system-design-primer/solutions/system_design/scaling_aws
根号三 301b9d88e4
zh-cn: Sync with upstream to keep it up-to-date (#374)
2020-03-09 21:34:18 -04:00
..
README.md zh-cn: Sync with upstream to keep it up-to-date (#374) 2020-03-09 21:34:18 -04:00
scaling_aws.graffle Add scaling aws OmniGraffle diagram 2017-04-02 08:26:02 -04:00
scaling_aws.png Add Scaling AWS solution 2017-03-04 21:07:31 -08:00
scaling_aws_1.png Add Scaling AWS solution 2017-03-04 21:07:31 -08:00
scaling_aws_2.png Add Scaling AWS solution 2017-03-04 21:07:31 -08:00
scaling_aws_3.png Add Scaling AWS solution 2017-03-04 21:07:31 -08:00
scaling_aws_4.png Add Scaling AWS solution 2017-03-04 21:07:31 -08:00
scaling_aws_5.png Add Scaling AWS solution 2017-03-04 21:07:31 -08:00
scaling_aws_6.png Add Scaling AWS solution 2017-03-04 21:07:31 -08:00
scaling_aws_7.png Add Scaling AWS solution 2017-03-04 21:07:31 -08:00

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

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

Imgur

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

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:

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:

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 53Amazon 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:

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

折中方案, 可选方案, 和其他细节:

第 4 步:扩展设计

在给定约束条件下,定义和确认瓶颈。

用户+

Imgur

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
    • 对象存储 中单独存储静态内容
    • 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:

用户+++

Imgur

假设

我们的 基准/负载测试性能测试 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
    • 添加 负载均衡器 例如 Amazon 的 ELB 或 HAProxy
      • ELB 是高可用的
      • 如果你正在配置自己的 负载均衡器, 在多个可用区域中设置多台服务器用于 双活主被 将提高可用性
      • 终止在 负载平衡器 上的SSL以减少后端服务器上的计算负载并简化证书管理
    • 在多个可用区域中使用多台 Web服务器
    • 在多个可用区域的 主-从 故障转移 模式中使用多个 MySQL 实例来改进冗余
  • 分离 Web 服务器应用服务器
    • 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+++

Imgur

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
  • 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
  • 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:

用户++++

Imgur

假设

基准/负载测试分析 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+++++

Imgur

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
      • 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

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