301b9d88e4
|
||
|---|---|---|
| .. | ||
| README.md | ||
| scaling_aws.graffle | ||
| scaling_aws.png | ||
| scaling_aws_1.png | ||
| scaling_aws_2.png | ||
| scaling_aws_3.png | ||
| scaling_aws_4.png | ||
| scaling_aws_5.png | ||
| scaling_aws_6.png | ||
| scaling_aws_7.png | ||
README.md
在 AWS 上设计支持百万级到千万级用户的系统
注释：为了避免重复，这篇文章的链接直接关联到 系统设计主题 的相关章节。为一讨论要点、折中方案和可选方案做参考。
第 1 步：用例和约束概要
收集需求并调查问题。 通过提问清晰用例和约束。 讨论假设。
如果没有面试官提出明确的问题，我们将自己定义一些用例和约束条件。
用例
解决这个问题是一个循序渐进的过程：1) 基准/负载 测试， 2) 瓶颈 概述， 3) 当评估可选和折中方案时定位瓶颈，4) 重复，这是向可扩展的设计发展基础设计的好模式。
除非你有 AWS 的背景或者正在申请需要 AWS 知识的相关职位，否则不要求了解 AWS 的相关细节。并且，这个练习中讨论的许多原则可以更广泛地应用于AWS生态系统之外。
我们就处理以下用例讨论这一问题
- 用户 进行读或写请求
- 服务 进行处理，存储用户数据，然后返回结果
- 服务 需要从支持小规模用户开始到百万用户
- 在我们演化架构来处理大量的用户和请求时，讨论一般的扩展模式
- 服务 高可用
约束和假设
状态假设
- 流量不均匀分布
- 需要关系数据
- 从一个用户扩展到千万用户
- 表示用户量的增长
- 用户量+
- 用户量++
- 用户量+++
- ...
- 1000 万用户
- 每月 10 亿次写入
- 每月 1000 亿次读出
- 100:1 读写比率
- 每次写入 1 KB 内容
- 表示用户量的增长
计算使用
向你的面试官厘清你是否应该做粗略的使用计算
- 1 TB 新内容 / 月
- 1 KB 每次写入 * 10 亿 写入 / 月
- 36 TB 新内容 / 3 年
- 假设大多数写入都是新内容而不是更新已有内容
- 平均每秒 400 次写入
- 平均每秒 40,000 次读取
便捷的转换指南：
- 250 万秒 / 月
- 1 次请求 / 秒 = 250 万次请求 / 月
- 40 次请求 / 秒 = 1 亿次请求 / 月
- 400 次请求 / 秒 = 10 亿请求 / 月
第 2 步：创建高级设计方案
用所有重要组件概述高水平设计
第 3 步：设计核心组件
深入每个核心组件的细节。
用例：用户进行读写请求
目标
- 只有 1-2 个用户时，你只需要基础配置
- 为简单起见，只需要一台服务器
- 必要时进行纵向扩展
- 监控以确定瓶颈
以单台服务器开始
- Web 服务器 在 EC2 上
- 存储用户数据
- MySQL 数据库
运用 纵向扩展：
- 选择一台更大容量的服务器
- 密切关注指标，确定如何扩大规模
- 使用基本监控来确定瓶颈:CPU、内存、IO、网络等
- CloudWatch, top, nagios, statsd, graphite等
- 纵向扩展的代价将变得更昂贵
- 无冗余/容错
折中方案, 可选方案, 和其他细节:
- 纵向扩展 的可选方案是 横向扩展
自 SQL 开始，但认真考虑 NoSQL
约束条件假设需要关系型数据。我们可以开始时在单台服务器上使用 MySQL 数据库。
折中方案, 可选方案, 和其他细节:
- 查阅 关系型数据库管理系统 (RDBMS) 章节
- 讨论使用 SQL 或 NoSQL 的原因
分配公共静态 IP
- 弹性 IP 提供了一个公共端点，不会在重启时改变 IP。
- 故障转移时只需要把域名指向新 IP。
使用 DNS 服务
添加 DNS 服务，比如 Route 53（Amazon Route 53 - 译者注），将域映射到实例的公共 IP 中。
折中方案, 可选方案, 和其他细节:
- 查阅 域名系统 章节
安全的 Web 服务器
- 只开放必要的端口
- 允许 Web 服务器响应来自以下端口的请求
- HTTP 80
- HTTPS 443
- SSH IP 白名单 22
- 防止 Web 服务器启动外链
- 允许 Web 服务器响应来自以下端口的请求
折中方案, 可选方案, 和其他细节:
- 查阅 安全 章节
第 4 步：扩展设计
在给定约束条件下，定义和确认瓶颈。
用户+
假设
我们的用户数量开始上升，并且单台服务器的负载上升。基准/负载测试 和 分析 指出 MySQL 数据库 占用越来越多的内存和 CPU 资源，同时用户数据将填满硬盘空间。
目前，我们尚能在纵向扩展时解决这些问题。不幸的是，解决这些问题的代价变得相当昂贵，并且原来的系统并不能允许在 MySQL 数据库 和 Web 服务器 的基础上进行独立扩展。
目标
- 减轻单台服务器负载并且允许独立扩展
- 在 对象存储 中单独存储静态内容
- 将 MySQL 数据库 迁移到单独的服务器上
- 缺点
- 这些变化会增加复杂性，并要求对 Web服务器 进行更改，以指向 对象存储 和 MySQL 数据库
- 必须采取额外的安全措施来确保新组件的安全
- AWS 的成本也会增加，但应该与自身管理类似系统的成本做比较
独立保存静态内容
- 考虑使用像 S3 这样可管理的 对象存储 服务来存储静态内容
- 高扩展性和可靠性
- 服务器端加密
- 迁移静态内容到 S3
- 用户文件
- JS
- CSS
- 图片
- 视频
迁移 MySQL 数据库到独立机器上
- 考虑使用类似 RDS 的服务来管理 MySQL 数据库
- 简单的管理，扩展
- 多个可用区域
- 空闲时加密
系统安全
- 在传输和空闲时对数据进行加密
- 使用虚拟私有云
- 为单个 Web 服务器 创建一个公共子网，这样就可以发送和接收来自 internet 的流量
- 为其他内容创建一个私有子网，禁止外部访问
- 在每个组件上只为白名单 IP 打开端口
- 这些相同的模式应当在新的组件的实现中实践
折中方案, 可选方案, 和其他细节:
- 查阅 安全 章节
用户+++
假设
我们的 基准/负载测试 和 性能测试 显示，在高峰时段，我们的单一 Web服务器 存在瓶颈，导致响应缓慢，在某些情况下还会宕机。随着服务的成熟，我们也希望朝着更高的可用性和冗余发展。
目标
- 下面的目标试图用 Web服务器 解决扩展问题
- 基于 基准/负载测试 和 分析，你可能只需要实现其中的一两个技术
- 使用 横向扩展 来处理增加的负载和单点故障
- 分离 Web 服务器 和 应用服务器
- 独立扩展和配置每一层
- Web 服务器 可以作为 反向代理
- 例如, 你可以添加 应用服务器 处理 读 API 而另外一些处理 写 API
- 将静态（和一些动态）内容转移到 内容分发网络 (CDN) 例如 CloudFront 以减少负载和延迟
折中方案, 可选方案, 和其他细节:
- 查阅以上链接获得更多细节
用户+++
注意： 内部负载均衡 不显示以减少混乱
假设
我们的 性能/负载测试 和 性能测试 显示我们读操作频繁（100:1 的读写比率），并且数据库在高读请求时表现很糟糕。
目标
- 下面的目标试图解决 MySQL数据库 的伸缩性问题
-
- 基于 基准/负载测试 和 分析，你可能只需要实现其中的一两个技术
-
- 将下列数据移动到一个 内存缓存，例如弹性缓存，以减少负载和延迟：
- MySQL 中频繁访问的内容
- 首先, 尝试配置 MySQL 数据库 缓存以查看是否足以在实现 内存缓存 之前缓解瓶颈
- 来自 Web 服务器 的会话数据
- Web 服务器 变成无状态的, 允许 自动伸缩
- 从内存中读取 1 MB 内存需要大约 250 微秒，而从SSD中读取时间要长 4 倍，从磁盘读取的时间要长 80 倍。1
- MySQL 中频繁访问的内容
- 添加 MySQL 读取副本 来减少写主线程的负载
- 添加更多 Web 服务器 and 应用服务器 来提高响应
折中方案, 可选方案, 和其他细节:
- 查阅以上链接获得更多细节
添加 MySQL 读取副本
- 除了添加和扩展 内存缓存，MySQL 读副本服务器 也能够帮助缓解在 MySQL 写主服务器 的负载。
- 添加逻辑到 Web 服务器 来区分读和写操作
- 在 MySQL 读副本服务器 之上添加 负载均衡器 （不是为了减少混乱）
- 大多数服务都是读取负载大于写入负载
折中方案, 可选方案, 和其他细节:
- 查阅 关系型数据库管理系统 (RDBMS) 章节
用户++++
假设
基准/负载测试 和 分析 显示，在美国，正常工作时间存在流量峰值，当用户离开办公室时，流量骤降。我们认为，可以通过真实负载自动转换服务器数量来降低成本。我们是一家小商店，所以我们希望 DevOps 尽量自动化地进行 自动伸缩 和通用操作。
目标
- 根据需要添加 自动扩展
- 跟踪流量高峰
- 通过关闭未使用的实例来降低成本
- 自动化 DevOps
- Chef, Puppet, Ansible 工具等
- 继续监控指标以解决瓶颈
- 主机水平 - 检查一个 EC2 实例
- 总水平 - 检查负载均衡器统计数据
- 日志分析 - CloudWatch, CloudTrail, Loggly, Splunk, Sumo
- 外部站点的性能 - Pingdom or New Relic
- 处理通知和事件 - PagerDuty
- 错误报告 - Sentry
添加自动扩展
- 考虑使用一个托管服务，比如AWS 自动扩展
- 为每个 Web 服务器 创建一个组，并为每个 应用服务器 类型创建一个组，将每个组放置在多个可用区域中
- 设置最小和最大实例数
- 通过 CloudWatch 来扩展或收缩
- 可预测负载的简单时间度量
- 一段时间内的指标：
- CPU 负载
- 延迟
- 网络流量
- 自定义指标
- 缺点
- 自动扩展会引入复杂性
- 可能需要一段时间才能适当扩大规模，以满足增加的需求，或者在需求下降时缩减规模
用户+++++
注释： 自动伸缩 组不显示以减少混乱
假设
当服务继续向着限制条件概述的方向发展，我们反复地运行 基准/负载测试 和 分析 来进一步发现和定位新的瓶颈。
目标
由于问题的约束，我们将继续提出扩展性的问题：
- 如果我们的 MySQL 数据库 开始变得过于庞大, 我们可能只考虑把数据在数据库中存储一段有限的时间, 同时在例如 Redshift 这样的数据仓库中存储其余的数据
- 像 Redshift 这样的数据仓库能够轻松处理每月 1TB 的新内容
- 平均每秒 40,000 次的读取请求, 可以通过扩展 内存缓存 来处理热点内容的读取流量，这对于处理不均匀分布的流量和流量峰值也很有用
- SQL读取副本 可能会遇到处理缓存未命中的问题, 我们可能需要使用额外的 SQL 扩展模式
- 对于单个 SQL 写主-从 模式来说，平均每秒 400 次写操作（明显更高）可能会很困难，同时还需要更多的扩展技术
SQL 扩展模型包括：
为了进一步处理高读和写请求，我们还应该考虑将适当的数据移动到一个 NoSQL数据库 ，例如 DynamoDB。
我们可以进一步分离我们的 应用服务器 以允许独立扩展。不需要实时完成的批处理任务和计算可以通过 Queues 和 Workers 异步完成：
- 以照片服务为例，照片上传和缩略图的创建可以分开进行
- 客户端 上传图片
- 应用服务器 推送一个任务到 队列 例如 SQS
- EC2 上的 Worker 服务 或者 Lambda 从 队列 拉取 work，然后：
- 创建缩略图
- 更新 数据库
- 在 对象存储 中存储缩略图
折中方案, 可选方案, 和其他细节:
- 查阅以上链接获得更多细节
额外的话题
根据问题的范围和剩余时间，还需要深入讨论其他问题。
SQL 扩展模式
NoSQL
缓存
异步性和微服务
沟通
- 关于折中方案的讨论:
- 客户端的外部通讯 - 遵循 REST 的 HTTP APIs
- 内部通讯 - RPC
- 服务探索
安全性
参考 安全章节
延迟数字指标
查阅 每个程序员必懂的延迟数字
正在进行
- 继续基准测试并监控你的系统以解决出现的瓶颈问题
- 扩展是一个迭代的过程