詳解知名網站的技術發(fā)展歷程
來源:站長新聞 2012-05-29
2006年,Google發(fā)表了關于BigTable的論文(2003年開始上線),使得海量數據的分析能夠達到在線系統的要求了,這對于Google提升網站的響應速度起到了很大的幫助
文 / 林昊
互聯網已經發(fā)展多年,其中不乏脫穎而出者,這些網站多數都已存在了接近10年或10年以上,在如此長時間的發(fā)展過程中,除了業(yè)務上面臨的挑戰(zhàn),在技術上也面臨了很多的挑戰(zhàn)我挑選了一些Alexa排名較前的網站(排名截止到2012年4月21日),看看它們在技術上是如何應對業(yè)務發(fā)展過程中的挑戰(zhàn)的
Google目前Alexa排名第1它誕生于1997年,當時是一個研究性項目,每個月build一次索引,build出來的索引通過sharding(shard by doc)的方式分散到多臺服務器(Index Server)上,具體的網頁數據同樣通過sharding的方式分散到多臺服務器(Doc Server)上,當用戶提交請求時,通過前端的一臺服務器將請求提交給Index Server獲得打了分的倒排索引,然后從Doc Server提取具體的網頁信息(例如網頁標題、搜索關鍵詞匹配的片段信息等),最終展現給用戶
隨著索引的網頁增加,這個結構可通過增加Index Server以及Doc Server來存儲索引以及網頁的數據,但仍然會面臨其他很多方面的問題,于是在這之后的十多年的時間里,Google做了很多事情來改進上面的結構
1999年,Google增加了一個Cache Cluster,用來Cache查詢的索引結果和文檔片段信息,同時將Index Server和Doc Server通過Replicate的方式變成了Cluster這兩個改造帶來的好處是網站的響應速度、可支撐的訪問量以及可用性(Availability)得到了提升這個變化造成了成本的增加,Google在硬件方面的風格始終是不用昂貴的高端硬件,而是在軟件層面來保證系統的可靠性及高性能,于是同年,Google開始采用自行設計的服務器來降低成本2000年,Google開始自行設計DataCenter,采用了各種方法(例如采用其他的制冷方法來替代空調)來優(yōu)化PUE(能源利用率),同時對自行設計的服務器也做了很多化2001年,Google對Index的格式進行了修改,將所有的Index放入內存, 這次改造帶來的好處是網站的響應速度以及可支撐的訪問量得到了極大的提升2003年,Google發(fā)表了文章Google Cluster Architecture,其Cluster結構組成為硬件LB+Index Cluster+Doc Cluster+大量廉價服務器(例如IDE硬盤、性價比高的CPU等),通過并行處理+sharding來保證在降低對硬件要求的同時,響應速度仍然很快同年Google發(fā)表了關于Google文件系統的論文(GFS在2000年就已經上線),這篇論文很大程度也體現了Google不用昂貴硬件的風格,通過GFS+大量廉價的服務器即可存儲大量的數據2004年,Google再次對Index的格式進行了修改,使得網站的響應速度繼續(xù)提升同年Google發(fā)表關于MapReduce的論文,通過MapReduce+大量廉價的服務器即可快速完成以前要使用昂貴小型機、中型機甚至是大型機才能完成的計算任務,而這顯然對于Google快速地構建索引提供了很大的幫助
以上3篇論文徹底改變了業(yè)界對于海量數據的存儲、分析和檢索的方法(小道消息:Google內部已完成了GFS、MapReduce、BigTable的替換),也奠定了Google在業(yè)界的技術領導地位
在一些場景中,Google也采用MySQL來存儲數據同樣,Google對MySQL也做了很多修改,它使用的MySQL信息可以從https://code.google.com/p/google-mysql/了解
2007年,Google將build索引的時間縮短到分鐘級,當新網頁出現后,幾分鐘后即可在Google搜索到,同時將Index Cluster通過Protocol Buffers對外提供Service,以供Google各種搜索(例如網頁、圖片、新聞、書籍等)使用,除了Index Cluster提供的Service外,還有很多其他的Service,例如廣告、詞法檢查等Google的一次搜索大概需要調用內部50個以上的Service,Service主要用C++或Java來編寫2009年,Google的一篇《How Google uses Linux》文章,揭示了Google在提升機器利用率方面也做了很多的努力,例如將不同資源消耗類型的應用部署在同一臺機器上
在之后,Google又研發(fā)了Colossus(下一代類GFS文件系統)、Spanner(下一代類BigTable海量存儲和計算架構)、實時搜索(基于Colossus實現),主要都是為了提升搜索的實時性以及存儲更多數據除了在海量數據相關技術上的革新外,Google也不斷對業(yè)界的傳統技術進行創(chuàng)新,例如提高TCP的初始擁塞窗口值、改進HTTP的SPDY協議、新的圖片格式WebP等
在Google的發(fā)展過程中,其技術的改造主要圍繞在可伸縮性、性能、成本和可用性4個方面,Google不采用昂貴硬件的風格以及領先其他網站的數據量決定了其技術改造基本都是對傳統的軟硬件技術的革新
Facebook目前Alexa排名第2它采用LAMP構建,隨著業(yè)務的發(fā)展,它也在技術上做了很多改造
作為改造的第一步,Facebook首先在LAMP結構中增加了Memcached,用來緩存各種數據,從而大幅度提升系統的響應時間以及可支撐的訪問量,之后又增加了Services層,將News Feed、Search等較通用的功能作為Service提供給前端的PHP系統使用,前端的系統通過Thrift訪問這些ServiceFacebook采用了多種語言來編寫各種不同的Service,主要是針對不同的場景選擇合適的語言,例如C++、Java、Erlang
大量使用Memcached以及訪問量的不斷上漲,導致訪問Memcached的網絡流量太大,交換機無法支撐,Facebook通過改造采用UDP的方式來訪問Memcached,以降低單連接上的網絡流量除此之外,還有其他一些改造,具體信息可以查看on.fb.me/8R0C
PHP作為腳本語言,優(yōu)勢是開發(fā)簡單、易上手,劣勢是需要消耗較多的CPU和內存當Facebook的訪問量增長到了一定規(guī)模后,這個劣勢就比較突出了,于是從2007年起,Facebook就嘗試多種方法來解決這個問題,最后誕生于Facebook Hackathon的HipHop產品成功地脫穎而出HipHop可以自動將PHP轉化為C++代碼,Facebook在使用HipHop后,同等配置的機器,可支撐的請求量是之前的6倍,CPU的使用率平均下降了50%,從而為Facebook節(jié)省了大量主機將來Facebook還會對HipHop進行再次改進,通過HipHop將PHP編譯為bytecode,放入HipHop VM中執(zhí)行,再由HipHop VM來編譯為機器代碼,方式與JIT類似
2009年,Facebook研發(fā)了BigPipe,借助此系統,Facebook成功讓網站的速度提升了兩倍隨著Facebook訪問量的上漲,收集眾多服務器上的執(zhí)行日志也開始面臨挑戰(zhàn),于是Facebook研發(fā)了Scribe來解決此問題對于存儲在MySQL中的數據,Facebook采用垂直拆分庫和水平拆分表的方式來支撐不斷增長的數據量作為Facebook技術體系中重要的一環(huán),Facebook也對MySQL進行了很多優(yōu)化和改進,例如Online Schema Change等,更多信息可見Auction的軟件,在此基礎上改造產生了淘寶2004年,將系統由PHP遷移到Java,MySQL遷移為Oracle(小型機、高端存儲設備),應用服務器采用了WebLogic2005-2007年的發(fā)展過程中,用JBoss替代了WebLogic,對數據庫進行了分庫,基于BDB做了分布式緩存,自行開發(fā)了分布式文件系統TFS以支持小文件的存儲,并建設了自己的CDN2007-2009年對應用系統進行垂直拆分,拆分后的系統都以Service的方式對外提供功能,對數據采用了垂直和水平拆分
在進行了數據的垂直和水平拆分后,Oracle產生的成本越來越高,于是在之后的幾年,淘寶又開始將數據逐漸從Oracle遷移到MySQL,同時開始嘗試新型的數據存儲方案,例如采用HBase來支撐歷史交易訂單的存儲和檢索等近幾年淘寶開始進行Linux內核、JVM、Nginx等軟件的修改定制工作,同時也自行設計了低能耗服務器,同時在軟硬件上進行優(yōu)化,以更好地降低成本
從淘寶的整個發(fā)展過程來看,技術改造主要圍繞在可伸縮性和可用性兩點,現在也開始逐漸將精力投入在了性能和成本上目前淘寶的Alexa排名為第14
總結
從上面這些Alexa排名靠前網站的技術發(fā)展過程來看,每家網站由于其所承擔的業(yè)務不同、團隊人員組成不同、做事風格相異,在技術的不同發(fā)展階段中會采用不同的方法來支撐業(yè)務的發(fā)展,但基本都會圍繞在可伸縮性、可用性、性能以及成本這4點上,在發(fā)展到比較大規(guī)模后,各網站在技術結構上有了很多的相似點,并且這些結構還將繼續(xù)進行演變
作者林昊,目前就職于淘寶,2007-2010年負責設計和實現淘寶的服務框架,此服務框架在淘寶大面積使用,每天承擔了150億+的請求;2011年開始負責HBase在淘寶的落地,目前淘寶已有20個以上的在線項目在使用HBase
文章編輯: 365webcall免費在線客服(www.365webcall.com)
我的評論
| 登錄賬號： | 密碼： | 快速注冊 | 找回密碼 |  |
