如何设计一个系统架构（如何设计一个能够扩展到百万用户的系统）

作者 | Trung Anh Dang

译者 | 弯月

出品 | CSDN（ID：CSDNnews）

设计一个能够支持数亿用户的系统并非易事，对软件架构师来说是一个很大的挑战。

以下是本文涵盖的一些主题：

• 从最简单的开始：一个服务器搞定一切。

• 可扩展性的艺术：向外扩展，向上扩展。

• 扩展关系数据库：主从复制、主主复制、联合、分片、反规范化和 SQL 调优。

• 使用哪个数据库：NoSQL 还是 SQL？

• 高级概念：缓存、CDN、geoDNS.等。

本文不打算讨论高性能计算中常见的问题，例如容错、可靠性、高可用性等。

下面，我们开始。

下图是我设计的一个最基本的应用。最简单的方法是将整个应用程序部署在一个服务器上。这可能也是我们大多数人入门时期采用的方式。

• 一个网站（包括 API）在Apache（或 Tomcat）之类的Web服务器上运行。

• 一个Oracle（或 MySQL）之类的数据库。

同一台物理机器上同时拥有网络服务器和数据库服务器

但是，这样的架构存在以下缺点：

• 如果数据库出现故障，系统就会出现故障。

• 如果网络服务器出现故障，整个系统就会出现故障。

在这种情况下，我们没有故障转移和冗余。一旦服务器宕机就会导致整个系统宕机。

使用 DNS 服务器解析主机名和 IP 地址

在上图中，为了获取托管系统的服务器IP地址，用户（或客户端）需要连接到 DNS系统。在获得 IP 地址后，请求将直接发送到我们的系统。

每次访问网站时，计算机都会执行 DNS 查找。

通常，域名系统（Domain Name System，DNS）服务器都会使用托管公司提供的付费服务，无需在自己的服务器上运行。

可扩展性的艺术

由于数据量、工作量（例如交易数量）以及用户数量的增加等多种原因，我们的系统必须具备可扩展性。

可扩展性通常意味着能够通过添加更多资源来处理更多用户、客户端、数据、事务或请求，同时还不会影响用户体验。

我们必须决定如何扩展系统。在我们的这个例子中，有以下两种扩展类型：向上扩展（scale-up）和向外扩展（scale-out）。

向上扩展 vs 向外扩展

向上扩展：向现有服务器添加更多内存和 CPU

向上扩展也称为“垂直扩展”，指的是系统的资源最大化，以扩展其处理不断增加的负载的能力。例如，我们可以通过添加内存和CPU来增强服务器的能力。

如果我们的服务器拥有8GB内存，则只需更换或添加硬件就可以轻松升级到32GB甚至128GB。

垂直扩展的方法有很多，如下所示：

• 通过向 RAID 阵列添加更多硬盘来增加 I/O 容量。

• 通过使用固态硬盘（SSD）来改善 I/O 的访问时间。

• 使用具有更多处理器的服务器。

• 通过升级网络接口或安装其他接口来提高网络吞吐量。

• 通过增加内存来减少 I/O 的操作。

对于小型系统来说，垂直扩展是一个不错的选择，因为硬件升级的成本较低，但这种方式也有如下限制：

• 不可能无限扩展单个服务器的能力。主要取决于操作系统以及服务器的内存总线宽度。

• 在升级系统的内存时，必须关闭服务器，因此，如果系统只有一台服务器，停机是不可避免的。

• 功能强大的计算机通常比流行的硬件贵很多。

向上扩展不仅适用于硬件，同时也适用于软件，例如，优化查询和应用程序代码。

承受不了的一台服务器？

随着用户数量的增长，一台服务器是远远不够的。这时，我们需要考虑将单个服务器分成多个服务器。

随着用户数据增长，一台服务器永远都不够

这种架构有以下优点：

• Web 服务器和数据库服务器可以分别调优；

• Web 服务器需要更好的 CPU，而数据库服务器则需要更多内存；

• Web 层和数据层可以使用单独的服务器，并独立地扩展。

向外扩展：添加任意数量的硬件和软件实体

向外扩展也称为“横向扩展”，我们可以向资源池添加更多实体（机器、服务）。水平扩展比垂直扩展更难实现，因为我们需要在构建系统之前考虑好。

通常，水平扩展的初始成本较高，因为即使是最基本的功能也需要多台服务器来处理，但后期的回报更丰富。因此，我们需要权衡利弊。

• 增加服务器数量意味着需要维护的资源也更多。

• 需要修改系统的代码，以实现在多台服务器上的并行处理和工作负载分摊。

使用负载均衡器来平衡所有节点之间的流量

负载均衡器是一种专门的硬件或软件组件，可将流量分散到服务器集群中，以提高系统（包括但不限于应用程序、网站或数据库）的响应能力和可用性。

使用负载均衡器来平衡所有节点之间的流量

通常，负载均衡器位于客户端与服务器之间，接收传入的网络和应用程序流量，并通过各种算法在多个后端服务器之间分配流量。所以，它也可以用在多种地方，例如；Web 服务器与数据库服务器之间，以及客户端与 Web 服务器之间。

HAProxy 和 NGINX 是两种流行的开源负载均衡软件。

负载均衡技术是一种保证容错的方法，可按如下方式提高可用性：

• 如果服务器 1 离线，所有流量都将路由到服务器 2 和服务器 3。网站不会离线。此时你需要向服务器池添加一个健康的新服务器，以平衡负载。

• 当流量快速增长时，你只需要在 Web 服务器池中添加更多服务器，负载均衡器就会将流量路由到新的服务器上。

负载均衡器采用各种策略和工作分配算法来优化负载的分配，如下所示：

• 轮转：在这种情况下，每个服务器按先进先出 (FIFO) 的顺序接收请求。

• 最少连接数：请求将被定向到连接数量最少的服务器。

• 最快响应时间：请求将被定向到响应时间最快（最近或频繁）的服务器。

• 加权：更强大的服务器收到的请求比较弱的服务器更多。

• IP Hash：在这种情况下，根据计算的客户端 IP 地址的哈希值将请求重定向到服务器。

平衡多个服务器间请求的最直接的方法是使用硬件设备：

• 直接向共享 IP 添加服务器，或删除服务器。

• 可以根据需要进行负载平衡。

软件负载平衡比硬件负载平衡器更为廉价。这里的负载均衡在第 4 层（网络层）和第 7 层（应用层）运行。

• 第 4 层：负载均衡器使用网络层的 TCP 协议提供的信息。这一层的负载均衡在选择服务器时通常不会查看请求内容。

• 第 7 层：可以根据查询字符串、cookie 或任何头部信息平衡请求，也可以使用源地址、目标地址等常规的层信息来平衡请求。

扩展关系数据库

在简单的系统中，我们可以使用Oracle 或 MySQL之类的关系型数据库来保存数据项。但是关系数据库系统有其自身的挑战，尤其是当我们需要扩展它们时。

有许多技术可以扩展关系数据库：主从复制、主主复制、联合、分片、非规范化和 SQL 调优。

• 复制指的是一种将相同数据的多个副本存储在不同的机器上的技术。

• 联合（或功能分区）会按功能拆分数据库。

• 分片是一种与分区相关的数据库架构模式，可以将不同的数据放在不同的服务器上，不同的用户可以访问不同的数据。

• 反规范化可以将数据写入多个表，从而避免昂贵的连接，以牺牲部分写入性能为代价来提高读取性能。

• SQL 调优。

主从复制

主从复制技术能够将数据从一台数据库服务器（主服务器）复制到一台或多台数据库服务器（从服务器），如下图所示。

主节点更新

• 更新数据时，客户端需要连接到主服务器。

• 接着，数据会被复制到从服务器，直到所有数据在服务器之间保持一致。

这种方法仍然存在一些瓶颈：

• 如果主服务器由于某种原因宕机，仍然可以通过从服务器读取数据，只不过无法写入新数据了。

• 我们需要额外的算法来将从服务器提升为主服务器。

下面是一些解决方案，可以实现只有一台服务器处理更新请求的情况。

• 同步解决方案：数据修改事务需要等到所有服务器都接受后才提交（分布式事务），因此不会在故障转移时丢失数据。

• 异步解决方案：提交 -> 延迟 -> 复制到的其他服务器，因此在故障转移时可能会丢失一些数据更新。

如果同步解决方案太慢，则可以改为异步解决方案。

主主复制

每个数据库服务器都可以与其他服务器同时担任主服务器。在某个时间点，所有主服务器进行同步，以确保它们保存了正确以及最新的数据。

节点读写数据库

主主复制的优势在于：

• 如果某个主服务器出现故障，其他数据库服务器可以正常运行，而且还可以担负起主服务器的责任。当数据库服务器重新上线后，可以通过复制来更新数据。

• 主站可以位于多个物理站点，并且可以分布在整个网络中。

但服务器的更新能力受限于主服务器。

联合

联合（或功能分区）会按功能拆分数据库。例如，你可以拥有三个数据库，分别用于论坛、用户和产品，这样就可以减少每个数据库的读写流量，从而减少复制延迟。

按功能拆分数据库

更小的数据库可以将更多的数据保存在内存中，这样可以改善缓存的局部性，进而提高缓存命中率。由于没有单一的中央主序列化写入，你可以实现并行写入，从而提高吞吐量。

分片

分片（也称为数据分区）是一种将大数据库分成许多小块的技术，每个数据库只能管理数据的一个子集。

在理想情况下，每个用户都使用不同的数据库节点。这种方式助于提高系统的可管理性、性能、可用性和负载均衡。

• 每个用户只需与一台服务器对话，因此可以快速获得服务器的响应。

• 服务器之间的负载均衡更好，例如，如果我们有五台服务器，则每台服务器只需处理 20% 的负载。

在实践中，有许多不同的技术可以将数据库分解为多个小块。

水平分区

这种技术会将不同的行放入不同的表中。例如，如果我们将用户的个人资料存储在一个表中，则可以将ID小于1000的用户存储在一个表中，同时将ID大于1001且小于2000的用户存储在另一个表中。

不同行放入不同表中

纵向分区

在这种情况下，我们根据服务器中保存的与特定功能相关的表来划分数据。例如，如果我们正在构建一个类似 Instagram 的系统，我们需要在数据库中存储与用户、上传的照片以及他们关注的人相关的数据，我们可以将用户个人资料信息放在一个数据库服务器上，将好友列表放在另一个服务器上，而第三个服务器上则保存照片。

把划分数据存储在相应的表中

基于目录的分区

如果想以松散耦合的方式解决这个问题，则需要创建一个查找服务，该服务知道当前的分区模式，并拥有一份每个实体到其所属的数据库分片的映射。

当数据存储的扩展超出单个存储节点的可用资源，或者需要通过减少数据存储的竞争来提高性能时，我们就可以采用这种方法。但请记住，分片技术存在以下一些常见问题：

• 多表连接会变得更加昂贵，并且在某些情况下无法实现。

• 分片会损害数据库参照完整性。

• 数据库架构变更可能会变得非常昂贵。

• 数据分布不均匀，有些分片的负载很高。

反规范化

反规范化会以牺牲部分写入性能为代价来提高读取性能。数据的冗余副本会被写入多个表，以避免昂贵的多表连接。

当数据的分布采用联合和分片等技术之后，跨数据中心的管理连接会进一步增加复杂性。反规范化可以规避这种复杂的连接。

在大多数系统中，读取的次数大大超过了写入的次数，比例为 100:1，甚至 1000:1。因此，每当读取涉及复杂的数据库连接时，就可能会非常昂贵，并在磁盘操作上花费大量时间。

有些关系数据库，比如 PostgreSQL 和 Oracle 支持物化视图，它们会存储冗余信息，并保持冗余副本一致。

使用哪个数据库？

在数据库领域，有两种主要的解决方案：SQL 和 NoSQL。二者的构建方式、存储信息的类型以及使用的存储方法都不同。

SQL

关系数据库以行和列的形式存储数据。每一行包含关于一个实体的所有信息，每一列包含所有的单独数据点。

最流行的关系数据库包括 MySQL、Oracle、MS SQL Server、SQLite、Postgres 以及 MariaDB等。

NoSQL

NoSQL又称为非关系数据库。这些数据库通常分为五个主要类别：键值数据库、图数据库、列数据库、文档数据库以及 Blob 数据库。

键值存储数据库

数据存储在键值对数组中。“键”是链接到“值”的属性名称。常见的键值存储包括 Redis、Voldemort 和 Dynamo。

文档数据库

在这些数据库中，数据存储在文档中（而不是表中的行和列），并且这些文档归类成集合。每个文档可以具有完全不同的结构。

常见的文档数据库包括 CouchDB 和 MongoDB。

宽列数据库

列式数据库中，没有“表”，只有列，它们是行的容器。与关系数据库不同，我们不需要预先知道所有的列，每一行也不必具有相同的列数。

列式数据库最适合分析大型数据集，常见的有 Cassandra 和 HBase。

图数据库

这些数据库常用于存储关系最适合用图表示的数据。数据保存在拥有节点（实体）、属性（关于实体的信息）和线（实体之间的连接）的图结构中。

常见的图数据库包括 Neo4J 和 InfiniteGraph。

Blob 数据库

Blob 数据库就好像文件的键/值存储，可通过API访问，如 Amazon S3、Windows Azure Blob Storage、Google Cloud Storage、Rackspace Cloud Files 或 OpenStack Swift 等。

如何选择数据库？

数据库技术的选择没有统一的标准。这就是为什么许多企业同时使用 SQL 和 NoSQL 数据库来满足不同需求的原因。

如何选择？

水平扩展 Web 层

以上，我们谈到了数据层的扩展，下面我们来看看Web层的扩展。为了扩展Web层，我们需要将用户会话（状态）的数据存储在关系数据库或 NoSQL 等数据库中，将用户会话（状态）的数据移出 Web 层。这也称为无状态架构。

无状态系统很简单

不要使用有状态的架构。

我们必须尽可能选择无状态架构，因为状态的实现限制了可扩展性，降低了可用性，并增加了成本。

在上述情况下，负载均衡器的效率最高，因为它可以选择任何服务器来处理请求。

高级概念

缓存

负载均衡可以帮助你在数量不断增加的服务器上进行水平扩展，但缓存能够更好地利用现有资源，在后续请求期间更快地提供数据。

如果数据不在缓存中，则从数据库中获取，然后将其保存到缓存中并从中读取

通过向服务器添加缓存，我们可以避免直接从服务器读取网页或数据，从而减少响应时间，并降低服务器的负载。这也有助于提升应用程序的可扩展性。

缓存可以应用于许多层，例如数据库层、Web 服务器层和网络层。

内容交付网络（Content Delivery Network，CDN）

CDN 服务器保存着内容（如图像、网页等）的缓存副本，并选择地理位置最近的服务器处理请求。

使用CDN 可以缩短了用户的页面加载时间，因为数据都是从地理位置最近的服务器上加载的。这也有助于提高内容的可用性，因为数据存储在多个位置。

CDN 的使用缩短了用户的页面加载时间，因为数据是在最接近它的位置检索的

CDN 服务器向Web 服务器发出请求以验证缓存的内容，并在需要时更新缓存。缓存的内容通常是静态的，例如 HTML 页面、图像、JavaScript 文件、CSS 文件等。

进军全球市场

当应用开始进军全球市场时，你需要在世界各地建立和运维数据中心，以确保产品可以全天候不间断地提供服务。传入的请求被路由到基于 GeoDNS 的“最佳”数据中心。

当应用走向全球

GeoDNS 是一项 DNS 服务，允许根据客户的位置将域名解析为 IP 地址。从亚洲连接的客户端获得的IP地址可能不同于从欧洲连接的客户端。

综合

通过迭代应用本文中的技术，例如无状态架构、应用负载均衡器、尽可能多地使用缓存数据、支持多个数据中心、在 CDN 上托管静态资产、通过分片扩展数据库规模等。我们就可以轻松地将系统扩展到 1 亿用户。

缩放是一个迭代过程

原文链接：https://levelup.gitconnected.com/how-to-design-a-system-to-scale-to-your-first-100-million-users-4450a2f9703d

参考链接：

• https://httpd.apache.org

• http://tomcat.apache.org

• https://www.oracle.com/database/

• https://www.mysql.com

• https://en.wikipedia.org/wiki/Domain_Name_System

• https://www.facebook.com/note.php?note_id=10150468255628920

,