《大规模web服务开发技术》笔记

前段时间趁空把《大规模web服务开发技术》这本书看完了，今天用一下午时间重新翻了一遍，把其中的要点记了下来，权当复习和备忘。由于自己对数据压缩、全文检索等还算比较熟，所以笔记内容主要涉及前5章内容，后面的零星记了一些。本文可能对如下人士比较有帮助：1、对这本书有兴趣，但对内容存疑的；2、对大规模Web服务有一定经验的，可对照着查漏补缺。

Hatena的规模(2010年4月)

• 注册用户150w，UU1900w/月

• 请求数：几十亿/月

• 繁忙时流量：850Mbps（不含图像）

• 硬件（服务器）600台，通过虚拟化技术，主机超过1300台

• 日志每天几GB级别，数据库GB到TB级别

系统增长的战略

• 最小化开端、预见变化的管理和设计

平衡效率和质量

• 开会、规范化、文档、敏捷等

GB级别（千万）的文本数据库，不用索引，一句select查询200s也未能执行完

内存和硬盘的速度差异

• 寻址：前者是后者的10w到100w倍
• 传输速度（总线）：前者——7.5G/s，后者——58M/s

找寻单机瓶颈（用足单机的性能，不要推测，要测量）

• sar或vmstat查看是CPU问题还是IO问题

• 若是CPU问题
• top或sar查看是系统进程还是用户程序
• ps查看进程状态和cpu使用情况，确定问题进程
• 用strace或oprofile找出程序或进程的具体问题所在

• 若是IO问题
• 发生频繁页交换--->内存不足
• ps查看程序所用内存
• 能否改善程序，减少内存占用
• 不行增加硬件或分布式
• 若无，则可能是缓存的内存不够
• 增加内存
• 不行就增加机器，分布式

CPU扩展比较方便，但IO负载的扩展比较困难

• 查看实际负载：top结果中的load average（1分钟 5分钟 15分钟）

• 查看是IO负载过高还是CPU负载过高：sar -P（多核）

处理大规模技术的重点

• 尽量在内存中进行，可实现分布式，利用局部性

• 算法的复杂度，O(n) --> O(logn)有质的飞跃

• 数据压缩和检索技术

缓存机制

• 页面缓存（page cache）
• 现代操作系统均采用虚拟内存
• 内核分配过的内存会尽量留下来，下次无需访问磁盘，即页面缓存
• 操作系统以页为单位缓存，即虚拟内存的最小单位
• 增加内存可提高缓存的命中率，降低IO负载

• sar命令
• sar -r 即可查看当前的内存状态（kbbuffered缓存使用的物理内存大小）
• sar  1 3 一秒1次，总共3次
• sar -u 查看CPU使用率
• sar -q 查看平均负载
• sar -r 查看内存使用情况

降低IO负载的策略

1. 提高缓存，即加内存

1. 扩展到多台服务器

1. 2实际可能未提高缓存命中率（每台机器的数据不变），需要切分（Partition）数据

切分（Partition）——利用局部性的分布式

• 以RDBMS的表为单位

• 从数据中间切分
• a-c服务器1，d-f服务器2……
• 一致性哈希

• 按用途将系统分成不同的“岛”
• 爬虫
• 图像API
• 一般访问

以页面缓存为基础的基本运维规则

• 操作系统启动时不要马上投入生产环境，要先预热，即读一遍所有文件
• 性能测试要在缓存优化后进行

数据库横向扩展策略

灵活应用操作系统缓存

• 尽量让数据库大小小于物理内存

• 考虑表的结构设计对数据库大小的影响

建立索引

• B+树

• 提高搜索效率（logn），改善磁盘寻道次数

• MySQL的explain命令帮助查看索引是否有效

MySQL的分布式

• master/slave设计（master更新，slave读）
• 查询可以扩展（slave）
• 但master无法扩展（数据一致性）
• 但Web应用大多数情况下90%都是读取查询
• master的负载可通过分库分表或更换实现方法来解决

MySQL的Partition

• 将联系不紧密的表放在不同机器上

• 避免对不同机器上表进行JOIN操作
• 使用INNER JOIN或where...in…
• 使用自定义的ORM

• Partition的代价
• 运维变得复杂，故障率上升，成本上升

• 实现冗余化最少需要多少台机器
• 4台——1台master，3台slave
• 3台slave中，一台用于提供持续服务，一台可能会故障，最后一台用于故障后复制

Web服务的基础设施重视的三点

1. 低成本、高效率
• 不应追求100%可靠性

1. 设计很重要
• 可扩展性和响应时间

1. 开发速度很重要
• Web服务经常添加或更改功能，需为服务提供灵活的资源

一台服务器能处理的流量极限

• Hatena标准服务器：4核CPU，8G内存；

• 性能：繁忙时每分钟几千请求

• 若4核CPU*2，32G内存
• 100w~200wPV/月

调优

• 掌握负载
• 服务器监控工具

冗余性与系统稳定性

master的冗余化

• multi-master
• 通常有两台服务器，组成Active/Standby结构
• 一台是Active的，另一台Standby
• 两台服务器互为slave，一方的写入数据传入另外一方，双向replication
• 当Standby通过VRRP协议发现Active停机，则Standby自动提升为Active，变成新的master
• Active服务器有个虚拟ip，将此ip分配给哪台机器，哪台机器就是Active的master
• 缺点
• 还是有不一致的风险

系统的稳定性

• 资源应都保留一定余量，只用到70%左右

• 去除不稳定因素（尽量自动化处理）
• 规定SQL负载上限
• 减少内存泄露，遇到可自动重启
• 异常行为的自律控制
• 自动DOS判断
• 自动重启
• 自动终止耗时查询

虚拟化技术

• 好处
• 可扩展性
• 将额外开销降至最低
• 动态迁移
• 性价比
• 提高资源利用率
• 提高运维的灵活程度
• 软件层面的主机控制
• 高可用性
• 环境隔离

• Hatena的虚拟化应用
• Xen（CentOS 5.2、Xen 3.0.3）+ 本地磁盘构建LVM
• 用HyperVisor替代IPMI
• 使用准虚拟化（ParaVirtualization）
• 控制资源消耗
• 负载过高时警告
• 调整负载
• 检测工具：monit
• 提高资源利用率
• CPU空闲 --> Web服务器
• IO空闲 --> 数据库服务器
• 内存空闲 --> 缓存服务器
• 避免消耗倾向相同的组合在一起
• 虚拟化的额外开销
• CPU：2%~3%
• 内存性能：10%
• 网络性能：50%
• IO性能：5%

SSD的寿命

• 损耗程度指标：S.M.A.R.T值中的E9（Media Wearout Indicator）---> smartctl命令

• Hatena写入最频繁的SSD用了9个月左右

网络的分界点

• 1Gbps，即30wpps，是PC路由器的极限（1Gbps是千兆以太网的界限，30wpps是Linux内核的极限）
• 对策：多个PC路由，购买昂贵成品路由

• 500台主机，是子网、ARP表的极限
• 对策：对网络进行层次化

RDBMS还是k-v存储

• 判断依据
• 平均数据大小
• 最大数据大小
• 新数据增加频率
• 更新频率
• 删除频率
• 访问频率

• MyISAM vs. InnoDB
• MyISAM
• 优点
• 未经update、delete的表也能快速insert
• 启动、停止十分迅速
• 表移动、改名称可直接从文件系统中操作
• 缺点
• 异常停止可能会损坏表
• 不支持事务
• update、delete、insert（追加数据之外）会锁表，在更新较多的应用中性能不好
• 适合场景
• 只有数据追加
• 使用SELECT COUNT(*)
• InnoDB
• 优点
• 支持事务
• 异常停止恢复
• 数据更新时执行行锁定
• 缺点
• 启动、停止慢
• 表操作完全通过数据库
• 适合场景
• 更新频率高
• 需要事务

• 分布式k-v
• memcached
• TokyoTyrant

缓存系统

• Squid
• 用作HTTP、HTTPS、FTP等多种（反向）代理
• 访问控制、认证功能

• Varnish
• 高性能HTTP加速器
• 灵活的设置语言
• 基本完全在内存中执行
• 速度比Squid快

• nginx、pound……
• 缓存服务器上线时注意
• 两台负载均衡时，一台故障会导致另一台无法承受负载
• 备足服务器
• 即使备足服务器也要注意
• 新服务器（或刚启动）要预热，流量从小到大慢慢增大