揭秘Facebook的系统架构

揭秘Facebook的系统架构

导读:本文根据 quora.com What is Facebook's architecture? 》这篇文章整理编译而来。


根据我现有的阅读和谈话,我所理解的今天Facebook的架构如下:

 

Web前端是由PHP写的。Facebook的HipHop  [1]会把PHP转成C++并用g++编译,这样就可以为模板和Web逻贺业务层提供高的性能。

业务逻辑以Service的形式存在,其使用Thrift  [2]。这些Service根据需求的不同由PHP,C++或Java实现(也可以用到了其它的一些语言……)

用Java写的Services没有用到任何一个企业级的应用服务器,但用到了Facebook自己的定制的应用服务器。看上去好像是重新发明轮 子,但是这些Services只被暴露给Thrift使用(绝大所数是这样),Tomcat太重量级了,即使是Jetty也可能太过了点,其附加值对 Facebook所需要的没有意义。

持久化由MySQL, Memcached  [3],Facebook的Cassandra  [4],Hadoop的HBase  [5]完成。Memcached使用了MySQL的内存Cache。Facebook工程师承认他们的Cassandra使用正在减少,因为他们更喜欢HBase,因为它的更简单的一致性模型,以到其MapReduce能力。

离线处理使用Hadoop和Hive。

日志,点击,feeds数据使用Scribe  [6],把其聚合并存在HDFS,其使用Scribe-HDFS  [7],因而允许使用MapReduce进行扩展分析。

BigPipe  [8]是他们的定制技术,用来加速页面显示。

Varnish Cache [9]用作HTTP代理。他们用这个的原因是高速和有效率 。[10].

用来搞定用户上传的十亿张照片的存储 ,其由Haystack处理,Facebook自己开发了一个Ad-Hoc存储方案,其主要做了一些低层优化和“仅追加”写技术 [11].

Facebook Messages使用了自己的架构,其明显地构建在了一个动态集群的基础架构上。业务逻辑和持久化被封装在一个所谓的‘Cell’。每个‘Cell’都处 理一部分用户,新的‘Cell’可以因为访问热度被添加[12]。持久化归档使用HBase[13]。

Facebook Messages的搜索引擎由存储在HBase中的一个倒置索引的构建。[14]

Facebook搜索引擎实现细节据我所知目前是未知状态。

Typeahead搜索使用了一个定制的存储和检索逻辑。[15]

Chat基于一个Epoll服务器,这个服务器由Erlang开发,由Thrift存取 [16]

关于那些供给给上述组件的资源,下面是一些信息和数量,但是有一些是未知的:

Facebook估计有超过60,000台服务器[16]。他们最新的数据中心在俄勒冈州的Prineville,其基于完全自定设计的硬件[17] 那是最近才公开的 Open Compute 项目 [18]。

300TB的数据存在Memcached中处理[19]

他们的Hadoop和Hive集群由3000服务器组成,每台服务器有8个核,32GB的内存,12TB的硬盘,全部有2万4千个CPU的核,96TB内存和36PB的硬盘。[20]

每天有1000亿的点击量,500亿张照片,100 billion hits per day, 50 billion photos,3万亿个对象被Cache,每天130TB的日志(2010年7月的数据 )[21]

 

参考引用

[1] HipHop for PHP

[2] Thrift

[3] Memcached

[4] Cassandra

[5] HBase

[6] Scribe

[7] Scribe-HDFS

[8] BigPipe

[9] Varnish Cache

[10] Facebook goes for Varnish

[11] Needle in a haystack : efficient storage of billions of photos

[12] Scaling the Messages Application Back End

[13] The Underlying Technology of Messages

[14] The Underlying Technology of Messages Tech Talk

[15] Facebook’s typeahead search architecture

[16] Facebook Chat

[17] Who has the most Web Servers?

[18] Building Efficient Data Centers with the Open Compute Project

[19] Open Compute Project

[20] Facebook’s architecture presentation at Devoxx 2010

[21] Scaling Facebook to 500 millions users and beyond

原文出自:quora.com

译文出自:cnbeta

你可能感兴趣的:(揭秘Facebook的系统架构)