高并发高负载的大型站点系统架构

一个小型的站点。比方个人站点，能够使用最简单的html静态页面就实现了。配合一些图片达到美化效果，全部的页面均存放在一个文件夹下，这种站点对系统架构、性能的要求都非常easy。随着互联网业务的不断丰富。站点相关的技术经过这些年的发展，已经细分到非常细的方方面面，尤其对于大型站点来说，所採用的技术更是涉及面非常广，从硬件到软件、编程语言、数据库、WebServer、防火墙等各个领域都有了非常高的要求，已经不是原来简单的html静态站点所能比拟的。

大型站点，比方门户站点。

在面对大量用户訪问、高并发请求方面，主要的解决方式集中在这样几个环节：使用高性能的server、高性能的数据库、高效率的编程语言、还有高性能的Web容器。

可是除了这几个方面，还没法根本解决大型站点面临的高负载和高并发问题。

上面提供的几个解决思路在一定程度上也意味着更大的投入，而且这种解决思路具备瓶颈，没有非常好的扩展性。以下我从低成本、高性能和高扩张性的角度来说说我的一些经验。

HTML静态化

事实上大家都知道，效率最高、消耗最小的就是纯静态化的html页面，所以我们尽可能使我们的站点上的页面採用静态页面来实现，这个最简单的方法事实上也是最有效的方法。

可是对于大量内容而且频繁更新的站点，我们无法所有手动去挨个实现。于是出现了我们常见的信息公布系统CMS，像我们常訪问的各个门户站点的新闻频道。甚至他们的其它频道，都是通过信息公布系统来管理和实现的。信息公布系统能够实现最简单的信息录入自己主动生成静态页面，还能具备频道管理、权限管理、自己主动抓取等功能，对于一个大型站点来说，拥有一套高效、可管理的CMS是不可缺少的。

除了门户和信息公布类型的站点，对于交互性要求非常高的社区类型站点来说，尽可能的静态化也是提高性能的必要手段，将社区内的帖子、文章进行实时的静态化，有更新的时候再又一次静态化也是大量使用的策略，像Mop的大杂烩就是使用了这种策略，网易社区等也是如此。

眼下非常多博客也都实现了静态化，我使用的这个Blog程序WordPress还没有静态化，所以假设面对高负载訪问，www.toplee.com一定不能承受

同一时候，html静态化也是某些缓存策略使用的手段。对于系统中频繁使用数据库查询可是内容更新非常小的应用。能够考虑使用html静态化来实现，比方论坛中论坛的公用设置信息。这些信息眼下的主流论坛都能够进行后台管理而且存储再数据库中，这些信息事实上大量被前台程序调用，可是更新频率非常小，能够考虑将这部分内容进行后台更新的时候进行静态化，这样避免了大量的数据库訪问请求。

在进行html静态化的时候能够使用一种折中的方法。就是前端使用动态实现，在一定的策略下进行定时静态化和定时推断调用。这个能实现非常多灵活性的操作。我开发的台球站点故人居(www.8zone.cn)就是使用了这个方案，我通过设定一些html静态化的时间间隔来对动态站点内容进行缓存。达到分担大部分的压力到静态页面上，能够应用于中小型站点的架构上。

故人居站点的地址：http://www.8zone.cn。顺便提一下。有喜欢台球的朋友多多支持我这个免费站点:)

图片server分离

大家知道。对于Webserver来说，无论是Apache、IIS还是其它容器，图片是最消耗资源的。于是我们有必要将图片与页面进行分离。这是基本上大型站点都会採用的策略。他们都有独立的图片server，甚至非常多台图片server。

这种架构能够减少提供页面訪问请求的server系统压力，而且能够保证系统不会由于图片问题而崩溃。

在应用server和图片server上，能够进行不同的配置优化，比方Apache在配置ContentType的时候能够尽量少支持，尽可能少的LoadModule，保证更高的系统消耗和运行效率。

我的台球站点故人居8zone.cn也使用了图片server架构上的分离，眼下是不过架构上分离，物理上没有分离，因为没有钱买很多其它的server:)，大家能够看到故人居上的图片连接都是类似img.9tmd.com或者img1.9tmd.com的URL。

另外。在处理静态页面或者图片、js等訪问方面，能够考虑使用lighttpd取代Apache，它提供了更轻量级和更高效的处理能力

数据库集群和库表散列

大型站点都有复杂的应用，这些应用必须使用数据库，那么在面对大量訪问的时候。数据库的瓶颈非常快就能显现出来。这时一台数据库将非常快无法满足应用，于是我们须要使用数据库集群或者库表散列。

在数据库集群方面，非常多数据库都有自己的解决方式，Oracle、Sybase等都有非常好的方案，经常使用的MySQL提供的Master/Slave也是类似的方案。您使用了什么样的DB，就參考对应的解决方式来实施就可以。

上面提到的数据库集群因为在架构、成本、扩张性方面都会受到所採用DB类型的限制。于是我们须要从应用程序的角度来考虑改善系统架构，库表散列是经常使用而且最有效的解决方式。我们在应用程序中安装业务和应用或者功能模块将数据库进行分离，不同的模块相应不同的数据库或者表，再依照一定的策略对某个页面或者功能进行更小的数据库散列，比方用户表，依照用户ID进行表散列，这样就行低成本的提升系统的性能而且有非常好的扩展性。

sohu的论坛就是採用了这种架构，将论坛的用户、设置、帖子等信息进行数据库分离，然后对帖子、用户依照板块和ID进行散列数据库和表。终于可以在配置文件里进行简单的配置便能让系统随时添加一台低成本的数据库进来补充系统性能。

缓存

缓存一词搞技术的都接触过，非常多地方用到缓存。

站点架构和站点开发中的缓存也是非常重要。这里先讲述最主要的两种缓存。

高级和分布式的缓存在后面讲述。

架构方面的缓存。对Apache比較熟悉的人都能知道Apache提供了自己的mod_proxy缓存模块，也能够使用外加的Squid进行缓存，这两种方式均能够有效的提高Apache的訪问响应能力。

站点程序开发方面的缓存，Linux上提供的Memcached是经常使用的缓存方案，不少web编程语言都提供memcache訪问接口，php、perl、c和java都有。能够在web开发中使用，能够实时或者Cron的把数据、对象等内容进行缓存。策略很灵活。

一些大型社区使用了这种架构。

另外，在使用web语言开发的时候，各种语言基本都有自己的缓存模块和方法，PHP有Pear的Cache模块和eAccelerator加速和Cache模块，还要知名的Apc、XCache（国人开发的，支持！）php缓存模块。Java就很多其它了，.net不是非常熟悉，相信也肯定有。

镜像

镜像是大型站点常採用的提高性能和数据安全性的方式，镜像的技术能够解决不同网络接入商和地域带来的用户訪问速度差异。比方ChinaNet和EduNet之间的差异就促使了非常多站点在教育网内搭建镜像站点。数据进行定时更新或者实时更新。在镜像的细节技术方面，这里不阐述太深，有非常多专业的现成的解决架构和产品可选。也有便宜的通过软件实现的思路，比方Linux上的rsync等工具。

负载均衡

负载均衡将是大型站点解决高负荷訪问和大量并发请求採用的终极解决的方法。负载均衡技术发展了多年，有非常多专业的服务提供商和产品能够选择，我个人接触过一些解决方法，当中有两个架构能够给大家做參考。

另外有关0基础的负载均衡DNS轮循和较专业的CDN架构就不多说了。

硬件四层交换

第四层交换使用第三层和第四层信息包的报头信息，依据应用区间识别业务流，将整个区间段的业务流分配到合适的应用server进行处理。　第四层交换功能就象是虚IP，指向物理server。

它传输的业务服从的协议多种多样，有HTTP、FTP、NFS、Telnet或其它协议。

这些业务在物理server基础上。须要复杂的载量平衡算法。在IP世界。业务类型由终端TCP或UDPport地址来决定，在第四层交换中的应用区间则由源端和终端IP地址、TCP和UDPport共同决定。

在硬件四层交换产品领域。有一些知名的产品可以选择。比方Alteon、F5等，这些产品非常昂贵，可是物有所值。可以提供非常优秀的性能和非常灵活的管理能力。

Yahoo中国当初接近2000台server使用了三四台Alteon就搞定了。

软件四层交换

大家知道了硬件四层交换机的原理后。基于OSI模型来实现的软件四层交换也就应运而生。这种解决方式实现的原理一致，只是性能稍差。可是满足一定量的压力还是游刃有余的，有人说软件实现方式事实上更灵活。处理能力全然看你配置的熟悉能力。

软件四层交换我们能够使用Linux上经常使用的LVS来解决。LVS就是Linux Virtual Server。他提供了基于心跳线heartbeat的实时灾难应对解决方式，提高系统的鲁棒性，同一时候可供了灵活的虚拟VIP配置和管理功能，能够同一时候满足多种应用需求，这对于分布式的系统来说不可缺少。

一个典型的使用负载均衡的策略就是，在软件或者硬件四层交换的基础上搭建squid集群，这种思路在非常多大型站点包含搜索引擎上被採用，这种架构低成本、高性能还有非常强的扩张性，随时往架构里面增减节点都非常easy。这种架构我准备空了专门具体整理一下和大家探讨。

总结

对于大型站点来说。前面提到的每一个方法可能都会被同一时候使用到，Michael这里介绍得比較浅显，详细实现过程中非常多细节还须要大家慢慢熟悉和体会，有时一个非常小的squid參数或者apache參数设置，对于系统性能的影响就会非常大，希望大家一起讨论，达到抛砖引玉之效。