抖音直播亿级并发下的高可用技术实践-夏睿

直播业务&架构复杂性

• 业务复杂度：涉及300+分发场景、上百种业务形态（秀场、游戏、连麦等），涵盖电商、游戏、社交等领域。
• 组织架构复杂度：接入层20+产品线，2000+服务，10+存储类型，异地多机房，50+外部依赖。
• 领域驱动：通过领域划分、服务分级（一级/二级/三级服务），构建2000+服务，覆盖直播、互动、营收等核心能力。

高并发解决方案

• 用户：亿级QPS、亿级用户、300+用户属性，通过Set化/Sidecar架构实现亿级QPS处理。
• 房间：千万级读并发、100ms数据实时变更、TB级热数据，采用自建/多级缓存、异化索引结构、多类异构缓存整合方案。
• 消息：亿级消息毫秒级延迟推送，通过自研高可靠消息内存缓存（多活）、消息分级/批量推送、房间维度分片（高热/小直播间针对性策略）实现。

核心链路的高可用保障方案

• 架构设计：无限集→有限集方案，隔离固化核心链路（房间、用户、分发、消息、打赏）。
• 打赏：主链路拆分隔离、服务编排流程固化。
• 分发：千万QPS、多内容、低时延、高SLA，采用多级兜底策略（文件兜底、内存兜底、存储异构兜底）。
• SRE故障预防：立体监控、故障感知定位止损、复盘改进，核心指标：故障数P2+=0，SLA 99.99%，时效1-5-10。
• AIOps：感知决策执行，历史事件+实时监控关联分析+异常检测，自动执行+优化建议。

大型活动保障方案

• 稳定性重保：流量控制、扩容、压测、限流配置、监控大盘、自动扩容、容灾预案（自愈）、服务降级、数据恢复、参数调整、环境检查、彩排验收、变更封禁、值班安排、办公预案。
• 弹性资源：自动扩缩容（云原生+动态策略），1天内腾挪百万核，手动→半自动→自动弹性扩缩容。
• 压测：数据构造/隔离、流量回放、压测平台、全链路压测、线上真实流量调度、结果分析、优化。
• 自愈：AIOps实现自动感知决策恢复，应对高并发+现场直播场景。

回顾

• 宏观分析：业务/组织/架构分析→领域划分，服务分级，服务治理基建。
• 高并发场景：Set化，多级缓存，针对性优化。
• 高可用场景：隔离固化，兜底策略，预防/感知/定位/止损。