微博亿级用户高可用架构体系建设
微博的业务场景和挑战
微博作为亿级用户的平台，面临的主要挑战包括：
- 海量数据处理：每日处理亿级评论、赞内容，新增关注订阅关系千万级，需要具备海量数据存储能力。
- 高并发性能：用户请求量大，性能要求高，热点峰值流量不可预测，高可用挑战大。
- 架构挑战：数据存储、请求处理、服务依赖、容灾等方面的问题。
架构挑战具体表现
- 容量问题：数据存储容量不足，请求容量无法支撑。
- 性能问题：服务响应慢，资源成本高。
- 依赖问题：个别非核心资源拖死整个服务。
- 容灾问题：机房、专线故障导致服务不可用。
构建高可用架构体系
针对上述挑战，微博构建了高可用架构体系，主要包括：
容量问题应对方案
- 海量数据存储架构：
- 容量预估：评估业务场景、数据规模和读写比例。
- 存储选型：关系型数据库 vs NoSQL 数据库（成本&效率）。
- 性能基准：建立读写安全指标，监控及报警阈值。
- 扩展预案：存储容量扩容预案，请求容量扩容预案。
- 应对数据累积：通过监控和预案解决数据存储问题。
性能问题应对方案
- 分布式缓存架构：
- 容量预估：评估业务场景、缓存时长及缓存数据规模。
- 缓存选型：本地缓存 vs 分布式缓存。
- 性能基准：建立读写安全指标，监控及报警阈值。
- 扩展预案：缓存容量扩容预案，请求容量扩容预案。
依赖问题应对方案
- 微服务架构：
- 优势：促进服务松耦合、高内聚，RPC调用方式提升效率。
- 微博开源的跨语言服务化框架 Motan：Motan GitHub。
- 问题：运维复杂度增加。
- Docker容器化：
- 混合云架构：结合容器化和混合云技术实现实时可伸缩的弹性系统，低成本应对突发热点峰值。
容灾问题应对方案
- 分布式系统的CAP理论：
- Consistency（一致性）：更新操作成功后，所有节点数据保持一致。
- Availability（可用性）：读和写操作一直成功。
- Partition tolerance（分区容忍性）：网络故障时系统仍可用。
- 新浪微博多机房技术架构：
- 降低一致性到最终一致性。
- 用MC和WMB解决同步数据效率问题。
- 用MySQL主从同步保障数据最终一致性。
- 新浪微博多可用区部署架构：
- 可用区内形成资源和服务依赖闭环。
- 核心服务多可用区部署。
- 每个可用区可独立扩容。
- 建立流量调度机制及容灾切换预案，定期演练。
服务治理
- Service-Level-Agreement（SLA）：
- 量化指标，明确职责。
- 确保上下游团队建立良好默契。
新的探索与展望
