写点什么

微信朋友圈技术之道:三个人的后台团队与每日十亿的发布量

2015 年 12 月 30 日

概述

截止到 2015 年 7 月,微信每月活跃用户约 5.49 亿,朋友圈每天的发表量(包括赞和评论)超过 10 亿,浏览量超过 100 亿。得益于 4G 网络的发展,以上数据仍有很快的增长,而且相对于 PC 互联网时代,移动互联网时代的峰值要来得更加凶猛。比如,2015 年元月的流量到了平时的 2 倍,而峰值则达到了平时峰值的 2 倍,相当于平时正常流量的 5 倍,这对整个系统的考验是很残酷的。本次分享将简单介绍微信后台团队的开发模式、微信朋友圈的架构以及在性能上的一些工作,供各位参考。

团队与技术栈简介

微信后台研发团队由三位工程师组成。开发模式采用了敏捷的方式,大概一个月一个小版本,一个季度出一个大版本,另外每天都会有不停的后台更新,很多是用户看不见的,也有一些是 AB 测试,比如选择一亿的用户,或者一定百分比的用户,或者一部分男性用户和女性用户来做 AB 测试。开发语言主要使用 C++,正在往 C++11 上迁移,编译器在往 GCC 4.8.2 迁移。

服务器的配置基本都是普通的服务器,最好的服务器也就是 64G 内存,这部分占比不多,大部分是 32G 内存,也有很少一部分 8G 内存的。硬盘是 SSD 和 SATA 都有。CPU 以 16 核居多,有一部分新机器是 32 核。至于带宽则是比较多的,对外带宽很大。

微信朋友圈的架构概述

整个微信是微服务的架构,每一个请求后面可能会涉及到几百个服务,每一个服务都有一个 QoS,目的是对一些重要的服务进行保证。比如除夕晚上流量达到平时的 5 倍,这时整个系统的性能肯定不够,所以要优先保证什么呢?优先保证支付,优先保证红包的体验。红包体验保证了,再保证消息,比如点对点两人之间的消息。这两个保证的前提下,再保证群聊。如果群聊也能保证,再保证朋友圈。性能不够时将优先级低的服务暂时停掉,这个过程是不需要人工干预的。

微信的架构跟普通的架构差不多,最上面是终端通过接入服务器接进来。接入层主要是长连接,长连接主要是为了安卓系统,一个是减少建立新连接的性能消耗,另一个是为了推送通知,因为 Google 服务在国内基本是不可用的,安卓系统上的推送通知都是用长连接完成。

然后到逻辑层。逻辑层包括注册、消息、群聊、朋友圈等等,还有 iOS 系统的通知。iOS 系统跟安卓不一样在于,一个 iOS App 进入后台之后只有大概 15 秒的存活期,所以 iOS 上的推送通知要用 API 的 Push 完成,不在接入层做。

再往下走就是存储代理层,这一层主要负责一些关键数据的维护操作,比如用户在账号里面的动作操作和事故信息。存储代理层下面对接 KV 存储,这个 KV 存储是不负责业务逻辑的,只是单纯的 Key-Value 映射,以及负载均衡和容错。(有关 KV 存储系统的详细说明,可以参考微信架构师许家滔在 QCon 北京 2014 上的演讲“微信后台存储架构”。)

涉及朋友圈数据的有四个核心的表:

一个是发布。发布数据记录了来自所有用户所有的 feed,比如一个用户发布了几张图片,每张图片的 URL 是什么,在 CDN 里的 URL 是什么,它有哪些元属性,谁可以看,谁不可以看等等。

一个是相册。相册是每个用户独立的,记录了该用户所发布的所有内容。

一个是评论。评论就是针对某个具体发布的朋友评论和点赞操作。

一个是时间线。所谓“刷朋友圈”,就是刷时间线,就是一个用户所有朋友的发布内容。

上面提到过,微信现在每天的发布有 10 亿多,浏览量超过 100 亿,对性能的要求很高,所以上面的存储都是做成可以水平扩展的。对于水平扩展的实现,下面举例说明。

微信朋友圈的工作流程概述

比如有两个用户小王和 Mary。小王和 Mary 各自有各自的相册,可能在同一台服务器上,也可能在不同的服务器上。现在小王上传了一张图片到自己的朋友圈。上传图片不经过微信后台服务器,而是直接上传到最近的腾讯 CDN 节点,所以非常快。图片上传到该 CDN 后,小王的微信客户端会通知微信的朋友圈 CDN:这里有一个新的发布(比如叫 K2),这个发布的图片 URL 是什么,谁能看到这些图片,等等此类的元数据,来把这个发布写到发布的表里。

在发布的表写完之后,会把这个 K2 的发布索引到小王的相册表里。所以相册表其实是很小的,里面只有索引指针。相册表写好了之后,会触发一个批处理的动作。这个动作就是去跟小王的每个好友说,小王有一个新的发布,请把这个发布插入到每个好友的时间线里面去。

然后比如说现在 Mary 上朋友圈了,而 Mary 是小王的一个好友。Mary 拉自己的时间线的时候,时间线会告诉到有一个新的发布 K2,然后 Mary 的微信客户端就会去根据 K2 的元数据去获取图片在 CDN 上的 URL,把图片拉到本地。

在这个过程中,发布是很重的,因为一方面要写一个自己的数据副本,然后还要把这个副本的指针插到所有好友的时间线里面去。如果一个用户有几百个好友的话,这个过程会比较慢一些。这是一个单数据副本写扩散的过程。但是相对应的,读取就很简单了,每一个用户只需要读取自己的时间线表,就这一个动作就行,而不需要去遍历所有好友的相册表。

为什么选择这样一个写扩散的模型?因为读是有很多失败的。一个用户如果要去读两百个好友的相册表,极端情况下可能要去两百个服务器上去问,这个失败的可能性是很大的。但是写失败了就没关系,因为写是可以等待的,写失败了就重新去拷贝,直到插入成功为止。所以这样一个模型可以很大的减少服务的开销。

至于赞和评论的实现,是相对简单的。上面说了微信后台有一个专门的表存储评论和赞的数据,比如 Kate 是 Mary 和小王的朋友的话,刷到了 K2 这一条发布,就会同时从评论表里面拉取对应 K2 的、Mary 留下的评论内容,插入到 K2 内容的下方。而如果另一个人不是 Mary 和小王的共同朋友,则不会看到这条评论。

微信朋友圈的容灾

容灾有不同的层次,先看区域性的。微信在上海有一个 IDC,该 IDC 是由三个独立的园区——A、B、C 三个园区构成的。每一个园区都有独立的供电、制冷,独立的带宽,带宽同时连接联通、电信,而且每个园区的容量都有富余。三个园区直接有高速连接。所以无论任何一个区,比如 C 区整个不可用了,那么用户的客户端会自动连接到另外两个区,这两个区有足够的容量承载所有的服务。这种切换是无损的、无感知的。

第二个层次的容灾是跨地域的。微信最早在国内有一个上海的数据中心,这个数据中心承载了全国所有的用户。后来有一天上海来了个海啸还是什么的,所有数据都没了,于是后来在深圳又建立一个数据中心,上海服务北方用户,深圳服务南方。后来因为微信发展海外用户,于是在香港建立了第三个数据中心,主要服务东南亚、南亚、中东和非洲。后来在加拿大又建立了第四个数据中心,主要服务美洲和欧洲。

这第二个层次的数据中心跟上面说的园区不太一样。每一个微信用户事实上都属于一个特定的数据中心,比如两个北方的用户,他们的数据都在上海的数据中心,如果说上海数据中心跟其他数据中心的连接断了,这两个用户之间的通信是不会受到影响的。但如果有一个外国朋友在加拿大的数据中心,那么他跟国内用户的通信就可能受到影响。数据中心之间是有专线连接的,但实际上国内到国外的专线渠道并不太有保障,所以专线出问题的时候,两个数据中心之间的数据交换会切换到公网上,走普通的互联网。

新建一个数据中心涉及到很多同步,微信消息的数据同步是通过一个 idcqueue 组件实现的,是一个异步的数据同步方式。这个异步的写操作可能会由于网络阻塞或者其他原因,慢个一两秒种、几分钟甚至半天,但它会一直重试,能够保持正确性。而对于朋友圈来说,朋友圈是多数据副本的模型,那么多数据副本在跨数据中心同步的时候如何保证正确性,如何保证没有冲突?

解法其实也简单,只要单项同步最初的发布写操作。比如小王这个用户是在上海数据中心的,他在自己相册上新增了一条发布 K2,那么就只要单项同步把 K2 写到香港去就好了。反过来,比如 Mary 是在香港,那么她有新的发布,只要在香港写进去之后,单项同步到上海就可以了。这样就不存在时间线多数据副本同步的问题了,只要在各个数据中心内分别做批处理。

当然有关这一块还有很多细节的问题,尤其是因为国内到国外的网络延迟很大,从大陆 ping 美国可能两百个毫秒,ping 阿根廷或者南非可能有四百个毫秒,另外公网的丢包也比较严重,这对于数据同步的实现是很有影响的。这种情况就不适合用 TCP 了,TCP 是针对大带宽、小延迟、有序的环境设计的,所以微信在跨数据中心做数据同步这一块就自己研发了一套类 TCP 的协议,这种协议对高延迟、高丢包有很高的容忍度,能够做到每秒同步几百兆到上 G 的数据。另一方面,由于从专线切换到公网存在信息安全隐患,这其中的数据加密也是很重要的一个工作。

讲师简介

陈明,微信高级工程师、朋友圈负责人,2012 年加入微信后台团队,负责微信后台核心服务的研发,包括朋友圈、即时通信、基础设施等。他获得清华大学计算机系学士和博士学位,研究方向是分布式系统。在加入微信前,他在腾讯搜索和微软亚洲研究院工作多年,内容包括搜索架构与分布式存储等。

本文根据微信高级工程师、朋友圈负责人陈明在 2015 年 ArchSummit 深圳大会的演讲“微信朋友圈技术之道”整理而成。

2015 年 12 月 30 日 17:0312101

评论 2 条评论

发布
用户头像
对于评论表不是很明白,平路不是本身也有时间线的(跟发布独立的),客户端通过时间线拉取了最新的朋友圈发布K2,后续这个发布还会不断的增加新的评论,怎么同步到客户端,这里面是不是也有写扩散读扩散的设计逻辑
2019 年 11 月 14 日 17:34
回复
我说下我的理解,看对不对,文中说了,K2这个发布,是单独存储的,我理解这个K2的发布应该也是随着发布者的userid做的数据中心归属,然后其他数据中心的用户针对发布的评论,也是夸数据中心同步到原始数据中心,这样,拉取的时候,都是从原始数据中心拉取,各个数据中心视图一直,但是这种就是读扩散模式了,按照微信一贯的作用,不大可能是我说的,可能是写扩散,同步到每个人的时间线K2的元数据里。
2021 年 03 月 02 日 11:58
回复
没有更多了
发现更多内容

架构师训练营 Week 10 总结

Wancho

【架构师训练营】第十期作业

云064

微服务架构一点思考和认识

leis

架构师训练营第十周作业

子豪sirius

极客大学架构师训练营 0 期 week 10 学习笔记

chun1123

学习 DDD

week 10作业

a晖

面试官:您能说说序列化和反序列化吗?是怎么实现的?什么场景下需要它?

xcbeyond

Java 面试题 序列化

芯片破壁者(十二.上):“大头儿子”模式下的韩国半导体

脑极体

架构师训练营Week10作业

Frank Zeng

微服务&DDD&中台

dony.zhang

中台 微服务 DDD

【架构师训练营 - week10 -1】作业

早睡早起

来自面试官的技术面试题

xcbeyond

Java 数据库 自我介绍 面试经验

微服务&DDD

极客大学架构师训练营

架构师训练营 Week 10 作业

Wancho

第十周课程总结

考尔菲德

Week 10 学习总结

Jeremy

极客大学架构师训练营 --第10周

李朋

Eureka常见问题汇总及注意事项

xcbeyond

Java SpringCloud Eureka 服务注册与发现 常见问题

Week10总结

leis

Week 10 命题作业

Jeremy

架构师训练营第 0 期第 10 周作业

无名氏

微服务 领域驱动设计

第十周作业

考尔菲德

极客大学架构师训练营 0 期 week 10 作业

chun1123

dubbo DDD

week 10 总结

a晖

Dubbo微服务调用时序图及微服务架构个人见解

潜默闻雨

Week10

对中台思维的思考

朱月俊

堆栈神奇应用之CXO让我做一个计算器!!

架构师修行之路

数据结构 堆栈

架构师训练营 - 第十周 - 总结

Anrika

极客大学架构师训练营

架构师训练营Week10学习总结

Frank Zeng

架构师培训 -10 微服务、秒杀

刘敏

微信朋友圈技术之道:三个人的后台团队与每日十亿的发布量-InfoQ