
• 分布式队列通过将它们写入硬盘用来挽救系统崩溃。其他大型网站也使用这种简单的方式

五、总结

1、数据库一定要进行合理索引

2、要尽可能快的认知你的系统，这就要你能灵活地运用各种工具了

3、缓存，缓存，还是缓存，缓存一切可以缓存的，让你的应用飞起来。