大型互联网公司项目如何架构

初始阶段的网站架构

大型网站都是从小型网站发展而来，网站架构也是一样，是从小型网站架构逐步演化而来，小型网站最开始没有太多人访问，只需要一台服务器就绰绰有余，这时的网站架构如图。

应用程序，数据库，文件等所有的资源都在一台服务器上。通常服务器操作系统使用Linux，应用程序使用PHP开发，然后部署在Apache上，数据库使用MySql，汇集各种开源软件及一台廉价服务器就可以开始网站的发展之路了。

应用服务和数据服务分离

随着网站业务的发展，一台服务器逐渐不能满足需求：越来越多的用户访问导致性能越来越差，越来越多的数据导致存储空间不足，这时就需要将应用和数据分离，应用和数据分离后整个网站使用三台服务器：应用服务器，文件服务器和数据库服务器，如下图所示，这三台服务器对硬件资源的要求各不相同，应用服务器需要处理大量的业务逻辑，因此需要更快更强大的CPU,数据库服务器需要快速磁盘检索和数据缓存，因此需要更快的硬盘和更大的内存，文件服务器需要储存大量用户上传的文件，因此需要更大的硬盘。

应用和数据分离后，不同特性的服务器承担不同的服务角色，网站的并发处理能力和数据存储空间得到了很大改善，支持网站业务进一步发展，但是随着用户逐渐增多，网站又一次面临挑战：数据库压力太大导致访问延迟，进而影响整个网站的性能，用户体验受到影响，这时需要对网站架构进一步优化。

使用缓存改善网站性能

网站访问特点和现实世界的财富分配一样遵循二八定律：80%的业务访问集中在20%的数据上。淘宝买家浏览的商品集中在少部分成交数多、评价良好的商品上；百度搜索关键词集中在少部分热门词汇上；经常登录的用户才会发微博、看微博，而这部分用户也只占总用户数目的一小部分。

既然大部分的业务访问集中在，那么如果把这一小部分数据缓存在内存中，就可以减少数据库的访问压力。网站使用的缓存分为两种：缓存在应用服务器上的本地缓存和缓存在专门的分布式缓存服务器上的远程缓存。本地缓存的访问速度更快一些，但是受应用服务器内存限制，其缓存数量有限，而且会出现和应用程序争用内存的情况。远程分布式可以使用集群的方式，部署大内存的服务器作为专门的缓存服务器，可以在理论上做到不受内存容量限制的缓存服务。

使用缓存后，数据访问压力得到有效缓解，但是单一应用服务器能够处理的请求连接有限，在网站的访问高峰期，应用服务器会成为整个网站的瓶颈。

使用应用服务器集群改善网站的并发处理能力

使用集群是网站解决高并发，海量问题的常用手段，当一台服务器的处理能力、储存空间不足时，不要企图去换更强大的服务器，对大型网站而言，不管多么强大的服务器，都满足不了网站持续增长的业务需求，这种情况下，更恰当的做法是增加一台服务器分担原有服务器的访问及存储压力。

对网站而言，只要能通过一台服务器的方式改善负载压力，就可以以同样的方式持续增加服务器不断改善系统性能，从而实现系统的可伸缩性，应用服务器实现集群是网站可伸缩集群架构设计中较为简单成熟的一种。如下图所示。

通过负载均衡调度服务器，可将来自用户浏览器的请求分发到应用服务器集群中的任何一台服务器上，如果有更多的用户，就在集群中加入更多的应用服务器，使应用服务器的负载压力不在成为网站的瓶颈。

数据库读写分离

网站使用缓存后，大部分数据操作访问都可以不通过数据库就能完成，但是仍有一部分读操作，(缓存访问不命中、缓存过期)和全部的写操作，需要访问数据库，在网站的用户达到一定规模后，数据库因为负载压力过高而成为网站的瓶颈。

目前大部分的主流数据库都提供主从热备功能，通过配置两台数据库主从关系，可以将一台数据库服务器的数据更新同步到另一台服务器上。网站利用数据库的这一功能，实现数据库读写分离，从而改善数据库负载压力。

应用服务器在写数据的时候，访问主数据库，主数据库通过主从复制机制将数据更新同步到从数据库，这样当应用服务器读数据的时候，就可以通过从数据库或得数据。为了便于应用程序访问读写分离后的数据库，通常在应用服务器端使用专门的数据访问模块，使数据库读写分离时对应用透明。

使用反向代理和CDN加速网站响应

CDN和反向代理的基本原理都是缓存，区别在于CDN部署在网络提供商的机房，是用户在请求网站服务时，可以从距离自己最近的网路提供商机房获取数据；而反向代理则部署在网站的中心机房，当用户请求到达中心机房后，首先访问的服务器是反向代理服务器，如果反向代理服务器中缓存着用户请求的资源，就将其直接给用户。

使用分布式文件系统和分布式数据库系统

分布式数据库是网站数据库拆分的最后手段，只有在单表数据规模非常庞大的时候才使用，不到万不得以时，网站更常用的数据库拆分手段是业务分库，将不同业务的数据库部署在不同的物理服务器上。

使用NOSQL和搜索引擎

对于海量数据的查询，我们使用nosql数据库加上搜索引擎可以达到更好的性能。并不是所有的数据都要放在关系型数据中。常用的NOSQL有mongodb和redis，搜索引擎有lucene。

业务拆分

随着业务进一步扩展，应用程序变得非常臃肿，这时我们需要将应用程序进行业务拆分，如百度分为新闻、网页、等业务。每个业务应用负责相对独立的业务运作。业务之间通过消息进行通信或者同享数据库来实现

分布式服务

这时我们发现各个业务应用都会使用到一些基本的业务服务，例如用户服务、订单服务、支付服务、安全服务，这些服务是支撑各业务应用的基本要素。我们将这些服务抽取出来利用分部式服务框架搭建分布式服务。淘宝的Dubbo是一个不错的选择

DFS（Distributed File System，分布式文件系统），可以将分布在多个服务器或客户机上的共享资源列表整合在一个DFS根目录中，这样用户无需知道或指定文件的实际物理位置就可以对它们进行访问，这无疑将简化资源共享的操作步骤。

创建DFS根目录

依次单击“开始→管理工具→分布式文件系统”，打开“分布式文件系统”控制台。然后单击“操作→新建 DFS根目录”命令，打开“新建根目录向导”对话框。接着单击“下一步”按钮，在打开的“根目录类型”对话框中点选“独立的根目录”单选框并单击“下一步”按钮。在“主服务器”对话框中键入一个正确的服务器名称（本例键入的是本机名称chhuian，也可以单击“浏览”按钮查找服务器），单击“下一步”按钮。在“根目录名称”对话框的“根目录名称”编辑框中键入一个已经共享出来的文件夹名称，在“注释”编辑框中键入一些描述性的语言（如“通过此根目录可以访问网络中的共享资源”），单击“下一步”按钮（如图）。

如果键入的共享文件夹不存在，则在打开的“根目录共享”对话框中会提示您指定共享不存在。这时可以单击“浏览”按钮，在打开的“浏览文件夹”对话框中指定创建共享文件夹的位置，单击“新建文件夹”按钮，命名为“DFS根目录”。依次单击“确定→下一步→完成”按钮结束创建（如图）。

小提示

为了保持根目录的整洁性，建议您事先建立一个空白文件夹并设置为共享（如“DFS根目录”）。然后在“根目录名称”编辑框中键入新建的共享文件夹名。重复上述步骤可以创建多个DFS根目录。

添加DFS链接

前面我们已经成功创建了DFS的根目录，然而现在这个根目录里面并没有任何共享资源。那么网络上其他机器的共享资源如何归于DFS根目录的旗下呢？这正是DFS可爱的地方。

打开“分布式文件系统”控制台，右击控制台树中的“\\chhuian\DFS根目录”目录，执行“新建链接”命令，打开“新建链接”对话框（如图3）。在“链接名称”编辑框中键入一个逻辑名称（如“个人公文包”），然后单击“浏览”按钮，从“网上邻居”中的共享文件夹列表中选中一个共享文件夹，然后依次单击“确定”按钮（如图4）。重复上述步骤将整个网络中所有的共享文件夹与根目录建立链接（如图）。

访问共享资源

将网络中所有可以共享的资源与DFS根目录建立链接后，我们就可以在任意一台电脑上通过UNC路径或“网上邻居”访问这些资源了。在任意一个Windows窗口的地址栏中键入Server的DFS根目录，如<\\chhuian\DFS根目录>，即可通过左窗格的目录树和右窗格中的资源列表访问网络中所有的共享资源，而我们根本不必关心所访问的资源到底来自网络上的哪台机器（如图）。

小提示

本文以Windows Server 2003为平台加以介绍的，DFS服务同样适用于基于Windows 2000 Server平台的网络环境，其设置方法与本文所述基本相同。