一、大型網站系統的特點

高併發，大流量: 需要面對高併發用戶，大流量訪問，Google日均PV數為35億，日均IP訪問數為3億，2011年騰訊QQ最大用戶在線數1.4億，淘寶2012年雙11活動一天交易額191億，活動開始第一分鐘獨立訪問用戶達1000萬

拓展: PV、UV、IV的概念

PV: PV訪問量（Page View），即頁面訪問量，每打開一次頁面PV計數+1，刷新頁面也是。

UV: UV訪問數（Unique Visitor）指獨立訪客訪問數，一臺電腦終端為一個訪客。

IV: IV是IP訪問數指獨立IP訪問數，計算是以一個獨立的IP在一個計算時段內訪問網站計算為1次IP訪問數。在同一個計算時段內不管這個IP訪問多少次均計算為1次。計算時段有以1天為一個計算時段，也有以1個小時為一個計算時段。

高可用: 7 * 24小時不間斷提供服務。大型網站的宕機一般會成為焦點，例如2010年百度域名被黑客劫持事件，雙11淘寶宕機事件，12306網站併發數過高的宕機事件，微博流量明星宕機事件。

海量數據：需要存儲管理海量的數據，同時需要大量服務器，Facebook 每週上傳的照片數目接近10億，百度收錄的網站有百億，Google有接近百萬臺服務器為全球用戶提供服務。

用戶分佈廣泛，網絡情況複雜：許多大型互聯網公司都是為全球用戶提供服務，各地網絡情況千差萬別，在國內，還有各個運營商網絡互通難的問題，而中美光纜的數次故障，也讓很多互聯網公司不得不考慮在海外建立數據中心。

安全環境惡劣: 由於互聯網的開放性，使大型互聯網公司更易遭到黑客的攻擊，例如facebook用戶洩漏事件。

需求快速變更，發佈頻繁: 和傳統的企業級應用不同，互聯網公司為快速適應市場，滿足用戶需求，其產品發佈頻率是極高的。至於中小型互聯網公司的發佈頻率，那就更高了，有時候一天會發布十幾次

漸進式發展: 與傳統行業一開始規劃好全部的功能和非功能的需求不同，很多大型互聯網公司都是從小公司開始做起，漸進的發展起來的。Facebook的創始人扎克伯克在哈佛的宿舍開發出來的，阿里巴巴是誕生在馬雲家的客廳的，好的互聯網產品都是迭代出來的，不是一開始就發展的很好的。

二、大型網站的演變過程

1. 初始階段的網站架構

大型網站都是從小型網站發展起來的，網站架構也是一樣，網站剛開始搭建處於雛形階段，訪問量小，一臺服務器完全夠用，也是大部分企業級應用的選擇

應用程序，數據庫，文件都部署在一臺服務器的，通常服務器選用Linux，應用程序選用PHP，然後部署在Apache 上，數據庫使用MySQL，彙集各種開源軟件以及一架廉價的服務器就可以進行開發

2. 應用服務和數據分離

隨著業務的發展，一臺服務器不能滿足業務需求：越來越多的用戶訪問導致性能越來越差，越來越多的數據導致服務器存儲空間不足，這就需要將應用和數據分離。應用和數據分離後整個網站使用三臺服務器，應用服務器，文件服務器，數據庫服務器

應用和數據分離後，不同特性的服務器承擔不同的服務角色，網站的併發處理能力和數據存儲都得到了很大的改善，支持業務的進一步發展。但是隨著業務的增多，訪問量增大，網站又一次面臨挑戰，數據庫壓力太多導致訪問延遲，進而影響整個網站的性能，用戶體驗收到影響

3. 使用緩存改善網站性能

網站訪問特點和現實世界的財富分配通常符合二八定律: 80%的業務訪問集中在20% 的數據上，淘寶買家瀏覽的商品集中在少部分成交數多、評價良好的商品上；百度搜索的關鍵詞集中在少部分熱門詞彙上，搜索出來的詞條你也會瀏覽前兩頁的內容。

既然大部分的瀏覽都只會放在一小部分數據上，那麼是否能把這些數據緩存起來放在內存中，是不是就可以減少數據庫的壓力，從而提高整個網站的數據訪問速度，改善數據庫的寫入性能了呢？

網站的緩存分為兩種：緩存在本地服務器上的本地緩存，緩存在遠程服務器上的遠程緩存，本地緩存的訪問速度要比遠程緩存的更快。但是受應用服務器的內存限制，往往會存在本地緩存和應用程序競爭內存的情況，這種情況在遠程服務器上就不會存在，遠程分佈式緩存可以使用集群的方式，部署大內存的服務器使用專門的緩存服務器，理論上可以做到不受內存限制的緩存服務

使用緩存後，有效的改善了數據庫訪問的壓力，但是單一應用程序的服務器能夠處理的連接有限，在網站訪問的高峰期間，應用服務器會成為網站的瓶頸

4. 使用應用服務器集群改善網站的併發處理能力

使用集群是解決高併發，海量數據問題的關鍵手段，當一臺服務器的處理能力、存儲空間不足的時候，不要嘗試去更換一臺存儲量更大的服務器，而是考慮集群部署，因為對於大型網站而言，不管多麼強大的服務器，都滿足不了網站持續增長的業務。

應用服務器集群部署，使用負載均衡服務器做負載控制，能夠改善流量峰值對應用服務器的壓力，避免單一服務器承擔更多的請求壓力。如果還有更多的請求，那麼就在現有的基礎上增加更多的應用服務器。

5. 數據庫讀寫分離

使用緩存後，能夠改善一部分的數據庫訪問壓力，使絕大多數數據讀操作訪問不用通過數據庫就能完成，但是仍有一部分讀(緩存訪問不命中，緩存過期)和全部的寫操作都會直接訪問數據庫，在網站到達一定的規模後，也會增大數據庫的壓力

目前大部分主流數據庫都提供主從熱備功能，通過配置兩臺數據庫搭建主從關係，可以將一臺數據庫服務器的數據更新同步到另一臺服務器上，網站可以利用這一特性，實現數據庫的讀寫分離的功能，從而改善數據庫的壓力。

應用在寫數據的時候，訪問主服務器，在讀數據的時候，訪問從服務器，主數據庫通過主從複製的功能將數據同步更新到從服務器，這樣當有讀操作的時候，就會直接訪問從服務器，當有寫操作的時候，會直接訪問主服務器，為了便於應用程序訪問讀寫分離後的數據庫，通常在應用服務器端使用專門的數據訪問模塊，使數據庫讀寫分離對應用透明

6. 使用反向代理和CDN加速網站響應

隨著網站規模不斷擴大，用戶規模越來越大，由於國內網絡情況複雜，不同地區的用戶訪問網站時，速度差別也極大。有研究表明，網站訪問延遲和用戶流失率正相關，網站訪問越慢，用戶的流失率越快，所以為了更好的用戶體驗，留住用戶，網站需要更快的訪問速度，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緩存，區別在於CDN部署在網絡提供商的機房，使用戶在請求網站服務時，可以從距離自己最近的機房獲取數據；而CDN則部署在網站的中心機房，當用戶請求到達中心機房後，首先訪問的服務器是反向代理服務器，如果反向代理服務器緩存著資源，就會直接返回給用戶

使用CDN的目的都是儘早返回數據給用戶，一方面能夠加快訪問速度，一方面都能減輕服務器的壓力

7. 使用分佈式文件系統和分佈式數據庫系統

任何強大的單一服務器都滿足不了大型網站持續增長的業務需求。數據庫經過讀寫分離後，從一臺服務器拆分成兩臺服務器，但是隨著網站業務的發展不能滿足業務的需求，需要使用分佈式的存儲服務器，文件系統能夠也是一樣，需要使用分佈式文件系統。

分佈式數據庫是網站數據庫拆分的重要手段，只有在單表數據非常龐大的時候才使用。不到不得已時，網站最常用的數據庫拆分手段是業務分庫。將不同業務的數據部署在不同的服務器上。

8. 使用NoSQL和搜索引擎

隨著網站業務的擴大，對數據存儲和檢索的要求也越來越高，網站需要採用一些非關係型數據庫技術如NoSQL和非數據庫查詢技術和搜索引擎

NoSQL和搜索引擎都是源自互聯網的技術手段，對可伸縮的分佈式特性具有更好的支持。應用服務器則通過一個統一數據訪問模塊訪問各種數據。減輕應用程序管理諸多數據源的麻煩

9. 業務拆分

大型網站為了應對日益繁雜的業務場景，通過使用分而治之的方式將整個網站的業務拆分成不同的產品線，如大型購物交易網站就會將首頁、商鋪、訂單、買家、賣家等拆分成不同的產品線，分歸不同的業務部門負責管理。

具體到技術上，也會根據產品線劃分產品，將一個產品拆分成不同的應用。每個應用獨立部署和維護，應用之間可以通過超鏈接簡歷關係，也可以通過消息隊列進行數據分發，當然最多的還是通過訪問同一個數據存儲系統來構成一個關聯的完整系統。

10. 分佈式服務

隨著業務拆分越來越小，存儲系統越來越大，應用系統的整體複雜度呈指數增長，部署越來越困難。由於所有的應用都要和數據庫系統連接。在數萬臺服務器規模的網站中，這些連接的數目是服務器規模的平方。導致存數據庫連接資源不足。拒絕服務。

既然每一個應用系統都需要執行許多相同的業務操作，可以把相同的業務提取出來。由這些可服用的業務連接數據庫。提供公用業務服務。

大型網站演化到這裡，基本上大多數的技術問題都可以解決，諸如跨數據中心的實時數據同步和具體網站業務相關的問題都可以通過組合改進現有的技術架構來解決。

三、大型網站架構演化的價值觀

1. 大型網站架構技術的核心價值是隨網站所需靈活應對

大型網站架構技術的核心價值不是從無到有搭建一個大型的網站，而是能夠伴隨小型網站業務的逐步發展，慢慢演化成一個大型網站。在這個過程中，不需要放棄什麼，不需要推翻什麼，技術選型都是非常重要的，所有的大公司例如FaceBook、Google、淘寶無不遵循這樣一條發展路線

2. 驅動大型網站技術發展的主要力量是網站業務的發展

創新的業務發展模式對網站架構提出了更高的要求，才使得創新的網站架構得以發展成熟。是業務成就了技術，是事業成就了人。而不是相反。

四、網站架構設計誤區

1. 盲目追隨大公司的解決方案

2. 為了技術而技術

3.企圖用技術解決所有問題