【书山有路】大型网站技术架构 第1章

今天去逛书店，本来只想买本SQL的书，拿起来看了看，觉得是本科普的好书，介绍很多我不懂的东西。遂买下，准备好好读读。

说实话已经有很久没有读完过一本书了，甚至都怀疑自己还能不能从头到尾读完一本书。觉得这本书很有趣，适合拿来建立自信。所以要把它读完。

本章的标题是“大型网站架构演化”。

金句

• 希望软件工程师们在解决问题之前，能够认真思考自己面对的真正问题究竟是什么，有哪些技术方案可以选择，其基本原理是什么。
• 真正能解决问题的技术一定是简单的。
• 是业务成就了技术，是事业成就了人，而不是相反。
• 网站架构师应该对成就自己技术成绩的网站事业心存感恩，并努力提高技术回馈业务。

大型网站软件系统的特点

• 高并发，大流量
• 高可用
• 海量数据
• 用户分布广泛，网络情况复杂
• 安全环境恶劣
• 需求快速变更，发布频繁
• 渐进式发展

大型网站架构演化发展历程

大型网站的技术挑战主要来自于庞大的用户，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数以P计的数据和面对数以亿计的用户，问题就会变得很棘手。大型网站架构主要就是解决这类问题。

初始阶段的网站架构

小型网站最开始时没有太多人来访问，只需要一台服务器就绰绰有余。这时的网站架构如下图所示：

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开发，然后部署在Apache上，数据库使用MySQL。

应用服务器和数据服务器分离

随着网络业务的发展，一台服务器逐渐不能满足需求：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。这时就需要将应用和数据分离。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。如下图所示。

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的业务逻辑，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，因此需要具有更大的硬盘。

现在，网站的并发处理能力和数据存储空间得到了很大的改善，支持网站业务进一步发展。但是随着用户逐渐增多，网站又一次面临挑战：数据库压力太大导致访问延迟，进而影响整个网站的性能，用户体验受到影响。这是需要对网站架构进一步优化。

使用缓存改善网站性能

网站访问特点遵循二八定律：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；百度搜索关键词集中在少部分热门词汇上。

如果把这一小部分数据缓存在内存中，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。

网站使用的缓存分为两种：

• 在应用服务器上的本地缓存。速度快，数据量有限
• 分布式缓存服务器上的远程缓存。大内存服务器，理论上不受内存容量限制。

使用缓存后，数据访问压力得到有效缓解，但是单一应用服务器能够处理的请求连接有限，在网站访问高峰期，应用服务器称为整个网站的瓶颈。

使用应用服务器集群改善网站的并发处理能力

使用集群是网站解决高并发、海量数据问题的常用手段。不要企图换更强大的服务器，对大型网站而言，不管多么强大的服务器，都不能满足网站持续增长的业务需求。这种情况下，更恰当的做法是增加一台服务器分担原有服务器的访问及存储压力。

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。应用服务器实现集群是网站可伸缩架构设计中较为简单成熟的一种。

通过负载均衡调度服务器，可将来自用户的请求分发到不同的应用服务器上。

数据库读写分离

网站在使用缓存后，绝大部分的读操作都可以在缓存中进行，但还有一些读操作（缓存访问不命中，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一台服务器上。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。

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获得数据。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。

使用反向代理和CDN加速网站响应

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，不同地区的用户访问网站是，速度差别也极大。有研究表明，网站访问延迟和用户流失率正相关，网站访问越慢，用户越容易失去耐心而离开。为了提供更好的用户体验，留住用户，网站需要加速访问速度。主要手段有使用CDN和反向代理。

CDN和反向代理的基本原理都是缓存，区别在于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；而反向代理则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和反向代理服务器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，另一方面也减轻后端服务器的负载压力。

使用分布式文件系统和分布式数据库系统

任何强大的单一服务器都满足不了大型网站持续增长的业务需求。这时需要使用分布式文件系统和分布式数据库系统。

分布式数据库是网站数据库拆分的最后手段，只有在单表数据规模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。

使用NoSQL和搜索引擎

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数据库技术如NoSQL和非数据库查询技术如搜索引擎。

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的数据访问模块访问各种数据，减轻应用程序管理较多数据源的麻烦。

业务拆分

大型网站通常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，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，将一个网站拆分成许多不同的应用，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，也可以通过消息队列进行数据分发，最多的还是通过访问同一个数据存储系统来构成一个关联的完整系统。

分布式服务

随着业务拆分越来越小，存储系统越来越大，应用系统的整体复杂度呈指数级增长，部署维护越来越困难。由于所有应用要和所有数据库连接，会导致数据库连接资源不足，拒绝服务。

既然每一个应用系统都需要执行许多相同的业务操作，比如用户管理、商品管理等，那么可以将这些共用的业务提取出来，独立部署。由这些可复用的业务连接数据库，提供业务服务。

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，诸如跨数据中心的实时数据同步和具体业务网站相关的问题也都可以通过组合改进现有技术架构来解决。

我去专门找了跨数据中心的实时数据同步怎么解决基本没找到。稍后再找。

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以外的业务上去。我们看到很多大型网站都开始建设云计算平台，将计算作为一种基础资源出售，中小网站不再需要关心技术架构问题，只需要按需付费，就可以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。

大型网站架构演化的价值观

网站的价值在于它能为用户提供什么价值，在于网站能做什么，而不在于它是怎样做的，所以在网站还很小的时候就去追求网站的架构师舍本逐末，得不偿失的。小型网站最需要做的就是为用户提供好的服务来创造价值，得到用户的认可，活下去，野蛮生长。

• 大型网站架构技术的核心是随网站所需灵活应对
• 驱动大型网站技术发展的主要力量是网站的业务发展

网站架构设计误区

一味追随大公司的解决方案

大公司的经验和成功模式固然重要，值得学习借鉴，但如果因此而变得盲从，就失去了坚持自我的勇气，在架构演化的道路上迟早会迷路。

为了技术而技术

网站技术是为业务而存在的，除此毫无意义。在技术选型和架构设计中，脱离网站业务发展的实际，一味追求时髦的新技术，可能会将网站的技术发展引入崎岖小道，架构之路越走越难。

企图用技术解决所有问题

12306真正的问题不在于它的技术架构，而在于它的业务架构。后来12306在售票方式上引入了排队机制、整点售票调整为分时段售票。其实如果能控制住并发访问量，很多棘手的技术问题也就不是什么问题了。

技术是用来解决业务问题的，而业务问题，也可以通过业务的手段去解决。

小结

网站架构技术演化过程难以重现，所以网站架构师更应该对这个过程深刻理解，理解已成熟的网站架构技术方案的来龙去脉和历史渊源，在技术选型和架构决策时才能有的放矢，直击要害。

最后说一点自己的话吧，今天被阿里的面试官问得哑口无言，让我真的感觉到了基础的重要性。面试官给我的建议是再系统的学习一下语言、操作系统、设计模式、网络通信方面的基础。仔细想想，确实到现在也没有哪门语言可以说是精通。我觉得是时候好好把基础梳理一下了。

内功啊内功。