新浪微博中的周期性爆发流量.pdfVIP

新浪微博中的周期性爆发流量 架构之路（系列二） 卫向军 新浪微博 业务背景 最近，微博平台的群发业务增长迅速，一个月内业务量暴涨70%，出现两次前端机负载 过高后台扛不住流量的小故障，两次都是通过紧急扩容解决，仔细思索，这一类业务场景在 移动互联网中非常普遍，值得深入探讨。 在微博通讯系统中，有两种常见的模式，一种是单点对单点的私信通讯方式，另一种是 单点对多点的群发通讯方式，后面一种主要使用在粉丝服务平台，最近几年通讯内容趋向富 媒体，包含图片、网络文章、音视频文件等，微博统一将各类资源抽象为卡片 （Card ），平 台负责Card 数据的存储与处理，前端和客户端根据不同的模板渲染Card 。 微博服务号基本都是每天早上向所有粉丝推送一条消息，这就是群发场景，同一时段高 并发的请求访问给后端系统带来巨大压力。 问题挑战 对于群发业务，增加缓存能挡住大多数的流量，但这里还有诸多挑战： 1. 缓存大小规划，如果所有内容都缓存，成本直线上升，虽然可以抗住峰值时段流量， 但是非峰值时端，资源严重浪费。 2. 缓存资源有状态，很多Card 并非完全是静态资源，根据请求参数不同返回数据不 同。 3. 同一资源集中访问间隔时间非常短，经常维持在几分钟内，还有一个特点，5%的 资源占据了80% 以上的访问请求。 弹性计算 or CDN？ 问题一：能否使用云服务中的弹性计算解决? 如果业务爆发周期为一年中的某一季节或者某些节日，弹性计算可以较好的解决这个问 题，如果业务爆发周期为一天中的某一时段，弹性计算从运维管理层面来讲，可实施性非常 低。 问题二：能否使用CDN 技术缓存Card 资源？ Card 资源为后台动态生成，有些Card 是无状态的，有些是有状态的，CDN 网络可以 处理无状态的Card 资源，对于有状态的，目前还没有成熟的 CDN 解决方案，同时 Card 资源的使用方式也与传统的CDN 资源使用方式不太相同。 技术方案 针对这种每天粒度周期性爆发的业务模型，团队总结出三种技术方案。 方案一：针对业务的定制化方案 这种方案分析业务特点，提出解决方案，不具有通用性，目前平台的 Card 服务使用方 包含各个端的 Feed 组以及通信系统，而周期性爆发流量，目前仅有通讯系统中的群发和群 聊会产生，针对这种情况，Card Service 改进点： 1. 区分有状态和无状态的Card 请求，有状态的不缓存。 2. 无状态的Card 请求，结合业务特点，判断是否是群发以及群聊业务。 3. 对于群发和群聊业务，将Card 资源缓存在分布式缓存中。 分布式缓存有一个问题，虽然可以按照服务号水平分区在不同的节点，克服缓存容量问 题，但是不能处理瞬时的千万级流量高峰，这种情况需要在每台前端机上做本地缓存，大小 受前端机内存大小限制，我们根据业务特点进一步做优化。 4 对于群发和群聊业务，使用L1 本地缓存和L2 分布式缓存。 4.1 L1 本地缓存处理服务号粉丝规模超过20 万的，通过众多的前端处理机L1 缓存抗峰 值。 4.2 L2 分布式缓存处理粉丝规模较小的服务号，处理从L1 缓存穿透过来的访问。 方案二：简单的数据挖掘策略 通用方案基于实时的流量统计分析，运用数据挖掘算法，统计出资源请求中最频繁 的 K 个，同时本地缓存大小不能太大，计算性能要求也较高，方案二将高频资源请求 检测模块放在前端机本地缓存，使用类蓄水池采样算法，适合微博的群发场景。 首先介绍一下蓄水池问题：在不知道文件总行数的情况下，如何从文件中随机的抽取一 行？ 首先想到的是我们做过类似的题目吗?当然，在知道文件行数的情况下，我们可以很容 易的用C 运行库的rand 函数随机的获得一个行数，从而随机的取出一行，但是，当前的情 况是不知道行数，这样如何求呢？我们需要一个概念来帮助我们做出猜想，来使得对每一行 取出的概率相等，也即随机。 有了这个概念，我们便有了这样一个解决方案：定义取出的行号为choice，第一次直接 以第一行作为取出行choice ，而后第二次以二分之一概率决定是否用第二行替换choice ， 第三次以三分之一的概率决定是否以第三行替换choice