已阅读
从0到1的大型网站cdn加速架构演变学
概述
现实社会小型互联网企业能发展成为大型互联网企业的机会极少,对应的其业务网站系统能够从小变大的机会就极少,所以能亲身经历一个网站从小变大的架构演化过程的架构师也并不是很多。
首先大型网站不是设计出来的, 而是逐步发展演化出的。
不要企图去设计一个大型网站!!!
有些传统企业进军互联网,凭借雄厚的资本、丰富的行业经验、近乎垄断的市场地位,试图在互联网领域开发一个大型网站复制其在传统行业的优势地位。但是互联网发展运行有其自己的规律,短暂的互联网历史已经证明这种企图是行不通的。
垄断、拍照、行业壁垒、国有资本、行政资源,这些在传统行业呼风唤雨的魔法到了互联网领域只会被嘲笑和作弄。庞大只是笨拙而已,壁垒只会画地为牢,没有太多可以依靠的。
互联网没有门槛,谁都可以进来玩,但是进来后,最好是把那些陈旧的思想和包袱都放下,重新来过。
认识互联网
如果把20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, 那么互联网的发展只经历了20多年的时间。
在这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。从信息检索到及时通讯,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,我们的世界正在变得越来越小,正在实现真正意义上的「地球村」。
互联网是一个开放和分享的世界, 她是创新者的乐园,探险者的处女地。只要努力,富有想象力和聪明才智,能为用户创造价值,能推动社会进步,不管开始时多么弱小,总有机会迅速聚集资金、人才和注意力,在很短的时间内发展壮大。
互联网也是一种精神,一种开放、分享、自由的精神;越是付出不问回报,越是获得丰厚的回报;越是不设边界,越是拥有整个世界。互联网是一种颠覆,打碎所有的藩篱,给所有人平等表达和获取的机会,每个人都可以发出自己的声音。互联网是一种建设,重塑人们的思维方式和社会运行方式,建设一个人和人彼此理解信任的世界。
互联网正在并将继续改变这个世界,一切才刚刚开始。
大型网站软件系统的特点
-
高并发、大流量:日均PV数35亿,日均IP访问数3亿,最大在线用户数5亿,微信日活近10亿 等
-
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都会成为新闻焦点。
-
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有10亿。
-
用户分布广泛,网络情况复杂:许多大型网站都是为全球用户提供服务,用户分布广,各地网络情况差异大。国内还有各个运营商网络互通难的问题。
-
安全环境恶劣:由于互联网的开放性,使得互联网站容易受到攻击。
-
需求变更快,发布频繁:互联网产品未快速适应市场,满足用户需求,产品发布频率极高。
-
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,渐进发展起来的。Facebook 是扎克伯格在哈佛宿舍里开发的;阿里巴巴则是在马老师家的客厅诞生。正如周鸿祎所说:“好的互联网产品都是慢慢运营出来的,不是一下子开发出来的”。
大型放在架构演化发展历程
大型网站的技术挑战主要来自于庞大的用户数量,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。而大型网站架构主要就是要解决这类问题。
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所示:
应用程序、数据库、文件等所有的资源都放在一台服务器上。通常服务器操作系统使用Linux, 应用程序使用PHP, 然后部署在Apache上,数据库使用开源的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。
随着网站业务的发展,一台服务器逐渐满足不了需求: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。
这时就需要将数据和应用分离。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。
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。如图所示:
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都得到了很大改善,支持网站业务进一步发展。
但是随着企业业务的正向发展,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,进而影响整个网站服务的性能,用户体用降低。此时,则需要对网站架构进一步优化。
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;百度和谷歌搜索关键词集中在少部分热门词汇;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的小部分。
既然大部分的业务访问集中在一小部分的数据上,如果将这一小部分数据缓存在内存中,是否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,从而提升用户体验。
网站使用缓存可以分为两种:「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会更快一些,但是受应用服务器的内存限制,其可缓存的数据量有限,而且会出现和应用程序争抢内存资源的情况。
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。如图所示:
使用缓存后, 数据访问压力得到有效解决, 但是单一应用服务器能够处理的请求连接比较有限,在网站访问高峰期,应用服务器成为整个网站的瓶颈。
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,如果进行纵向扩展,升级服务器的CPU、内存、硬盘,对大型网站而言,都无法满足网站持续增长的业务需求。这种情况下,应选择进行横向拓展,增加一台或多台服务器分担原有服务器的访问和存储压力。
通过负载均衡调度服务,可以将来自用户浏览器的访问请求分发的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, 则可以往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。
如图所示:
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。
网站在使用缓存后,使得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(缓存访问没有命中、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外一台服务器上。大型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。
如图所示:
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读取数据。
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。
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(三大运营商以及部分中小型网络运营商), 不同地区的用户访问网站时, 速度差别也很大。而现实中,网站访问延迟和用户流失率成正相关,网站访问响应越慢,用户体验相对越低,用户越容易失去耐心而离开。为了提供更好的用户体验,保证用户留存,网站需要加速网站资源的访问速度。主要的加速手段有:CDN和反向代理。如图所示:
CDN 和 反向代理的基本原理都是缓存。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,遵循就近访问原则;反向代理则是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。
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,提升用户体验,另一方面可以减轻后端服务器的负载压力,也节约服务器带宽成本。
任何强大的单一服务器都满足不了大型网站持续增加的业务需求。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难以满足需求,这时则需要使用分布式数据库。文件系统也一样,需要使用分布式文件系统,增加文件存储空间。如图所示:
分布式数据库是网站数据库拆分的最后手段,只有在单标数据规模非常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。
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行数据库技术----NoSQL,以及非数据库查询技术----搜索引擎。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问题。如图所示:
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、卖家、买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,将一个网站拆分成多个不同的应用,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(在首页上的导航菜单链接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管理的完整系统。
如图所示:
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进行连接,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,导致数据库连接资源不足,拒绝服务。
其实每一个应用系统都需要执行许多相同的业务操作,如:用户管理、商品管理等,那么可以将这些公共的业务提取出来,独立部署。
由这些可复用的业务连接数据库,提供公用业务服务,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完成具体业务操作。
如图所示:
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了。诸如跨数据中心的实时数据同步、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。
万事万物都是在不断变化、发展的,当达到一定阶段,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业务以外的业务上去。目前许多大型网站都已经建设云平台,将计算作为一种基础资源出售,中小企业的网站不再需要关心技术架构问题,只需要按需使用和按量付费,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。
小结
这个世界没有哪个网站从诞生起就是大型网站,没有哪个网站第一次发布就拥有庞大的用户群,所有的大型网站都是从小型网站发展而来。
大型网站架构技术的核心价值不是从无到有直接搭建一个大型网站,而是能够伴随小型网站业务的逐步发展,慢慢地、润物细无声一般地把一个LAMP 小型网站逐渐演化为一个几十万台服务器,数十亿用户的大网站,如:Taobao、Facebook、Google、amazon、Baidu。
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。越来越多的网站从一开始就搭建在云计算服务技术之上,所需要的一切技术资源:计算、存储、网络以及一些增值服务都可以按需购买,弹性伸缩,综合使用各种技术方案逐步完善自己的网站架构。
国内比较出名的云计算服务商:阿里云、七牛云、腾讯云、Ucloud、华为云等都是不错的选择。
最后,以一句话结尾:是业务成就了技术,是事业成就了人。