大型分佈式電商系統架構是如何從0開始演進的？ 原 薦

本文是學習大型分佈式網站架構的技術總結。對架構一個高性能、高可用、可伸縮及可擴展的分佈式網站進行了概要性描述，並給出一個架構參考。文中一部分爲讀書筆記，一部分是個人經驗總結，對大型分佈式網站架構有較好的參考價值。

一、大型分佈式網站架構技術

1、大型網站的特點

• 用戶多，分佈廣泛

• 大流量，高併發

• 海量數據，服務高可用

• 安全環境惡劣，易受網絡攻擊

• 功能多，變更快，頻繁發佈

• 從小到大，漸進發展

• 以用戶爲中心

• 免費服務，付費體驗

2、大型網站架構目標

• 高性能：提供快速的訪問體驗。

• 高可用：網站服務一直可以正常訪問。

• 可伸縮：通過硬件增加/減少，提高/降低處理能力。

• 安全性：提供網站安全訪問和數據加密、安全存儲等策略。

• 擴展性：方便地通過新增/移除方式，增加/減少新的功能/模塊。

• 敏捷性：隨需應變，快速響應；

 

3、大型網站架構模式

• 分層：一般可分爲應用層、服務層、數據層、管理層與分析層；

• 分割：一般按照業務/模塊/功能特點進行劃分，比如應用層分爲首頁、用戶中心。

• 分佈式：將應用分開部署（比如多臺物理機），通過遠程調用協同工作。

• 集羣：一個應用/模塊/功能部署多份（如：多臺物理機），通過負載均衡共同提供對外訪問。

• 緩存：將數據放在距離應用或用戶最近的位置，加快訪問速度。

• 異步：將同步的操作異步化。客戶端發出請求，不等待服務端響應，等服務端處理完畢後，使用通知或輪詢的方式告知請求方。一般指：請求——響應——通知模式。

• 冗餘：增加副本，提高可用性、安全性與性能。

• 安全：對已知問題有有效的解決方案，對未知/潛在問題建立發現和防禦機制。

• 自動化：將重複的、不需要人工參與的事情，通過工具的方式，使用機器完成。

• 敏捷性：積極接受需求變更，快速響應業務發展需求。

4、高性能架構

以用戶爲中心，提供快速的網頁訪問體驗。主要參數有較短的響應時間、較大的併發處理能力、較高的吞吐量與穩定的性能參數。

可分爲前端優化、應用層優化、代碼層優化與存儲層優化。

• 前端優化：網站業務邏輯之前的部分；
• 瀏覽器優化：減少HTTP請求數，使用瀏覽器緩存，啓用壓縮，CSS JS位置，JS異步，減少Cookie傳輸；CDN加速，反向代理；
• 應用層優化：處理網站業務的服務器。使用緩存，異步，集羣
• 代碼優化：合理的架構，多線程，資源複用（對象池，線程池等），良好的數據結構，JVM調優，單例，Cache等；
• 存儲優化：緩存、固態硬盤、光纖傳輸、優化讀寫、磁盤冗餘、分佈式存儲（HDFS）、NoSQL等。

5、高可用架構

大型網站應該在任何時候都可以正常訪問，正常提供對外服務。因爲大型網站的複雜性，分佈式，廉價服務器，開源數據庫，操作系統等特點，要保證高可用是很困難的，也就是說網站的故障是不可避免的。

如何提高可用性，就是需要迫切解決的問題。首先，需要從架構級別考慮，在規劃的時候，就考慮可用性。行業內一般用幾個9表示可用性指標，比如四個9（99.99），一年內允許的不可用時間是53分鐘。

不同層級使用的策略不同，一般採用冗餘備份和失效轉移解決高可用問題。

• 應用層：一般設計爲無狀態的，對於每次請求，使用哪一臺服務器處理是沒有影響的。一般使用負載均衡技術（需要解決Session同步問題）實現高可用。
• 服務層：負載均衡，分級管理，快速失敗（超時設置），異步調用，服務降級，冪等設計等。
• 數據層：冗餘備份（冷，熱備[同步，異步]，溫備），失效轉移（確認，轉移，恢復）。數據高可用方面著名的理論基礎是CAP理論（持久性，可用性，數據一致性[強一致，用戶一致，最終一致]）  

6、可伸縮架構

伸縮性是指在不改變原有架構設計的基礎上，通過添加/減少硬件（服務器）的方式，提高/降低系統的處理能力。

• 應用層：對應用進行垂直或水平切分。然後針對單一功能進行負載均衡（DNS、HTTP[反向代理]、IP、鏈路層）。
• 服務層：與應用層類似；
• 數據層：分庫、分表、NoSQL等；常用算法Hash，一致性Hash。

7、可擴展架構

可以方便地進行功能模塊的新增/移除，提供代碼/模塊級別良好的可擴展性。

• 模塊化，組件化：高內聚，低耦合，提高複用性，擴展性。
• 穩定接口：定義穩定的接口，在接口不變的情況下，內部結構可以“隨意”變化。
• 設計模式：應用面向對象思想，原則，使用設計模式，進行代碼層面的設計。
• 消息隊列：模塊化的系統，通過消息隊列進行交互，使模塊之間的依賴解耦。
• 分佈式服務：公用模塊服務化，提供其他系統使用，提高可重用性，擴展性。

8、安全架構

對已知問題有有效的解決方案，對未知/潛在問題建立發現和防禦機制。對於安全問題，首先要提高安全意識，建立一個安全的有效機制，從政策層面，組織層面進行保障，比如服務器密碼不能泄露，密碼每月更新，並且三次內不能重複；每週安全掃描等。以制度化的方式，加強安全體系的建設。同時，需要注意與安全有關的各個環節。安全問題不容忽視，包括基礎設施安全，應用系統安全，數據保密安全等。

• 基礎設施安全：硬件採購，操作系統，網絡環境方面的安全。一般採用正規渠道購買高質量的產品，選擇安全的操作系統，及時修補漏洞，安裝殺毒軟件防火牆。防範病毒，後門。設置防火牆策略，建立DDOS防禦系統，使用攻擊檢測系統，進行子網隔離等手段。
• 應用系統安全：在程序開發時，對已知常用問題，使用正確的方式，在代碼層面解決掉。防止跨站腳本攻擊（XSS），注入攻擊，跨站請求僞造（CSRF），錯誤信息，HTML註釋，文件上傳，路徑遍歷等。還可以使用Web應用防火牆（比如：ModSecurity），進行安全漏洞掃描等措施，加強應用級別的安全。
• 數據保密安全：存儲安全（存儲在可靠的設備，實時，定時備份），保存安全（重要的信息加密保存，選擇合適的人員複雜保存和檢測等），傳輸安全（防止數據竊取和數據篡改）；

常用的加解密算法（單項散列加密[MD5、SHA]，對稱加密[DES、3DES、RC]），非對稱加密[RSA]等。

9、敏捷性

網站的架構設計，運維管理要適應變化，提供高伸縮性，高擴展性。方便的應對快速的業務發展，突增高流量訪問等要求。

除上面介紹的架構要素外，還需要引入敏捷管理，敏捷開發的思想。使業務，產品，技術，運維統一起來，隨需應變，快速響應。

10、大型架構舉例

 

以上採用七層邏輯架構，第一層客戶層，第二層前端優化層，第三層應用層，第四層服務層，第五層數據存儲層，第六層大數據存儲層，第七層大數據處理層。

• 客戶層：支持PC瀏覽器和手機APP。差別是手機APP可以直接通過IP訪問，反向代理服務器。
• 前端層：使用DNS負載均衡，CDN本地加速以及反向代理服務；
• 應用層：網站應用集羣；按照業務進行垂直拆分，比如商品應用，會員中心等；
• 服務層：提供公用服務，比如用戶服務，訂單服務，支付服務等；
• 數據層：支持關係型數據庫集羣（支持讀寫分離），NOSQL集羣，分佈式文件系統集羣；以及分佈式Cache；
• 大數據存儲層：支持應用層和服務層的日誌數據收集，關係數據庫和NOSQL數據庫的結構化和半結構化數據收集；
• 大數據處理層：通過Mapreduce進行離線數據分析或Storm實時數據分析，並將處理後的數據存入關係型數據庫。（實際使用中，離線數據和實時數據會按照業務要求進行分類處理，並存入不同的數據庫中，供應用層或服務層使用）。

二、大型電商網站系統架構演變過程

一個成熟的大型網站（如淘寶、天貓、騰訊等）的系統架構並不是一開始設計時就具備完整的高性能、高可用、高伸縮等特性的，它是隨着用戶量的增加，業務功能的擴展逐漸演變完善的，在這個過程中，開發模式、技術架構、設計思想也發生了很大的變化，就連技術人員也從幾個人發展到一個部門甚至一條產品線。

所以成熟的系統架構是隨着業務的擴展而逐步完善的，並不是一蹴而就；不同業務特徵的系統，會有各自的側重點，例如淘寶，要解決海量的商品信息的搜索、下單、支付；例如騰訊，要解決數億用戶的實時消息傳輸；百度它要處理海量的搜索請求。

他們都有各自的業務特性，系統架構也有所不同。儘管如此我們也可以從這些不同的網站背景中，找出其中共用的技術，這些技術和手段廣泛運用在大型網站系統的架構中，下面就通過介紹大型網站系統的演化過程，來認識這些技術和手段。

1、最開始的網站架構

最初的架構，應用程序、數據庫、文件都部署在一臺服務器上，如圖：

2、應用、數據、文件分離

隨着業務的擴展，一臺服務器已經不能滿足性能需求，故將應用程序、數據庫、文件各自部署在獨立的服務器上，並且根據服務器的用途配置不同的硬件，達到最佳的性能效果。

3、利用緩存改善網站性能

在硬件優化性能的同時，同時也通過軟件進行性能優化，在大部分的網站系統中，都會利用緩存技術改善系統的性能，使用緩存主要源於熱點數據的存在，大部分網站訪問都遵循28原則（即80%的訪問請求，最終落在20%的數據上），所以我們可以對熱點數據進行緩存，減少這些數據的訪問路徑，提高用戶體驗。

緩存實現常見的方式是本地緩存、分佈式緩存。當然還有CDN、反向代理等，這個後面再講。本地緩存，顧名思義是將數據緩存在應用服務器本地，可以存在內存中，也可以存在文件，OSCache就是常用的本地緩存組件。本地緩存的特點是速度快，但因爲本地空間有限所以緩存數據量也有限。分佈式緩存的特點是，可
以緩存海量的數據，並且擴展非常容易，在門戶類網站中常常被使用，速度按理沒有本地緩存快，常用的分佈式緩存是Memcached、Redis。

4、使用集羣改善應用服務器性能

應用服務器作爲網站的入口，會承擔大量的請求，我們往往通過應用服務器集羣來分擔請求數。應用服務器前面部署負載均衡服務器調度用戶請求，根據分發策略將請求分發到多個應用服務器節點。

常用的負載均衡技術硬件的有F5，價格比較貴，軟件的有LVS、Nginx、HAProxy。LVS是四層負載均衡，根據目標地址和端口選擇內部服務器，Nginx和HAProxy是七層負載均衡，可以根據報文內容選擇內部服務器，因此LVS分發路徑優於Nginx和HAProxy，性能要高些，而Nginx和HAProxy則更具配置性，如可以用來做動靜分離（根據請求報文特徵，選擇靜態資源服務器還是應用服務器）。

5、數據庫讀寫分離和分庫分表

隨着用戶量的增加，數據庫成爲最大的瓶頸，改善數據庫性能常用的手段是進行讀寫分離以及分庫分表，讀寫分離顧名思義就是將數據庫分爲讀庫和寫庫，通過主備功能實現數據同步。分庫分表則分爲水平切分和垂直切分，水平切分則是對一個數據庫特大的表進行拆分，例如用戶表。垂直切分則是根據業務的不同來切分，如用戶業務、商品業務相關的表放在不同的數據庫中。

6、使用CDN和反向代理提高網站性能

假如我們的服務器都部署在成都的機房，對於四川的用戶來說訪問是較快的，而對於北京的用戶訪問是較慢的，這是由於四川和北京分別屬於電信和聯通的不同發達地區，北京用戶訪問需要通過互聯路由器經過較長的路徑才能訪問到成都的服務器，返回路徑也一樣，所以數據傳輸時間比較長。對於這種情況，常常使用CDN解決，CDN將數據內容緩存到運營商的機房，用戶訪問時先從最近的運營商獲取數據，這樣大大減少了網絡訪問的路徑。比較專業的CDN運營商有藍汛、網宿。

而反向代理，則是部署在網站的機房，當用戶請求達到時首先訪問反向代理服務器，反向代理服務器將緩存的數據返回給用戶，如果沒有緩存數據纔會繼續訪問應用服務器獲取，這樣做減少了獲取數據的成本。反向代理有Squid、Nginx。

7、使用分佈式文件系統

用戶一天天增加，業務量越來越大，產生的文件越來越多，單臺的文件服務器已經不能滿足需求，這時就需要分佈式文件系統的支撐。常用的分佈式文件系統有GFS、HDFS、TFS。

8、使用NoSQL和搜索引擎

對於海量數據的查詢和分析，我們使用NoSQL數據庫加上搜索引擎可以達到更好的性能。並不是所有的數據都要放在關係型數據中。常用的NoSQL有MongoDB、HBase、Redis，搜索引擎有Lucene、Solr、Elasticsearch。

9、將應用服務器進行業務拆分

隨着業務進一步擴展，應用程序變得非常臃腫，這時我們需要將應用程序進行業務拆分，如百度分爲新聞、網頁、圖片等業務。每個業務應用負責相對獨立的業務運作。業務之間通過消息進行通信或者共享數據庫來實現。

10、搭建分佈式服務

這時我們發現各個業務應用都會使用到一些基本的業務服務，例如用戶服務、訂單服務、支付服務、安全服務，這些服務是支撐各業務應用的基本要素。我們將這些服務抽取出來利用分部式服務框架搭建分佈式服務。阿里的Dubbo是一個不錯的選擇。

三、一張圖說明電商架構

 

四、大型電商網站架構案例

1、電商案例的原因

分佈式大型網站，目前看主要有幾類：

• 大型門戶，比如網易，新浪等；
• SNS網站，比如校內，開心網等；
• 電商網站，比如阿里巴巴，京東商城，國美在線，汽車之家等。

大型門戶一般是新聞類信息，可以使用CDN，靜態化等方式優化，開心網等交互性比較多，可能會引入更多的NoSQL，分佈式緩存，使用高性能的通信框架等。電商網站具備以上兩類的特點，比如產品詳情可以採用CDN，靜態化，交互性高的需要採用NoSQL等技術。因此，我們採用電商網站作爲案例，進行分析。
 

2、電商網站需求

客戶需求：

• 建立一個全品類的電子商務網站（B2C），用戶可以在線購買商品，可以在線支付，也可以貨到付款；
• 用戶購買時可以在線與客服溝通；
• 用戶收到商品後，可以給商品打分，評價；
• 目前有成熟的進銷存系統；需要與網站對接；
• 希望能夠支持3~5年，業務的發展；
• 預計3~5年用戶數達到1000萬；
• 定期舉辦雙11、雙12、三八男人節等活動；
• 其他的功能參考京東或國美在線等網站。

客戶就是客戶，不會告訴你具體要什麼，只會告訴你他想要什麼，我們很多時候要引導，挖掘客戶的需求。好在提供了明確的參考網站。因此，下一步要進行大量的分析，結合行業，以及參考網站，給客戶提供方案。

需求功能矩陣

需求管理傳統的做法，會使用用例圖或模塊圖（需求列表）進行需求的描述。這樣做常常忽視掉一個很重要的需求（非功能需求），因此推薦大家使用需求功能矩陣，進行需求描述。

本電商網站的需求矩陣如下：

3、網站初級架構

一般網站，剛開始的做法，是三臺服務器，一臺部署應用，一臺部署數據庫，一臺部署NFS文件系統。
這是前幾年比較傳統的做法，之前見到一個網站10萬多會員，垂直服裝設計門戶，N多圖片。使用了一臺服務器部署了應用，數據庫以及圖片存儲。出現了很多性能問題。

如下圖：
 

但是，目前主流的網站架構已經發生了翻天覆地的變化。一般都會採用集羣的方式，進行高可用設計。至少是下面這個樣子：

 

• 使用集羣對應用服務器進行冗餘，實現高可用；（負載均衡設備可與應用一塊部署）
• 使用數據庫主備模式，實現數據備份和高可用；

4、系統容量預估

預估步驟：

• 註冊用戶數-日均UV量-每日的PV量-每天的併發量；
• 峯值預估：平常量的2~3倍；
• 根據併發量（併發，事務數），存儲容量計算系統容量。

根據客戶需求：3~5年用戶數達到1000萬註冊用戶，可以做每秒併發數預估：

• 每天的UV爲200萬（二八原則）；
• 每日每天點擊瀏覽30次；
• PV量：200*30=6000萬；
• 集中訪問量：24*0.2=4.8小時會有6000萬*0.8=4800萬（二八原則）；
• 每分併發量：4.8*60=288分鐘，每分鐘訪問4800/288=16.7萬（約等於）；
• 每秒併發量：16.7萬/60=2780（約等於）；
• 假設：高峯期爲平常值的三倍，則每秒的併發數可以達到8340次。
• 1毫秒=1.3次訪問；

沒好好學數學後悔了吧？！（不知道以上算是否有錯誤，呵呵~~）

服務器預估：（以tomcat服務器舉例）

按一臺web服務器，支持每秒300個併發計算。平常需要10臺服務器（約等於）；[tomcat默認配置是150]，高峯期需要30臺服務器；

容量預估：70/90原則

系統CPU一般維持在70%左右的水平，高峯期達到90%的水平，是不浪費資源，並比較穩定的。內存，IO類似。

以上預估僅供參考，因爲服務器配置，業務邏輯複雜度等都有影響。在此CPU，硬盤，網絡等不再進行評估。

5、網站架構分析

根據以上預估，有幾個問題：

• 需要部署大量的服務器，高峯期計算，可能要部署30臺Web服務器。並且這三十臺服務器，只有秒殺，活動時纔會用到，存在大量的浪費。
• 所有的應用部署在同一臺服務器，應用之間耦合嚴重。需要進行垂直切分和水平切分。
• 大量應用存在冗餘代碼
• 服務器Session同步耗費大量內存和網絡帶寬
• 數據需要頻繁訪問數據庫，數據庫訪問壓力巨大。

大型網站一般需要做以下架構優化（優化是架構設計時，就要考慮的，一般從架構/代碼級別解決，調優主要是簡單參數的調整，比如JVM調優；如果調優涉及大量代碼改造，就不是調優了，屬於重構）：

• 業務拆分
• 應用集羣部署（分佈式部署，集羣部署和負載均衡）
• 多級緩存
• 單點登錄（分佈式Session）
• 數據庫集羣（讀寫分離，分庫分表）
• 服務化
• 消息隊列
• 其他技術

6、網站架構優化

6.1業務拆分
根據業務屬性進行垂直切分，劃分爲產品子系統，購物子系統，支付子系統，評論子系統，客服子系統，接口子系統（對接如進銷存，短信等外部系統）。

根據業務子系統進行等級定義，可分爲核心系統和非核心繫統。核心系統：產品子系統，購物子系統，支付子系統；非核心：評論子系統，客服子系統，接口子系統。

• 業務拆分作用：提升爲子系統可由專門的團隊和部門負責，專業的人做專業的事，解決模塊之間耦合以及擴展性問題；每個子系統單獨部署，避免集中部署導致一個應用掛了，全部應用不可用的問題。
• 等級定義作用：用於流量突發時，對關鍵應用進行保護，實現優雅降級；保護關鍵應用不受到影響。

拆分後的架構圖：
 

參考部署方案2
 

如上圖每個應用單獨部署，核心系統和非核心繫統組合部署

6.2應用集羣部署（分佈式，集羣，負載均衡）

• 分佈式部署：將業務拆分後的應用單獨部署，應用直接通過RPC進行遠程通信；
• 集羣部署：電商網站的高可用要求，每個應用至少部署兩臺服務器進行集羣部署；
• 負載均衡：是高可用系統必須的，一般應用通過負載均衡實現高可用，分佈式服務通過內置的負載均衡實現高可用，關係型數據庫通過主備方式實現高可用。

集羣部署後架構圖：

 

6.3 多級緩存
緩存按照存放的位置一般可分爲兩類本地緩存和分佈式緩存。本案例採用二級緩存的方式，進行緩存的設計。一級緩存爲本地緩存，二級緩存爲分佈式緩存。（還有頁面緩存，片段緩存等，那是更細粒度的劃分）

一級緩存，緩存數據字典，和常用熱點數據等基本不可變/有規則變化的信息，二級緩存緩存需要的所有緩存。當一級緩存過期或不可用時，訪問二級緩存的數據。如果二級緩存也沒有，則訪問數據庫。

緩存的比例，一般1:4，即可考慮使用緩存。（理論上是1:2即可）。
 
根據業務特性可使用以下緩存過期策略：

• 緩存自動過期；
• 緩存觸發過期；

6.4單點登錄（分佈式Session）
系統分割爲多個子系統，獨立部署後，不可避免的會遇到會話管理的問題。一般可採用Session同步，Cookies，分佈式Session方式。電商網站一般採用分佈式Session實現。

再進一步可以根據分佈式Session，建立完善的單點登錄或賬戶管理系統。

 
流程說明

• 用戶第一次登錄時，將會話信息（用戶Id和用戶信息），比如以用戶Id爲Key，寫入分佈式Session；
• 用戶再次登錄時，獲取分佈式Session，是否有會話信息，如果沒有則調到登錄頁；
• 一般採用Cache中間件實現，建議使用Redis，因此它有持久化功能，方便分佈式Session宕機後，可以從持久化存儲中加載會話信息；
• 存入會話時，可以設置會話保持的時間，比如15分鐘，超過後自動超時；

結合Cache中間件，實現的分佈式Session，可以很好的模擬Session會話。

6.5數據庫集羣（讀寫分離，分庫分表）
大型網站需要存儲海量的數據，爲達到海量數據存儲，高可用，高性能一般採用冗餘的方式進行系統設計。一般有兩種方式讀寫分離和分庫分表。

讀寫分離：一般解決讀比例遠大於寫比例的場景，可採用一主一備，一主多備或多主多備方式。

本案例在業務拆分的基礎上，結合分庫分表和讀寫分離。如下圖：
 

• 業務拆分後：每個子系統需要單獨的庫；
• 如果單獨的庫太大，可以根據業務特性，進行再次分庫，比如商品分類庫，產品庫；
• 分庫後，如果表中有數據量很大的，則進行分表，一般可以按照Id，時間等進行分表；（高級的用法是一致性Hash）
• 在分庫、分表的基礎上，進行讀寫分離；

相關中間件可參考Cobar（阿里，目前已不在維護），TDDL（阿里），Atlas（奇虎360），MyCat。

分庫分表後序列的問題，JOIN，事務的問題，會在分庫分表主題分享中，介紹。

6.6服務化
將多個子系統公用的功能/模塊，進行抽取，作爲公用服務使用。比如本案例的會員子系統就可以抽取爲公用的服務。

 

6.7消息隊列
消息隊列可以解決子系統/模塊之間的耦合，實現異步，高可用，高性能的系統。是分佈式系統的標準配置。本案例中，消息隊列主要應用在購物，配送環節。

• 用戶下單後，寫入消息隊列，後直接返回客戶端；
• 庫存子系統：讀取消息隊列信息，完成減庫存；
• 配送子系統：讀取消息隊列信息，進行配送；

 
目前使用較多的MQ有Active MQ、Rabbit MQ、Zero MQ、MS MQ等，需要根據具體的業務場景進行選擇。建議可以研究下Rabbit MQ。

6.8其他架構（技術）
除了以上介紹的業務拆分，應用集羣，多級緩存，單點登錄，數據庫集羣，服務化，消息隊列外。還有CDN，反向代理，分佈式文件系統，大數據處理等系統。

此處不詳細介紹，大家可以問度娘/Google，有機會的話也可以分享給大家。

7、架構彙總

大型網站的架構是根據業務需求不斷完善的，根據不同的業務特徵會做特定的設計和考慮，本文只是講述一個常規大型網站會涉及的一些技術和手段，希望能給大家帶來啓發。

作者介紹

爛豬皮，十餘年工作經驗，曾在 Google 等外企工作過幾年，精通 Java、分佈式架構、微服務架構以及數據庫，最近正在研究大數據以及區塊鏈，希望能突破到更高的境界