探索大型网站技术架构（一）

最近总是在思考一些架构的问题，这些东西了解的确实不多，感觉是自己的短板，所以经常在网上查相关资料然后总结自己去思考，这个过程应该很漫长，因为这是一个重新构建世界的过程，好了闲话不说，将自己总结的一些东西记录下来。

首先我们来思考一下什么叫大型网站，很多人提起大型网站无疑都会说，大访问量和高并发的网站，这样说的话举个例子，hao123，这个大家都很熟悉的，他的访问量和并发量很高，那么他算大型网站吗？我觉得hao123这种网站其实是很简单的站，只要他不断的增加服务器，完全可以应对高强度的并发和大量的访问。

其实我理解中的大型网站，是指的在业务层次和技术层次，其中任意一个比较复杂难度较大的称之为大型网站，一般新网站基本不可能出现超大访问量，和超高的并发量，所以一般我们最简单的架构设计就是这个样子的。



这个设计的目的是为保证网站的稳定性，我们一般会把系统部署在至少两台服务器上，万一一台挂掉了，另一台还可以持续为用户提供服务，而且能够保证在高并发和大访问量的情况下，系统能够稳定为用户提供服务，两台服务器有一台共同的DB服务器。

要实现以上系统所需要实现的功能，说说其实很简单，架构看起来也相当简单，但是还有一个重要的问题需要解决，因为我们这里使用的是两台web服务器，所以用户访问网站的时候，会被负载均衡服务器经过一定的算法路由到任意一台web服务器，这个时候如果用户进行登录，那么他的session只会保存在当前这台服务器上，如果用户刷新页面可能就又被分配到另一台web服务器上了，这个时候登录状态就丢失了。

这种情况叫做，session不同步，因此，实现此架构，首先要解决的就是session同步的问题。

为了回答上面的问题，我们首先要理解下session的机制，session信息在web容器里都是存储在内存里的，web容器会给每个连接它的客户端生成一个sessionid值，这个sessionid值会被web容器置于http协议里的cookie域下，当响应被客户端处理后，客户端本地会存储这个sessionid值，用户以后的每个请求都会让这个sessionid值随cookie一起传递到服务器，服务器通过sessionid找到内存中存储的该用户的session内容，session在内存的数据结构是一个map的格式。

那么，根据上面session的原理，我们不难想想，解决他的办法就是在两个web容器之间，相互复制session。那说到这里就不得不说一下，我们大家都知晓的tomcat，在处理session同步的时候就使用这种方案，确实这种方案可以解决这个问题，不过据我所知，这种方案会有瓶颈，不能无限制的增加web容器，因为不同服务器之间不停的复制session也要消耗不少资源，当到web容器数量达到一个级别的时候，这种同步session的方法非但不能提高并发数，反而会降低。

还有一种解决方案，就是将session信息放到客户端的cookie里，这样每次请求先去web容器查找是否有session信息，如果没有再去cookie里面找，记得之前老淘宝使用的解决方案，不过后来可能是因为放的数据太多了，已经超过了浏览器的限制…所以后来改变方案了，其实只要cookie里面不放特别敏感的信息，倒也不用过多的担心安全性的问题。

另外现在各种云服务器提供托管服务，我们可以把自己的系统放上去，并发和session同步等问题，不需要我们去关心，不过DB如果也放上去的话，建议还是做好备份操作，即使云平台的供应商再怎么说自己的平台安全，我们也要好好考虑考虑要不要完全相信他们。

现在通用的解决方案一般是使用第三方缓存，也就是搞一台缓存服务器，专门用来处理这个，一般我们会考虑用memcache或者redis这两种缓存技术，如果担心session放到一台缓存服务器上不放心，可以考虑搭建集群，多搞几台缓存服务器。

说到这个集群上面，这里memcache和redis还有点不一样，假设有A、B两台memcache缓存服务器，如果A挂掉了，那么A中存储的session数据就会丢失，而redis在这方面做的很好，redis具有专业的数据备份机制，就算A挂掉了，A中的数据也不会丢失，redis会根据一些情况将数据备份到磁盘上，而不是单纯的放到内存中。

OK，这里不详细的拆开解释这两种缓存技术了，想了解的大家可以去查一下相关的资料。

如果使用缓存服务器的话，用户发送请求的时候，http中会携带sessionid，经过负载均衡路由到一台web服务器上，然后拿着sessionid去任意一台缓存服务器上获取该id对应的session信息。

另外，上面架构图上有写到第二层F5，作为负载均衡服务器，F5是一种硬件负载均衡服务器，不过价格比较昂贵，我等屌丝一般都使用软件达到相同效果，比如Nginx,LVS,haproxy,apache等，用户请求先由经负载均衡服务器，经过路由才会到响应的web服务器。

已经写了不少了，先到这里吧，虽然文字不少，但是介绍的技术点还真不多，只不过建立了一个简单的世界，让你有一点概念~~OK，剩下的后续会发，顺着这条线一直探索下去。