云端高性能技术架构浅析
发布时间：2015-04-27 00:00 来源：beaty向
无论是国外的Google、Facebook、Amazon，还是国内的Baidu、Taobao等，这些高性能的服务器在处理高并发的请求时，都能快速、准确的给予应答。通过查阅资料，了解现有大型网站的技术架构，发现目前常用的技术有分层、缓存、负载均衡、数据库性能优化，分布式系统等等。接下类分别对这些技术进行简单介绍。
1、分层与服务分离
无论OSI的7层网络结构，还是计算机底层硬件与上层软件之间的分层，甚至于Web领域大家非常熟悉的MVC开发模式，分层在计算机领域无处不在。分层可以将不同的功能部件独立起来，下层为上层提供访问接口，支撑上层的功能;上层调用下层接口来完成服务。
分层也是服务器端采用的一种方法，通过将数据库、文件资源等与应用服务器分开，可以缓解服务器压力。
另外，根据业务需求的不同，将明显没有交集的业务分开，独立成不同的模块单独进行管理，也可以在很大程度上提升服务器性能。
2、缓存
缓存在计算机很多地方都有涉及，比如在内存与硬盘之间增加Cache、增加IO缓冲区来缓解速度之间的不匹配。缓存的出现主要是依据计算机中著名的二八定律。缓存的技术主要包括本地缓存、分布式缓存、CDN和反向代理。
根据二八定律，80%的操作集中在20%的数据上。网站将常用的数据缓存在本地应用服务器中，以后直接通过缓存中的数据来响应用户的请求，而不用再去计算。这样就可以减少响应时间。
分布式缓存相比本地缓存速度要慢，因为应用服务器要访问专门的缓存服务器来获取数据，但是应用服务器主要用于处理请求，其自身内存有限，假如缓存大量数据，应用程序的运行速度将受到明显影响。因此很多大型网站都使用远程分布式缓存，部署大内存的服务器作为专门的缓存服务器。
缓存的另外两种表现形式是CDN和反向代理。不同的地方在于，CDN部署在网络提供商(比如电信、移动、联通等)的机房，用户在请求网站服务时，可以直接从网络提供商机房获取数据;而反向代理则部署在网站的中心机房，当用户的请求到中心机房后，首先访问的服务器是反向代理服务器，假如反向代理服务器中有相应资源的缓存，就将其直接返回给用户，而不用再去请求应用服务器。
3、负载均衡
负载均衡的原理就是去中心化。当用户并发请求量巨大时，假如将所有的请求都交给一个服务器去处理，很可能造成服务器宕机，即使能够正确响应，响应时间也可能会比较长，给用户造成不好的体验。
大型网站都是将一个域名绑定不同的服务器IP，这样表面上好像只有一台服务器在提供服务，实际则是一个服务器集群在提供相同的服务。负载均衡器接收所有用户的请求，再根据每台应用服务器正在处理的请求数量来对请求进行分配。这样就能在很大程度上提高系统的性能，同时扩展性也得到很大提升——当某台服务器宕机时，直接替换就可以，其它服务器继续相应用户请求;当用户请求量超过预定峰值时，也可以通过实时增加服务器来缓解压力。
4、数据库性能优化
使用缓存后，大部分的数据操作不需要通过数据库即可完成。但是仍有一部分读操作(缓存访问不命中，缓存过期)和全部的写操作需要访问数据库，在网站的用户达到一定规模时，数据库因为负载压力过高而成为网站的瓶颈。因而需要对数据库进行优化，常用的技术主要包括读写分离、结合非关系型数据库使用、分布式数据库等。
一般情况下，数据库读操作所需要的时间比写操作的要少很多，通过将数据库的读写操作分离可以明显改善数据库性能。目前很多大型网站都配置数据库主从关系，主数据库用于写操作并将数据同步更新到从数据库上，从数据库只负责读操作。例如，新浪云计算平台(SAE)给用户的数据库就进行了主从配置。
同时，可以利用非关系型数据库和搜索引擎对数据检索的优势，来减轻应用服务器直接访问关系型数据库的压力。
当对业务进行分离后，可以根据业务所涉及的数据，将数据库进行分库部署在不同的服务器上。
5、冗余
网站需要7×24小时连续运行，但是服务器随时可能出现故障，特别是服务器规模比较大时，出现某台服务器宕机是必然事件。要想保证在服务器宕机的情况下网站依然可以继续服务，不丢失数据，就需要一定程度的服务器冗余运行，数据冗余备份，这样当某台服务器宕机时，可以将其上的服务和数据转移到其它机器上继续运行。
接下来，我们主要针对缓存中的Memcached技术进行介绍。
1 Memcached
1.1 Memcached简介
Memcached是一个高性能的分布式对象缓存系统，用于动态Web应用，以减轻数据库负载[1]。它通过在内存中缓存数据和对象来减少应用程序读取数据库的次数，从而提高网站的性能。如图1是Memcached在网站中的位置示意图。
图1 Memcached位置示意图
Memcached以键值对的形式将数据(或对象)缓存在内存中，虽然使用到了多个服务节点，但是和一般分布式缓存系统不同的是，每一份数据在Memcached中只存在一份，每个Memcached服务节点之间相互不可见。因此，Memcached中每份数据的键值是唯一的。
简而言之，Memcached类似于一个典型的非关系型存储系统，可以归入基于内容的键值对存储类型[2]。
1.2 Memcached工作原理
当高并发的外部请求访问服务器时，负载均衡服务器会根据各应用服务器的使用情况进行分配转发，假如需要对数据进行读取，应用服务器会按照一定的Hash算法计算键值的结果，并根据计算结果访问Memcached的某一个服务节点，服务节点再次计算键值的第二次Hash值，再根据计算结果对数据进行读取，假如缓存中有数据则直接返回给应用，否则需要从数据库获取数据，同时将获取到的数据写入到Memcached中[3]。
图2 Memcached工作原理
2 性能分析
在本机上安装Memcached，客户端使用Memcached提供的接口进行数据的存储与访问，并与直接通过MySQL获取数据的方式进行对比。
2.1 Memcached安装
由于Memcached主要用于服务器端，而服务器端操作系统大多用Linux，因此网上多数教程是关于在Linux上安装使用Memcached的。在Windows上安装更加简单，只需找到对应操作系统的版本即可[4]。
安装Memcached后，打开服务即可使用相应功能，Memcached默认监听11211端口，假如是在本机上，直接使用127.0.0.1:11211就可以访问了，这点和MySQL非常类似。
Memcached提供了很多高级语言的接口，可以根据这些接口来完成对数据的存储与访问。
2.2 Memcached和MySQL性能比较
为了比较使用Memcached前后访问数据性能的情况，进行以下模拟实验。
硬件条件：
CPU：Intel Core 2.60GHz;
内存：2GB;
软件条件：
操作系统：Window 64;
Memcached最大内存：64MB;
Memcached最大连接数：1024。
MySQL中共有29120条记录，使用多线程模拟用户的并发访问，每个用户请求100次数据读取。表1是在用户数量为N的条件下，测试所有请求都处理完所用时间T的结果。
表1 测试结果
三种方法说明：MySQL表示所有的数据请求直接通过访问数据库返回;随机Mem表示在增加了Memcached缓存后，对于每个用户的100次请求，数据之间没有任何关系，完全随机;二八定律Mem表示用户的请求遵循二八定律，就是说平均100次请求中，有比较多的次数访问的是相同数据，这个可以通过程序模拟，在访问时控制相应次数访问相同的数据。
图3、图4分别对应表1的两种数据表示。
图3 柱状图显示结果
图4 折线显示结果
由于在完全随机访问的条件下，数据的命中率非常低(几乎为0)，每次请求都需要从数据库中获取，同时还要将请求到的数据保存在缓存中，因此效率比直接从数据库中获取还要低。但是当用户多次请求相同的数据是，使用Memcached 明显比直接从MySQL中获取效率要高很多。
整个测试过程还存在着一些不足之处：
受实际条件限制，Memcached服务节点数只有1个; 另外，数据库中数据量级也不是非常大; 没有测试数据写入的情况3 关键问题
通过上述分析可知，Memcached在一些条件下对提升数据访问效率有很大作用。对于那些不常变动访问频率又非常高的数据，将其放在缓存中，可以很好的缓解数据库的压力，进而提升系统性能。但同时，Memcached自身也还存在着一些不足之处：
由于Memcached是将数据缓存在内存中，当出现断电情况时，数据将立即消失;
所有数据在Memcached中只保存一份，因此可靠性不是很高，一旦某台服务节点出现故障，相应的数据将丢失;
Memcached在设计之初每个key的value最大是1MB，随着目前数据量的快速增长，缓存数据量大的文件，比如音频、视频等有很大不足。
4 参考资料
俞华锋.Memcached 在大型网站中的应用[J]. 科技信息, 2008(1), p70.
王新根. Web后端性能优化关键技术研究[D]. 浙江大学, 2012.
http://en.wikipedia.org/wiki/Memcached
http://blog.csdn.net/zhaotengfei36520/article/details/41315329
徐剑强，邹伟平. Memcached应用研究[J]. 科技广场, 2012(7), p95-97.
