Tumblr：150亿月浏览量背后的架构挑战（上）
导读：和许多新兴的网站一样，著名的轻博客服务 Tumblr 在急速发展中面临了系统架构的瓶颈。每天 5 亿次浏览量，峰值每秒 4 万次请求，每天 3TB 新的数据存储，超过 1000 台服务器，这样的情况下如何保证老系统平稳运行，平稳过渡到新的系统，Tumblr 正面临巨大的挑战。近日，HighScalability 网站的 Todd Hoff 采访了该公司的分布式系统工程师 Blake Matheny，撰文系统介绍了网站的架构，内容很有价值。我们也非常希望国内的公司和团队多做类似分享，贡献于社区的同时，更能提升自身的江湖地位，对招聘、业务发展都好处多多。
英文原文：High Scalability
Tumblr 每月页面浏览量超过 150 亿次，已经成为火爆的博客社区。用户也许喜欢它的简约、美丽，对用户体验的强烈关注，或是友好而忙碌的沟通方式，总之，它深得人们的喜爱。
每月超过 30% 的增长当然不可能没有挑战，其中可靠性问题尤为艰巨。每天 5 亿次浏览量，峰值每秒 4 万次请求，每天 3TB 新的数据存储，并运行于超过 1000 台服务器上，所有这些帮助 Tumblr 实现巨大的经营规模。
创业公司迈向成功，都要迈过危险的迅速发展期这道门槛。寻找人才，不断改造基础架构，维护旧的架构，同时要面对逐月大增的流量，而且曾经只有 4 位工程师。这意味着必须艰难地选择应该做什么，不该做什么。这就是 Tumblr 的状况。好在现在已经有 20 位工程师了，可以有精力解决问题，并开发一些有意思的解决方案。
Tumblr 最开始是非常典型的 LAMP 应用。目前正在向分布式服务模型演进，该模型基于Scala、HBase、Redis（著名开源K-V存储方案）、Kafka（Apache 项目，出自 LinkedIn 的分布式发布-订阅消息系统）、Finagle（由 Twitter 开源的容错、协议中立的 RPC 系统），此外还有一个有趣的基于 Cell 的架构，用来支持 Dashboard（CSDN 注：Tumblr 富有特色的用户界面，类似于微博的时间轴）。
Tumblr 目前的最大问题是如何改造为一个大规模网站。系统架构正在从 LAMP 演进为最先进的技术组合，同时团队也要从小的创业型发展为全副武装、随时待命的正规开发团队，不断创造出新的功能和基础设施。下面就是 Blake Matheny 对 Tumblr 系统架构情况的介绍。
网站地址
主要数据
- 每天 5 亿次 PV（页面访问量）
- 每月超过 150 亿 PV
- 约 20 名工程师
- 峰值请求每秒近 4 万次
- 每天超过 1TB 数据进入 Hadoop 集群
- MySQL/HBase/Redis/memcache 每天生成若干 TB 数据
- 每月增长 30%
- 近 1000 硬件节点用于生产环境
- 平均每位工程师每月负责数以亿计的页面访问
- 每天上传大约 50GB 的文章，每天跟帖更新数据大约2.7TB（CSDN 注：这两个数据的比例看上去不太合理，据Tumblr 数据科学家 Adam Laiacano 在 Twitter 上解释，前一个数据应该指的是文章的文本内容和元数据，不包括存储在 S3 上的多媒体内容）
软件环境
- 开发使用 OS X，生产环境使用 Linux（CentOS/Scientific）
- Apache
- PHP, Scala, Ruby
- Redis, HBase, MySQL
- Varnish,HAProxy, nginx
- memcache,Gearman（支持多语言的任务分发应用框架）， Kafka,Kestrel（Twitter 开源的分布式消息队列系统）， Finagle
- Thrift, HTTP
- Func——一个安全、支持脚本的远程控制框架和 API
- Git, Capistrano（多服务器脚本部署工具）， Puppet, Jenkins
硬件环境
- 500 台 Web 服务器
- 200 台数据库服务器（47 pool，20 shard）
- 30 台 memcache 服务器
- 22 台 Redis 服务器
- 15 台 Varnish 服务器
- 25 台 HAproxy 节点
- 8 台 nginx 服务器
- 14 台工作队列服务器（Kestrel + Gearman）
架构
1. 相对其他社交网站而言，Tumblr 有其独特的使用模式：
- 每天有超过 5 千万篇文章更新，平均每篇文章的跟帖又数以百计。用户一般只有数百个粉丝。这与其他社会化网站里少数用户有几百万粉丝非常不同，使得 Tumblr 的扩展性极具挑战性。
- 按用户使用时间衡量，Tumblr 已经是排名第二的社会化网站。内容的吸引力很强，有很多图片和视频，文章往往不短，一般也不会太长，但允许写得很长。文章内容往往比较深入，用户会花费更长的时间来阅读。
- 用户与其他用户建立联系后，可能会在 Dashboard 上往回翻几百页逐篇阅读，这与其他网站基本上只是部分信息流不同。
- 用户的数量庞大，用户的平均到达范围更广，用户较频繁的发帖，这些都意味着有巨量的更新需要处理。
2. Tumblr 目前运行在一个托管数据中心中，已在考虑地域上的分布性。
3. Tumblr 作为一个平台，由两个组件构成：公共 Tumblelogs 和 Dashboard
- 公共 Tumblelogs 与博客类似（此句请 Tumblr 用户校正），并非动态，易于缓存
- Dashboard 是类似于 Twitter 的时间轴，用户由此可以看到自己关注的所有用户的实时更新。与博客的扩展性不同，缓存作用不大，因为每次请求都不同，尤其是活跃的关注者。而且需要实时而 且一致，文章每天仅更新 50GB，跟帖每天更新2.7TB，所有的多媒体数据都存储在 S3 上面。
- 大多数用户以 Tumblr 作为内容浏览工具，每天浏览超过 5 亿个页面，70% 的浏览来自 Dashboard。
- Dashboard 的可用性已经不错，但 Tumblelog 一直不够好，因为基础设施是老的，而且很难迁移。由于人手不足，一时半会儿还顾不上。
老的架构
Tumblr 最开始是托管在 Rackspace 上的，每个自定义域名的博客都有一个A记录。当 2007 年 Rackspace 无法满足其发展速度不得不迁移时，大量的用户都需要同时迁移。所以他们不得不将自定义域名保留在 Rackspace，然后再使用 HAProxy 和 Varnish 路由到新的数据中心。类似这样的遗留问题很多。
开始的架构演进是典型的 LAMP 路线：
- 最初用 PHP 开发，几乎所有程序员都用 PHP
- 最初是三台服务器：一台 Web，一台数据库，一台 PHP
- 为了扩展，开始使用 memcache，然后引入前端 cache，然后在 cache 前再加 HAProxy，然后是 MySQL sharding（非常奏效）
- 采用“在单台服务器上榨出一切”的方式。过去一年已经用C开发了两个后端服务：ID 生成程序和Staircar（用 Redis 支持 Dashboard 通知）
Dashboard 采用了“扩散-收集”方式。当用户访问 Dashboard 时将显示事件，来自所关注的用户的事件是通过拉然后显示的。这样支撑了 6 个月。由于数据是按时间排序的，因此 sharding 模式不太管用。
新的架构
由于招人和开发速度等原因，改为以 JVM 为中心。目标是将一切从 PHP 应用改为服务，使应用变成请求鉴别、呈现等诸多服务之上的薄层。
这其中，非常重要的是选用了 Scala 和 Finagle。
- 在团队内部有很多人具备 Ruby 和 PHP 经验，所以 Scala 很有吸引力。
- Finagle 是选择 Scala 的重要因素之一。这个来自 Twitter 的库可以解决大多数分布式问题，比如分布式跟踪、服务发现、服务注册等。
- 转到 JVM 上之后，Finagle 提供了团队所需的所有基本功能（Thrift, ZooKeeper 等），无需再开发许多网络代码，另外，团队成员认识该项目的一些开发者。
- Foursquare 和 Twitter 都在用 Finagle，Meetup 也在用 Scala。
- 应用接口与 Thrift 类似，性能极佳。
- 团队本来很喜欢Netty（Java 异步网络应用框架，2月 4 日刚刚发布3.3.1最终版），但不想用 Java，Scala 是不错的选择。
- 选择 Finagle 是因为它很酷，还认识几个开发者。
之所以没有选择 Node.js，是因为以 JVM 为基础更容易扩展。Node 的发展为时尚短，缺乏标准、最佳实践以及大量久经测试的代码。而用 Scala 的话，可以使用所有 Java 代码。虽然其中并没有多少可扩展的东西，也无法解决 5 毫秒响应时间、49秒 HA、4万每秒请求甚至有时每秒 40 万次请求的问题。但是，Java 的生态链要大得多，有很多资源可以利用。
内部服务从C/libevent 为基础正在转向 Scala/Finagle 为基础。
开始采用新的NoSQL 存储方案如 HBase 和 Redis。但大量数据仍然存储在大量分区的 MySQL 架构中，并没有用 HBase 代替 MySQL。HBase 主要支持短地址生产程序（数以十亿计）还有历史数据和分析，非常结实。此外，HBase 也用于高写入需求场景，比如 Dashboard 刷新时一秒上百万的写入。之所以还没有替换 HBase，是因为不能冒业务上风险，目前还是依靠人来负责更保险，先在一些小的、不那么关键的项目中应用，以获得经验。MySQL 和时间序列数据 sharding（分片）的问题在于，总有一个分片太热。另外，由于要在 slave 上插入并发，也会遇到读复制延迟问题。
此外，还开发了一个公用服务框架：
- 花了很多时间解决分布式系统管理这个运维问题。
- 为服务开发了一种 Rails scaffolding，内部用模板来启动服务。
- 所有服务从运维的角度来看都是一样的，所有服务检查统计数据、监控、启动和停止的方式都一样。
- 工具方面，构建过程围绕SBT（一个 Scala 构建工具），使用插件和辅助程序管理常见操作，包括在 Git 里打标签，发布到代码库等等。大多数程序员都不用再操心构建系统的细节了。
200台数据库服务器中，很多是为了提高可用性而设，使用的是常规硬件，但 MTBF（平均故障间隔时间）极低。故障时，备用充足。
为了支持 PHP 应用有 6 个后端服务，并有一个小组专门开发后端服务。新服务的发布需要两到三周，包 括 Dashboard 通知、Dashboard 二级索引、短地址生成、处理透明分片的 memcache 代理。其中在 MySQL 分片上耗时很多。虽然在纽约本地非常热，但并没有使用 MongoDB，他们认为 MySQL 的可扩展性足够了。
Gearman用于会长期运行无需人工干预的工作。
可用性是以达到范围（reach）衡量的。用户能够访问自定义域或者 Dashboard 吗？也会用错误率。
历史上总是解决那些最高优先级的问题，而现在会对故障模式系统地分析和解决，目的是从用户和应用的角度来定成功指标。（后一句原文似乎不全）
最开始 Finagle 是用于 Actor 模型的，但是后来放弃了。对于运行后无需人工干预的工作，使用任务队列。而且 Twitter 的util 工具库中有 Future 实现，服务都是用 Future（Scala 中的无参数函数，在与函数关联的并行操作没有完成时，会阻塞调用方）实现的。当需要线程池的时候，就将 Future 传入 Future 池。一切都提交到 Future 池进行异步执行。
Scala 提倡无共享状态。由于已经在 Twitter 生产环境中经过测试，Finagle 这方面应该是没有问题的。使用 Scala 和 Finagle 中的结构需要避免可变状态，不使用长期运行的状态机。状态从数据库中拉出、使用再写回数据库。这样做的好处是，开发人员不需要操心线程和锁。
22台Redis服务器，每台的都有8-32个实例，因此线上同时使用了 100 多个 Redis 实例。
- Redis 主要用于 Dashboard 通知的后端存储。
- 所谓通知就是指某个用户 like 了某篇文章这样的事件。通知会在用户的 Dashboard 中显示，告诉他其他用户对其内容做了哪些操作。
- 高写入率使 MySQL 无法应对。
- 通知转瞬即逝，所以即使遗漏也不会有严重问题，因此 Redis 是这一场景的合适选择。
- 这也给了开发团队了解 Redis 的机会。
- 使用中完全没有发现 Redis 有任何问题，社区也非常棒。
- 开发了一个基于 Scala Futures 的 Redis 接口，该功能现在已经并入了 Cell 架构。
- 短地址生成程序使用 Redis 作为一级 Cache，HBase 作为永久存储。
- Dashboard 的二级索引是以 Redis 为基础开发的。
- Redis 还用作 Gearman 的持久存储层，使用 Finagle 开发的 memcache 代理。
- 正在缓慢地从 memcache 转向 Redis。希望最终只用一个 cache 服务。性能上 Redis 与 memcache 相当。
（先到这里吧，敬请期待下篇，包括如何用 Kafaka、Scribe、Thrift 实现内部活动流，Dashboard 的 Cell 架构，开发流程和经验教训等精彩内容。）
翻译：包研，张志平，刘江；审校：刘江