具备构建横跨全球的分布式服务能力的公司寥寥无几，甚至比拥有核武器的国家还要少。然而，Facebook就是这样的一个公司，它的视频流直播系统Facebook Live就是一个横跨世界的分布式服务。Facebook的CEO Mark Zuckerberg说：
我们做了一个重大决定，把更多的精力集中在视频直播上。因为直播是一种新兴的方式，跟过去五年甚至十年的那些离线视频不一样……我们正迎来视频的新黄金时期。如果把时间快进五年，人们在Facebook上看到的和他们每天分享的大部分内容都是视频，这对我来说一点也不惊奇。
如果你身处广告行业，还有什么比获得源源不断的可作为广告载体的内容更能激动人心？这些内容不拘一格地出现，持续增长，永不停息。谷歌在这上面打起了如意算盘，开始把广告业务的重心压在呈指数级增涨的Web上。
能够体现Facebook在流视频方面具有强大能力的例子，当属那个两人使用橡皮圈撬开一个西瓜的视频。这个视频时长45分钟，高峰时段有80万人同时在线观看，这些观众还给出了30万份评论。对于一个拥有15亿用户的社交网络来说，这样的并发量可以说已经达到了病毒级规模。
2015年的Super Bowl（美国国家美式足球联盟年度冠军赛）有1亿1千4百万观众，其中大概有236万观看的是视频直播。在2015年的E3游戏展期间，Twitch直播系统高峰期用户达到84万。9月16日的共和党辩论在高峰时有92万1千人同时在线观看直播。
这么看来，Facebook也已经是名列前茅了。这里要注意的是，Facebook在同一时间还要处理其它大量的视频流。
有一篇文章引用了Facebook首席产品官Chris Cox的话，他说Facebook：
有超过100人同时工作在Live项目上（刚开始只有12个人，现在有150多人） 希望并发直播流的服务能力可以达到百万级别 希望可以做到单个流支持百万并发用户，还能无缝地支持跨设备、跨地域的视频流服务
Cox说“我们发现这是一个非常具有挑战性的基础设施问题”。如果把我们解决这个问题的细节公之于众应该会很有趣的吧？天啊！不过等等，我们会这么干的！
Federico Larumbe来自Facebook流量团队，他负责的缓存系统支撑着Facebook的CDN和全局负载均衡器。他为我们带来了“横向扩展Facebook Live”的出色演讲，分享了Live的一些工作细节。
下面是我对这次演讲做的笔记，它真的令人印象深刻。
最初的故事
Live是一个可以让人们实时分享视频的新项目。 Live在2015年4月份启动，当时只能通过Mentions使用，作为少数高端人士与他们粉丝之间的互动工具。 在之后的一年里，产品不断改进，协议也在迭代更新。 他们开始使用HLS，也就是HTTP Live Streaming。iPhone开始支持Live，并允许他们使用现有的CDN架构。 同时对RTMP（Real-Time Messaging Protocol）进行调研，RTMP是一个基于TCP的协议。手机端分别有一个视频流和音频流被发送到Live Stream服务器。 优点：RTMP缩短了从广播者到观看者之间的延迟，这个对广播来说意义重大。减少几秒钟的延迟，从用户体验方面来说就是一个很大的改进。 缺点：需要全新的架构，因为它不是基于HTTP的。需要开发新的RTMP代理，这样才能大规模使用。 同时调研了MPEG-DASH（基于HTTP的动态自适应流）。 优点：相比HLS，它可以节省15%的空间。 缺点：它支持自适应比特率，编码质量取决于网络的吞吐量。 2015年12月，在多个国家启动了该项目。
不同的直播视频引起的问题
之前提到的撬西瓜视频的流量模式： 刚开始增涨很快，在几分钟内就超过每秒100个请求，然后持续增涨，直到视频结束。 然后流量呈断崖式下降。 换句话说，流量的形状就像一个尖刺。 直播视频跟一般的视频不一样，它的流量模式呈尖刺状。 直播视频更吸引人，比一般视频会多出3倍以上的浏览量。 直播视频会出现在显眼位置，更有可能被浏览到。 网站的忠实用户会收到通知，所以有更多的人可能会看到视频。 尖刺流量模式会给缓存系统和负载均衡器带来一些问题。 缓存系统问题有可能很多用户同时观看视频直播。这样会造成惊群（Thundering Herd）问题。 尖刺流量模式会给缓存系统带来压力。 视频按秒分段存储，缓存视频分段的服务器有可能在流量高峰时过载。 全局负载均衡问题Facebook的PoP（Point of Presence）服务器分布在世界各地，流量通过全局进行分发。 如何防止高峰流量拖垮PoP是个具有挑战性的问题。
全局架构
视频直播流从主播端到观众端的流程是这样的：
主播在他们的手机上发起一个视频直播。 手机把RTMP流发送到Live Stream服务器上。 Live Stream服务器对视频流进行编码并转成多种比特率。 服务器为每种比特率持续地生成MPEG-DASH分段。 分段被存储在数据中心的缓存里。 分段从数据中心的缓存转发到PoP的缓存里。 观众端接收直播流。 观众端设备上的播放器以一定的速率从PoP缓存里获取分段。
如何横向扩展
在数据中心缓存和PoP缓存之间存在一个多路分发点。用户访问的是PoP缓存，而不是数据中心缓存，而且有很多PoP缓存分布在世界各地。 在每个PoP里也有多路分发机制。 PoP内部被分为两层：一层是HTTP代理，一层是缓存。 用户向HTTP代理请求分段，代理检查分段是否已经在缓存里，如果是，就返回分段，否则请求会被发送到数据中心。 不同的分段被存储在不同的缓存里，这样有助于在多个缓存主机间进行负载均衡。
避免数据中心出现惊群效应
如果所有用户同时对同一个分段发起请求会出现什么情况？ 如果分段不在缓存里，所有请求都会被发送到数据中心。 合并请求。在PoP缓存里使用合并请求可以减少发送请求的数量，这样只有一个请求会被发送给数据中心。其它请求会等待第一个请求返回的响应，然后把数据返回给用户。 增加一个新的缓存层，避免出现热点服务问题。 所有用户向的请求都发给同一个主机会造成该主机过载。 在代理里增加缓存层。只有第一个请求会访问到缓存，代理会处理剩下的请求。
PoP还存在风险，需要全局负载均衡来救场
数据中心的惊群问题得到了解决，但PoP仍然存在风险。Live存在的一个问题是，在PoP达到负载均衡器的负载指标之前，高峰流量已经让PoP发生过载。 每个PoP的服务器数量和连接带宽都是有限的。如何避免PoP在高峰时发生过载？ 一个叫Cartographer的系统把子网跟PoP映射起来，它会对每个子网和PoP之间的延时进行监测。 在知道每个PoP负载的情况下，用户请求会被发送到距离最近的可用PoP上。代理有一个负载计数器记录了它们的负载情况。通过收集这些计数器我们就可以知道每个PoP的负载情况。 现在出现了对PoP处理能力的约束和最小化延迟的优化问题。 控制系统在收集指标和作出反应方面存在延时。 他们把指标收集时间从一分半钟减少到3秒，不过3秒仍然是延迟。 解决方案是对负载进行预测。 他们实现了一个负载评估器，通过前一个负载和当前负载来推断后面的负载。 如果当前负载是增加的，那么评估器如何能推断下一个负载会减弱？ 他们使用了三次样条插值（Cubic Spline Interpolation）功能。 先获得第一个和第二个导数，如果速度是正数，说明负载在增加。如果加速度是负数，那么说明速度在下降，并最终变成零。 三次样条插值可以预测更复杂的流量模式，不仅仅是线性模式。 避免振动。 插值功能同时解决了振动问题。 指标收集和反应出现延迟说明数据已经过时。插值会减小误差，预测更准确，同时减少振动。这样负载就可以接近预设值。 目前的预测是基于前三次的时间间隔，每个间隔30秒，所以得出的结果几乎是实时的。
测试
想办法让PoP过载。 构建一个负载测试服务，为PoP模拟直播流量。 模拟10倍于真实数据的负载。 模拟每次请求一个分片的客户端。 这个测试系统有助于发现和修补负载评估器的漏洞，用以调整配置参数，并验证用于解决惊群问题的缓存层是否工作正常。
上传的可靠性
实时上传视频是一个挑战。 举个使用100Kbps到300Kbps的网络带宽上传视频的例子。 音频需要64Kbps的吞吐量。 标准分辨率的视频需要500Kbps的吞吐量。 手机的自适应码率用于协调视频跟音频之间的吞吐量差值。视频的码率根据实际可用的网络带宽进行调整。 手机根据已通过RTMP上传的字节数和上一个间隔的平均权重来决定上传的码率。
未来的方向
使用推送机制代替轮询机制，在发送分片请求前，使用HTTP/2把分片推送到PoP上。
本文转自d1net（转载）
