學(xué)習(xí)和掌握構(gòu)建大型網(wǎng)站的架構(gòu)，需要匯總散落的文章，梳理零散的內(nèi)容。做好這項工作很有意義，但是也比較困難。我們的體會是，不妨抓住以下幾個主題，逐個分析大型網(wǎng)站的實例，然后橫向比較。
1. Database
數(shù)據(jù)存儲歷來是麻煩，尤其是需要存儲海量數(shù)據(jù)的時候，往往單個數(shù)據(jù)庫容量不夠，甚至一個數(shù)據(jù)庫集群也不夠。常見的解決辦法是分割，譬如按用戶ID把海量數(shù)據(jù)分割成若干塊，每塊存儲到一個獨立的數(shù)據(jù)庫里去。但是分割的做法降低了join操作的效率。
Google Bigtable的效率如何？好處是什么，缺陷是什么？Bigtable對什么樣的情景最適用？根據(jù)Bigtable原理實現(xiàn)的開源軟件，Hadoop/HBase的運行效率如何？
2. Cache
用戶訪問網(wǎng)站時，通常讀的操作比寫的操作更頻繁。為了提高讀的操作，不妨把相關(guān)內(nèi)容緩存到內(nèi)存里，減少Disk IO的消耗。
MemCached 最近大熱，Wikipedia, YouTube, Digg, Twitter等等大型網(wǎng)站都在用MemCached作為緩存工具。SquidCache和Varnish等等工具，也與緩存沾邊。Twitter的做法是把MemCached和Varnish結(jié)合起來，同時使用。什么樣的內(nèi)容，應(yīng)該用什么樣的緩存工具？不同的工具間如何協(xié)調(diào)？各大網(wǎng)站的實際運行的結(jié)果，有哪些經(jīng)驗和教訓(xùn)？
3. File System
有些內(nèi)容，既沒必要存放在數(shù)據(jù)庫里，也不適合存放在緩存中，譬如log 和images。在這種情況下，我們需要文件系統(tǒng)。當(dāng)有海量內(nèi)容需要存放在文件系統(tǒng)中時，我們需要使用分布式文件系統(tǒng)。Google File System對于什么樣的情景適用，什么樣的情景不適用？分布式文件系統(tǒng)常常需要相應(yīng)的鎖機制，保證并發(fā)的讀寫操作不相互干擾。Chubby有什么好處？什么情形下不適用？
據(jù)說MogileFS更適合存儲大量的，但是單體尺寸不大的文件，譬如images。而Google File System更適合存放大尺寸但是數(shù)量不多的文件。有沒有可能把小尺寸的多個文件，合并成一個大文件，然后存儲到Google File System中去。在這種情況下，比較MogileFS與Google FS的性能，是否有高下之分？
4. Thread Management
一套工序通常由若干任務(wù)組成。多線程的辦法是由一根線程全權(quán)負(fù)責(zé)整套工序的操作。另外一個辦法是把工序斬成幾段，每一段由一根或幾根線程負(fù)責(zé)，這種辦法稱為工作臺。
常見的是多線程的辦法。但是工作臺的做法有利于集中計算資源處理繁重的任務(wù)，避免瓶頸的出現(xiàn)。但是缺陷是需要在不同線程之間，傳遞記錄中間狀態(tài)的數(shù)據(jù)。什么樣的情形適合用多線程，什么時候用工作臺？
5. Scheduler
同一個網(wǎng)站通常會提供多種服務(wù)，不同的服務(wù)需要調(diào)用不同的業(yè)務(wù)邏輯。有些業(yè)務(wù)邏輯可以在同一臺服務(wù)器上完成，但是當(dāng)業(yè)務(wù)邏輯復(fù)雜的時候，需要調(diào)用多臺服務(wù)器合作完成。不同服務(wù)的受眾對象不同，流量也不同，不同時段的流量也不同，同一時段不同服務(wù)的流量也不同，所以需要動態(tài)地分配計算資源。這是 scheduler的工作。
Scheduler給不同服務(wù)器分配工作時，最簡單的辦法是啟動預(yù)先安裝在該服務(wù)器上的相關(guān)程序。由于不能保證每個程序都十分完美，當(dāng)一個程序發(fā)生錯誤時，應(yīng)當(dāng)避免整個服務(wù)器因此而崩潰，影響其它工作的正常進行。是否需要動用virtual machine，實現(xiàn)各個不同工作之間相互隔絕？
6. Signal Flow and Data Flow
大型網(wǎng)站后臺系統(tǒng)經(jīng)常由眾多服務(wù)器組成，服務(wù)器與服務(wù)器之間時不時會發(fā)生數(shù)據(jù)交換，譬如Web Server解析完用戶請求后，把請求轉(zhuǎn)發(fā)給某一臺App Server，這一臺App Server完成了部分工作后，把中間數(shù)據(jù)轉(zhuǎn)發(fā)給下一臺App Server。而第二臺App Server完成任務(wù)后，整個工作就結(jié)束了，結(jié)果應(yīng)該返回給Web Server。
問題是如何讓第一臺App Server如何知道應(yīng)該把中間結(jié)果給第二臺App Server，而第二臺App Server又如何知道它的目的地是Web Server？一個比較有效率的做法，是區(qū)別數(shù)據(jù)流和控制流。Server與Server之間常設(shè)通道，專供控制流使用，傳遞指令去控制數(shù)據(jù)流的發(fā)送。數(shù)據(jù)流不占用控制流通道，只有在需要時，才建立數(shù)據(jù)流的通道。
控制流和數(shù)據(jù)流的組織，需要結(jié)合具體的業(yè)務(wù)邏輯，才能優(yōu)化設(shè)計，減少帶寬消耗，縮短數(shù)據(jù)傳輸?shù)臅r間。
7. Instrumentation
網(wǎng)站后臺各個部分是否運轉(zhuǎn)正常，哪里是瓶頸，哪里空閑。這些都需要實時監(jiān)控。不僅及時避免整個后臺系統(tǒng)的崩潰，而且可以分析各個部分運行的規(guī)律，從而找到優(yōu)化系統(tǒng)的途徑。
問題是，應(yīng)該選用什么樣的監(jiān)控工具，才能夠盡量減少對系統(tǒng)程序的干擾，同時提供有價值的信息？
8. Anti-abuse
通常網(wǎng)站面對的是形形色色的用戶，絕大多數(shù)用戶的行為是友好的，但是不排除少數(shù)用戶蓄意惡作劇。如果事先沒有設(shè)計防范措施，少數(shù)惡意用戶的胡作非為，會干擾其他用戶享受正常的服務(wù)。
問題是，如何防范并且及時制止惡意行為的發(fā)生？
9. Exception Handling
不論預(yù)先設(shè)想有多周密，實際運行時，總會遇到這樣那樣的意外情況。譬如敏感詞的出現(xiàn)，往往事先沒有征兆。所以，在設(shè)計系統(tǒng)架構(gòu)時，應(yīng)該給網(wǎng)管提供必要工具，應(yīng)付突發(fā)事件。
