一個小型的網站，比如個人網站，可以使用最簡單的html靜態頁面就實現了，配合一些圖片達到美化效果，所有的頁面均存放在一個目錄下，這樣的網站對系統架構、性能的要求都很簡單，隨着互聯網業務的不斷豐富，網站相關的技術經過這些年的發展，已經細分到很細的方方面面，尤其對於大型網站來說，所採用的技術更是涉及面非常廣，從硬件到軟件、編程語言、數據庫、WebServer、防火牆等各個領域都有了很高的要求，已經不是原來簡單的html靜態網站所能比擬的。
大型網站，比如門戶網站。在面對大量用戶訪問、高併發請求方面，基本的解決方案集中在這樣幾個環節：使用高性能的服務器、高性能的數據庫、高效率的編程語言、還有高性能的Web容器。但是除了這幾個方面，還沒法根本解決大型網站面臨的高負載和高併發問題。
上面提供的幾個解決思路在一定程度上也意味着更大的投入，並且這樣的解決思路具備瓶頸，沒有很好的擴展性，下面我從低成本、高性能和高擴張性的角度來說說我的一些經驗。
1、HTML靜態化
其實大家都知道，效率最高、消耗最小的就是純靜態化的html頁面，所以我們儘可能使我們的網站上的頁面採用靜態頁面來實現，這個最簡單的方法其實也是最有效的方法。但是對於大量內容並且頻繁更新的網站，我們無法全部手動去挨個實現，於是出現了我們常見的信息發佈系統CMS，像我們常訪問的各個門戶站點的新聞頻道，甚至他們的其他頻道，都是通過信息發佈系統來管理和實現的，信息發佈系統可以實現最簡單的信息錄入自動生成靜態頁面，還能具備頻道管理、權限管理、自動抓取等功能，對於一個大型網站來說，擁有一套高效、可管理的CMS是必不可少的。
除了門戶和信息發佈類型的網站，對於交互性要求很高的社區類型網站來說，儘可能的靜態化也是提高性能的必要手段，將社區內的帖子、文章進行實時的靜態化，有更新的時候再重新靜態化也是大量使用的策略，像Mop的大雜燴就是使用了這樣的策略，網易社區等也是如此。
同時，html靜態化也是某些緩存策略使用的手段，對於系統中頻繁使用數據庫查詢但是內容更新很小的應用，可以考慮使用html靜態化來實現，比如論壇中論壇的公用設置信息，這些信息目前的主流論壇都可以進行後臺管理並且存儲再數據庫中，這些信息其實大量被前臺程序調用，但是更新頻率很小，可以考慮將這部分內容進行後臺更新的時候進行靜態化，這樣避免了大量的數據庫訪問請求。
2、圖片服務器分離
大家知道，對於Web服務器來說，不管是Apache、IIS還是其他容器，圖片是最消耗資源的，於是我們有必要將圖片與頁面進行分離，這是基本上大型網站都會採用的策略，他們都有獨立的圖片服務器，甚至很多臺圖片服務器。這樣的架構可以降低提供頁面訪問請求的服務器系統壓力，並且可以保證系統不會因爲圖片問題而崩潰，在應用服務器和圖片服務器上，可以進行不同的配置優化，比如apache在配置ContentType的時候可以儘量少支持，儘可能少的LoadModule，保證更高的系統消耗和執行效率。
3、數據庫集羣和庫表散列
大型網站都有複雜的應用，這些應用必須使用數據庫，那麼在面對大量訪問的時候，數據庫的瓶頸很快就能顯現出來，這時一臺數據庫將很快無法滿足應用，於是我們需要使用數據庫集羣或者庫表散列。
在數據庫集羣方面，很多數據庫都有自己的解決方案，Oracle、Sybase等都有很好的方案，常用的MySQL提供的Master/Slave也是類似的方案，您使用了什麼樣的DB，就參考相應的解決方案來實施即可。
上面提到的數據庫集羣由於在架構、成本、擴張性方面都會受到所採用DB類型的限制，於是我們需要從應用程序的角度來考慮改善系統架構，庫表散列是常用並且最有效的解決方案。我們在應用程序中安裝業務和應用或者功能模塊將數據庫進行分離，不同的模塊對應不同的數據庫或者表，再按照一定的策略對某個頁面或者功能進行更小的數據庫散列，比如用戶表，按照用戶ID進行表散列，這樣就能夠低成本的提升系統的性能並且有很好的擴展性。sohu的論壇就是採用了這樣的架構，將論壇的用戶、設置、帖子等信息進行數據庫分離，然後對帖子、用戶按照板塊和ID進行散列數據庫和表，最終可以在配置文件中進行簡單的配置便能讓系統隨時增加一臺低成本的數據庫進來補充系統性能。
4、緩存
緩存一詞搞技術的都接觸過，很多地方用到緩存。網站架構和網站開發中的緩存也是非常重要。這裏先講述最基本的兩種緩存。高級和分佈式的緩存在後面講述。
架構方面的緩存，對Apache比較熟悉的人都能知道Apache提供了自己的緩存模塊，也可以使用外加的Squid模塊進行緩存，這兩種方式均可以有效的提高Apache的訪問響應能力。
網站程序開發方面的緩存，Linux上提供的Memory Cache是常用的緩存接口，可以在web開發中使用，比如用Java開發的時候就可以調用MemoryCache對一些數據進行緩存和通訊共享，一些大型社區使用了這樣的架構。另外，在使用web語言開發的時候，各種語言基本都有自己的緩存模塊和方法，PHP有Pear的Cache模塊，Java就更多了，.net不是很熟悉，相信也肯定有。
5、鏡像
鏡像是大型網站常採用的提高性能和數據安全性的方式，鏡像的技術可以解決不同網絡接入商和地域帶來的用戶訪問速度差異，比如ChinaNet和EduNet之間的差異就促使了很多網站在教育網內搭建鏡像站點，數據進行定時更新或者實時更新。在鏡像的細節技術方面，這裏不闡述太深，有很多專業的現成的解決架構和產品可選。也有廉價的通過軟件實現的思路，比如Linux上的rsync等工具。
6、負載均衡
負載均衡將是大型網站解決高負荷訪問和大量併發請求採用的終極解決辦法。
負載均衡技術發展了多年，有很多專業的服務提供商和產品可以選擇，我個人接觸過一些解決方法，其中有兩個架構可以給大家做參考。
硬件四層交換
第四層交換使用第三層和第四層信息包的報頭信息，根據應用區間識別業務流，將整個區間段的業務流分配到合適的應用服務器進行處理。 第四層交換功能就象是虛IP，指向物理服務器。它傳輸的業務服從的協議多種多樣，有HTTP、FTP、NFS、Telnet或其他協議。這些業務在物理服務器基礎上，需要複雜的載量平衡算法。在IP世界，業務類型由終端TCP或UDP端口地址來決定，在第四層交換中的應用區間則由源端和終端IP地址、TCP和UDP端口共同決定。
在硬件四層交換產品領域，有一些知名的產品可以選擇，比如Alteon、F5等，這些產品很昂貴，但是物有所值，能夠提供非常優秀的性能和很靈活的管理能力。Yahoo中國當初接近2000臺服務器使用了三四臺Alteon就搞定了。
軟件四層交換
大家知道了硬件四層交換機的原理後，基於OSI模型來實現的軟件四層交換也就應運而生，這樣的解決方案實現的原理一致，不過性能稍差。但是滿足一定量的壓力還是遊刃有餘的，有人說軟件實現方式其實更靈活，處理能力完全看你配置的熟悉能力。
軟件四層交換我們可以使用Linux上常用的LVS來解決，LVS就是Linux Virtual Server，他提供了基於心跳線heartbeat的實時災難應對解決方案，提高系統的魯棒性，同時可供了靈活的虛擬VIP配置和管理功能，可以同時滿足多種應用需求，這對於分佈式的系統來說必不可少。
一個典型的使用負載均衡的策略就是，在軟件或者硬件四層交換的基礎上搭建squid集羣，這種思路在很多大型網站包括搜索引擎上被採用，這樣的架構低成本、高性能還有很強的擴張性，隨時往架構裏面增減節點都非常容易。這樣的架構我準備空了專門詳細整理一下和大家探討。
對於大型網站來說，前面提到的每個方法可能都會被同時使用到，我這裏介紹得比較淺顯，具體實現過程中很多細節還需要大家慢慢熟悉和體會，有時一個很小的squid參數或者apache參數設置，對於系統性能的影響就會很大，希望大家一起討論，達到拋磚引玉之效。
發表於 @ 2008年04月26日 17:30:00|評論(4 <script type="text/javascript"></script> )|編輯|收藏
新一篇: 在PEA上海做演講主題：大型、高負載網站架構和應用初探 | 舊一篇: 走出海量數據及訪問量壓力困境
評論
1. HTML靜態化，這可以通過CMS自動實現；
2. 圖片服務器分離（類似的，在視頻網站中，視頻文件也應獨立出來）；
3. 數據庫集羣和庫表散列，Oracle、MySQL等DBMS都有完美的支持；
4. 緩存，比如使用Apache的Squid模塊，或者是開發語言的緩存模塊，；
5. 網站鏡像；
6. 負載均衡。
作者將負載均衡稱爲“是大型網站解決高負荷訪問和大量併發請求採用的終極解決辦法”，並提出“一個典型的使用負載均衡的策略就是，在軟件或者硬件四層交換的基礎上搭建squid集羣”。在實踐時可以考慮建立應用服務器集羣和Web服務器集羣，應用服務器集羣可以採用Apache+Tomcat集羣和WebLogic集羣等，Web服務器集羣可以用反向代理，也可以用NAT的方式，或者多域名解析均可。
從提升網站性能的角度出發，靜態資源不應和應用服務器放在一起，數據庫服務器也應儘量獨立開來。在典型的MVC模式中，由誰來完成數據邏輯處理的，對系統性能有着至關重要的影響。以Java EE爲例，在OO的設計思想中，我們強調系統的抽象、重用、可維護性，強調下層的更改不會擴散到上層邏輯，強調系統移植的便捷性，因而往往存在一種過分抽象的問題，比如在Hibernate的基礎上再加入一層DAO的設計。另外一方面，卻會忽視利用DBMS本身的優秀特性（存儲過程、觸發器）來完成高效的數據處理。誠然，如果客戶要求將數據從Oracle移植到MySQL，那麼DBMS特性的東西越少，移植便越容易。但事實上，在實踐中，提出類似移植要求的情況非常少見，因此在做架構設計時，不一定爲了這種潛在的需求而大幅犧牲系統的性能與穩定性。此外，我不建議採用分佈式數據庫管理結構，這樣帶來的開銷太大，數據維護也是個頭痛的問題，儘可能採用集中式的數據管理。
在商業系統中，算法邏輯本身並不複雜，在這種情況下，程序設計本身的好壞不會對系統的性能造成致命的影響。重要的影響因素反而變爲軟件系統架構本身。在傳統的CORBA、J2EE、DCOM等對象模型中，我們看到專家們對分佈式對象計算的理論偏好，但實踐證明，對象的分佈帶來的惡劣影響遠遠勝過其積極意義。這也是現在輕量級的開發框架受推崇的一個重要原因。如果能用簡單的，就不要用複雜的，例如能夠用Python、RoR完成的任務，是否一定要用Java來做？我看未必。對於用戶來說，他們關心的不是採用什麼先進的技術，而是我們提供的產品能否滿足他的需求。而且，Python、RoR這些開發工具已經強大到足以應對大部分網站應用，在各種緩存系統的幫助下，在其他技術的協調配合下，完全能夠勝任高負載高併發的網站訪問任務。
在HTML靜態化方面，如果是對於更新相對較少的頁面，可以這樣處理，例如新聞、社區通告、或者類似與淘寶網的產品分類信息。但若數據更新頻繁，這樣做的意義便不大。
網站鏡像是個傳統的技術，更高級的應用來自流媒體領域的CDN(Content Delivery Network)，CDN的概念可以由流媒體數據擴展到圖片、視頻文件等靜態資源的傳輸。不過，在電子商務領域，很少有這樣的應用。
開源平臺的高併發集羣思考
目前碰到的高併發應用，需要高性能需求的主要是兩個方面
1。網絡
2
目前碰到的高併發應用，需要高性能需求的主要是兩個方面
1。網絡
2。數據庫
這兩個方面的解決方式其實還是一致的
1。充分接近單機的性能瓶頸，自我優化
2。單機搞不定的時候(
數據傳輸瓶頸:
單位時間內磁盤讀寫/網絡數據包的收發
cpu計算瓶頸)，把負荷分擔給多臺機器，就是所謂的負載均衡
網絡方面單機的處理
1。底層包收發處理的模式變化(從select 模式到epoll / kevent)
2。應用模式的變化
2.1 應用層包的構造方式
2.2 應用協議的實現
2.3 包的緩衝模式
2.4 單線程到多線程
1。代理模式：代理服務器只管收發包，收到包以後轉給後面的應用服務器羣（服務器羣后可能還會有一堆堆的數據庫服務器等等），並且把返回的結果再返回給請求端
2。虛擬代理ip：代理服務器收發包還負載太高，那就增加多臺代理服務器，都來管包的轉發。這些代理服務器可以用統一的虛擬ip，也可以單獨的ip
3。p2p：一些廣播的數據可以p2p的模式來減輕服務器的網絡壓力
數據庫(指mysql)單機的處理
1。數據庫本身結構的設計優化（分表，分記錄，目的在於保證每個表的記錄數在可定的範圍內）
2。sql語句的優化
3。master + slave模式
數據庫集羣的處理
1。master + slave模式 （可有效地處理併發查詢）
2。mysql cluster 模式 （可有效地處理併發數據變化）
相關資料：
http://dev.mysql.com/doc/refman/5.0/en/ndbcluster.html
主題：大型、高負載網站架構和應用初探