海量Feed信息流读写扩散高并发分发.docx

海量Feed信息流读写扩散架构设计与高并发分发实施实例

（软件研发技术文档·数据与实例为据）

第一章场景与建设目标

本文档记录内容社区平台把首页信息流从每次实时聚合改造为推拉结合的扩散建设。改造前用户下拉刷新每次实时拉取约300个关注对象的内容再排序，热点时段刷新P90约1.8秒、近半年5次刷新超时雪崩累计影响约2.6小时。

目标绑定4项硬指标：刷新读P90不超150毫秒、发布到可见延迟不超1分钟、单用户时间线承载不低于5000条、扩散积压当日办结。团队分5期、108个工作日交付，覆盖关注流、推荐流、话题流3类。

读放大还是写放大是核心权衡。粉丝多的用户读时聚合慢、发文多的作者写时扩散贵，方案核心是按粉丝规模分大V与普通人两路、大V写扩散存时间线、普通人读扩散实时聚合。

表1-1改造前后关键指标

改造项

改造前

改造后

收益

刷新P90

1.8秒

120毫秒

降93%

关注拉取

每次300个

分层

降读放大

发布可见

实时算

准实时

1分钟内

雪崩次数

5次

0次

近半年

第二章推拉结合模型选型

团队横向评估纯推、纯拉、推拉结合3种方案。纯推读快但大V写炸、纯拉写省但读放大、结合折中。最终选大V推普通人拉的推拉结合、按粉丝数分界，粉丝超10万判大V走推、其余走拉。

分界线靠数据标定。团队统计约2600个大V账号贡献约54%的读流量，把这部分预先推入粉丝时间线、其余海量小账