Twitter服务器的数据请求处理的过程有哪些

本篇内容主要讲解“Twitter服务器的数据请求处理的过程有哪些”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Twitter服务器的数据请求处理的过程有哪些”吧!

一、twitter的核心业务
twitter的核心业务，在于following和be followed
（1）following-关注进入个人主页，会看到你follow的人发表的留言（不超过140个字），这是following的过程；
（2）followed-被关注你发布一条留言，follow你的人将看到这条信息，这是be followed的过程；

二、twitter的业务逻辑
twitter的业务逻辑也不复杂。
following业务，查follow了哪些人，以及这些人发表的留言；
followed业务，前端js轮询后端，看follow了的人有没有新留言，有则更新（更新及时性取决于轮询时间）；

三、三层架构（three-tier architecture）
网站的架构设计，传统的做法是三层架构，所谓“传统”不意味着“过时”，新潮的技术不成熟，传统的路子更稳健。
（1）表示层（presentation tier）：apache web server，主要任务是解析http协议，将请求分发给逻辑层；
（2）逻辑层（logic tier）：mongrel rails server，利用rails现成的模块，降低工作量；
（3）数据层（data tier）：mysql；
表示层：表示层的主要职能有2个：（1）http协议处理（http processor）；（2）分发器（dispatcher）；当然，访问twitter的不仅仅是浏览器，可能还有手机，由于可能存在其他协议，故可能存在其他processor。
逻辑层：当用户发布消息时，依次执行：（1）存消息至msg表；（2）查用户relation表，找出其followed_ids；（3）获取followed_ids中用户的状态；（4）在线的ids，将消息push进一个队列queue；（5）queue中的msg，更新ids的主页；这里面要用到队列，其实现方式有很多种，例如apache mina，twitter团队自己实现了一个kestrel。
数据层：twitter的核心是用户；消息；用户关系。围绕这几个核心，其核心数据的schema设计：（1）用户表userid, name, pass, status, …（2）消息表msgid, author_id, msg, time, …（3）用户关系表relationid, following_ids, followed_ids。
无论如何，架构框架清晰如下：

四、cache=cash即缓存等于收入
cache的使用对大型网站架构至关重要，网站响应速度是影响用户体验最明显的因素，而影响响应速度最大的敌人又是磁盘I/O。twitter工程师认为，良好体验的网站平均响应时间应该在500ms左右，理想的时间是200-300ms。关于cache的使用，是twitter架构的一大看点，带cache的架构清晰如下：

哪里需要cache？IO越频繁的地方，越需要cache。数据库是IO访问最频繁处，三大核心表是否有必要放入内存中？twitter的做法是，将表拆分，将其中访问最频繁的字段装入cache。
（1）vector cache and row cache即数组cache与行cache
数组缓存：新发表消息的msgids，相关作者的ids，这些id的访问频率很高，存放它们的cache称为vector cache；
行缓存：消息正文的行cache；内存有限的情况下，优先vector cache，实际结果vector cache的命中率是99%，row cache为95%；
（2）fragment cache and page cache
访问twitter的用户除了网页（web通道），还有手机（API通道），而后者的比例占总流量的80%-90%。mysql cache之外，cache的重心会在API通道上。手机屏幕的主体，是一屏一屏的消息，不妨把整个页面分割成若干局部，每个局部对应一些/一条消息，这些就是fragment。人气高的作者，缓存其页面的fragment，可以提高读取其发布消息效率，这就是fragment cache的使命。人气旺的作者，人们也会访问其主页，这就是page cache的使命。实际结果，fragment cache的命中率为95%，page cache为40%。虽然page cache的命中率低，但由于是访问主页，其占用的空间是很大的，为了防止两种cache相互影响，这两种cache需要部署在不同的物理机器上。twitter的fragment cache和page cache都是使用的memcached。
（3）http accelerator加速器
web通道的缓存问题也需要解决，分析之后，web通道的压力主要来自搜索。面临突发事件时，读者们会搜索相关信息，而不会理会这些信息的作者是不是自己follow的那些人。为了降低搜索压力，可以将搜索关键词与搜索内容cache起来。这里，twitter的工程师使用了varnish。有趣的是，varnish通常部署在web server外层，先访问varnish，其中没有相关的内容，才访问web server；twitter的工程师却将varnish放在apache web server的内层，原因是他们认为varnish操作复杂，担心varnish崩溃造成系统的瘫痪，故采用了这种保守型部署方式。twitter没有公开varnish的命中率，他们声称，使用了varnish之后，整站的负载下降了50%。

五、抗洪需要隔离
twitter架构的另一大看点是其消息队列：隔离用户的操作，将流量高峰摊平。
餐厅客满时，对于新来的顾客，虽然不能服务，但不是拒之门外，而是让他们现在休息厅等待。
用户访问twitter时，接待他的是apache web server，而apache不能接待无限多的用户。2009年1月20日，奥巴马发表就职演说，twitter流量猛增，此时如何是好。
面对洪峰，如何保证网站不奔溃？迅速接纳，但推迟服务。
apache收到请求，转发给Mongrel，由Mongrel负责实际处理，apache则腾出手来，迎接下一位用户。但apache能够接待的用户数总是有限的，它的并发数受apache能够容纳的工作进程数量，这里不细究apache内部原理，图如下：

六、数据流与控制流
快速接纳，推迟服务，只是缓兵之计，目的是让用户不至于收到503（service unavailable）。
真正的抗洪能力，体现在蓄洪与泄洪两个方面：
（1）twitter有庞大的memcached集群，能大容量蓄洪；
（2）twitter自己的kestrel消息队列，作为引流泄洪手段，传递控制指令（引流和渠道）；洪峰到达时，twitter控制数据流，将数据及时疏散到多个机器，避免压力集中，造成系统瘫痪。
下面举例说明twitter内部流程，假设有两个作者，通过浏览器发消息，一个读者也通过浏览器阅读他们的消息。

（1）登陆apache web server，apache分配一个工作进程为其服务，登陆，查id，写cookie等；
（2）上传新写的消息，把作者id，消息等转发给Mongrel，apache等待Mongrel回复，以便更新作者主页，将新写的消息更新上去；
（3）Mongrel收到消息后，分配一个msgid，将msgid与作者id等缓存到vector memcached上去；同时，Mongrel让vector memcached查找作者被哪些人follow，缓存如果没有命中会去后端mysql查找，并入cache；读者ids会返回给Mongrel，Mongrel把msgid与短信正文缓存至row memcached；
（4）Mongrel通知kestrel消息队列服务器，每个作者及读者都有一个队列（没有则创建）；Mongrel将msgid放入读者的队列，以及作者本人的队列；
（5）某一台Mongrel，它可能正在处理某一个id的队列，就会往返回该id用户的主页上添加上此条信息；（6）Mongrel将更新后作者的主页给前端等待着的apache，apache则返回浏览器。

七、洪峰与云计算
不细说了，洪峰扛不住时，只能加机器。机器哪里来？租云计算平台公司的设备。当然，设备只需要在洪峰时租用，省钱呀。

八、push与pull的折衷
可以看到，Mongrel的工作流程：
（1）将相关ids放入vector memcached和row memecached就算消息发布成功，而不负责mysql数据库的存入；
（2）将相关msgid放入kestrel消息队列就算消息推送成功；Mongrel没有使用任何方式去通知作者、读者，让他们重新拉取消息。
上述工作方式，反映了twitter架构设计分拆的理念：
（1）将一个完整的流程分拆成独立工作的子流程，一个工作可以由各个服务负责（三层架构本身是一种分拆）；
（2）多机器之间协作，细化数据流与控制流，并强调其分离；
twitter业务流程的分隔，是一种事件驱动式的设计，主要体现在两个方面：
（1）Mongrel与mysql的分离，前者不直接插手mysql的操作，而委托memcached全权负责；
（2）上传、下载逻辑分离：只通过kestrel队列来传递指令；
每时每刻都有用户在Twitter上发表内容，Twitter工作是规划如何组织内容并把它发送用户的粉丝。
实时是真正的挑战，5秒内将消息呈现给粉丝是现阶段的目标。
投递意味着内容、投入互联网，然后尽可能快的发送接收。
投递将历时数据放入存储栈，推送通知，触发电子邮件，iOS、黑莓及Android手机都能被通知到，还有短信。
Twitter是世界上活跃中最大的信息发送机。
推荐是内容产生并快速传播的巨大动力。
两种主要的时间轴：用户的及主页的。
用户的时间轴特定用户发送的内容。
主页时间表是一段时间内所有你关注用户发布的内容。
线上规则是这样的：@别人是若被@的人你未关注的话将被隔离出来，回复一个转发可以被过滤掉。
这样在Twitter对系统是个挑战。
1.Pull模式
有针对性的时间轴。像twitter.com主页和home_timeline的API。你请求它才会得到数据。拉请求的不少：通过REST API请求从Twitter获取数据。
查询时间轴，搜索的API。查询并尽可能快的返回所有匹配的推特。
2.Push模式
Twitter运行着一个最大的实时事件系统，出口带宽22MB/秒。
和Twitter建立一个连接，它将把150毫秒内的所有消息推送给你。
几乎任何时候，Push服务簇上大约有一百万个连接。
像搜索一样往出口发送，所有公共消息都通过这种方式发送。
不，你搞不定。(实际上处理不了那么多)
用户流连接。 TweetDeck 和Twitter的Mac版都经过这里。登录的时，Twitter会查看你的社交图，只会推送那些你关注的人的消息，重建主页时间轴，而不是在持久的连接过程中使用同一个时间轴 。
查询API，Twitter收到持续查询时，如果有新的推特发布并且符合查询条件，系统才会将这条推特发给相应的连接。
3.高观点下的基于Pull（拉取方式）的时间轴：
短消息(Tweet)通过一个写API传递进来。通过负载平衡以及一个TFE(短消息前段)，以及一些其它的没有被提到的设施。
这是一条非常直接的路径。完全预先计算主页的时间轴。所有的业务逻辑在短消息进入的时候就已经被执行了。
紧接着扇出（向外发送短消息）过程开始处理。进来的短消息被放置到大量的Redis集群上面。每个短息下在三个不同的机器上被复制3份。在Twitter 每天有大量的机器故障发生。
扇出查询基于Flock的社交图服务。Flock 维护着关注和被关注列表。
Flock 返回一个社交图给接受者，接着开始遍历所有存储在Redis 集群中的时间轴。
Redis 集群拥有若干T的内存。
同时连接4K的目的地。
在Redis 中使用原生的链表结构。
假设你发出一条短消息，并且你有20K个粉丝。扇出后台进程要做的就是在Redis 集群中找出这20K用户的位置。接着它开始将短消息的ID 注入到所有这些列表中。因此对于每次写一个短消息，都有跨整个Redis集群的20K次的写入操作。
存储的是短消息的ID, 最初短消息的用户ID, 以及4个字节，标识这条短消息是重发还是回复还是其它什么东东。
你的主页的时间轴驻扎在Redis集群中，有800条记录长。如果你向后翻很多页，你将会达到上限。内存是限制资源决定你当前的短消息集合可以多长。
每个活跃用户都存储在内存中，用于降低延迟。
活跃用户是在最近30天内登陆的twitter用户，这个标准会根据twitter的缓存的使用情况而改变。
只有你主页的时间轴会存储到磁盘上。
如果你在Redis 集群上失败了，你将会进入一个叫做重新构建的流程。
     查新社交图服务。找出你关注的人。对每一个人查询磁盘，将它们放入Redis中。
     MySQL通过Gizzard 处理磁盘存储，Gizzard 将SQL事务抽象出来，提供了全局复制。
通过复制3次，当一台机器遇到问题，不需要在每个数据中心重新构建那台机器上的时间轴。
如果一条短消息是另外一条的转发，那么一个指向原始短消息的指针将会存储下来。
当你查询你主页的时间轴时候，时间轴服务将会被查询。时间轴服务只会找到一台你的时间轴所在的机器。
     高效的运行3个不同的哈希环，因为你的时间轴存储在3个地方。
     它们找到最快的第一个，并且以最快速度返回。
     需要做的妥协就是，扇出将会花费更多的时间，但是读取流程很快。大概从冷缓存到浏览器有2秒种时间。对于一个API调用，大概400ms。
因为时间轴只包含短消息ID, 它们必须”合成”这些短消息，找到这些短消息的文本。因为一组ID可以做一个多重获取，可以并行地从T-bird 中获取短消息。
Gizmoduck 是用户服务，Tweetypie 是短消息对象服务。每个服务都有自己的缓存。用户缓存是一个memcache集群 拥有所有用户的基础信息。Tweetypie将大概最近一个半月的短消息存储在memcache集群中。这些暴露给内部的用户。
在边界将会有一些读时过滤。例如，在法国过滤掉纳粹内容，因此在发送之前，有读时内容剥离工作。

到此，相信大家对“Twitter服务器的数据请求处理的过程有哪些”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！