大型网站架构概述
一、大型网站架构演化发展历程
1）初始阶段的网站架构
应用程序、数据库、文件等所有资源都在一台服务器上。Linux+PHP+Apache+MySQL（LAMP）。
初始阶段的网站架构：
2）应用服务和数据服务分离
随着网站业务额发展，一台服务器逐渐不能满足需求，性能越来越差，存储空间不足，这时候就需要应用和数据分离。
使用三台服务器：应用服务器、文件服务器、数据库服务器。
应用服务器需要大量的业务，需要更快更强的CPU；
据库服务器需要快速磁盘检索和数据缓存，因此需要更快的磁盘和更大的内存；
文件服务器需要存储大量用户上传的文件，因此需要更大的硬盘。
应用服务和数据服务分离:
3）使用缓存改善网站性能
网站访问的特点和现实世界的财富分配一样遵循二八定律：80% 的业务访问集中在20% 的数据上。既然大部分业务访问集中在一小部分数据上，那么如果把这一小部分数据缓存在内存中，就可以减少数据库的访问压力，提高整个网站的数据访问速度，改善数据库的写入性能了。 网站使用的缓存可以分为两种：缓存在应用服务器上的本地缓存和缓存在专门的分布式缓存服务器上的远程缓存。
本地缓存的访问速度更快一些，但是受应用服务器内存限制，其缓存数据量有限，而且会出现和应用程序争用内存的情况。
远程分布式缓存可以使用集群的方式，部署大内存的服务器作为专门的缓存服务器，可以在理论上做到不受内存容量限制的缓存服务。
网站使用缓存
使用缓存后，数据访问压力得到有效缓解，但是单一应用服务器能够处理的请求连接有限，在网站访问高峰期，应用服务器成为整个网站的瓶颈。
4）使用应用服务器集群改善网站的并发处理能力
使用集群是网站解决高并发、海量数据问题的常用手段。当一台服务器的处理能力、存储空间不足时，不要企图去更换更强大的服务器，对大型网站而言，不管多么强大的服务器，都满足不了网站持续增长的业务需求。这种情况下，更恰当的做法是增加一台服务器分担原有服务器的访问及存储压力。 对网站架构而言，只要能通过增加一台服务器的方式改善负载压力，就可以以同样的方式持续增加服务器不断改善系统性能，从而实现系统的可伸缩性。应用服务器实现集群是网站可伸缩架构设计中较为简单成熟的一种，如下图所示：
通过负载均衡调度服务器，可以将来自用户浏览器的访问请求分发到应用服务器集群中的任何一台服务器上，如果有更多用户，就在集群中加入更多的应用服务器，使应用服务器的压力不再成为整个网站的瓶颈。
5）数据库读写分离
网站在使用缓存后，使对大部分数据读操作访问都可以不通过数据库就能完成，但是仍有一部分读操作（缓存访问不命中、缓存过期）和全部的写操作都需要访问数据库，在网站的用户达到一定规模后，数据库因为负载压力过高而成为网站的瓶颈。 目前大部分的主流数据库都提供主从热备功能，通过配置两台数据库主从关系，可以将一台数据库服务器的数据更新同步到另一台服务器上。网站利用数据库的这一功能，实现数据库读写分离，从而改善数据库负载压力。如下图所示：
应用服务器在写数据的时候，访问主数据库，主数据库通过主从复制机制将数据更新同步到从数据库，这样当应用服务器读数据的时候，就可以通过从数据库获得数据。为了便于应用程序访问读写分离后的数据库，通常在应用服务器端使用专门的数据访问模块，使数据库读写分离对应用透明。
6）使用反向代理和CDN加速网站响应
随着网站业务不断发展，用户规模越来越大，由于中国复杂的网络环境，不同地区的用户访问网站时，速度差别也极大。有研究表明，网站访问延迟和用户流失率正相关，网站访问越慢，用户越容易失去耐心而离开。为了提供更好的用户体验，留住用户，网站需要加速网站访问速度。主要手段有使用 CDN 和反向代理。如下图所示：
CDN 和反向代理的基本原理都是缓存。
CDN 部署在网络提供商的机房，使用户在请求网站服务时，可以从距离自己最近的网络提供商机房获取数据
反向代理则部署在网站的中心机房，当用户请求到达中心机房后，首先访问的服务器是反向代理服务器，如果反向代理服务器中缓存着用户请求的资源，就将其直接返回给用户
使用 CDN 和反向代理的目的都是尽早返回数据给用户，一方面加快用户访问速度，另一方面也减轻后端服务器的负载压力。
网站使用反向代理和CDN加速访问
7）使用分布式文件系统和分布式数据库系统
任何强大的单一服务器都满足不了大型网站持续增长的业务需求。数据库经过读写分离后，从一台服务器拆分成两台服务器，但是随着网站业务的发展依然不能满足需求，这时需要使用分布式数据库。文件系统也一样，需要使用分布式文件系统。如下图所示：
8）使用NoSQL和搜索引擎
检索的需求也越来越复杂，网站需要采用一些非关系数据库技术如 NoSQL 和非数据库查询技术如搜索引擎。如下图所示：NoSQL 和搜索引擎都是源自互联网的技术手段，对可伸缩的分布式特性具有更好的支持。应用服务器则通过一个统一数据访问模块访问各种数据，减轻应用程序管理诸多数据源的麻烦。
9）业务拆分
大型网站为了应对日益复杂的业务场景，通过使用分而治之的手段将整个网站业务分成不同的产品线。如大型购物交易网站都会将首页、商铺、订单、买家、卖家等拆分成不同的产品线，分归不同的业务团队负责。
具体到技术上，也会根据产品线划分，将一个网站拆分成许多不同的应用，每个应用独立部署。应用之间可以通过一个超链接建立关系（在首页上的导航链接每个都指向不同的应用地址），也可以通过消息队列进行数据分发，当然最多的还是通过访问同一个数据存储系统来构成一个关联的完整系统，如下图所示：
10）分布式服务
水平拆分，提取公共组件，中台战略。
随着业务拆分越来越小，存储系统越来越庞大，应用系统的整体复杂度呈指数级增加，部署维护越来越困难。由于所有应用要和所有数据库系统连接，在数万台服务器规模的网站中，这些连接的数目是服务器规模的平方，导致数据库连接资源不足，拒绝服务。
既然每一个应用系统都需要执行许多相同的业务操作，比如用户管理、商品管理等，那么可以将这些共用的业务提取出来，独立部署。由这些可复用的业务连接数据库，提供共用业务服务，而应用系统只需要管理用户界面，通过分布式服务调用共用业务服务完成具体业务操作。如下图所示：
大型网站的架构演化到这里，基本上大多数的技术问题都得以解决，诸如跨数据中心的实时数据同步和具体网站业务相关的问题也都可以通过组合改进现有技术架构解决。关于分布式的内容，可以继续看分布式系列文章。
二、大型网站架构模式
1）分层
水平切分：应用层、服务层、数据层。
2）分割
垂直切分：按业务切分。
3）分布式
分布式应用和服务、分布式数据和存储、分布式计算、分布式锁、分布式文件系统。
4）集群
5）缓存
6）异步
7）冗余
8）自动化
9）安全
三、 大型网站核心架构要素
软件架构：系统的各个重要组成部分及其关系构成了系统的架构，这些组成部分可以是具体的功能模块，也可以是非功能的设计与决策，他们相互关系组成一个整体，共同构成了软件系统的架构。
1）性能
性能优化，前端：浏览器缓存、页面压缩、CDN缓存、反向代理缓存。
后端 ：缓存、异步、集群、多线程、改善内存管理、数据库索引、SQL优化。
2）可用性
高可用的手段：冗余、负载均衡集群。
3）伸缩性
关注点：非功能性需求（技术需求）。
衡量架构伸缩性的主要标准：是否可以用多台服务器构建集群，是否容易向集群中添加新的服务器，新服务器是否可以提供和原服务器无差别的服务，集群可容纳的总的服务器数量是否有限制。
4）扩展性
关注点：功能需求。
衡量架构扩展性的主要标准：增加新的业务产品时，是否可以实现对现有产品透明无影响，不需要改动或者很少改动既有业务功能就可以上线新产品，不同产品之间是否很少耦合，一个产品改动对其他产品功能无影响。
可扩展的主要手段：事件驱动架构（消息队列）、分布式服务（将业务和可复用服务分离开，通过分布式服务框架调用）。
5）安全性
四、网站的高性能架构
1）性能测试
性能测试是性能优化的前提和基础，也是性能优化结果的检查和度量标准。
A. 性能测试的主要指标：响应时间、并发数、吞吐量、性能计数器
响应时间：指应用执行一个操作需要的时间，包括从发出请求开始到收到最后响应数据所需要的时间。
并发数：同时提交请求的数量。
吞吐量：单位时间内系统处理的请求数量。TPS（每秒事务数）、QPS（每秒查询数）。
吞吐量QPS（TPS）= 并发数/平均响应时间
当并发数到一定数量时，吞吐量反而会下降，原因是系统超负荷工作，上下文切换、内存等等其它消耗导致系统性能下降。
性能计数器：描述服务器或操作系统性能的一些数据指标。系统负载System Load：当前正在被CPU执行和等待被CPU执行的进程数目总和，是反映系统忙闲程度的重要指标。内存使用、CPU使用、磁盘与网络I/O。
B. 性能测试方法：性能测试、负载测试、压力测试、稳定性测试
性能测试曲线
并发用户访问响应时间曲线
性能测试结果报告
2）Web前端性能优化
A. 浏览器访问优化
减少http请求：合并CSS、合并JavaScript、合并图片。
使用浏览器缓存静态资源文件：设置http头中的Cache-Control和Expires属性；静态资源文件变化需要及时应用到客户端浏览器时，可通过改变文件名实现，生成一个新的JS文件并更新HTML文件中的引用；需要批量更新时，不要一次全部更新，应该一个文件一个文件更新，并有一定的随机间隔时间，以免用户浏览器突然大量缓存失效，集中更新缓存，造成服务器负载骤增、网络堵塞的情况。
启用压缩：HTML、CSS、JavaScript文件启用GZip压缩，在服务器端对文件进行压缩，在浏览器端对文件解压缩。
B. CDN加速
缓存静态资源。
利用CDN的网站架构
C. 反向代理
安全功能，缓存静态内容、动态内容，负载均衡。
利用反向代理的网站架构
3）应用服务器性能优化
A. 分布式缓存
网站性能优化第一定律：优先考虑使用缓存优化性能。
缓存适用：读写比很高，很少变化的数据。
缓存预热：最好在缓存系统启动时就把热点数据加载好，这个缓存预加载手段叫作缓存预热（warm up）。
缓存穿透：对策是将不存在的数据也缓存起来（其value值为null）。
B. 异步操作
使用消息队列缩短响应时间。
使用消息队列进行消峰。
使用消息队列消除并发访问高峰
C. 使用集群
利用负载均衡改善性能
D. 代码优化
多线程：使用多线程的原因主要是IO阻塞和多CPU。
启动线程数=[任务执行时间/（任务执行时间-IO等待时间）] * CPU内核数
最佳启动线程数和CPU内核数量成正比，和IO阻塞时间成反比。
解决线程安全的主要手段：将对象设计成无状态对象（对象无成员变量或成员变量也是无状态对象），使用局部对象（在方法内部创建对象），并发访问资源时使用锁。
资源复用：单例和对象池。