微博日活躍用戶 1.6 億+，每日訪問(wèn)量達(dá)百億級(jí)，面對(duì)龐大用戶群的海量訪問(wèn)，良好的架構(gòu)且不斷改進(jìn)的緩存體系具有非常重要的支撐作用。

[[232164]]

本文由新浪微博技術(shù)專家陳波老師，分為如下四個(gè)部分跟大家詳細(xì)講解那些龐大的數(shù)據(jù)都是如何呈現(xiàn)的：

• 微博在運(yùn)行過(guò)程中的數(shù)據(jù)挑戰(zhàn)
• Feed 平臺(tái)系統(tǒng)架構(gòu)
• Cache 架構(gòu)及演進(jìn)
• 總結(jié)與展望

微博在運(yùn)行過(guò)程中的數(shù)據(jù)挑戰(zhàn)

Feed 平臺(tái)系統(tǒng)架構(gòu)

Feed 平臺(tái)系統(tǒng)架構(gòu)總共分為五層：

• 最上面是端層，比如 Web 端、客戶端、大家用的 iOS 或安卓的一些客戶端，還有一些開(kāi)放平臺(tái)、第三方接入的一些接口。
• 下一層是平臺(tái)接入層，不同的池子，主要是為了把好的資源集中調(diào)配給重要的核心接口，這樣遇到突發(fā)流量的時(shí)候，就有更好的彈性來(lái)服務(wù)，提高服務(wù)穩(wěn)定性。
• 再下面是平臺(tái)服務(wù)層，主要是 Feed 算法、關(guān)系等等。
• 接下來(lái)是中間層，通過(guò)各種中間介質(zhì)提供一些服務(wù)。
• 最下面一層就是存儲(chǔ)層。

Feed Timeline

大家日常刷微博的時(shí)候，比如在主站或客戶端點(diǎn)一下刷新，***獲得了十到十五條微博，這是怎么構(gòu)建出來(lái)的呢？

刷新之后，首先會(huì)獲得用戶的關(guān)注關(guān)系。比如他有一千個(gè)關(guān)注，會(huì)把這一千個(gè) ID 拿到，再根據(jù)這一千個(gè) UID，拿到每個(gè)用戶發(fā)表的一些微博。

同時(shí)會(huì)獲取這個(gè)用戶的 Inbox，就是他收到的特殊的一些消息，比如分組的一些微博、群的微博、下面的關(guān)注關(guān)系、關(guān)注人的微博列表。

拿到這一系列微博列表之后進(jìn)行集合、排序，拿到所需要的那些 ID，再對(duì)這些 ID 去取每一條微博 ID 對(duì)應(yīng)的微博內(nèi)容。

如果這些微博是轉(zhuǎn)發(fā)過(guò)來(lái)的，它還有一個(gè)原微博，會(huì)進(jìn)一步取原微博內(nèi)容。通過(guò)原微博取用戶信息，進(jìn)一步根據(jù)用戶的過(guò)濾詞對(duì)這些微博進(jìn)行過(guò)濾，過(guò)濾掉用戶不想看到的微博。

根據(jù)以上步驟留下的微博，會(huì)再進(jìn)一步來(lái)看，用戶對(duì)這些微博有沒(méi)有收藏、點(diǎn)贊，做一些 Flag 設(shè)置，還會(huì)對(duì)這些微博各種計(jì)數(shù)，轉(zhuǎn)發(fā)、評(píng)論、贊數(shù)進(jìn)行組裝，***才把這十幾條微博返回給用戶的各種端。

這樣看來(lái)，用戶一次請(qǐng)求得到的十幾條記錄，后端服務(wù)器大概要對(duì)幾百甚至幾千條數(shù)據(jù)進(jìn)行實(shí)時(shí)組裝，再返回給用戶。

整個(gè)過(guò)程對(duì) Cache 體系強(qiáng)度依賴，所以 Cache 架構(gòu)設(shè)計(jì)優(yōu)劣會(huì)直接影響到微博體系表現(xiàn)的好壞。

Feed Cache 架構(gòu)

接下來(lái)我們看一下 Cache 架構(gòu)，它主要分為六層：

• ***層是 Inbox，主要是分組的一些微博，然后直接對(duì)群主的一些微博。Inbox 比較少，主要是推的方式。
• 第二層是 Outbox，每個(gè)用戶都會(huì)發(fā)常規(guī)的微博，都會(huì)到它的 Outbox 里面去。根據(jù)存的 ID 數(shù)量，實(shí)際上分成多個(gè) Cache，普通的大概是 200 多條，如果長(zhǎng)的大概是 2000 條。
• 第三層是一些關(guān)系，它的關(guān)注、粉絲、用戶。
• 第四層是內(nèi)容，每一條微博一些內(nèi)容存在這里。
• 第五層就是一些存在性判斷，比如某條微博我有沒(méi)有贊過(guò)。之前有一些明星就說(shuō)我沒(méi)有點(diǎn)贊這條微博怎么顯示我點(diǎn)贊了，引發(fā)了一些新聞。而這種就是記錄，實(shí)際上她有在某個(gè)時(shí)候點(diǎn)贊過(guò)但可能忘記了。
• 最下面還有比較大的一層——計(jì)數(shù)，每條微博的評(píng)論、轉(zhuǎn)發(fā)等計(jì)數(shù)，還有用戶的關(guān)注數(shù)、粉絲數(shù)這些數(shù)據(jù)。

Cache 架構(gòu)及演進(jìn)

簡(jiǎn)單 KV 數(shù)據(jù)類型

[[232165]]

[[232166]]

接下來(lái)我們著重講一下微博的 Cache 架構(gòu)演進(jìn)過(guò)程。最開(kāi)始微博上線時(shí)，我們是把它作為一個(gè)簡(jiǎn)單的 KV 數(shù)據(jù)類型來(lái)存儲(chǔ)。

我們主要采取哈希分片存儲(chǔ)在 MC 池子里，上線幾個(gè)月之后發(fā)現(xiàn)一些問(wèn)題：有一些節(jié)點(diǎn)機(jī)器宕機(jī)或是其他原因，大量的請(qǐng)求會(huì)穿透 Cache 層達(dá)到 DB 上去，導(dǎo)致整個(gè)請(qǐng)求變慢，甚至 DB 僵死。

于是我們很快進(jìn)行了改造，增加了一個(gè) HA 層，這樣即便 Main 層出現(xiàn)某些節(jié)點(diǎn)宕機(jī)情況或者掛掉之后，這些請(qǐng)求會(huì)進(jìn)一步穿透到 HA 層，不會(huì)穿透到 DB 層。

這樣可以保證在任何情況下，整個(gè)系統(tǒng)***率不會(huì)降低，系統(tǒng)服務(wù)穩(wěn)定性有了比較大的提升。

對(duì)于這種做法，現(xiàn)在業(yè)界用得比較多，然后很多人說(shuō)我直接用哈希，但這里面也有一些坑。

比如我有一個(gè)節(jié)點(diǎn)，節(jié)點(diǎn) 3 宕機(jī)了，Main 把它給摘掉，節(jié)點(diǎn) 3 的一些 QA 分給其他幾個(gè)節(jié)點(diǎn)，這個(gè)業(yè)務(wù)量還不是很大，穿透 DB，DB 還可以抗住。

但如果這個(gè)節(jié)點(diǎn) 3 恢復(fù)了，它又加進(jìn)來(lái)之后，節(jié)點(diǎn) 3 的訪問(wèn)就會(huì)回來(lái)，稍后節(jié)點(diǎn) 3 因?yàn)榫W(wǎng)絡(luò)原因或者機(jī)器本身的原因，它又宕機(jī)了，一些節(jié)點(diǎn) 3 的請(qǐng)求又會(huì)分給其他節(jié)點(diǎn)。

這個(gè)時(shí)候就會(huì)出現(xiàn)問(wèn)題，之前分散給其他節(jié)點(diǎn)寫回來(lái)的數(shù)據(jù)已經(jīng)沒(méi)有人更新了，如果它沒(méi)有被剔除掉就會(huì)出現(xiàn)混插數(shù)據(jù)。

實(shí)際上微博是一個(gè)廣場(chǎng)型的業(yè)務(wù)，比如突發(fā)事件，某明星找個(gè)女朋友，瞬間流量就 30% 了。

突發(fā)事件后，大量的請(qǐng)求會(huì)出現(xiàn)在某一些節(jié)點(diǎn)，會(huì)導(dǎo)致這些節(jié)點(diǎn)非常熱，即便是 MC 也沒(méi)辦法滿足這么大的請(qǐng)求量。這時(shí) MC 就會(huì)變成瓶頸，導(dǎo)致整個(gè)系統(tǒng)變慢。

基于這個(gè)原因，我們引入了 L1 層，還是一個(gè) Main 關(guān)系池，每一個(gè) L1 大概是 Main 層的 N 分之一，六分之一、八分之一、十分之一這樣一個(gè)內(nèi)存量，根據(jù)請(qǐng)求量我會(huì)增加 4 到 8 個(gè) L1，這樣所有請(qǐng)求來(lái)了之后首先會(huì)訪問(wèn) L1。

L1 ***的話就會(huì)直接訪問(wèn)，如果沒(méi)有***再來(lái)訪問(wèn) Main-HA 層，這樣在一些突發(fā)流量的時(shí)候，可以由 L1 來(lái)抗住大部分熱的請(qǐng)求。

對(duì)微博本身來(lái)說(shuō)，新的數(shù)據(jù)就會(huì)越熱，只要增加很少一部分內(nèi)存就會(huì)抗住更大的量。

簡(jiǎn)單總結(jié)一下：通過(guò)簡(jiǎn)單 KV 數(shù)據(jù)類型的存儲(chǔ)，我們實(shí)際上是以 MC 為主的，層內(nèi) Hash 節(jié)點(diǎn)不漂移，Miss 穿透到下一層去讀取。

通過(guò)多組 L1 讀取性能提升，能夠抗住峰值、突發(fā)流量，而且成本會(huì)大大降低。

對(duì)讀寫策略，采取多寫，讀的話采用逐層穿透，如果 Miss 的話就進(jìn)行回寫。對(duì)存在里面的數(shù)據(jù)，我們最初采用 Json/xml，2012 年之后就直接采用 Protocol Buffer 格式，對(duì)一些比較大的用 QuickL 進(jìn)行壓縮。

集合類數(shù)據(jù)

剛才講到簡(jiǎn)單的 QA 數(shù)據(jù)，那對(duì)于復(fù)雜的集合類數(shù)據(jù)怎么來(lái)處理？

比如我關(guān)注了 2000 人，新增 1 個(gè)人，就涉及到部分修改。有一種方式是把 2000 個(gè) ID 全部拿下來(lái)進(jìn)行修改，但這種對(duì)帶寬、機(jī)器壓力會(huì)很大。

還有一些分頁(yè)獲取，我存了 2000 個(gè)，只需要取其中的第幾頁(yè)，比如第二頁(yè)，也就是第十到第二十個(gè)，能不能不要全量把所有數(shù)據(jù)取回去。

還有一些資源的聯(lián)動(dòng)計(jì)算，會(huì)計(jì)算到我關(guān)注的某些人里面 ABC 也關(guān)注了用戶 D。這種涉及到部分?jǐn)?shù)據(jù)的修改、獲取，包括計(jì)算，對(duì) MC 來(lái)說(shuō)實(shí)際上是不太擅長(zhǎng)的。

各種關(guān)注關(guān)系都存在 Redis 里面取，通過(guò) Hash 分布、儲(chǔ)存，一組多存的方式來(lái)進(jìn)行讀寫分離?，F(xiàn)在 Redis 的內(nèi)存大概有 30 個(gè) T，每天都有 2-3 萬(wàn)億的請(qǐng)求。

在使用 Redis 的過(guò)程中，實(shí)際上還是遇到其他一些問(wèn)題。比如從關(guān)注關(guān)系，我關(guān)注了 2000 個(gè) UID，有一種方式是全量存儲(chǔ)。

但微博有大量的用戶，有些用戶登錄得比較少，有些用戶特別活躍，這樣全部放在內(nèi)存里成本開(kāi)銷是比較大的。

所以我們就把 Redis 使用改成 Cache，比如只存活躍的用戶，如果你最近一段時(shí)間沒(méi)有活躍，會(huì)把你從 Redis 里踢掉，再次有訪問(wèn)的時(shí)候再把你加進(jìn)來(lái)。

這時(shí)存在一個(gè)問(wèn)題，因?yàn)?Redis 工作機(jī)制是單線程模式，如果它加某一個(gè) UV，關(guān)注 2000 個(gè)用戶，可能擴(kuò)展到兩萬(wàn)個(gè) UID，兩萬(wàn)個(gè) UID 塞回去基本上 Redis 就卡住了，沒(méi)辦法提供其他服務(wù)。

所以我們擴(kuò)展一種新的數(shù)據(jù)結(jié)構(gòu)，兩萬(wàn)個(gè) UID 直接開(kāi)了端，寫的時(shí)候直接依次把它寫到 Redis 里面去，讀寫的整個(gè)效率就會(huì)非常高。

它的實(shí)現(xiàn)是一個(gè) long 型的開(kāi)放數(shù)組，通過(guò) Double Hash 進(jìn)行尋址。

我們對(duì) Redis 進(jìn)行了一些其他的擴(kuò)展，大家可能也在網(wǎng)上看到過(guò)我們之前的一些分享，把數(shù)據(jù)放到公共變量里面。

整個(gè)升級(jí)過(guò)程，我們測(cè)試 1G 的話加載要 10 分鐘，10G 大概要 10 分鐘以上，現(xiàn)在是毫秒級(jí)升級(jí)。

對(duì)于 AOF，我們采用滾動(dòng)的 AOF，每個(gè) AOF 是帶一個(gè) ID 的，達(dá)到一定的量再滾動(dòng)到下一個(gè) AOF 里去。

對(duì) RDB 落地的時(shí)候，我們會(huì)記錄構(gòu)建這個(gè) RDB 時(shí)，AOF 文件以及它所在的位置，通過(guò)新的 RDB、AOF 擴(kuò)展模式，實(shí)現(xiàn)全增量復(fù)制。

其他數(shù)據(jù)類型：計(jì)數(shù)

接下來(lái)還有一些其他的數(shù)據(jù)類型，比如一個(gè)計(jì)數(shù)，實(shí)際上計(jì)數(shù)在每個(gè)互聯(lián)網(wǎng)公司都可能會(huì)遇到，對(duì)一些中小型的業(yè)務(wù)來(lái)說(shuō)，實(shí)際上 MC 和 Redis 足夠用的。

但在微博里計(jì)數(shù)出現(xiàn)了一些特點(diǎn)：?jiǎn)螚l Key 有多條計(jì)數(shù)，比如一條微博，有轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)，還有點(diǎn)贊；一個(gè)用戶有粉絲數(shù)、關(guān)注數(shù)等各種各樣的數(shù)字。

因?yàn)槭怯?jì)數(shù)，它的 Value size 是比較小的，根據(jù)它的各種業(yè)務(wù)場(chǎng)景，大概就是 2-8 個(gè)字節(jié)，一般 4 個(gè)字節(jié)為多。

然后每日新增的微博大概十億條記錄，總記錄就更可觀了，然后一次請(qǐng)求，可能幾百條計(jì)數(shù)要返回去。

計(jì)數(shù)器 Counter Service

最初是可以采取 Memcached，但它有個(gè)問(wèn)題，如果計(jì)數(shù)超過(guò)它內(nèi)容容量時(shí)，會(huì)導(dǎo)致一些計(jì)數(shù)的剔除，宕機(jī)或重啟后計(jì)數(shù)就沒(méi)有了。

另外可能有很多計(jì)數(shù)它為零，那這個(gè)時(shí)候怎么存，要不要存，存的話就占很多內(nèi)存。

微博每天上十億的計(jì)數(shù)，光存 0 都要占大量的內(nèi)存，如果不存又會(huì)導(dǎo)致穿透到 DB 里去，對(duì)服務(wù)的可溶性會(huì)存在影響。

2010 年之后我們又采用 Redis 訪問(wèn)，隨著數(shù)據(jù)量越來(lái)越大之后，發(fā)現(xiàn) Redis 內(nèi)存有效負(fù)荷還是比較低的，它一條 KV 大概需要至少 65 個(gè)字節(jié)。

但實(shí)際上我們一個(gè)計(jì)數(shù)需要 8 個(gè)字節(jié)，然后 Value 大概 4 個(gè)字節(jié)，所以有效只有 12 個(gè)字節(jié)，還有四十多個(gè)字節(jié)都是被浪費(fèi)掉的。

這還只是單個(gè) KV，如果在一條 Key 有多個(gè)計(jì)數(shù)的情況下，它就浪費(fèi)得更多了。

比如說(shuō)四個(gè)計(jì)數(shù)，一個(gè) Key 8 個(gè)字節(jié)，四個(gè)計(jì)數(shù)每個(gè)計(jì)數(shù)是 4 個(gè)字節(jié)，16 個(gè)字節(jié)大概需要 26 個(gè)字節(jié)就行了，但是用 Redis 存大概需要 200 多個(gè)字節(jié)。

后來(lái)我們通過(guò)自己研發(fā)的 Counter Service，內(nèi)存降至 Redis 的五分之一到十五分之一以下，而且進(jìn)行冷熱分離，熱數(shù)據(jù)存在內(nèi)存里，冷數(shù)據(jù)如果重新變熱，就把它放到 LRU 里去。

落地 RDB、AOF，實(shí)現(xiàn)全增量復(fù)制，通過(guò)這種方式，熱數(shù)據(jù)單機(jī)可以存百億級(jí)，冷數(shù)據(jù)可以存千億級(jí)。

整個(gè)存儲(chǔ)架構(gòu)大概是上圖這樣，上面是內(nèi)存，下面是 SSD，在內(nèi)存里是預(yù)先把它分成 N 個(gè) Table，每個(gè) Table 根據(jù) ID 的指針序列，劃出一定范圍。

任何一個(gè) ID 過(guò)來(lái)先找到它所在的 Table，如果有直接對(duì)它增增減減，有新的計(jì)數(shù)過(guò)來(lái)，發(fā)現(xiàn)內(nèi)存不夠的時(shí)候，就會(huì)把一個(gè)小的 Table Dump 到 SSD 里去，留著新的位置放在最上面供新的 ID 來(lái)使用。

有些人疑問(wèn)說(shuō)，如果在某個(gè)范圍內(nèi)，我的 ID 本來(lái)設(shè)的計(jì)數(shù)是 4 個(gè)字節(jié)，但是微博特別熱，超過(guò)了 4 個(gè)字節(jié)，變成很大的一個(gè)計(jì)數(shù)怎么處理？

對(duì)于超過(guò)限制的，我們把它放在 Aux dict 進(jìn)行存放，對(duì)于落在 SSD 里的 Table，我們有專門的 IndAux 進(jìn)行訪問(wèn)，通過(guò) RDB 方式進(jìn)行復(fù)制。

其他數(shù)據(jù)類型：存在性判斷

除了計(jì)數(shù)，微博還有一些業(yè)務(wù)，一些存在性判斷。比如一條微博展現(xiàn)的，有沒(méi)有點(diǎn)贊、閱讀、推薦，如果這個(gè)用戶已經(jīng)讀過(guò)這個(gè)微博了，就不要再顯示給他。

這種有一個(gè)很大的特點(diǎn)，它檢查是否存在，每條記錄非常小，比如 Value 1 個(gè) bit 就可以了，但總數(shù)據(jù)量巨大。

比如微博每天新發(fā)表微博 1 億左右，讀的可能有上百億、上千億這種總的數(shù)據(jù)需要判斷。

怎么來(lái)存儲(chǔ)是個(gè)很大的問(wèn)題，而且這里面很多存在性就是 0。還是前面說(shuō)的，0 要不要存？

如果存了，每天就存上千億的記錄；如果不存，那大量的請(qǐng)求最終會(huì)穿透 Cache 層到 DB 層，任何 DB 都沒(méi)辦法抗住那么大的流量。

我們也進(jìn)行了一些選型：首先直接考慮能不能用 Redis。單條 KV 65 個(gè)字節(jié)，一個(gè) KV 可以 8 個(gè)字節(jié)的話，Value 只有 1 個(gè) bit，這樣算下來(lái)每日新增內(nèi)存有效率是非常低的。

第二種我們新開(kāi)發(fā)的 Counter Service，單條 KV Value 1 個(gè) bit，我就存 1 個(gè) byt，總共 9 個(gè) byt 就可以了。

這樣每日新增內(nèi)存 900G，存的話可能就只能存***若干天的，存?zhèn)€三天差不多快 3 個(gè) T 了，壓力也挺大，但比 Redis 已經(jīng)好很多。

我們最終方案是自己開(kāi)發(fā) Phantom，先采用把共享內(nèi)存分段分配，最終使用的內(nèi)存只用 120G 就可以。

算法很簡(jiǎn)單，對(duì)每個(gè) Key 可以進(jìn)行 N 次哈希，如果哈希的某一個(gè)位它是 1，那么進(jìn)行 3 次哈希，三個(gè)數(shù)字把它設(shè)為 1。

把 X2 也進(jìn)行三次哈希，后面來(lái)判斷 X1 是否存在的時(shí)候，從進(jìn)行三次哈希來(lái)看，如果都為 1 就認(rèn)為它是存在的；如果某一個(gè)哈希 X3，它的位算出來(lái)是 0，那就***肯定是不存在的。

它的實(shí)現(xiàn)架構(gòu)比較簡(jiǎn)單，把共享內(nèi)存預(yù)先拆分到不同 Table 里，在里面進(jìn)行開(kāi)方式計(jì)算，然后讀寫，落地的話采用 AOF+RDB 的方式進(jìn)行處理。

整個(gè)過(guò)程因?yàn)榉旁诠蚕韮?nèi)存里面，進(jìn)程要升級(jí)重啟數(shù)據(jù)也不會(huì)丟失。對(duì)外訪問(wèn)的時(shí)候，建 Redis 協(xié)議，它直接擴(kuò)展新的協(xié)議就可以訪問(wèn)我們這個(gè)服務(wù)了。

[[232167]]

小結(jié)一下：到目前為止，我們關(guān)注了 Cache 集群內(nèi)的高可用、擴(kuò)展性、組件高性能，還有一個(gè)特別重要就是存儲(chǔ)成本，還有一些我們沒(méi)有關(guān)注到的，比如運(yùn)維性如何，微博現(xiàn)在已經(jīng)有幾千差不多上萬(wàn)臺(tái)服務(wù)器等。

進(jìn)一步優(yōu)化

服務(wù)化

采取的方案首先就是對(duì)整個(gè) Cache 進(jìn)行服務(wù)化管理，對(duì)配置進(jìn)行服務(wù)化管理，避免頻繁重啟，另外如果配置發(fā)生變更，直接用一個(gè)腳本修改一下。

服務(wù)化還引入 Cluster Manager，實(shí)現(xiàn)對(duì)外部的管理，通過(guò)一個(gè)界面來(lái)進(jìn)行管理，可以進(jìn)行服務(wù)校驗(yàn)。

服務(wù)治理方面，可以做到擴(kuò)容、縮容，SLA 也可以得到很好的保障。另外，對(duì)于開(kāi)發(fā)來(lái)說(shuō)，現(xiàn)在就可以屏蔽 Cache 資源。

總結(jié)與展望

***簡(jiǎn)單總結(jié)一下，對(duì)于微博 Cache 架構(gòu)來(lái)說(shuō)，我們從它的數(shù)據(jù)架構(gòu)、性能、儲(chǔ)存成本、服務(wù)化等不同方面進(jìn)行了優(yōu)化增強(qiáng)。歡迎對(duì)此有研究或有疑問(wèn)的同行們留言，跟我們一起探討。