一, 什么是高并发
高并发 (High Concurrency) 是互联网分布式系统架构设计中必须考虑的因素之一, 它通常是指, 通过设计保证系统能够同时并行处理很多请求.
高并发相关常用的一些指标有响应时间(Response Time), 吞吐量(Throughput), 每秒查询率 QPS(Query Per Second), 并发用户数等.
响应时间: 系统对请求做出响应的时间. 例如系统处理一个 HTTP 请求需要 200ms, 这个 200ms 就是系统的响应时间.
吞吐量: 单位时间内处理的请求数量.
QPS: 每秒响应请求数. 在互联网领域, 这个指标和吞吐量区分的没有这么明显.
并发用户数: 同时承载正常使用系统功能的用户数量. 例如一个即时通讯系统, 同时在线量一定程度上代表了系统的并发用户数.
二, 如何提升系统的并发能力
互联网分布式架构设计, 提高系统并发能力的方式, 方法论上主要有两种: 垂直扩展 (Scale Up) 与水平扩展(Scale Out).
垂直扩展: 提升单机处理能力. 垂直扩展的方式又有两种:
(1)增强单机硬件性能, 例如: 增加 CPU 核数如 32 核, 升级更好的网卡如万兆, 升级更好的硬盘如 SSD, 扩充硬盘容量如 2T, 扩充系统内存如 128G;
(2)提升单机架构性能, 例如: 使用 Cache 来减少 IO 次数, 使用异步来增加单服务吞吐量, 使用无锁数据结构来减少响应时间;
在互联网业务发展非常迅猛的早期, 如果预算不是问题, 强烈建议使用 "增强单机硬件性能" 的方式提升系统并发能力, 因为这个阶段, 公司的战略往往是发展业务抢时间, 而 "增强单机硬件性能" 往往是最快的方法.
不管是提升单机硬件性能, 还是提升单机架构性能, 都有一个致命的不足: 单机性能总是有极限的. 所以互联网分布式架构设计高并发终极解决方案还是水平扩展.
水平扩展: 只要增加服务器数量, 就能线性扩充系统性能. 水平扩展对系统架构设计是有要求的, 如何在架构各层进行可水平扩展的设计, 以及互联网公司架构各层常见的水平扩展实践, 是本文重点讨论的内容.
三, 常见的互联网分层架构
常见互联网分布式架构如上, 分为:
(1)客户端层: 典型调用方是浏览器 browser 或者手机应用 App
(2)反向代理层: 系统入口, 反向代理
(3)站点应用层: 实现核心应用逻辑, 返回 html 或者 JSON
(4)服务层: 如果实现了服务化, 就有这一层
(5)数据 - 缓存层: 缓存加速访问存储
(6)数据 - 数据库层: 数据库固化数据存储
整个系统各层次的水平扩展, 又分别是如何实施的呢?
四, 分层水平扩展架构实践
反向代理层的水平扩展
反向代理层的水平扩展, 是通过 "DNS 轮询" 实现的: dns-server 对于一个域名配置了多个解析 ip, 每次 DNS 解析请求来访问 dns-server, 会轮询返回这些 ip.
当 nginx 成为瓶颈的时候, 只要增加服务器数量, 新增 nginx 服务的部署, 增加一个外网 ip, 就能扩展反向代理层的性能, 做到理论上的无限高并发.
站点层的水平扩展
站点层的水平扩展, 是通过 "nginx" 实现的. 通过修改 nginx.conf, 可以设置多个 web 后端.
当 Web 后端成为瓶颈的时候, 只要增加服务器数量, 新增 Web 服务的部署, 在 nginx 配置中配置上新的 Web 后端, 就能扩展站点层的性能, 做到理论上的无限高并发.
服务层的水平扩展
服务层的水平扩展, 是通过 "服务连接池" 实现的.
站点层通过 RPC-client 调用下游的服务层 RPC-server 时, RPC-client 中的连接池会建立与下游服务多个连接, 当服务成为瓶颈的时候, 只要增加服务器数量, 新增服务部署, 在 RPC-client 处建立新的下游服务连接, 就能扩展服务层性能, 做到理论上的无限高并发. 如果需要优雅的进行服务层自动扩容, 这里可能需要配置中心里服务自动发现功能的支持.
数据层的水平扩展
在数据量很大的情况下, 数据层 (缓存, 数据库) 涉及数据的水平扩展, 将原本存储在一台服务器上的数据 (缓存, 数据库) 水平拆分到不同服务器上去, 以达到扩充系统性能的目的.
互联网数据层常见的水平拆分方式有这么几种, 以数据库为例:
按照范围水平拆分
每一个数据服务, 存储一定范围的数据, 上图为例:
user0 库, 存储 uid 范围 1-1kw
user1 库, 存储 uid 范围 1kw-2kw
这个方案的好处是:
(1)规则简单, service 只需判断一下 uid 范围就能路由到对应的存储服务;
(2)数据均衡性较好;
(3)比较容易扩展, 可以随时加一个 uid[2kw,3kw]的数据服务;
不足是:
(1) 请求的负载不一定均衡, 一般来说, 新注册的用户会比老用户更活跃, 大 range 的服务请求压力会更大;
按照哈希水平拆分
每一个数据库, 存储某个 key 值 hash 后的部分数据, 上图为例:
user0 库, 存储偶数 uid 数据
user1 库, 存储奇数 uid 数据
这个方案的好处是:
(1)规则简单, service 只需对 uid 进行 hash 能路由到对应的存储服务;
(2)数据均衡性较好;
(3)请求均匀性较好;
不足是:
(1)不容易扩展, 扩展一个数据服务, hash 方法改变时候, 可能需要进行数据迁移;
这里需要注意的是, 通过水平拆分来扩充系统性能, 与主从同步读写分离来扩充数据库性能的方式有本质的不同.
通过水平拆分扩展数据库性能:
(1)每个服务器上存储的数据量是总量的 1/n, 所以单机的性能也会有提升;
(2)n 个服务器上的数据没有交集, 那个服务器上数据的并集是数据的全集;
(3)数据水平拆分到了 n 个服务器上, 理论上读性能扩充了 n 倍, 写性能也扩充了 n 倍(其实远不止 n 倍, 因为单机的数据量变为了原来的 1/n);
通过主从同步读写分离扩展数据库性能:
(1)每个服务器上存储的数据量是和总量相同;
(2)n 个服务器上的数据都一样, 都是全集;
(3)理论上读性能扩充了 n 倍, 写仍然是单点, 写性能不变;
缓存层的水平拆分和数据库层的水平拆分类似, 也是以范围拆分和哈希拆分的方式居多, 就不再展开.
五, 总结
高并发 (High Concurrency) 是互联网分布式系统架构设计中必须考虑的因素之一, 它通常是指, 通过设计保证系统能够同时并行处理很多请求.
提高系统并发能力的方式, 方法论上主要有两种: 垂直扩展 (Scale Up) 与水平扩展(Scale Out). 前者垂直扩展可以通过提升单机硬件性能, 或者提升单机架构性能, 来提高并发性, 但单机性能总是有极限的, 互联网分布式架构设计高并发终极解决方案还是后者: 水平扩展.
互联网分层架构中, 各层次水平扩展的实践又有所不同:
(1)反向代理层可以通过 "DNS 轮询" 的方式来进行水平扩展;
(2)站点层可以通过 nginx 来进行水平扩展;
(3)服务层可以通过服务连接池来进行水平扩展;
(4)数据库可以按照数据范围, 或者数据哈希的方式来进行水平扩展;
各层实施水平扩展后, 能够通过增加服务器数量的方式来提升系统的性能, 做到理论上的性能无限.
---------------------
作者: DreamWeaver_Zhou
来源: http://www.bubuko.com/infodetail-2945848.html