2022年社交网站的功能架构 .pdf

《2022年社交网站的功能架构 .pdf》由会员分享，可在线阅读，更多相关《2022年社交网站的功能架构 .pdf（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、架构设计.摘要：本篇文章会向读者展示几个架构设计的关键点，使一个社交应用能够成为真正的下一代社交产品。但这只是设计阶段，需要更深入的分析和了解系统的当前状态。本篇文章会向读者展示几个架构设计的关键点，使一个社交应用能够成为真正的下一代社交产品。以下几个属性将会影响到架构的设计：a可用性b可扩展性c性能和灵活性可扩展目标a确保用户的内容数据能够很方便的被其他用户发现和获取.b确保内容推送是相关的，不仅在语义上，也是从用户设备的角度。c确保实时更新生成、推送和分析。d尽可能地节省用户的资源。e不管服务器负载变化如何，用户体验应保持不变。f确保应用整体上是安全的总之，我们要处理一个相当大的挑战，我们

2、必须处理不断扩大的海量用户生成的内容数据，不断增长的用户，和一个不断迭代的新项目，同时必须确保性能足够出色。为了应对上述的挑战， 我们必须学习架构某些关键的元素，这将影响到系统的设计。以下是一些关键的决定和分析。数据存储数据和数据模型的存储是一个好架构的关键设计之一。一个社交产品应该能够处理多种类型的数据，因此首先得充分分析数据并透彻理解，之后再设计数据模型和数据存储。第一步， 我们要确定哪些数据是经常查询的热点数据，哪些不是经常需要的那些数据如归档数据用于分析 。对于高频访问的数据，它必须总是可用，能够快速读写和水平可扩展。目前我们所有业务场景使用的都是MySQL，即使我们的用例不一定需要使

3、用关系数据库系统。随着我们数据的增长，我们的读写将成为我们应用程序性能瓶颈。我们应该为每秒钟数精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 1 页，共 8 页十亿的查询做好准备。让我们对我们的数据进行分类：a主要的数据或静态形式的数据，如用户资料b语义数据c用户产生的内容数据d会话数据找到一个高效的数据存储方式，满足所有这些类型的数据，真的很难。因此， 我们将为每个数据类型选择特定的数据存储方式。静态数据： 对于静态数据，最好是选择基于文档的存储方式，其中键和值都是可查询的。我们可以选择如MongoDB 这种文档型数据库，选择MongoDB 最大

4、的优势是它提供了在文档级别的 ACID。MongoDB 可以在多个分布式数据中心的范围内进行缩放。它将允许我们使用副本集来保持冗余，从而解决我们的可用性问题。数据分片是一个重要的考虑因素，数据分片可以确保数据的扩展与查询速度。幸运的是，MongoDB 透明的支持了数据分片。关联的或关系数据核心数据：我们大部分数据本质上是关联的，例如，A 是 B的朋友， C是 A 和 B 的朋友，这样高度语义的数据最适合图处理模型。我们应将这样的数据存储在图数据库，如Neo4j。这样做的优势很明显；我们可以存储所有关联数据的节点，从而节省了计算数据之间连接关系的额外步骤。图形数据模型也将有助于我们捕捉到属性之间

5、的关系。当试图探索关联数据时，丰富的属性关系绝对是关键。图数据库支持ACID 规则以及自动索引。再次声明， 我们的要求是到达可用性和可扩展性。我们可能会有成百上千的并发事务，同时写入数据库， 同时会有数百和数千查询请求。它应该能够处理一个数据集上的许多字节，超过十亿每秒的读取速度。我们将会需要一个系统，帮助我们自动伸缩写入和读取。其他需要考虑的因素是数据分片，这是系统可伸缩的关键。Neo4j 已经被设计为可水平扩展，并且有数据冗余功能来保证可用性。但到目前为止，它还不支持数据分片。我们可能需要更多的分析，才能做出抉择。其他可供选择的图数据库有FlockDB、AllegroGraph 和 Inf

6、initeGraph 。二进制数据UGC ：我们还必须处理大量的与用户相关的二进制数据。处理二进制数据不精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 2 页，共 8 页太容易，考虑到它们的规模。上面已经讨论过，我们需要一个系统可以运行相当高的性能，秒级别尖峰 ，当决定在哪里存储时，可伸缩和可用性是最关键的素。我们不能依靠磁盘文件系统来存储我们的二进制数据。我们必须考虑可用性和可扩展性，文件系统的缓存会消耗大量的CPU 。相反的，我们应该依靠一个现有的可用的系统，例如亚马逊S3，S3是非常流行的对象存储系统，具有可用性和弹性存储。我们也可以考虑谷歌

7、云存储或Rackspace的云文件等，但S3 似乎是明显的赢家，它提供更优质的服务。S3已经支持数据分区。S3能够水平伸缩，冷热数据拆分，并根据keys分区。但是只实现存储数据是不够的，与这些内容相关的元数据必须能够被搜索，并且搜索可伸缩，速度够快。我们也可以尝试一些新的东西，如图像的自动维度识别，基于内容自动打标签等。这是一个潜在的知识产权领域。 我们将在文章的索引部分讨论索引需求。但现在，让我们只需要注意，我们将用标识符存储内容，并且在某个地方做了索引。似乎亚马逊的S3最适合这种情况。Session数据正确的认识和理解session 数据是非常重要的。Session 数据将帮助我们保持用户

8、的状态。Session 数据必须使用与服务器无关的方式，方便我们服务端可伸缩部署。这将有助于保持我们的设计灵活，确保session 不会绑定到特定的节点或服务器。我们得用一种新的方式来更新用户的实际session，如果用户的session 终止，我们仍然可以帮助用户从一个地方，他离开的地方重新恢复信息。这是特别重要的，在我们的场景中，连接是不可靠的，数据丢包是很正常的。数据必须能够被跨节点访问，因此需要可用性和可扩展性。我们可以很好的使用MongoDB 本身来保存数据。后来，我们想转移到纯粹的键值存储，如Redis。注：所有推荐和离线作业都应该只运行在非服务节点上。索引索引是我们系统的关键。用

9、户可以搜索任何内容，这是我们的主要用例之一。为了提升搜索性能，我们必须非常认真地对待索引。这里有两点需要考虑：首先是，创建索引本身，然后就是索引系统本身。为了做一个有意义的搜索系统，我们必须设计一个实时索引，针对一段时间窗口的实时数据进行处理。首先，我们可以写一个非常简单的系统，对产生的内容数据做倒排索引。后来，随着输入数据的增加，我们可以方便地用实时数据处理引擎取代它，如Apache 的 Storm，这是一个分布式的，容错和高度可扩展的系统。它可以负责生成索引的逻辑。索引系统：由于Lucene 受欢送程度和其性能，因此，Lucene 是一个显而易见的好选择；它的性能是无与伦比的。我们可以使用

10、SolrCloud。它已经透明的支持分片，复制和读写方面的容错。精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 3 页，共 8 页队列 &消息推送每次我们的应用程序被触发一个事件，我们将需要向他/她的追随者 /朋友推送消息。重要的是，我们的系统不能错过任何这些信息，更重要的是，能够在发生故障时恢复这些事件。为了到达这些要求，我们必须寻找一个队列解决方案。我们可以使用ActiveMQ，这是最可靠的队列软件。它支持集群的高可用性，支持分布式队列。消息推送是另一个领域，要把通知发送给我们的用户。在这里我们需要估计一下规模。我们应该准备好支持像nps 这样

11、上亿的规模。这里有许多项选择择，但也许 pyapns、CommandIQ和 APP Booster 才是最流行的。我们需要自己管理一些事情，特别是要保证消息传递可靠性，即使用户的设备处于离线状态。我建议我们实现一个双向的系统，保持状态的通知，并在后台持久化到磁盘。所以每次一个通知失败时，它的状态都被处理并标上状态码，添加到重试队列中。最后，当通知被送达，移出重试出列。缓存策略像我们这样的系统，我们的目标是使其支撑十亿RPS ，因此，好的缓存策略是极重要的。我们的业务逻辑会在多层缓存中，并且能够智能的清除失效缓存。让我们看看最顶层缓存。应用层缓存 内容缓存 ： 为了最大限度地减少缓存未命中，并确

12、保缓存始终是最新的数据，我们必须寻找一个从未过期的缓存，并始终保持数据。这基本上意味着在一般使用情况下，我们将永远不用查询我们的数据库，因此节省了大量的资源。我们还应该确保我们缓存的数据总是以一种不需要额外处理的格式，随时准备好呈现。 这基本上意味着将我们的在线负载转换为离线负载，从而节省了延迟。要做到这一点， 我们必须确保每一次的内容被输入到系统中，我们要做两件事情:a原内容是非规格化形式保存在缓存。为了安全起见，我们将永远设置一个有效的期限。b原内容也写在我们的数据存储区中。我们使用Redis 来做这个缓存，Redis 是一种具有良好故障恢复的内存缓存。它具有高度的可扩展性， 较新的版本透

13、明的支持了数据分片。支持主从节点配置。最好的部分是，我们能够保存任何格式的数据，这使得它很容易做增量写，这是至关重要的，我们支持内容feeds还值得指出的是，我们需要支持对大内容对象进行大量的读- 修改- 写操作和少量读，Redis是已知的，对这些操作在性能方面是最好的。缓存代理：反向代理层的缓存也是至关重要的。它有助于减少直接请求我们服务器的负载，从而减少延迟。 为了使代理服务器缓存更有效，需要正确设置响应头。 代理服务器有很多种，但最受欢送的是nginx 和 ATS 。精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 4 页，共 8 页二级缓存代

14、码级缓存：这是一个实体数据的本地存储，用于提高应用程序的性能。它有助于通过减少昂贵的数据库调用以提高性能，保持实体数据的本地化。EhCache是一个很受欢送的选择。客户端缓存：这实际上是设备或浏览器缓存。所有静态项目都应该尽可能地缓存。如果API响应缓存头已经被合理设置，很多相关资源的内容都会被缓存。我们应确保其如预期的那样工作。除此之外，我们应该尽可能缓存其他内容，可以使用设备自己的内存，或使用SQLite。所有昂贵的对象都应该缓存。例如NSDateFormatter 和 NSCalendar，初始化缓慢，应该尽可能多的重用。iOS Lot可以调整和应用，但是在这里，它是超出我们的研究范围。

15、数据压缩考虑到我们的用户主要是要处理大量的图像和视频，需要下载大量的数据，所以优化下载大小是非常重要的。它将节省用户的数据量，提高应用程序的性能体验。其他要考虑的方面，如我们的网络，我们的用户主要是在非LTE网络，使用或3G，需要考虑带宽，并且连接通常是不可靠的，数据使用成本高。在这种情况下，智能压缩是一个关键的需求。但是实际上图像压缩和视频压缩并不是想象中那么直接简单，往往需要进行深入的分析。我们所处理的图像和视频，可以无损和有损，这取决于用户的设备质量。所以我建议使用多个压缩技术来处理这种情况。在这种情况下，我们可以尝试帧内压缩和帧间压缩技术。但总的来说我们可以采用zpaq 和 fp8 来

16、应对所有压缩需求。我们也可以尝试非常适合我们业务场景的WebP。一般情况下，我们的API会使用gzip，我们 API response 总是经过gzip压缩过的。数据转码考虑到我们需要处理多个设备，多个操作系统和屏幕分辨率，我们的内容存储和处理时应与设备无关。 但服务层应该基于用户的设备，理解并调整响应的内容。所以，图像和视频的转码是必不可少的。我们的应用程序需要收集设备的配置，如内存、编码和屏幕分辨率，作为API的上下文。我们的 API 应该使用此上下文来修改/选择内容版本。基于我们接受到的设备上下文，我们可以预先准备好一些最频繁被请求的版本的内容。我们可以使用FFMPEG 转码， FFMP

17、EG 是最可靠和应用最广的转码框架。我们可以修改FFMPEG ，使其满足我们的需求。转码是在数据输入端完成的。传输协议考虑到我们的网络场景非LTE ，不可靠的连接等 ，关键是要尽可能地节省资源，使通信尽可能地轻量。我建议我们所有的请求都使用ok 客户端， ok 使用 SPDY协议，精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 5 页，共 8 页能够弹性处理连接失败，透明恢复。我们所有的通讯需求，都应该切换到MQTT，这是一个轻量级的机器对机器的连接协议。安全问题保证我们应用程序的安全是非常重要的。我们整体架构都要有安全上的考虑。我在这里只谈架构为

18、满足安全要求做出的改变，我们不谈实施过程的改变。这里是一些必须添加到架构里的：1. 我们所有的用户数据必须加密。MongoDB 和 Neo4j 已经支持存储加密。在这基础上，我们可以决定加密哪些用户关键信息。所有与数据库相关的传输调用必须启用加密。2. 安全套接字层：所有代理服务器的访问都应该使用SSLed 。代理服务器可以充当SSL终止点。3. 我们所有的API端点应该运行在非默认端口，并且必须实现OAuth。4. 所有的 DB 读取都应该通过Rest endpoints。5. 有关密码的配置必须特殊处理。密码必须hashed，文件应该被限制只能在应用启动时读取。这允许我们通过文件系统权限来

19、控制应用程序身份实例。只有应用程序用户可以读，但不能写，其他用户不可以读取。所有类似的配置都要用keydb 打包并需要密码。组件以下是我们架构用到的组件:1. 负载均衡器：这层是用来转发所有对代理服务器的请求，基于定制的策略。这一层也将有助于我们通过基于容量重定向的方式来保障可用性。2. 代理服务器：所有即将到来的调用都必须以这里为入口。这也是我们SSL的终止点。它缓存所有基于策略定义的请求。 FE层：该层运行一个node 服务器。3. 数据输入引擎：这个组件涉及所有内容的输入，它做了一系列的工作:非标准化模型，转码，缓存等。将来如果可以的话，所有内容的处理，都可以在这里完成。4. Rest

20、服务：这层负责与所有DB 交互，并返回数据。它的访问是受OAuth 保护的。这可以用 Tomcat 容器以及edge 缓存来实现。5. 事件处理：这层处理所有的事件，主要负责分发的功能。它读取ActiveMQ 并使用通知引擎生成通知。精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 6 页，共 8 页6. 推荐引擎： 这个组件通过分析所有收集到的用户动态来做推荐。根据实际收集到的动态，我们可以部署各种基于亲和力的算法。我们可以使用Apache Mahout 提供的各种算法接口系统的逻辑视图：精选学习资料 - - - - - - - - - 名师归纳总

21、结 - - - - - - -第 7 页，共 8 页结语本篇文章更像是对关键组件高抽象层次的分析。如果需要实施的建议，可以做一个阶段性的方式， 但如果我们需要扩展性并支持真正的用例，必须遵循我提出的这些标准。我没有提起任何设计领域相关的内容。这只是设计阶段，需要更深入的分析和了解系统的当前状态。来自 HackerNews 的评论：/item?id=9930752原文链接：Architecting Backend For A Social Product 译者 /施聪羽审校 /朱正贵责编 /仲浩关于译者：施聪羽，浩渺科技服务端研发工程师，修炼中的码农。精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 8 页，共 8 页