這里的大型網(wǎng)站架構(gòu)只包括高互動性高交互性的數(shù)據(jù)型大型網(wǎng)站,基于大家眾所周知的原因,我們就不談新聞類和一些依靠HTML靜態(tài)化就可以實(shí)現(xiàn)的架構(gòu)了,我們以高負(fù)載高數(shù)據(jù)交換高數(shù)據(jù)流動性的網(wǎng)站為例,比如海內(nèi),開心網(wǎng)等類似的web2.0系列架構(gòu)。我們這里不討論是PHP還是JSP或者.NET環(huán)境,我們從架構(gòu)的方面去看問題,實(shí)現(xiàn)語言方面并不是問題,語言的優(yōu)勢在于實(shí)現(xiàn)而不是好壞,不論你選擇任何語言,架構(gòu)都是必須要面對的。

這里討論一下大型網(wǎng)站需要注意和考慮的問題

1、海量數(shù)據(jù)的處理

眾所周知,對于一些相對小的站點(diǎn)來說,數(shù)據(jù)量并不是很大,select和update就可以解決我們面對的問題,本身負(fù)載量不是很大,最多再加幾個索引就可以搞定。對于大型網(wǎng)站,每天的數(shù)據(jù)量可能就上百萬,如果一個設(shè)計(jì)不好的多對多關(guān)系,在前期是沒有任何問題的,但是隨著用戶的增長,數(shù)據(jù)量會是幾何級的增長的。在這個時候我們對于一個表的select和update的時候(還不說多表聯(lián)合查詢)的成本的非常高的。

2、數(shù)據(jù)并發(fā)的處理

在一些時候,2.0的CTO都有個尚方寶劍,就是緩存。對于緩存,在高并發(fā)高處理的時候也是個大問題。在整個應(yīng)用程序下,緩存是全局共享的,然而在我們進(jìn)行修改的時候就,如果兩個或者多個請求同時對緩存有更新的要求的情況下,應(yīng)用程序會直接的死掉。這個時候,就需要一個好的數(shù)據(jù)并發(fā)處理策略以及緩存策略。

另外,就是數(shù)據(jù)庫的死鎖問題,也許平時我們感覺不到,死鎖在高并發(fā)的情況下的出現(xiàn)的概率是非常高的,磁盤緩存就是一個大問題。

3、文件存貯的問題

對于一些支持文件上傳的2.0的站點(diǎn),在慶幸硬盤容量越來越大的時候我們更多的應(yīng)該考慮的是文件應(yīng)該如何被存儲并且被有效的索引。常見的方案是對文件按照日期和類型進(jìn)行存貯。但是當(dāng)文件量是海量的數(shù)據(jù)的情況下,如果一塊硬盤存貯了500個G的瑣碎文件,那么維護(hù)的時候和使用的時候磁盤的Io就是一個巨大的問題,哪怕你的帶寬足夠,但是你的磁盤也未必響應(yīng)過來。如果這個時候還涉及上傳,磁盤很容易就over了。

也許用raid和專用存貯服務(wù)器能解決眼下的問題,但是還有個問題就是各地的訪問問題,也許我們的服務(wù)器在北京,可能在云南或者新疆的訪問速度如何解決?如果做分布式,那么我們的文件索引以及架構(gòu)該如何規(guī)劃。

所以我們不得不承認(rèn),文件存貯是個很不容易的問題

4、數(shù)據(jù)關(guān)系的處理

我們可以很容易的規(guī)劃出一個符合第三范式的數(shù)據(jù)庫,里面布滿了多對多關(guān)系,還能用GUID來替換INDENTIFY COLUMN 但是,多對多關(guān)系充斥的2.0時代,第三范式是第一個應(yīng)該被拋棄的。必須有效的把多表聯(lián)合查詢降到最低。

5、數(shù)據(jù)索引的問題

眾所周知,索引是提高數(shù)據(jù)庫效率查詢的最方面最廉價最容易實(shí)現(xiàn)的方案。但是,在高UPDATE的情況下,update和delete付出的成本會高的無法想想,筆者遇到過一個情況,在更新一個聚焦索引的時候需要10分鐘來完成,那么對于站點(diǎn)來說,這些基本上是不可忍受的。

索引和更新是一對天生的冤家,問題A,D,E這些是我們在做架構(gòu)的時候不得不考慮的問題,并且也可能是花費(fèi)時間最多的問題。

6、分布式處理

對于2.0網(wǎng)站由于其高互動性,CDN實(shí)現(xiàn)的效果基本上為0,內(nèi)容是實(shí)時更新的,我們常規(guī)的處理。為了保證各地的訪問速度,我們就需要面對一個絕大的問題,就是如何有效的實(shí)現(xiàn)數(shù)據(jù)同步和更新,實(shí)現(xiàn)各地服務(wù)器的實(shí)時通訊有是一個不得不需要考慮的問題。

7、Ajax的利弊分析

成也AJAX,敗也AJAX,AJAX成為了主流趨勢,突然發(fā)現(xiàn)基于XMLHTTP的post和get是如此的容易�？蛻舳薵et或者post 到服務(wù)器數(shù)據(jù),服務(wù)器接到數(shù)據(jù)請求之后返回來,這是一個很正常的AJAX請求。但是在AJAX處理的時候,如果我們使用一個抓包工具的話,對數(shù)據(jù)返回和處理是一目了然。對于一些計(jì)算量大的AJAX請求的話,我們可以構(gòu)造一個發(fā)包機(jī),很容易就可以把一個webserver干掉。

8、數(shù)據(jù)安全性的分析

對于HTTP協(xié)議來說,數(shù)據(jù)包都是明文傳輸?shù)?也許我們可以說我們可以用加密啊,但是對于G問題來說的話,加密的過程就可能是明文了(比如我們知道的QQ,可以很容易的判斷他的加密,并有效的寫一個跟他一樣的加密和解密方法出來的)。當(dāng)你站點(diǎn)流量不是很大的時候沒有人會在乎你,但是當(dāng)你流量上來之后,那么所謂的外掛,所謂的群發(fā)就會接踵而來(從qq一開始的群發(fā)可見端倪)。也許我們可以很的意的說,我們可以采用更高級別的判斷甚至HTTPS來實(shí)現(xiàn),注意,當(dāng)你做這些處理的時候付出的將是海量的database,io以及CPU的成本。對于一些群發(fā),基本上是不可能的。筆者已經(jīng)可以實(shí)現(xiàn)對于百度空間和qq空間的群發(fā)了。大家愿意試試,實(shí)際上并不是很難。

9、數(shù)據(jù)同步和集群的處理的問題

當(dāng)我們的一臺databaseserver不堪重負(fù)的時候,這個時候我們就需要做基于數(shù)據(jù)庫的負(fù)載和集群了。而這個時候可能是最讓人困擾的的問題了,數(shù)據(jù)基于網(wǎng)絡(luò)傳輸根據(jù)數(shù)據(jù)庫的設(shè)計(jì)的不同,數(shù)據(jù)延遲是很可怕的問題,也是不可避免的問題,這樣的話,我們就需要通過另外的手段來保證在這延遲的幾秒或者更長的幾分鐘時間內(nèi),實(shí)現(xiàn)有效的交互。比如數(shù)據(jù)散列,分割,內(nèi)容處理等等問題。

10、數(shù)據(jù)共享的渠道以及OPENAPI趨勢

Openapi已經(jīng)成為一個不可避免的趨勢,從google,facebook,myspace到海內(nèi)校內(nèi),都在考慮這個問題,它可以更有效的留住用戶并激發(fā)用戶的更多的興趣以及讓更多的人幫助你做最有效的開發(fā)。這個時候一個有效的數(shù)據(jù)共享平臺,數(shù)據(jù)開放平臺就成為必不可少的途徑了,而在開放的接口的情況保證數(shù)據(jù)的安全性和性能,又是一個我們必須要認(rèn)真思考的問題了。

本文由服務(wù)器托管公司提供服務(wù)器租用