原文地址：http://www.uml.org.cn/zjjs/2015081311.asp

摘要：本篇文章會向讀者展示幾個架構設計的關鍵點，使一個社交應用能夠成為真正的下一代社交產品。但這只是設計階段，需要更深入的分析和了解系統的當前狀態。

本篇文章會向讀者展示幾個架構設計的關鍵點，使一個社交應用能夠成為真正的下一代社交產品。以下幾個屬性將會影響到架構的設計：

a）可用性

b）可擴展性

c）性能和靈活性可擴展

目標

a）確保用戶的內容數據能夠很方便的被其他用戶發現和獲取.

b）確保內容推送是相關的，不僅在語義上，也是從用戶設備的角度。

c）確保實時更新生成、推送和分析。

d）盡可能地節省用戶的資源。

e）不論服務器負載變化如何，用戶體驗應保持不變。

f）確保應用整體上是安全的

總之，我們要處理一個相當大的挑戰，我們必須處理不斷擴大的海量用戶生成的內容數據，不斷增長的用戶，和一個不斷迭代的新項目，同時必須確保性能足夠出色。為了應對上述的挑戰，我們必須學習架構某些關鍵的元素，這將影響到系統的設計。以下是一些關鍵的決定和分析。

數據存儲

數據和數據模型的存儲是一個好架構的關鍵設計之一。一個社交產品應該能夠處理多種類型的數據，因此首先得充分分析數據并透徹理解，之后再設計數據模型和數據存儲。

第一步，我們要確定哪些數據是經常查詢的熱點數據，哪些不是經常需要的那些數據（如歸檔數據用于分析）。對于高頻訪問的數據，它必須總是可用，能夠快速讀寫和水平可擴展。目前我們所有業務場景使用的都是MySQL，即使我們的用例不一定需要使用關系數據庫系統。隨著我們數據的增長，我們的讀寫將成為我們應用程序性能瓶頸。我們應該為每秒鐘數十億的查詢做好準備。

讓我們對我們的數據進行分類：

a）主要的數據或靜態形式的數據，如用戶資料

b）語義數據

c）用戶產生的內容數據

d）會話數據

找到一個高效的數據存儲方式，滿足所有這些類型的數據，真的很難。因此，我們將為每個數據類型選擇特定的數據存儲方式。

靜態數據：對于靜態數據，最好是選擇基于文檔的存儲方式，其中鍵和值都是可查詢的。我們可以選擇如MongoDB這種文檔型數據庫，選擇MongoDB最大的優勢是它提供了在文檔級別的ACID。

MongoDB可以在多個分布式數據中心的范圍內進行縮放。它將允許我們使用副本集來保持冗余，從而解決我們的可用性問題。

數據分片是一個重要的考慮因素，數據分片可以確保數據的擴展與查詢速度。幸運的是，MongoDB透明的支持了數據分片。

關聯的或關系數據（核心數據）：我們大部分數據本質上是關聯的，例如，A是B的朋友，C是A和B的朋友，這樣高度語義的數據最適合圖處理模型。我們應將這樣的數據存儲在圖數據庫，如Neo4j。這樣做的優勢很明顯；我們可以存儲所有關聯數據的節點，從而節省了計算數據之間連接關系的額外步驟。圖形數據模型也將有助于我們捕捉到屬性之間的關系。當試圖探索關聯數據時，豐富的屬性關系絕對是關鍵。圖數據庫支持ACID規則以及自動索引。

再次聲明，我們的要求是達到可用性和可擴展性。我們可能會有成百上千的并發事務，同時寫入數據庫，同時會有數百和數千查詢請求。它應該能夠處理一個數據集上的許多字節，超過十億每秒的讀取速度。

我們將會需要一個系統，幫助我們自動伸縮寫入和讀取。其他需要考慮的因素是數據分片，這是系統可伸縮的關鍵。

Neo4j已經被設計為可水平擴展，并且有數據冗余功能來保證可用性。但到目前為止，它還不支持數據分片。我們可能需要更多的分析，才能做出抉擇。其他可供選擇的圖數據庫有FlockDB、AllegroGraph和InfiniteGraph。

二進制數據（UGC）：我們還必須處理大量的與用戶相關的二進制數據。處理二進制數據不太容易，考慮到它們的規模。上面已經討論過，我們需要一個系統可以運行相當高的性能，秒級別（尖峰），當決定在哪里存儲時，可伸縮和可用性是最關鍵的素。我們不能依靠磁盤文件系統來存儲我們的二進制數據。我們必須考慮可用性和可擴展性，文件系統的緩存會消耗大量的CPU。相反的，我們應該依靠一個現有的可用的系統，例如亞馬遜S3，S3是非常流行的對象存儲系統，具有可用性和彈性存儲。

我們也可以考慮谷歌云存儲或Rackspace的云文件等，但S3似乎是明顯的贏家，它提供更優質的服務。

S3已經支持數據分區。S3能夠水平伸縮，冷熱數據拆分，并根據keys分區。但是只實現存儲數據是不夠的，與這些內容相關的元數據必須能夠被搜索，并且搜索可伸縮，速度夠快。我們也可以嘗試一些新的東西，如圖像的自動維度識別，基于內容自動打標簽等。這是一個潛在的知識產權領域。我們將在文章的索引部分討論索引需求。但現在，讓我們只需要注意，我們將用標識符存儲內容，并且在某個地方做了索引。似乎亞馬遜的S3最適合這種情況。

Session數據

正確的認識和理解session數據是非常重要的。Session數據將幫助我們保持用戶的狀態。Session數據必須使用與服務器無關的方式，方便我們服務端可伸縮部署。這將有助于保持我們的設計靈活，確保session不會綁定到特定的節點或服務器。

我們得用一種新的方式來更新用戶的實際session，如果用戶的session終止，我們仍然可以幫助用戶從一個地方，他離開的地方重新恢復信息。

這是特別重要的，在我們的場景中，連接是不可靠的，數據丟包是很正常的。數據必須能夠被跨節點訪問，因此需要可用性和可擴展性。我們可以很好的使用MongoDB本身來保存數據。后來，我們想轉移到純粹的鍵值存儲，如Redis。

注：所有推薦和離線作業都應該只運行在非服務節點上。

索引

索引是我們系統的關鍵。用戶可以搜索任何內容，這是我們的主要用例之一。為了提升搜索性能，我們必須非常認真地對待索引。這里有兩點需要考慮：首先是，創建索引本身，然后就是索引系統本身。

為了做一個有意義的搜索系統，我們必須設計一個實時索引，針對一段時間窗口的實時數據進行處理。首先，我們可以寫一個非常簡單的系統，對產生的內容數據做倒排索引。后來，隨著輸入數據的增加，我們可以方便地用實時數據處理引擎取代它，如Apache的Storm，這是一個分布式的，容錯和高度可擴展的系統。它可以負責生成索引的邏輯。

索引系統：由于Lucene受歡迎程度和其性能，因此，Lucene是一個顯而易見的好選擇；它的性能是無與倫比的。我們可以使用SolrCloud。它已經透明的支持分片，復制和讀寫方面的容錯。

隊列&消息推送

每次我們的應用程序被觸發一個事件，我們將需要向他/她的追隨者/朋友推送消息。重要的是，我們的系統不能錯過任何這些信息，更重要的是，能夠在發生故障時恢復這些事件。為了達到這些要求，我們必須尋找一個隊列解決方案。我們可以使用ActiveMQ，這是最可靠的隊列軟件。它支持集群的高可用性，支持分布式隊列。

消息推送是另一個領域，要把通知發送給我們的用戶。在這里我們需要估計一下規模。我們應該準備好支持像nps這樣上億的規模。這里有許多選擇，但也許pyapns、CommandIQ和APP Booster才是最流行的。

我們需要自己管理一些事情，特別是要保證消息傳遞可靠性，即使用戶的設備處于離線狀態。我建議我們實現一個雙向的系統，保持狀態的通知，并在后臺持久化到磁盤。所以每次一個通知失敗時，它的狀態都被處理并標上狀態碼，添加到重試隊列中。最后，當通知被送達，移出重試出列。

緩存策略

像我們這樣的系統，我們的目標是使其支撐十億RPS，因此，好的緩存策略是極重要的。我們的業務邏輯會在多層緩存中，并且能夠智能的清除失效緩存。讓我們看看最頂層緩存。

應用層緩存（內容緩存）：為了最大限度地減少緩存未命中，并確保緩存始終是最新的數據，我們必須尋找一個從未過期的緩存，并始終保持數據。這基本上意味著在一般使用情況下，我們將永遠不用查詢我們的數據庫，因此節省了大量的資源。我們還應該確保我們緩存的數據總是以一種不需要額外處理的格式，隨時準備好呈現。這基本上意味著將我們的在線負載轉換為離線負載，從而節省了延遲。要做到這一點，我們必須確保每一次的內容被輸入到系統中，我們要做兩件事情:

a）原內容是非規格化形式保存在緩存。為了安全起見，我們將永遠設置一個有效的期限。

b）原內容也寫在我們的數據存儲區中。

我們使用Redis來做這個緩存，Redis是一種具有良好故障恢復的內存緩存。它具有高度的可擴展性，較新的版本透明的支持了數據分片。支持主從節點配置。最好的部分是，我們能夠保存任何格式的數據，這使得它很容易做增量寫，這是至關重要的，我們支持內容feeds

還值得指出的是，我們需要支持對大內容對象進行大量的讀 - 修改 - 寫操作和少量讀，Redis是已知的，對這些操作在性能方面是最好的。

緩存代理：反向代理層的緩存也是至關重要的。它有助于減少直接請求我們服務器的負載，從而減少延遲。為了使代理服務器緩存更有效，需要正確設置HTTP響應頭。代理服務器有很多種，但最受歡迎的是nginx和ATS。

二級緩存（代碼級緩存）：這是一個實體數據的本地存儲，用于提高應用程序的性能。它有助于通過減少昂貴的數據庫調用以提高性能，保持實體數據的本地化。EhCache是一個很受歡迎的選擇。

客戶端緩存：這實際上是設備或瀏覽器緩存。所有靜態項目都應該盡可能地緩存。如果API響應HTTP緩存頭已經被合理設置，很多相關資源的內容都會被緩存。我們應確保其如預期的那樣工作。除此之外，我們應該盡可能緩存其他內容，可以使用設備自己的內存，或使用SQLite。所有昂貴的對象都應該緩存。例如NSDateFormatter和NSCalendar，初始化緩慢，應該盡可能多的重用。iOS Lot可以調整和應用，但是在這里，它是超出我們的研究范圍。

數據壓縮

考慮到我們的用戶主要是要處理大量的圖像和視頻，需要下載大量的數據，所以優化下載大小是非常重要的。它將節省用戶的數據量，提高應用程序的性能體驗。

其他要考慮的方面，如我們的網絡，我們的用戶主要是在非LTE網絡，使用2.5G或3G，需要考慮帶寬，并且連接通常是不可靠的，數據使用成本高。在這種情況下，智能壓縮是一個關鍵的需求。

但是實際上圖像壓縮和視頻壓縮并不是想象中那么直接簡單，往往需要進行深入的分析。我們所處理的圖像和視頻，可以無損和有損，這取決于用戶的設備質量。所以我建議使用多個壓縮技術來處理這種情況。在這種情況下，我們可以嘗試幀內壓縮和幀間壓縮技術。

但總的來說我們可以采用zpaq和fp8來應對所有壓縮需求。我們也可以嘗試非常適合我們業務場景的WebP。一般情況下，我們的API會使用gzip，我們API response總是經過gzip壓縮過的。

數據轉碼

考慮到我們需要處理多個設備，多個操作系統和屏幕分辨率，我們的內容存儲和處理時應與設備無關。但服務層應該基于用戶的設備，理解并調整響應的內容。所以，圖像和視頻的轉碼是必不可少的。

我們的應用程序需要收集設備的配置，如內存、編碼和屏幕分辨率，作為API的上下文。我們的API應該使用此上下文來修改/選擇內容版本。基于我們接受到的設備上下文，我們可以預先準備好一些最頻繁被請求的版本的內容。

我們可以使用FFMPEG轉碼，FFMPEG是最可靠和應用最廣的轉碼框架。我們可以修改FFMPEG，使其滿足我們的需求。轉碼是在數據輸入端完成的。

傳輸協議

考慮到我們的網絡場景（非LTE，不可靠的連接等），關鍵是要盡可能地節省資源，使通信盡可能地輕量。我建議我們所有的HTTP請求都使用okhttp客戶端，okhttp使用SPDY協議，能夠彈性處理連接失敗，透明恢復。

我們所有的通訊需求，都應該切換到MQTT，這是一個輕量級的機器對機器的連接協議。

安全問題

保證我們應用程序的安全是非常重要的。我們整體架構都要有安全上的考慮。我在這里只談架構為滿足安全要求做出的改變，我們不談實施過程的改變。

這里是一些必須添加到架構里的：

1. 我們所有的用戶數據必須加密。MongoDB和Neo4j已經支持存儲加密。在這基礎上，我們可以決定加密哪些用戶關鍵信息。所有與數據庫相關的傳輸調用必須啟用加密。

2. 安全套接字層：所有代理服務器的訪問都應該使用SSLed。代理服務器可以充當SSL終止點。

3. 我們所有的API端點應該運行在非默認端口，并且必須實現OAuth。

4. 所有的DB讀取都應該通過Rest endpoints。

5. 有關密碼的配置必須特殊處理。密碼必須hashed，文件應該被限制只能在應用啟動時讀取。這允許我們通過文件系統權限來控制應用程序身份實例。只有應用程序用戶可以讀，但不能寫，其他用戶不可以讀取。所有類似的配置都要用keydb打包并需要密碼。

組件

以下是我們架構用到的組件:

1. 負載均衡器：這層是用來轉發所有對代理服務器的請求，基于定制的策略。這一層也將有助于我們通過基于容量重定向的方式來保障可用性。

2. 代理服務器：所有即將到來的調用都必須以這里為入口。這也是我們SSL的終止點。它緩存所有基于策略定義的HTTP請求。FE層：該層運行一個node服務器。

3. 數據輸入引擎：這個組件涉及所有內容的輸入，它做了一系列的工作:非規范化模型，轉碼，緩存等。將來如果可以的話，所有內容的處理，都可以在這里完成。

4. Rest服務：這層負責與所有DB交互，并返回數據。它的訪問是受OAuth保護的。這可以用Tomcat容器以及edge緩存來實現。

5. 事件處理：這層處理所有的事件，主要負責分發的功能。它讀取ActiveMQ并使用通知引擎生成通知。

6. 推薦引擎：這個組件通過分析所有收集到的用戶動態來做推薦。根據實際收集到的動態，我們可以部署各種基于親和力的算法。我們可以使用Apache Mahout提供的各種算法接口

系統的邏輯視圖：

結語

本篇文章更像是對關鍵組件高抽象層次的分析。如果需要實施的建議，可以做一個階段性的方式，但如果我們需要擴展性并支持真正的用例，必須遵循我提出的這些規范。我沒有提起任何設計領域相關的內容。這只是設計階段，需要更深入的分析和了解系統的當前狀態。

轉載于:https://www.cnblogs.com/davidwang456/p/4995424.html

總結

以上是生活随笔為你收集整理的社交产品后端架构设计--转载的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。