网站架构之架构演化

网站从构建之初的很少有人问津，用户数量较少，并发量较低，到之后的拥有千万上亿用户，数万量级的高并发，之间经历了怎样的过程，小型网站架构是怎样逐步演化的，本文简单探讨下这方面的内容，主要参考《大型网站架构设计》，这本书知识点总结的还是比较全面的。

1. 初始阶段

网站开始是没有太多访问量的，只需一台服务器就绰绰有余了，应用程序，数据库，静态资源等全部都在一台服务器上，一般使用LAMP/LNMP（Linux+Apache/Nginx+MySQL+PHP/Python等）就可以实现自己的网站了，具体架构如下所示：

2. 应用服务与数据服务分离

随着网站业务的发展，用户访问量的增加，存储数据的增长，单台服务器逐渐不能满足需求，需要将应用服务与数据服务分离，具体如下图所示：

由于负责提供的服务不同，每台服务器对硬件资源的需求是不同的，具体如下所示：

3. 缓存

随着用户逐渐增多，数据库压力太大，导致访问延迟，影响用户体验，而网站性能优化最优先考虑的就是缓存；

网站访问特点所遵循的二八定律：80%的业务访问集中在20%的数据上；

 网站使用缓存又可分为应用服务器本地缓存和远程分布式缓存，远程分布式缓存一般可采用集群的方式部署，对服务器内存有比较高的要求，具体如下图所示：

4. 应用服务器集群部署

随着访问量进一步增大，单台应用服务器已逐渐不能应对越来越多的请求连接，单台服务器硬件资源再强，也会逐渐满足不了业务高峰时的负载压力；

网站解决高并发、海量数据问题最常用的手段还是使用集群，做横向扩展，集群可以很好地满足伸缩性；

负载均衡服务器实现可以有比较多的方案，LVS，Nginx，F5等，可以和HA软件，如Heartbeat与Keepalived等一起使用；

通过应用服务器集群部署，使用负载均衡调度器，可以将用户的请求分发到多台应用服务器集群中的任一台机器上，而且根据用户访问量的多少，可以很容易增删服务器，是每台服务器负载都在可接受范围之内，具体如下图所示：

5. 数据库读写分离

对于缓存没命中和缓存过期的数据，仍需要从数据库中来读取，并且所有写操作也都需要访问数据库，数据库压力还是会随着访问量增加而增大；

可采用主从热备的方案，实现读写分离，例如mysql的master-slave模式，当读操作量级更高时，还可采用一主多从的方式来实现；

应用程序中的数据访问模块需要保证数据库的读写分离对应用透明； 

具体如下图所示：

6. 使用CDN和反向代理加速网站

中国网络环境复杂，不同地区用户访问相同网站，速度差别较大，而网站访问延时和用户流失率正相关；

主要加速网站访问速度，减轻后端服务器负载压力的方式就是使用CDN和反向代理；

CDN和反向代理的基本原理都是缓存：

CDN部署在网络提供商的机房，缓存网站的一些热点静态资源，用户在请求网站服务时，从距离自己最近的网络提供商机房获取数据，如视频、图片等；

反向代理部署在网站的中心机房，属于网站前端架构的一部分，当用户请求到达中心机房后，首先访问反向代理服务器，如果缓存着用户请求的资源（静态），就直接返回；

反向代理比较成熟的开源软件：Squid、Varnish，推荐使用Varnish，从稳定性、访问速度、并发连接数目比较来看，Varnish都更强大一点；

使用缓存的前提条件：
1. 数据访问热点不均衡，某些数据会被频繁访问；
2. 数据在某个时间段内有效，不会很快过期，否则可能造成缓存数据已经失效，产生脏读，影响结果正确性

具体如下图所示：

7. 分布式文件系统和分布式数据库系统

 随着业务量的增长，网站最常用的数据库拆分是按业务分库，将不同业务的数据库部署在不同的服务器上；

一般分布式数据库是网站数据库拆分的最后手段，只有在单表规模非常庞大的时候才使用；

具体如下图所示：

8. 使用NoSQL和搜索引擎

全文检索对于大型网站来说已成为不可或缺的一部分，例如Lucene、Solr等；

对非格式化的数据使用NoSQL存储更为方便，NoSQL也更适合大数据计算，较为流行的NoSQL数据库有HBase、MongoDB、CouchDB、Redis、Cassandra等；

不同NoSQL数据库使用的存储方式不同，例如Redis，Memcache等采用的是Key/Value键值对存储，MongoDB，CouchDB等采用的是按文档存储，一条记录中所有数据都存储在文档中，HBase，Cassandra等采用的是列存储；

具体如下图所示：

9. 按业务拆分

网站在发展壮大之后，往往包含了多种复杂的业务场景，使用分而治之的手段将整个网站业务分成不同的产品线，将网站拆分成多个不同的应用，每个应用独立部署维护，应用之间可以通过超链接、消息队列等关联起来，具体如下图所示：

10. 分布式服务

在上面业务拆分的基础上，将一些公共的业务抽取出来，独立部署，如给用户管理、商品管理等，这些可复用的业务连接数据库，提供公共服务，而应用系统只需管理用户界面；

具体如下图所示：

分布式主要还是为了解决高并发问题，但也引入了一些其他问题：

1. 服务调用必须通过网络，可能会对性能造成较大影响；
2. 服务器越多，故障概率越大，一台服务器宕机可能会导致连锁反应（滚雪球效应），导致很多应用不可访问，网站可用性降低，设计时应尽量避免；
3. 数据在分布式环境保持数据一致性也比较困难，分布式事务难以保证，这对网站业务正确性和业务流程可能造成影响；
4. 导致网站依赖错综复杂，开发管理维护困难；

简单总结

驱动网站技术发展的主要力量永远是网站业务的发展；

网站都是逐渐演化而来的，根据需要灵活应对才是最重要的；

技术是为了业务而服务的，永远不要为了技术而技术；

网站架构之架构演化