但最重要的,是数据库这块,中间一定要有缓存,memcache是个不错选择.如果在数据库中间未加缓存,并发大后,你很快会发现都连最基本的发起连接都是难事.
以下内容转载自徐汉彬大牛的博客?亿级Web系统搭建——单机到分布式集群?
当一个Web系统从日访问量10万逐步增长到1000万,甚至超过1亿的过程中,Web系统承受的压力会越来越大,在这个过程中,我们会遇到很多的问题.为了解决这些性能压力带来问题,我们需要在Web系统架构层面搭建多个层次的缓存机制.在不同的压力阶段,我们会遇到不同的问题,通过搭建不同的服务和架构来解决.
Web负载均衡?
Web负载均衡（Load Balancing）,简单地说就是给我们的服务器集群分配"工作任务",而采用恰当的分配方式,对于保护处于后端的Web服务器来说,非常重要.
负载均衡的策略有很多,我们从简单的讲起哈.
①?HTTP重定向
这个重定向非常容易实现,并且可以自定义各种策略.但是,它在大规模访问量下,性能不佳.而且,给用户的体验也不好,实际请求发生重定向,增加了网络延时.
反向代理服务的核心工作主要是转发HTTP请求,扮演了浏览器端和后台Web服务器中转的角色.因为它工作在HTTP层（应用层）,也就是网络七层结构中的第七层,所以呢也被称为"七层负载均衡".可以做反向代理的软件很多,比较常见的一种是Nginx.
Nginx是一种非常灵活的反向代理软件,可以自由定制化转发策略,分配服务器流量的权重等.反向代理中,常见的一个问题,就是Web服务器存储的session数据,因为一般负载均衡的策略都是随机分配请求的.同一个登录用户的请求,无法保证一定分配到相同的Web机器上,会导致无法找到session的问题.
解决方案主要有两种：
①?配置反向代理的转发规则,让同一个用户的请求一定落到同一台机器上（通过分析cookie）,复杂的转发规则将会消耗更多的CPU,也增加了代理服务器的负担.
反向代理服务,也是可以开启缓存的,如果开启了,会增加反向代理的负担,需要谨慎使用.这种负载均衡策略实现和部署非常简单,而且性能表现也比较好.但是,它有"单点故障"的问题,如果挂了,会带来很多的麻烦.而且,到了后期Web服务器继续增加,它本身可能成为系统的瓶颈.
IP负载均衡服务是工作在网络层（修改IP）和传输层（修改端口,第四层）,比起工作在应用层（第七层）性能要高出非常多.原理是,他是对IP层的数据包的IP地址和端口信息进行修改,达到负载均衡的目的.这种方式,也被称为"四层负载均衡".常见的负载均衡方式,是LVS（Linux Virtual Server,Linux虚拟服务）,通过IPVS（IP Virtual Server,IP虚拟服务）来实现.
上述的方式叫LVS-NAT,除此之外,还有LVS-RD（直接路由）,LVS-TUN（IP隧道）,三者之间都属于LVS的方式,但是有一定的区别,篇幅问题,不赘叙.
IP负载均衡的性能要高出Nginx的反向代理很多,它只处理到传输层为止的数据包,并不做进一步的组包,然后直接转发给实际服务器.不过,它的配置和搭建比较复杂.
DNS（Domain Name System）负责域名解析的服务,域名url实际上是服务器的别名,实际映射是一个IP地址,解析过程,就是DNS完成域名到IP的映射.而一个域名是可以配置成对应多个IP的.所以呢,DNS也就可以作为负载均衡服务.
这种负载均衡策略,配置简单,性能极佳.但是,不能自由定义规则,而且,变更被映射的IP或者机器故障时很麻烦,还存在DNS生效延迟的问题.?
我们常用的CDN（Content Delivery Network,内容分发网络）实现方式,其实就是在同一个域名映射为多IP的基础上更进一步,通过GSLB（Global Server Load Balance,全局负载均衡）按照指定规则映射域名的IP.一般情况下都是按照地理位置,将离用户近的IP返回给用户,减少网络传输中的路由节点之间的跳跃消耗.
"向上寻找",实际过程是LDNS（Local DNS）先向根域名服务（Root Name Server）获取到顶级根的Name Server（例如.com的）,然后得到指定域名的授权DNS,然后再获得实际服务器IP.
这种方式,和前面的DNS负载均衡一样,不仅性能极佳,而且支持配置多种策略.但是,搭建和维护成本非常高.互联网一线公司,会自建CDN服务,中小型公司一般使用第三方提供的CDN.
Web系统的缓存机制的建立和优化
刚刚我们讲完了Web系统的外部网络环境,现在我们开始关注我们Web系统自身的性能问题.我们的Web站点随着访问量的上升,会遇到很多的挑战,解决这些问题不仅仅是扩容机器这么简单,建立和使用合适的缓存机制才是根本.
最开始,我们的Web系统架构可能是这样的,每个环节,都可能只有1台机器.
我们从最根本的数据存储开始看哈.
第一段： MySQL数据库内部缓存使用
MySQL的缓存机制,就从先从MySQL内部开始,下面的内容将以最常见的InnoDB存储引擎为主.
① 建立恰当的索引
最简单的是建立索引,索引在表数据比较大的时候,起到快速检索数据的作用,但是成本也是有的.首先,占用了一定的磁盘空间,其中组合索引最突出,使用需要谨慎,它产生的索引甚至会比源数据更大.其次,建立索引之后的数据insert/update/delete等操作,因为需要更新原来的索引,耗时会增加.当然,实际上我们的系统从总体来说,是以select查询操作居多,所以呢,索引的使用仍然对系统性能有大幅提升的作用.
如果,每一个数据库操作请求都需要创建和销毁连接的话,对数据库来说,无疑也是一种巨大的开销.为了减少这类型的开销,可以在MySQL中配置thread_cache_size来表示保留多少线程用于复用.线程不够的时候,再创建,空闲过多的时候,则销毁.
其实,还有更为激进一点的做法,使用pconnect（数据库长连接）,线程一旦创建在很长时间内都保持着.但是,在访问量比较大,机器比较多的情况下,这种用法很可能会导致"数据库连接数耗尽",因为建立连接并不回收,最终达到数据库的max_connections（最大连接数）.所以呢,长连接的用法通常需要在CGI和MySQL之间实现一个"连接池"服务,控制CGI机器"盲目"创建连接数.
建立数据库连接池服务,有很多实现的方式,PHP的话,我推荐使用swoole（PHP的一个网络通讯拓展）来实现.
MySQL数据库表一般承受数据量在百万级别,再往上增长,各项性能将会出现大幅度下降,所以呢,当我们预见数据量会超过这个量级的时候,建议进行分库/分表/分区等操作.最好的做法,是服务在搭建之初就设计为分库分表的存储模式,从根本上杜绝中后期的风险.不过,会牺牲一些便利性,例如列表式的查询,同时,也增加了维护的复杂度.不过,到了数据量千万级别或者以上的时候,我们会发现,它们都是值得的.?
第二段： MySQL数据库多台服务搭建
①.台MySQL机器,实际上是高风险的单点,因为如果它挂了,我们Web服务就不可用了.而且,随着Web系统访问量继续增加,终于有一天,我们发现1台MySQL服务器无法支撑下去,我们开始需要使用更多的MySQL机器.当引入多台MySQL机器的时候,很多新的问题又将产生.
① 建立MySQL主从,从库作为备份
这种做法纯粹为了解决"单点故障"的问题,在主库出故障的时候,切换到从库.不过,这种做法实际上有点浪费资源,因为从库实际上被闲着了.
两台数据库做读写分离,主库负责写入类的操作,从库负责读的操作.并且,如果主库发生故障,仍然不影响读的操作,同时也可以将全部读写都临时切换到从库中（需要注意流量,可能会因为流量过大,把从库也拖垮）.
两台MySQL之间互为彼此的从库,同时又是主库.这种方案,既做到了访问量的压力分流,同时也解决了"单点故障"问题.任何一台故障,都还有另外一套可供使用的服务.
不过,这种方案,只能用在两台机器的场景.如果业务拓展还是很快的话,可以选择将业务分离,建立多个主主互备.
第三段： MySQL数据库机器之间的数据同步
每当我们解决一个问题,新的问题必然诞生在旧的解决方案上.当我们有多台MySQL,在业务高峰期,很可能出现两个库之间的数据有延迟的场景.并且,网络和机器负载等,也会影响数据同步的延迟.我们曾经遇到过,在日访问量接近1亿的特殊场景下,出现,从库数据需要很多天才能同步追上主库的数据.这种场景下,从库基本失去效用了.
于是,解决同步问题,就是我们下一步需要关注的点.
① MySQL自带多线程同步
以数据库的表为单位,解析binlog多张表同时做数据同步.这样做的话,的确能够加快数据同步的效率,但是,如果表和表之间存在结构关系或者数据依赖的话,则同样存在写入顺序的问题.这种方式,可用于一些比较稳定并且相对独立的数据表.
国内一线互联网公司,大部分都是通过这种方式,来加快数据同步效率.还有更为激进的做法,是直接解析binlog,忽略以表为单位,直接写入.但是这种做法,实现复杂,使用范围就更受到限制,只能用于一些场景特殊的数据库中（没有表结构变更,表和表之间没有数据依赖等特殊表）.?
第四段： 在Web服务器和数据库之间建立缓存
① 页面静态化
用户访问网站的某个页面,页面上的大部分内容在很长一段时间内,可能都是没有变化的.例如一篇新闻报道,一旦发布几乎是不会修改内容的.这样的话,通过CGI生成的静态html页面缓存到Web服务器的磁盘本地.除了第一次,是通过动态CGI查询数据库获取之外,之后都直接将本地磁盘文件返回给用户.
在Web系统规模比较小的时候,这种做法看似完美.但是,一旦Web系统规模变大,例如当我有100台的Web服务器的时候.那样这些磁盘文件,将会有100份,这个是资源浪费,也不好维护.这个时候有人会想,可以集中一台服务器存起来,呵呵,不如看看下面一种缓存方式吧,它就是这样做的.
通过页面静态化的例子中,我们可以知道将"缓存"搭建在Web机器本机是不好维护的,会带来更多问题（实际上,通过PHP的apc拓展,可通过Key/value操作Web服务器的本机内存）.所以呢,我们选择搭建的内存缓存服务,也必须是一个独立的服务.
内存缓存的选择,主要有redis/memcache.从性能上说,两者差别不大,从功能丰富程度上说,Redis更胜一筹.
当我们搭建单台内存缓存完毕,我们又会面临单点故障的问题,所以呢,我们必须将它变成一个集群.简单的做法,是给他增加一个slave作为备份机器.但是,如果请求量真的很多,我们发现cache命中率不高,需要更多的机器内存呢?所以呢,我们更建议将它配置成一个集群.例如,类似redis cluster.
内存缓存服务在切换的时候,是有一定风险的.从A集群切换到B集群的过程中,必须保证B集群提前做好"预热"（B集群的内存中的热点数据,应该尽量与A集群相同,否则,切换的一瞬间大量请求内容,在B集群的内存缓存中查找不到,流量直接冲击后端的数据库服务,很可能导致数据库宕机）.
上面的机制,都实现减少数据库的"读"的操作,但是,写的操作也是一个大的压力.写的操作,虽然无法减少,但是可以通过合并请求,来起到减轻压力的效果.这个时候,我们就需要在内存缓存集群和数据库集群之间,建立一个修改同步机制.
先将修改请求生效在cache中,让外界查询显示正常,然后将这些sql修改放入到一个队列中存储起来,队列满或者每隔一段时间,合并为一个请求到数据库中更新数据库.
除了上述通过改变系统架构的方式提升写的性能外,MySQL本身也可以通过配置参数innodb_flush_log_at_trx_commit来调整写入磁盘的策略.如果机器成本允许,从硬件层面解决问题,可以选择老一点的RAID（Redundant Arrays of independent Disks,磁盘列阵）或者比较新的SSD（Solid State Drives,固态硬盘）.
不管数据库的读还是写,当流量再进一步上涨,终会达到"人力有穷时"的场景.继续加机器的成本比较高,并且不一定可以真正解决问题的时候.这个时候,部分核心数据,就可以考虑使用NoSQL的数据库.NoSQL存储,大部分都是采用key-value的方式,这里比较推荐使用上面介绍过Redis,Redis本身是一个内存cache,同时也可以当做一个存储来使用,让它直接将数据落地到磁盘.
这样的话,我们就将数据库中某些被频繁读写的数据,分离出来,放在我们新搭建的Redis存储集群中,又进一步减轻原来MySQL数据库的压力,同时因为Redis本身是个内存级别的Cache,读写的性能都会大幅度提升.
当我们搭建完前面所说的全部服务,认为Web系统已经很强的时候.我们还是那句话,新的问题还是会来的.空节点查询,是指那些数据库中根本不存在的数据请求.例如,我请求查询一个不存在人员信息,系统会从各级缓存逐级查找,最后查到到数据库本身,然后才得出查找不到的结论,返回给前端.因为各级cache对它无效,这个请求是非常消耗系统资源的,而如果大量的空节点查询,是可以冲击到系统服务的.
在我曾经的工作经历中,曾深受其害.所以呢,为了维护Web系统的稳定性,设计适当的空节点过滤机制,非常有必要.
我们当时采用的方式,就是设计一张简单的记录映射表.将存在的记录存储起来,放入到一台内存cache中,这样的话,如果还有空节点查询,则在缓存这一层就被阻挡了.
异地部署（地理分布式）
完成了上述架构建设之后,我们的系统是否就已经足够强大了呢?答案当然是否定的哈,优化是无极限的.Web系统虽然表面上看,似乎比较强大了,但是给予用户的体验却不一定是最好的.因为东北的同学,访问深圳的一个网站服务,他还是会感到一些网络距离上的慢.这个时候,我们就需要做异地部署,让Web系统离用户更近.
第一段： 核心集中与节点分散
有玩过大型网游的同学都会知道,网游是有很多个区的,一般都是按照地域来分,例如广东专区,北京专区.如果一个在广东的粉丝,去北京专区玩,那么他会感觉明显比在广东专区卡.实际上,这些大区的名称就已经说明了,它的服务器所在地,所以,广东的粉丝去连接地处北京的服务器,网络当然会比较慢.
当一个系统和服务足够大的时候,就必须开始考虑异地部署的问题了.让你的服务,尽可能离用户更近.我们前面已经提到了Web的静态资源,可以存放在CDN上,然后通过DNS/GSLB的方式,让静态资源的分散"全国各地".但是,CDN只解决的静态资源的问题,没有解决后端庞大的系统服务还只集中在某个固定城市的问题.
这个时候,异地部署就开始了.异地部署一般遵循：核心集中,节点分散.
-?核心集中：实际部署过程中,总有一部分的数据和服务存在不可部署多套,或者部署多套成本巨大.而对于这些服务和数据,就仍然维持一套,而部署地点选择一个地域比较中心的地方,通过网络内部专线来和各个节点通讯.
-?节点分散：将一些服务部署为多套,分布在各个城市节点,让用户请求尽可能选择近的节点访问服务.
例如,我们选择在上海部署为核心节点,北京,深圳,武汉,上海为分散节点（上海自己本身也是一个分散节点）.我们的服务架构如图：
需要补充一下的是,上图中上海节点和核心节点是同处于一个机房的,其他分散节点各自独立机房.?
国内有很多大型网游,都是大致遵循上述架构.它们会把数据量不大的用户核心账号等放在核心节点,而大部分的网游数据,例如装备、任务等数据和服务放在地区节点里.当然,核心节点和地域节点之间,也有缓存机制.?
第二段： 节点容灾和过载保护
节点容灾是指,某个节点如果发生故障时,我们需要建立一个机制去保证服务仍然可用.毫无疑问,这里比较常见的容灾方式,是切换到附近城市节点.假如系统的天津节点发生故障,那么我们就将网络流量切换到附近的北京节点上.考虑到负载均衡,可能需要同时将流量切换到附近的几个地域节点.另一方面,核心节点自身也是需要自己做好容灾和备份的,核心节点一旦故障,就会影响全国服务.
过载保护,指的是一个节点已经达到最大容量,无法继续接接受更多请求了,系统必须有一个保护的机制.一个服务已经满负载,还继续接受新的请求,结果很可能就是宕机,影响整个节点的服务,为了至少保障大部分用户的正常使用,过载保护是必要的.
-?拒绝服务,检测到满负载之后,就不再接受新的连接请求.例如网游登入中的排队.
-?分流到其他节点.这种的话,系统实现更为复杂,又涉及到负载均衡的问题.
小结
Web系统会随着访问规模的增长,渐渐地从1台服务器可以满足需求,一直成长为"庞然大物"的大集群.而这个Web系统变大的过程,实际上就是我们解决问题的过程.在不同的阶段,解决不同的问题,而新的问题又诞生在旧的解决方案之上.
系统的优化是没有极限的,软件和系统架构也一直在快速发展,新的方案解决了老的问题,同时也带来新的挑战.
php
①.0 function insertLog($event,$type=0,$username){
①.1? ? global $conn;