【分布式架构】“高并发” -- 详解
2017-09-07 17:18
337 查看
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 1响应时间(Response Time), 2吞吐量(Throughput) 3每秒查询率QPS(Query Per Second), 4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: 1dns-server对于一个域名配置了多个解析ip, 2每次DNS解析请求来访问dns-server,会轮询返回这些ip。 3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, 4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: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。相关文章推荐
- 基于SOA的高并发和高可用分布式系统架构和组件详解
- 架构师之路 Java hadoop 互联网架构 大数据 分布式 高并发 中间件
- (推荐)高并发高流量网站架构详解
- 详解应对平台高并发的分布式调度框架TBSchedule
- 分布式 | Dubbo 架构设计详解
- Java高并发高性能分布式框架从无到有微服务架构设计
- 分布式架构流程和http请求详解
- ETL作业调度软件TASKCTL4.5软件分布式集群架构安装部署详解-笔记分享
- lucene分布式架构-满足高并发的实时检索需求
- 分布式架构详解
- 承载千万级并发的分布式系统架构设计思想
- 英特尔大数据技术与分布式架构设计详解
- 大数据高并发分布式架构发展
- 高并发,分布式,高性能,系统架构项目实战
- 详解应对平台高并发的分布式调度框架TBSchedule
- 【并发编程】系统架构和组件详解
- 详解应对平台高并发的分布式调度框架TBSchedule
- 高并发,高性能,高可用,分布式,集群,电商缓存架构
- 详解应对平台高并发的分布式调度框架TBSchedule
- 详解应对平台高并发的分布式调度框架TBSchedule