分布式架构“高并发” -- 详解

Posted 2021-01-19 dreamrecorder

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。