网站高性能架构研究
赵一1
(1.石家庄铁道大学，河北省石家庄市073100
摘要：随着Web技术的普及，Internet上的各类网站每天都在雪崩式增长。但这些网站大多在性 能上没做过多考虑。当然,它们情况不同。有的是Web技术本身的原因（主要是程序代码问题）,还有 就是由于Web服务器未进行优化。不管是哪种情况，一但用户量在短时间内激增，网站就会明显变 慢，甚至拒绝访问。要想有效地解决这些问题，就只有依靠不同的优化技术。本文对大型网站的高性 能架构做出来了一些探讨。
关键词：网站；高性能架构。
0 引言
一个小型的网站，比如个人网站，可以使用最简单的 html 静态页面就实现了，配合一些图片达到美化效果，所有的页面 均存放在一个目录下，这样的网站对系统架构、性能的要求都 很简单，随着互联网业务的不断丰富，网站相关的技术经过这 些年的发展，已经细分到很细的方方面面，尤其对于大型网站 来说，所采用的技术更是涉及面非常广，从硬件到软件、编程语 言、数据库、WebServer、防火墙等各个领域都有了很高的要求， 已经不是原来简单的 html 静态网站所能比拟的。
大型网站，比如门户网站。在面对大量用户访问、高并发 请求方面，基本的解决方案集中在这样几个环节：使用高性能 的服务器、高性能的数据库、高效率的编程语言、还有高性能 的 Web 容器。但是除了这几个方面，还没法根本解决大型网站 面临的高负载和高并发问题。
1 HTML静态化
其实大家都知道，效率最高、消耗最小的就是纯静态化的 html 页面，所以我们尽可能使我们的网站上的页面采用静态页 面来实现，这个最简单的方法其实也是最有效的方法。但是对 于大量内容并且频繁更新的网站，我们无法全部手动去挨个实 现，于是出现了我们常见的信息发布系统 CMS，像我们常访问 的各个门户站点的新闻频道，甚至他们的其他频道，都是通过 信息发布系统来管理和实现的，信息发布系统可以实现最简单 的信息录入自动生成静态页面，还能具备频道管理、权限管理、 自动抓取等功能，对于一个大型网站来说，拥有一套高效、可 管理的 CMS 是必不可少的。 除了门户和信息发布类型的网站，对于交互性要求很高的 社区类型网站来说，尽可能的静态化也是提高性能的必要手段， 将社区内的帖子、文章进行实时的静态化，有更新的时候再重 新静态化也是大量使用的策略，像 Mop 的大杂烩就是使用了 这样的策略，网易社区等也是如此。 同时，html 静态化也是某些缓存策略使用的手段，对于系 统中频繁使用数据库查询但是内容更新很小的应用，可以考虑 使用 html 静态化来实现，比如论坛中论坛的公用设置信息，这 些信息目前的主流论坛都可以进行后台管理并且存储再数据库中，这些信息其实大量被前台程序调用，但是更新频率很小， 可以考虑将这部分内容进行后台更新的时候进行静态化，这样 避免了大量的数据库访问请求。。
2 图片服务器分离
大家知道，对于 Web 服务器来说，不管是 Apache、IIS 还 是其他容器，图片是最消耗资源的，于是我们有必要将图片与 页面进行分离，这是基本上大型网站都会采用的策略，他们都 有独立的图片服务器，甚至很多台图片服务器。这样的架构可 以降低提供页面访问请求的服务器系统压力，并且可以保证系 统不会因为图片问题而崩溃，在应用服务器和图片服务器上， 可以进行不同的配置优化，比如 apache 在配置 ContentType 的 时候可以尽量少支持，尽可能少的 LoadModule，保证更高的系 统消耗和执行效率。
3. 数据库集群和库表散列
大型网站都有复杂的应用，这些应用必须使用数据库，那 么在面对大量访问的时候，数据库的瓶颈很快就能显现出来， 这时一台数据库将很快无法满足应用，于是我们需要使用数据 库集群或者库表散列。 在数据库集群方面，很多数据库都有自己的解决方案， Oracle、Sybase 等 都 有 很 好 的 方 案，常用 的 MySQL 提 供 的 Master/Slave 也是类似的方案，您使用了什么样的 DB，就参考 相应的解决方案来实施即可。 上面提到的数据库集群由于在架构、成本、扩张性方面都 会受到所采用 DB 类型的限制，于是我们需要从应用程序的角 度来考虑改善系统架构，库表散列是常用并且最有效的解决方 案。我们在应用程序中安装业务和应用或者功能模块将数据 库进行分离，不同的模块对应不同的数据库或者表，再按照一 定的策略对某个页面或者功能进行更小的数据库散列，比如用 户表，按照用户 ID 进行表散列，这样就能够低成本的提升系 统的性能并且有很好的扩展性。sohu 的论坛就是采用了这样 的架构，将论坛的用户、设置、帖子等信息进行数据库分离，然后对帖子、用户按照板块和 ID 进行散列数据库和表，最终可 以在配置文件中进行简单的配置便能让系统随时增加一台低 成本的数据库进来补充系统性能。
4. 缓存
缓存一词搞技术的都接触过，很多地方用到缓存。网站架 构和网站开发中的缓存也是非常重要。这里先讲述最基本的两 种缓存。高级和分布式的缓存在后面讲述。
架构方面的缓存，对 Apache 比 较 熟 悉 的人都 能 知 道 Apache 提供了自己的缓存模块，也可以使用外加的 Squid 模块 进行缓存，这两种方式均可以有效的提高 Apache 的访问响应 能力。
网站程序开发方面的缓存，Linux上提供的 Memory Cache 是常用的缓存接口，可以在 web 开发中使用，比如用 Java 开发的时候就可以调用 MemoryCache 对一些数据进行缓存和通讯共享，一些大型社区使用了这样的架构。另外，在使用 web语言开发的时候，各种语言基本都有自己的缓存模块和方法， PHP有 Pear 的 Cache 模块，Java 就更多了，.net不是很熟悉，相信也肯定有。
5. 镜像
镜像是大型网站常采用的提高性能和数据安全性的方式， 镜像的技术可以解决不同网络接入商和地域带来的用户访问速度差异，比如 ChinaNet 和 EduNet 之间的差异就促使了很多 网站在教育网内搭建镜像站点，数据进行定时更新或者实时更 新。在镜像的细节技术方面，这里不阐述太深，有很多专业的现成的解决架构和产品可选。也有廉价的通过软件实现的思路， 比如 Linux上的 rsync 等工具。
6. 负载均衡
负载均衡将是大型网站解决高负荷访问和大量并发请求 采用的终极解决办法。 负载均衡技术发展了多年，有很多专业的服务提供商和产品可以选择，我个人接触过一些解决方法，其中有两个架构可以给大家做参考。
6.1 硬件四层交换
第四层交换使用第三层和第四层信息包的报头信息，根 据应用区间识别业务流，将整个区间段的业务流分配到合适 的应用服务器进行处理。 第四层交换功能就象是虚 IP，指向物理服务器。它传输的业务服从的协议多种多样，有 HTTP、 FTP、NFS、Telnet 或其他协议。这些业务在物理服务器基础上， 需要复杂的载量平衡算法。在 IP 世界，业务类型由终端 TCP 或 UDP 端口地址来决定，在第四层交换中的应用区间则由源 端和终端 IP 地址、TCP和UDP端口共同决定。 在硬件四层交换产品领域，有一些知名的产品可以选择， 比如 Alteon、F5 等，这些产品很昂贵，但是物有所值，能够提 供非常优秀的性能和很灵活的管理能力。Yahoo中国当初接近2000台服务器使用了三四台 Alteon就搞定了。
6.2 软件四层交换
大家知道了硬件四层交换机的原理后，基于 OSI 模型来 实现的软件四层交换也就应运而生，这样的解决方案实现的 原理一致，不过性能稍差。但是满足一定量的压力还是游刃有 余的，有人说软件实现方式其实更灵活，处理能力完全看你配置的熟悉能力。
软件四层交换我们可以使用 Linux上常用的 LVS 来解决， LVS 就是 Linux Virtual Server，他提供了基于心跳线 heartbeat 的实时灾难应对解决方案，提高系统的鲁棒性，同时可供了灵 活的虚拟 VIP 配置和管理功能，可以同时满足多种应用需求， 这对于分布式的系统来说必不可少。
一个典型的使用负载均衡的策略就是，在软件或者硬件 四层交换的基础上搭建 squid 集群，这种思路在很多大型网站 包括搜索引擎上被采用，这样的架构低成本、高性能还有很强 的扩张性，随时往架构里面增减节点都非常容易。
7.结语
对于大型网站来说，前面提到的每个方法可能都会被同 时使用到，本人这里介绍得比较浅显，具体实现过程中很多细 节还需要大家慢慢熟悉和体会，有时一个很小的 squid 参数或 者 apache 参数设置，对于系统性能的影响就会很大。