微博日活躍用戶1.6億+，每日訪問量達(dá)百億級，面對龐大用戶群的海量訪問，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。本文將由新浪微博技術(shù)專家陳波老師，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。

本文大綱

1、微博在運(yùn)行過程中的數(shù)據(jù)挑戰(zhàn)

2、Feed平臺系統(tǒng)架構(gòu)

3、Cache架構(gòu)及演進(jìn)

4、總結(jié)與展望

數(shù)據(jù)挑戰(zhàn)

Feed平臺系統(tǒng)架構(gòu)

Feed平臺系統(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，還有一些開放平臺、第三方接入的一些接口；下一層是平臺接入層，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)流量的時候，就有更好的彈性來服務(wù)，提高服務(wù)穩(wěn)定性。再下面是平臺服務(wù)層，主要是Feed算法、關(guān)系等等。接下來是中間層，通過各種中間介質(zhì)提供一些服務(wù)。最下面一層就是存儲層。

1、Feed Timeline

大家日常刷微博的時候，比如在主站或客戶端點一下刷新，***獲得了十到十五條微博，這是怎么構(gòu)建出來的呢？

刷新之后，首先會獲得用戶的關(guān)注關(guān)系。比如他有一千個關(guān)注，會把這一千個ID拿到，再根據(jù)這一千個UID，拿到每個用戶發(fā)表的一些微博。同時會獲取這個用戶的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，再對這些ID去取每一條微博ID對應(yīng)的微博內(nèi)容。如果這些微博是轉(zhuǎn)發(fā)過來的，它還有一個原微博，會進(jìn)一步取原微博內(nèi)容。通過原微博取用戶信息，進(jìn)一步根據(jù)用戶的過濾詞對這些微博進(jìn)行過濾，過濾掉用戶不想看到的微博。

根據(jù)以上步驟留下的微博，會再進(jìn)一步來看，用戶對這些微博有沒有收藏、點贊，做一些flag設(shè)置，還會對這些微博各種計數(shù)，轉(zhuǎn)發(fā)、評論、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，用戶一次請求得到的十幾條記錄，后端服務(wù)器大概要對幾百甚至幾千條數(shù)據(jù)進(jìn)行實時組裝，再返回給用戶，整個過程對Cache體系強(qiáng)度依賴，所以Cache架構(gòu)設(shè)計優(yōu)劣會直接影響到微博體系表現(xiàn)的好壞。

2、Feed Cache架構(gòu)

接下來我們看一下Cache架構(gòu)，它主要分為六層。首先***層是Inbox，主要是分組的一些微博，然后直接對群主的一些微博。Inbox比較少，主要是推的方式。

然后對于第二層的Outbox，每個用戶都會發(fā)常規(guī)的微博，都會在它的Outbox里面去。根據(jù)存的ID數(shù)量，實際上分成多個Cache，普通的大概是200多條，如果長的大概是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有贊過。之前有一些明星就說我沒有點贊這條微博怎么顯示我點贊了，引發(fā)了一些新聞。而這種就是記錄，實際上她有在某個時候點贊過但可能忘記了。

最下面還有比較大的一層——計數(shù)，每條微博的評論、轉(zhuǎn)發(fā)等計數(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)

1、簡單KV數(shù)據(jù)類型

接下來我們著重講一下微博的Cache架構(gòu)演進(jìn)過程。最開始微博上線時，我們是把它作為一個簡單的KV數(shù)據(jù)類型來存儲。我們主要采取哈希分片存儲在MC池子里，上線幾個月之后發(fā)現(xiàn)一些問題：有一些節(jié)點機(jī)器宕機(jī)或是其它原因，大量的請求會穿透Cache層達(dá)到DB上去，導(dǎo)致整個請求變慢，甚至DB僵死。

于是我們很快進(jìn)行了改造，增加了一個HA層，這樣即便Main層出現(xiàn)某些節(jié)點宕機(jī)情況或者掛掉之后，這些請求會進(jìn)一步穿透到HA層，不會穿透到DB層。這樣可以保證在任何情況下，整個系統(tǒng)***率不會降低，系統(tǒng)服務(wù)穩(wěn)定性有了比較大的提升。

對于這種做法，現(xiàn)在業(yè)界用得比較多，然后很多人說我直接用哈希，但這里面也有一些坑。比如我有一個節(jié)點，節(jié)點3宕機(jī)了，Main把它給摘掉，節(jié)點3的一些QA分給其他幾個節(jié)點，這個業(yè)務(wù)量還不是很大，穿透DB，DB還可以抗住。但如果這個節(jié)點3恢復(fù)了，它又加進(jìn)來之后，節(jié)點3的訪問就會回來，稍后節(jié)點3因為網(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3的請求又會分給其他節(jié)點。這個時候就會出現(xiàn)問題，之前分散給其他節(jié)點寫回來的數(shù)據(jù)已經(jīng)沒有人更新了，如果它沒有被剔除掉就會出現(xiàn)混插數(shù)據(jù)。

實際上微博是一個廣場型的業(yè)務(wù)，比如突發(fā)事件，某明星找個女朋友，瞬間流量就30%了。突發(fā)事件后，大量的請求會出現(xiàn)在某一些節(jié)點，會導(dǎo)致這些節(jié)點非常熱，即便是MC也沒辦法滿足這么大的請求量。這時MC就會變成瓶頸，導(dǎo)致整個系統(tǒng)變慢。

基于這個原因，我們引入了L1層，還是一個Main關(guān)系池，每一個L1大概是Main層的N分之一，六分之一、八分之一、十分之一這樣一個內(nèi)存量，根據(jù)請求量我會增加4到8個L1，這樣所有請求來了之后首先會訪問L1。L1***的話就會直接訪問，如果沒有***再來訪問Main-HA層，這樣在一些突發(fā)流量的時候，可以由L1來抗住大部分熱的請求。對微博本身來說，新的數(shù)據(jù)就會越熱，只要增加很少一部分內(nèi)存就會抗住更大的量。

簡單總結(jié)一下，通過簡單KV數(shù)據(jù)類型的存儲，我們實際上以MC為主的，層內(nèi)HASH節(jié)點不漂移，Miss穿透到下一層去讀取。通過多組L1讀取性能提升，能夠抗住峰值、突發(fā)流量，而且成本會大大降低。對讀寫策略，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，對一些比較大的用QuickL進(jìn)行壓縮。

2、集合類數(shù)據(jù)

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

比如我關(guān)注了2000人，新增一個人，就涉及到部分修改。有一種方式是把2000個ID全部拿下來進(jìn)行修改，但這種對帶寬、機(jī)器壓力會很大。還有一些分頁獲取，我存了2000個，只需要取其中的第幾頁，比如第二頁，也就是第十到第二十個，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)動計算，會計算到我關(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，包括計算，對MC來說實際上是不太擅長的。

各種關(guān)注關(guān)系都存在Redis里面取，通過Hash分布、儲存，一組多存的方式來進(jìn)行讀寫分離。現(xiàn)在Redis的內(nèi)存大概有30個T，每天都有2-3萬億的請求。

在使用Redis的過程中，實際上還是遇到其他一些問題。比如從關(guān)注關(guān)系，我關(guān)注了2000個UID，有一種方式是全量存儲，但微博有大量的用戶，有些用戶登陸得比較少，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，如果你最近一段時間沒有活躍，會把你從Redis里踢掉，再次有訪問的時候再把你加進(jìn)來。

這時存在一個問題，因為Redis工作機(jī)制是單線程模式，如果它加某一個UV，關(guān)注2000個用戶，可能擴(kuò)展到兩萬個UID，兩萬個UID塞回去基本上Redis就卡住了，沒辦法提供其他服務(wù)。所以我們擴(kuò)展一種新的數(shù)據(jù)結(jié)構(gòu)，兩萬個UID直接開了端，寫的時候直接依次把它寫到Redis里面去，讀寫的整個效率就會非常高。它的實現(xiàn)是一個long型的開放數(shù)組，通過Double Hash進(jìn)行尋址。

我們對Redis進(jìn)行了一些其他的擴(kuò)展，大家可能也在網(wǎng)上看到過我們之前的一些分享，把數(shù)據(jù)放到公共變量里面，整個升級過程，我們測試1G的話加載要10分鐘，10G大概要十幾分鐘以上，現(xiàn)在是毫秒級升級。

對于AOF，我們采用滾動的AOF，每個AOF是帶一個ID的，達(dá)到一定的量再滾動到下一個AOF里去。對RDB落地的時候，我們會記錄構(gòu)建這個RDB時，AOF文件以及它所在的位置，通過新的RDB、AOF擴(kuò)展模式，實現(xiàn)全增量復(fù)制。

3、其他數(shù)據(jù)類型-計數(shù)

接下來還有一些其他的數(shù)據(jù)類型，比如一個計數(shù)，實際上計數(shù)在每個互聯(lián)網(wǎng)公司都可能會遇到，對一些中小型的業(yè)務(wù)來說，實際上MC和Redis足夠用的，但在微博里計數(shù)出現(xiàn)了一些特點：單條Key有多條計數(shù)，比如一條微博，有轉(zhuǎn)發(fā)數(shù)、評論數(shù)，還有點贊；一個用戶有粉絲數(shù)、關(guān)注數(shù)等各種各樣的數(shù)字。因為是計數(shù)，它的Value size是比較小的，根據(jù)它的各種業(yè)務(wù)場景，大概就是2-8個字節(jié)，一般4個字節(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，然后一次請求，可能幾百條計數(shù)要返回去。

4、計數(shù)器-Counter Service

最初是可以采取Memcached，但它有個問題，如果計數(shù)超過它內(nèi)容容量時，會導(dǎo)致一些計數(shù)的剔除，宕機(jī)或重啟后計數(shù)就沒有了。另外可能有很多計數(shù)它為零，那這個時候怎么存，要不要存，存的話就占很多內(nèi)存。微博每天上十億的計數(shù)，光存0都要占大量的內(nèi)存，如果不存又會導(dǎo)致穿透到DB里去，對服務(wù)的可溶性會存在影響。

2010年之后我們又采用Redis訪問，隨著數(shù)據(jù)量越來越大之后，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個字節(jié)，但實際上我們一個計數(shù)需要8個字節(jié)，然后Value大概4個字節(jié)，所以有效只有12個字節(jié)，還有四十多個字節(jié)都是被浪費掉的。這還只是單個KV，如果在一條Key有多個計數(shù)的情況下，它就浪費得更多了。比如說四個計數(shù)，一個Key 8個字節(jié)，四個計數(shù)每個計數(shù)是4個字節(jié)，16個字節(jié)大概需要26個字節(jié)就行了，但是用Redis存大概需要200多個字節(jié)。

后來我們通過自己研發(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，實現(xiàn)全增量復(fù)制，通過這種方式，熱數(shù)據(jù)單機(jī)可以存百億級，冷數(shù)據(jù)可以存千億級。

整個存儲架構(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Table，每個Table根據(jù)ID的指針序列，劃出一定范圍。任何一個ID過來先找到它所在的Table，如果有直接對它增增減減，有新的計數(shù)過來，發(fā)現(xiàn)內(nèi)存不夠的時候，就會把一個小的Table Dump到SSD里去，留著新的位置放在最上面供新的ID來使用。

有些人疑問說，如果在某個范圍內(nèi)，我的ID本來設(shè)的計數(shù)是4個字節(jié)，但是微博特別熱，超過了4個字節(jié)，變成很大的一個計數(shù)怎么處理？對于超過限制的，我們把它放在Aux dict進(jìn)行存放，對于落在SSD里的Table，我們有專門的IndAux進(jìn)行訪問，通過RDB方式進(jìn)行復(fù)制。

5、其他數(shù)據(jù)類型-存在性判斷

除了計數(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，有沒有點贊、閱讀、推薦，如果這個用戶已經(jīng)讀過這個微博了，就不要再顯示給他。這種有一個很大的特點，它檢查是否存在，每條記錄非常小，比如Value1個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。怎么來存儲是個很大的問題，而且這里面很多存在性就是0。還是前面說的，0要不要存？如果存了，每天就存上千億的記錄；如果不存，那大量的請求最終會穿透Cache層到DB層，任何DB都沒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個字節(jié)，一個KV可以8個字節(jié)的話，Value只有1個bit，這樣算下來每日新增內(nèi)存有效率是非常低的。第二種我們新開發(fā)的Counter Service，單條KV Value1個bit，我就存1個byt，總共9個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。算法很簡單，對每個Key可以進(jìn)行N次哈希，如果哈希的某一個位它是1，那么進(jìn)行3次哈希，三個數(shù)字把它設(shè)為1。把X2也進(jìn)行三次哈希，后面來判斷X1是否存在的時候，從進(jìn)行三次哈希來看，如果都為1就認(rèn)為它是存在的，如果某一個哈希X3，它的位算出來是0，那就***肯定是不存在的。

它的實現(xiàn)架構(gòu)比較簡單，把共享內(nèi)存預(yù)先拆分到不同Table里，在里面進(jìn)行開方式計算，然后讀寫，落地的話采用AOF+RDB的方式進(jìn)行處理。整個過程因為放在共享內(nèi)存里面，進(jìn)程要升級重啟數(shù)據(jù)也不會丟失。對外訪問的時候，建Redis協(xié)議，它直接擴(kuò)展新的協(xié)議就可以訪問我們這個服務(wù)了。

6、小結(jié)

[[231695]]

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，還有一個特別重要就是存儲成本，還有一些我們沒有關(guān)注到的，比如運(yùn)維性如何，微博現(xiàn)在已經(jīng)有幾千差不多上萬臺服務(wù)器等。

7、進(jìn)一步優(yōu)化

8、服務(wù)化

采取的方案首先就是對整個Cache進(jìn)行服務(wù)化管理，對配置進(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，直接用一個腳本修改一下。

服務(wù)化還引入Cluster Manager，實現(xiàn)對外部的管理，通過一個界面來進(jìn)行管理，可以進(jìn)行服務(wù)校驗。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，對于開發(fā)來說，現(xiàn)在就可以屏蔽Cache資源。

總結(jié)與展望

***簡單總結(jié)一下，對于微博Cache架構(gòu)來說，我們從它的數(shù)據(jù)架構(gòu)、性能、儲存成本、服務(wù)化等不同方面進(jìn)行了優(yōu)化增強(qiáng)。歡迎對此有研究或有疑問的同行們留言，跟我們一起探討。