从0开始设计Twitter系统架构

分布式实验室 · 公众号 · 后端 · 2021-12-22 07:45

正文

Twitter是全球最大的社交网络之一，如果让我们从0开始设计Twitter的系统架构，该怎么做呢？有哪些服务是必须的？有哪些点需要提前考虑？这篇文章简单介绍了设计类Twitter系统的思路并在最后给出了参考设计。原文链接：https://medium.com/interviewnoodle/twitter-system-architecture-8dafce16aec4

Twitter是全球领先的在线社交网络服务，用户可以在这里发布和阅读被称为“推文（tweets）”的短消息。在系统架构设计面试过程中，当被问及如何设计Twitter时，大多数候选人都会将其设计为单体服务。然而，将Twitter这样的大型服务设计为单体，表明候选人缺乏设计分布式系统的经验。从微服务甚至lambda（或函数）的角度来设计分布式系统在今天是很正常的选择。目前的趋势是，没有人会将新服务设计为单体，公司正逐渐将其庞大的单体服务转换为一组微服务。因此，候选人应该以微服务的方式设计Twitter。

功能需求

用户可以发布或分享新的推文（tweet）
每条推文最多不超过140个字符
用户可以删除推文，但不能更新/编辑发布的推文（写操作）
用户可以标记喜欢的推文（写操作）
用户可以关注或取消关注另一个用户（写操作），关注一个用户意味着用户可以看到其他用户在他的时间线上的推文
可以生成两种类型的时间线（读操作），用户时间线由他最后N个推文组成，主页时间线由他正在关注的用户的热门推文按照时间降序生成
用户可以根据关键字搜索推文（读操作）
用户需要有一个帐户来发布或读取推文（暂时使用外部身份服务）
用户可以注册和删除帐户
Twitter支持包含文字和图片/视频的推文，但在我们当前的设计中，将只支持文本
分析/监视服务，以确定其负载、运行状况和功能
分析还可为用户提供关于关注谁、推文通知、热门话题、推送通知和分享推文的意见或建议

非功能需求

服务的高可用是最重要的需求，这意味着用户可以在自己的主页时间线上阅读推文，而感受不到任何停顿
生成时间线的时间最长不得超过半秒
不需要强一致性，只需要最终一致性，可以使用关键词数据库用于搜索基于关键词的推文
随着用户和推文的增加，系统负载也在增加，因此系统应该具有可伸缩性
持久化用户数据

现在我们来做一些计算：

日活跃用户平均请求/天 = 150M*60/86400 = 100k/秒
峰值用户 = 平均并发用户* 3 = 300k
三月内最大峰值用户数 = 峰值用户数*2 = 600k
读QPS = 300k
写QPS = 5k

Twitter服务的概要设计

由于系统的复杂性，可以将其划分为若干个服务，其中包括若干个微服务。

推文服务（Tweet service）
用户时间线服务（User timeline service）
扇出服务（Fanout Service）
主页时间线服务（Home timeline service）
社交网络服务（Social graph service）
搜索服务（Search service）

下面是Twitter服务中不同逻辑组件或微服务架构。

Twitter服务的详细设计

所有微服务都可以被称为模块。

推文服务（Tweet service）

接收用户推文，转发用户推文到关注者时间线和搜索服务
存储用户信息，推文信息，包括用户的推文数量以及用户喜欢的状态
包括应用服务器、分布式的内存缓存以及后端的分布式数据库，或者使用直接由数据库（例如Redis）支持的内存缓存

然后我们看一下Tweet服务的数据库表结构。

用户（Users）表包含用户的所有信息，推文（Tweet）表存储所有推文，Favorite_tweet表存储了喜欢的推文记录，也就是说，每当用户喜欢一条推文时，就会在Favorite_tweet表中插入一条记录。

生成唯一的推文ID

当用户调用postTweet()时，调用会发送给应用服务器。应用服务器为该推文生成一个唯一的id，同样的机制也可以用来为推文生成短URL。另一个方式是基于应用服务器的UUID（Universally unique identifier）。推文ID生成后，应用服务器将该推文插入分布式缓存和数据库的tweet表中。由于需要在执行推文的创建/更新/删除操作的同时更新缓存和数据库，所以我们使用缓存透写机制。

可扩展性设计

我们可以将分布式缓存和数据库划分为多个分区和副本。

基于用户ID分片
基于推文ID分片
基于用户ID和推文ID进行两层/级别分片

社交网络服务（Social graph service）

实现Following API，跟踪用户之间的关注关系
包括应用服务器、分布式缓存和数据库
用于存储用户关系的数据库表结构

Following API：

将被关注用户的时间线异步合并到关注者的信息事件流中
取消关注一个用户后，从关注者的事件流中异步删除他的推文
异步的从信息事件流中挑选推文
之所以需要异步操作，是因为这个过程比较慢，而用户在关注和取消关注其他用户时，希望很快得到反馈
异步的缺点是用户在取消关注后，如果刷新信息事件流，会发现这些信息仍然存在，但最终它们会被删除

用户时间线服务（User timeline service）

返回用户的时间线，以降序排列的方式包含用户所有推文。此服务可用于主页时间线或其他用户的时间线。
该服务包括应用服务器和分布式内存缓存，但没有涉及该服务的数据库。
用户时间线是使用包含用户推文链接列表的数据结构设计的。

当用户发布一条推文时，tweet服务调用用户时间线服务，将该推文插入到用户时间线的推文列表顶部，运算复杂度为O(1)。
此外，分析仪表板可以配置参数K，表示可以保留的推文个数，K默认为1000，表示保留用户时间线轴中的最后K条推文。
在用户时间线列表中，推文按creationTime（创建时间）降序存储。当用户时间线列表达到最大K条推文时，最老的条目将被删除。

扇出服务（Fanout Service）

将新推文转发到搜索和主页时间线服务，以及其他组件/微服务，比如趋势服务或通知服务
由多个分布式队列组成
当用户发送一条推文消息时，该服务把消息放入推文队列，社交网络服务必须获得用户的关注者列表，并在第二组队列中插入尽可能多的消息。对于名人用户来说，他们拥有非常多的粉丝，其粉丝数甚至超过了每次推送的阈值。那么，如何处理这个问题呢?
该服务是一个先进先出的任务队列列表，处理共享相同列表的任务，并在完成后反馈给队列服务器。队列服务器是异步任务的重要组成部分，其执行的任务可能不会立即收到响应，但却能够保证最终一致性。

主页时间线服务（Home timeline service）

显示用户的主页时间线
包括来自其他关注的用户的推文，按照推文的creationTime（创建时间）降序显示。
其设计类似于用户时间线服务。
但是比用户时间线服务稍微复杂一点，因为用户将插入最新的推文，并且当推文数量超过K值时需要删除最老的推文，如果用户关注了很多其他用户，服务还需要一些机制来给不同关注用户的推文赋予不同的权重。

搜索服务（Search service）

从0开始设计Twitter系统架构

正文

请到「今天看啥」查看全文