假如有1亿用户的访问量,你的服务器架构是怎样的?

我们以淘宝架构为例，了解下大型电商项目的服务端架构是怎样的，如图1所示：

上面是一些安全体系系统，如数据安全体系、应用安全体系、前端安全体系等。

中间是业务运营服务系统，如会员服务、商品服务、店铺服务、交易服务等。

还有共享业务，如分布式数据层、数据分析服务、配置服务、数据搜索服务等。

最下面是中间件服务，如MQS即队列服务，OCS即缓存服务等。

图片来自包图网

图中也有一些看不到，例如高可用的体现、实现双机房容灾和异地机房单元化部署，为淘宝业务提供稳定、高效和易于维护的基础架构支撑。

图1

这是一个含金量非常高的架构，也是一个非常复杂而庞大的架构。当然这个架构不是一天两天演进而成，也不是一上来就设计并开发成这么高大上的。

这边我想说的是，小型公司要怎么做架构呢?对很多创业公司而言，很难在初期就预估到流量十倍、百倍以及千倍以后的网站架构会是一个怎样的状况。同时，如果系统初期就设计一个千万级并发的流量架构，也很难有公司可以支撑这个成本。

因此，一个大型服务系统都是从一步一步走过来的，在每个阶段，找到对应该阶段网站架构所面临的问题，然后在不断解决这些问题，在这个过程中整个架构会一直演进。

一、单服务器-俗称all in one

从一个小网站说起。一台服务器也就足够了。文件服务器，数据库，还有应用都部署在一台机器，俗称ALL IN ONE。

随着我们用户越来越多，访问越来越大，硬盘、CPU、内存等都开始吃紧，一台服务器已经满足不了。这时看到下一步演进。

二、数据服务与应用服务分离

 

三、使用缓存

包括本地缓存、远程缓存、远程分布式缓存。

因为 80% 的业务访问都集中在 20% 的数据上，也就是我们经常说的28法则。如果能将这部分数据缓存下来，性能一下子就上来了。而缓存又分为两种：本地缓存和远程缓存缓存，以及远程分布式缓存，我们这里面的远程缓存图上画的是分布式的缓存集群(Cluster)。

思考的点

• 具有哪种业务特点数据使用缓存?
• 具有哪种业务特点的数据使用本地缓存?
• 具有哪种务特点的数据使用远程缓存?
• 分布式缓存在扩容时会碰到什么问题?如何解决?分布式缓存的算法都有哪几种?各有什么优缺点?

四、使用负载均衡，进行服务器集群

增加了负载均衡、服务器集群之后，我们可以横向扩展服务器，解决了服务器处理能力的瓶颈。

思考的点

• 负载均衡的调度策略都有哪些?
• 各有什么优缺点?
• 各适合什么场景?

打个比方，我们有轮询、权重、地址散列，地址散列又分为原ip地址散列hash、目标ip地址散列hash，最少连接，加权最少连接，还有继续升级的很多种策略......我们都来分析一下。

典型负载均衡策略分析

• 轮询：优点-实现简单，缺点-不考虑每台服务器处理能力
• 权重：优点-考虑了服务器处理能力的不同
• 地址散列：优点-能实现同一个用户访问同一个服务器
• 最少连接：优点-使集群中各个服务器负载更加均匀
• 加权最少连接：在最少连接的基础上，为每台服务器加上权值。算法为(活动连接数*256+非活动连接数)/权重，计算出来的值小的服务器优先被选择。

继续引出问题的场景

Session管理-Session Sticky粘滞会话 

打个比方，如果我们每次吃饭都要保证用的是自己的碗筷，只要我们在一家饭店里存着自己的碗筷，并且每次去这家饭店吃饭就好了。

对于同一个连接中的数据包，负载均衡会将其转发至后端固定的服务器进行处理。

解决了我们session共享的问题，但是它有什么缺点呢?

一台服务器运行的服务挂掉，或者重启，上面的 session 都没了。

负载均衡器成了有状态的机器，为以后实现容灾造成了羁绊。

Session管理-Session 复制

就像我们在所有的饭店里都存一份自己的碗筷。这样随意去哪一家饭店吃饭都OK，不适合做大规模集群，适合机器不多的情况。

解决了我们session共享的问题，但是它有什么缺点呢?

应用服务器间带宽问题，因为需要不断同步session数据。

大量用户在线时，服务器占用内存过多。

Session管理-基于Cookie

打个比方，就是我们每次去饭店吃饭，都带着自己的碗筷去。

解决了我们session共享的问题，但是它有什么缺点呢?

cookie 的长度限制。

cookie存于浏览器，安全性是一个问题。

Session管理-Session 服务器

打个比方，就是我们的碗筷都存在了一个庞大的橱柜里，我们去任何一家饭店吃饭，都可以从橱柜中拿到属于我们自己的碗筷。

解决了我们session共享的问题，这种方案需要思考哪些问题呢?

保证 session 服务器的可用性，session服务器单点如何解决?

我们在写应用时需要做调整存储session的业务逻辑。

打个比方，为了提高session server的可用性，我们可以继续给session server做集群。

五、中间总结

所以网站架构在遇到某些指标瓶颈、演进的过程中，都有哪些解决方案?它们都有什么优缺点?业务功能上如何取舍?如何做出选择?这个过程才是最重要的。

在解决了横向扩展应用服务器之后，我们继续回到目前的架构图：

数据库的读及写操作都还需要经过数据库。当用户量达到一定量，数据库将会成为瓶颈。又该如何解决呢?

六、数据库读写分离

思考的点

• 如何支持多数据源?
• 如何封装对业务没有侵入?
• 如何使用目前业务的ORM框架完成主从读写分离?是否需要更4. 换ORM模型?ORM模型之间各有什么优缺点?
• 如何取舍?

数据库读写分离会遇到如下问题：

• 在master和slave复制的时候，考虑延时问题、数据库的支持、复制条件的支持。
• 当为了提高可用性，将数据库分机房后，跨机房传输同步数据，这个更是问题。
• 应用对于数据源的路由问题。

七、使用反向代理和CDN加速网站响应

八、分布式文件系统

思考的点

• 分布式文件系统如何不影响已部署在线上的业务访问?不能让某个图片突然访问不到呀。
• 是否需要业务部门清洗数据?
• 是否需要重新做域名解析?

这时数据库又出现了瓶颈。

九、数据垂直拆分

数据库专库专用，如图Products、Users、Deal库。解决写数据时并发量大的问题。

思考的点

• 跨业务的事务如何解决?使用分布式事务、去掉事务或不追求强事务。
• 应用的配置项多了。
• 如何跨库进行数据的join操作?

这个时候，某个业务的数据表的数据量或者更新量达到了单个数据库的瓶颈。

十、数据水平拆分

如图，我们把User拆成了User1和User2，将同一个表的数据拆分到两个数据库中，解决了单数据库的瓶颈。

思考的点

• 水平拆分的策略都有哪些?各有什么优缺点?
• 水平拆分的时候如何清洗数据?
• SQL的路由问题，需要知道某个User在哪个数据库上。
• 主键的策略会有不同。

假设系统中需要查询2017年4月份已经下单过的用户名的明细，而这些用户分布在user1和user2上，我们后台运营系统在展示时如何分页?

这个时候，公司对外部做了流量导入，我们应用中的搜索量飙升，继续演进。

十一、拆分搜索引擎

总结

本文只是一个举例演示，各个服务的技术架构需要根据自己业务特点进行优化和演进，所以大家的过程也不完全相同。

最后的这个示例也不是完美的，例如负载均衡还是一个单点，也需要集群，我们这个架构也只是冰山一角。因为在架构演进的过程中，还要考虑系统的安全性、数据分析、监控、反作弊等，同时往后继续发展，也要考虑到SOA架构、服务化、消息队列、任务调度、多机房等。

从以上对架构演进的讲解，也可以看出来，所有大型项目的架构和代码，都是一步一步根据实际的业务场景和发展情况发展演变而来，在不同的阶段，会使用的不同的技术，不同的架构来解决实际的问题，所以说，高大上的项目技术架构和开发设计实现不是一蹴而就的。

正是所谓的万丈高楼平地起。在架构演进的过程中，小到核心模块代码，大到核心架构，都会不断演进的，这个过程值得我们去深入学习和思考。