微博混合云DCP:极端流量下的峰值应对与架构挑战-阿里云开发者社区

开发者社区> 开发与运维> 正文

微博混合云DCP:极端流量下的峰值应对与架构挑战

简介: 在2016杭州云栖大会的“开发者技术峰会”上,来自新浪微博的资深运维架构师王关胜带来题为《微博混合云DCP:极端流量下的峰值应对与架构挑战》的精彩分享,分享中他从微博业务背景及峰值应对、DCP的架构设计挑战、业务上云的标准姿势三部分详细介绍了微博在应对极端流量情况以及架构设计上的经验。

2016杭州云栖大会的“开发者技术峰会”上,来自新浪微博的资深运维架构师王关胜带来题为《微博混合云DCP:极端流量下的峰值应对与架构挑战》的精彩分享,分享中他从微博业务背景及峰值应对、DCP的架构设计挑战、业务上云的标准姿势三部分详细介绍了微博在应对极端流量情况以及架构设计上的经验。

以下内容根据演讲PPT及现场分享整理。


微博业务背景及峰值应对

做为目前最火的国内社交APP,微博常常在特定时间或特定事件发生时迎来流量高峰。通过对近五年时间应对的峰值进行总结,可以抽象为三种常见的峰值:第一种是日常的晚高峰;第二种各种运营活动以及明星、大V的热门微博所带来的流量高峰;第三种是类似王宝强这类非常极端的突发事件导致的核心服务数倍的流量增长。

0933ca2ce2b265328ce1de67ad71885692dd659e

之所以需要关注这三类场景:第一是因为尽管微博的功能众多,但冗余是非常少的,因此早晚高峰需要弹性扩容;第二活动、大V的热点事件能够提前预知,可以提前准备所需资源;第三极端事件是最需要关注的,它对系统的自动化程度要求非常高。

这三类场景可以简单总结为两大特点:瞬间峰值高、互动时间短。在应对流量峰值时,微博面临着以下三点挑战:

  1. 产品迭代快,目前微博的现状是功能多,依赖复杂,导致发布和变更频繁;
  2. 运营上,站内外,活动、运营、大V均有Push场景,导致全量极速下发,互动时间短;
  3. 技术上存在突发的极端流量,目前热点多,“马航”、“王宝强”等事件十分考验服务的弹性伸缩。

那么在应对流量峰值时,应该主要关注哪些方面呢?

 

 

e64e85d1f4506ca83fe276d27a9eb6127e0c3c43

第一点是快速扩容、及时回收,这考验的是系统的弹性扩容、峰值应对的能力,这也是系统设计的最核心的目标;第二点要注意成本优化,可伸缩的业务利用公有云,私有云内弹性部署;第三点是运维标准化,微博流量来源主要是PC端和移动端,但两者的开发语言是不同的,因此系统需要打通多语言环境,通过Docker实现全公司统一平台;第四点,由于业务迭代快速迭代,因此基础设施需要标准化,以供公有云和私有云使用。

b7d82241dda05ba9f2fb27bed2b228280feeb870

传统的峰值应对手段第一步需要设备申请,项目评审;第二步需要入CMDB,上架装机;之后需要设备录入资源池,机器初始化;第三步需要运维人员进行服务部署,包括环境、监控、服务部署和流量引入;当流量峰值下降时,还需要服务自动下线以及设备置换或下架。整个链路十分冗长,大部分操作需要人工介入,而且依赖于企业内不同部门相互配合,在业务快速发展的今天,传统应对峰值的手段显然已经过时。

 

5843d33e8a65ca8d34bbda2757c0a48848fa4773

目前,微博采用的是DCP的弹性伸缩方案来应对流量峰值,具体架构如上图所示。架构内部主要采用私有云,早期采用物理机部署,通过化零为整建立冗余池;此外通过OpenStack+KVM的虚拟化方式进行资源整合,建立VM池。在公有云方面,通过采用阿里云等设施进行多云对接。

建立统一的设备资源管理池后,下一步需要考虑的是服务部署、资源调度等问题。目前,微博采用的是基于Docker的云化架构:业务上,由于部分业务并非无缝迁移到该架构上,这时需要对业务进行微服务化、消息化等改造;平台上,需要部署敏捷基础设施,打通持续集成平台以及实现多租户隔离、弹性伸缩、故障自愈等能力。

87f82828b4aff7fe1e891dc9bde84882b498eb99

除了公有云具有弹性伸缩能力之外,私有云也可以具有弹性。公司内某个部门可能就有很多业务,如果每个业务都保留很多冗余则会导致资源的大量闲置浪费。微博采用的是将每个业务的冗余拿出来放到共用的共享池内,当业务有需求时,从共享池内申请冗余;使用完成后归还申请的服务器,通过这种方式实现私有云的弹性伸缩。

在应对流量峰值时,除了上文提到的弹性伸缩系统,还需要统一的监控平台、核心链路服务自动伸缩、预案&干预手段相互配合,以保障峰值服务正常运行。


DCP的架构设计挑战

8ddc9c9fba8ced94285d9478b960730d45af98e2

上图是微博的DCP整体架构图,最底层是物理主机资源;第二层是资源调度层;第三层是编排层,主要包括一些常见的自动化操作;最上层是业务层,由多种语言混合开发;架构的右侧是主要的基础设施。

在架构设计中面临的核心挑战主要包括三点:

  •  镜像分发,包括镜像优化和分发速度的优化;
  •  隔离设计,包括平台层隔离和部署/实例隔离;
  •  弹性伸缩,包括自动扩缩容和故障转移。

挑战一:镜像分发——镜像优化

 

5e7b480f6a8cf709567f7ef22840f35d2284cb3c

镜像优化主要从两点入手:一是镜像制作优化;二是仓库部署优化。在镜像制作时,采用镜像分层,逐层复用,其次制作一些微镜像,用于分发速度提高。仓库部署优化,当业务集群访问Registry时,从早期的本地存储镜像改进为分布式存储,同时在阿里云上部署大量镜像缓存Mirror。

镜像分发——分发速度

1a4a165eb117239f3e775f050242404cf29e0edd

由于弹性伸缩大部分是在公有云上实现的,因此对镜像请求最大的也是在阿里云上,通过在阿里云上以级联的方式部署大量的Mirror,加快镜像分发速度。

常规情况下,部署几台Mirror即可,当弹性扩缩容时,将Registry横向扩容,作为业务扩容的依赖,业务扩容根据一定的配比关系,先将Registry进行扩容以及镜像的预热。这其中优势在于:

  •  Registry进行分级部署,常时只部署一部分,扩容时进行大批量横向部署;
  •  将每一个Registry的带宽优化,这是因为Mirror是部署在ECS上,而ECS单机的PPS和带宽都是有一定限制的。

整体架构的目标是实现分发速度千台规模分钟级,未来的方向是在扩容层面支持P2P的镜像拉取方式。

挑战二:隔离设计——隔离模型

b3397c921ff1ffb7dfd813d5468fc02122a048b0

隔离又分为平台上隔离、部署上隔离和实例上隔离三种。平台上隔离是指一个集群对应一个部门,例如微博平台、红包飞等有各自对应的大集群,内部的业务在下一级进行隔离;部署上隔离是指同一业务需要在不同机房部署,例如一个Feed业务在几个内部机房都有部署;实例上隔离主要是指CPU、MEM等通用的资源上进行隔离。隔离模型的右侧是资源共享池,作为全局共享池和集群Buffer池。

隔离设计——平台层设计

4361edfa9117c0ddafc1310c0744a348a1a9fd3c

在隔离模型中,平台层设计如上图所示。最上层用于接入业务,根据业务模型去定制一类的扩缩容、Job操作,如Java类、PHP类、大数据类;其次对外提供了丰富的GUI页面以及REST API用于用户操作。

接入层之下是平台层设计的最核心的部分。如上文所讲,一个产品线对应一个集群,将产品线上的业务场景抽象成定制化的模板、原子型API、任务实例和环境变量,然后再进行隔离设计,形成产品线的扩缩容流程。在底层的单个节点上采用根容器存放业务中通用的部分,如系统资源的监控。

隔离设计——平台用户操作规范

79284a1b37c69b316045b0a22c2e94ae25287948

由于对平台进行了隔离设计,为不同的管理员规定了不同的操作范围。在系统中,管理员主要分为超级管理员、集群管理员、服务池管理员三种,三种管理员的操作权限如上图所示,这里不再一一叙述。

挑战三:弹性伸缩——“无人值守”的扩缩容

e5c01dc5532f6eeed9ce9a0165f1375cd3db621b

在应对流量峰值时,单单依靠管理员进行人工操作是远不够的,因此“无人值守”的自动化扩缩容显得十分必要。要实现“无人值守”的扩缩容,首先内部的工具系统需要实现自动化,各系统之间通过API打通,实现全部系统间的联动。

运维自动化包含业务指标和容量指标监控,将产生的数据提供给容量决策系统,在容量决策系统的决策下,实现从运维自动化进化为无人值守的扩缩容。

“无人值守”的三个核心在于弹性伸缩、故障迁移和服务自动回收,与之对应的是模板中原子型API(平台提供了第一版可用的原子型API,业务方也可以自定义所需的原子型API)。

弹性伸缩——扩容模板

19293ef2e06224a5bad26d1d8f9553e9c1246355

如上图所示,在平台扩容时管理员需要向混合云平台发起请求;平台进行资源评估,如果配额足够,可以按照配额量申请;如果配额不够时,需要申请配额,防止资源滥用。

当申请到设备之后,需要调用系统内部的基础设施、配管系统等进行初始化操作,然后在调度中心发起容器调度、部署服务,服务部署之后会注册到Consul集群中。如果服务想对外提供服务,还需要将其接入统一负载均衡系统中,进行服务发现。最后一步需要添加监控中心。

要将上述步骤自动化,需要将这些步骤抽象成原子型API任务,然后在这些任务之上进行自动化模板设计。

37c3027451fc36f7555661e7b14e87b8cca52fbc

原子型API任务是通过原子型API任务系统Dispatch完成的,它是由新浪自主研发的,采用C++编写,它在每个机器上都有一个Agent,在中心化组件Dispatch端根据任务模板定义任务,具体的任务细节在任务脚本中设计,最终对外提供成API。

弹性伸缩——容量决策

f8fa6e02432ab848cf59293b6344f129de7c7550

当前有两种容量决策方式:第一种是定时触发,根据自动压测的指标、数据、经验值触发进行;第二种是自动进行,通过分析业务指标,对容量预估,进行同比、环比分析自动进行扩缩容操作。

弹性伸缩——调度编排

17ba4d9fd55d706c558bb1f618b414f8b1350459

上图是定时触发和自动触发的调度编排图,所有的数据存入Consul集群,通过CronTrigger模块定时检测是否有新任务产生,当有新任务产生时,通过Scheduler组件进行详细操作,最终对接服务发现系统。系统的输入是容量决策的数据,输出是扩容之后的业务池。

 

业务上云的标准姿势

8a8a43b5ac1d964e2c117920145f226d3ad27c5b 

业务上云时,需要考量以下四点:

  •  安全上,如何解决敏感数据的存储问题;
  •  部署上,如何解决业务依赖问题;
  •  数据上,如何实现数据同步;
  •  自动化,如何实现弹性伸缩。

目前的上云标准姿势有两种:一是混合云;二是XaaS。

c15e4f9f5a16aa2a7ebc8fec253a3ad475205919

在混合云架构中,核心关键是专线,它是实现内部与公有云之间弹性的核心。目前微博和阿里云之间已经拉通了多条专线,日常的核心消息通过多机房的消息组件同步到阿里云缓存中,实现前端层面和缓存层面的弹性伸缩。

在混合云的模式下,微博目前采用了两种部署方案。

8f27e354fcc9488d34e41d504fcd790a9d4d6dd1

第一种如上图所示,除DB不在阿里云部署,其他整个链路全部部署在阿里云上。

132526db5dc8e0083fea020c693d9596f27f163f

第二种部署方案无需在阿里云上启用SLB、Nginx等服务,直接把阿里云中启用的容器放在内部的四/七层服务中。目前在微博中,主要使用第二种部署方案。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
开发与运维
使用钉钉扫一扫加入圈子
+ 订阅

集结各类场景实战经验,助你开发运维畅行无忧

其他文章