如何應對單日十億計Web請求

就在不久之前，AppLovin移動廣告平臺的單一廣告請求數量突破了200億大關——相當于每一秒鐘處理50萬項事務——其如火如荼的發展態勢幫助眾多品牌在激勵現有客戶的同時、從市場中拉攏到了新的買家。那么AppLovin是如何打造出這樣一套有能力應對數百億請求、但又無需對硬件及運維人員進行顯著擴張的基礎設施的呢？

在今天的文章中，我們將共同了解該公司如何發現并選擇采用各類最佳實踐，從而通過技術堆棧進化實現業務規模拓展。

極具成本效率的擴展思路

讓我們首先從規模談起。對于我們這些在AppLovin工作的家伙來說，極具成本效率的規模擴展方案意味著能夠在大幅提升負載處理能力的同時、避免硬件或者人員的線性增長。如果我們只能通過采購雙倍的服務器設備或者將人員數量提高一倍來實現請求處理能力倍增，那么這樣的方案根本沒什么實際意義。由于我們在構建基礎設施時充分考慮到效率拓展需求，因此才能夠在過去一年中將服務器的請求處理數量增加到此前的二十倍。

另一項值得注意的重點在于，對于大規模分布式系統而言，市面上并沒有現成的解決方案可供借鑒。這類系統的構建工作必須使用自定義組件。無論歸屬于哪個行業，技術團隊在建立分布式系統時都需要對選定的組件進行認真評估。除此之外，每一次出現工作負載爆炸式增長的時候，這些組件也需要及時作出調整。

針對這些調整制定規劃意味著基礎設施自身必須擁有出色的靈活性。我們從業務建立之初就充分意識到，移動廣告領域可以說瞬息萬變，而我們則需要打造一套能夠與之相匹配且相適應的靈活基礎設施。我們希望自己的這套基礎設施能夠允許員工針對各類市場需求實現對應的創新活動。舉例來說，如果我們需要進行細節調整，那么只需在現有基礎設施之上直接實施即可、而無需對設施整體進行重新設計。這就是我們工作的核心指導思想。

這套方案也切實帶來了回報。我們最近剛剛將單月信息流量提升了一倍，而讓這一切變成現實的正是我們這套靈活性出眾的基礎設施。

適應性強且具備可擴展能力的實時基礎設施

考慮到上述構建要求，我們所打造的基礎設施堆棧中包含Web服務器、一套實時緩存層、數據庫、分布式消息服務以及大規模并行計算系統。

作為前端的是成百上千臺Web服務器。這些服務器設備用于應答每天來自海量用戶的數十億請求。當每一條請求傳入時，我們需要立刻作出一系列決定，包括是否對其作出應答、為其支付多少成本以及提供哪條廣告作為宣傳內容——整個決定過程大約耗時50毫秒。

接下來我們要做的是將用戶配置信息納入緩存，整套數據庫包含數十億擁有手機設備的用戶。這些信息需要在很段的時間周期內進入可用狀態，從而實現 Web服務器的響應并決定是否為特定廣告請求提供支持。簡而言之，我們需要的是一套分布式緩存層，旨在以實時方式為全部傳入請求提供所需數據。這套緩存層中使用包括Aerospike、Redis以及Memchached在內的多套系統。

除此之外，另有大量分析、報告、數據倉庫以及數據科學功能集需要接入到不同類型的數據庫當中。從宏觀規模角度看，這些功能必須具備分布式能力。為了實現這種分布式機制，我們采用分布式消息或者發布/訂閱消息服務。分布式消息發送機制為我們帶來了以下幾項關鍵優勢：

·我們能夠從任何位置獲取需要的信息。

·我們能夠利用日志文件作為事務單元，從而處理在一秒鐘內處理數以十萬計請求。

·我們能夠為任何服務訂閱方案提供其需要的信息。

上述消息必須被發布到全球世界內的任何位置。其目標位置可能是一套惠普Vertica數據倉庫、MySQL數據庫、Apache Hadoop系統或者一套Apache Storm實時處理系統。分布式消息發送機制可以說是所有實時架構的核心組成部分。

最后，我們需要利用分布式計算體系實現數據處理。擁有分布式計算體系意味著對Hadoop或者Apache Spark等技術方案的運用——這類并行處理系統能夠查看全部數據并通過擴展處理規模龐大的數據負載。

以上列出的所有部件都通過一套分布式日志架構實現對接。這類基于日志架構的基本設計思路在于，它能夠接納多種數據源，利用日志文件作為事務單元并獲取來自全部數據源的信息。舉例來說，一臺廣告服務器可能會記錄下“我是否提供了廣告內容？用戶是否點擊過廣告內容？我是否感知到事務處理？”這一切都將被寫入日志當中，而大量日志信息則匯聚成消息系統。這些日志不斷傳輸、接受處理，最后的匯總數據則被寫入數據庫。全部此類數據都能夠為日志記錄系統所調用，并以訂閱方式交付給任何需要這些數據的服務。

這種架構類型之所以能夠實現創新，是因為我們完全可以將任何組件插入到系統當中。大家可能需要在特定位置插入Aerospike實時數據庫，也可能希望在其它位置使用Vertica。我們必須有能力將全部輸入信息交付給全部不同類型的處理工具。擁有這樣一套基于日志的架構能夠幫助我們通過日志將所有數據源同集中式日志記錄系統對接起來，并最終成為實時訂閱系統的實現基礎。

評估技術選項

對我們這套平臺的評估工作能夠充分展示，為什么擁有具備高度靈活性的基礎設施是如此重要。

我們最初其實選擇了利用PHP語言進行平臺構建。這是一種效率極高的開發方式，而且也很容易找到大量熟悉此類開發任務的編程人員。同樣的道理也適用于MySQL，而考慮到MongoDB作為NoSQL數據庫領域重要成員的崇高地位，我們決定將二者并行使用。當然，作為一家初創企業，我們在起步階段在 Amazon Web Services上構建起平臺的核心主體。但最后，我們利用RabbitMQ來實現自己的發布/訂閱消息機制。

隨著時間的推移，我們已經開始將數據遷移到由Aerospike、Redis、Apache Cassandra、Vertica以及Hadoop系統所共同構成的綜合體系當中。我們完成了由PHP向C++的轉換，而且將消息發布任務由 RabbiMQ轉換到一套定制化Java系統當中。與此同時，我們還成功削減了其它系統的使用數量，將其規模嚴格控制在我們相對易于理解、而工程技術團隊又明白該如何處理的程度上。

新軟件的引進無疑是個成本昂貴的命題。無論是開源軟件還是專有許可軟件，如果大家作出了嘗試但卻沒能收到預期中的效果，那么整個工作就又得退回幾個月之前。因此我們認真對每款產品進行了評估，希望能預先了解其是否物有所值。

我們采取的第一項舉措是審視行業中的其它廠商在使用哪些產品，這些產品又能給我們的現有用例帶來哪些改進。舉例來說，當評估Aerospike時，來自另一家廣告技術企業的工作人員就向我們介紹了他的經驗。我們之后又與四、五家其它Aerospike客戶進行了溝通，并提出“你們的用例跟我們的是否存在相似之處？你們喜歡Aerospike的實際表現嗎？你們對Aerospike還有哪些不滿？”等問題。在此之后，我們還非常關心“如果我將其引入自己的業務體系，是否會還出現什么意想不到的計劃外狀況？”

另一項評估元素則源自開發人員的偏好傾向。這一點在開源項目當中表現得尤為突出，不過在商業產品范疇內也極具指導意義。與此相關的問題包括：“是否已經有開發人員編寫、使用以及為其創建文檔？這款產品是否擁有我們想要的發展軌跡？我身邊的朋友中是否有人正在使用這套系統？如果這是一套開源系統，那我是否需要獨力解決自己面臨的問題？”

舉例來說，我們目前正在對Apache Storm與Apache Spark進行全面比較。這兩個項目都能夠作為實時計算處理系統的實用性解決手段，那么哪一種更受開發人員的青睞呢？在其它因素旗鼓相當的情況下，這一點就顯得非常重要了。

接下來是適應性水平。換句話來說：這套方案能否順暢融入我的系統？舉例而言，如果我們目前所使用的是PHP、Python或者C++，那么這款新軟件能否以原生方式集成到對應語言當中？我們又是否能夠編寫出切實與該組件內API相對接的工具？

除此之外，我們還要深入考量產品出現故障的可能性。特別是在我們的實際案例當中，企業的多座數據中心分布在全球各個位置，最重要的就是在故障出現時及時了解實際情況。某些產品在遭遇意外時不會發出警報作為提醒，這在我們眼中就顯得非常危險。

最后一個需要考慮的問題在于平臺的潛在風險——投入大量資源構建起的方案有可能在后續使用過程中給企業帶來恐怖的額外成本。舉例來說，如果一家企業并沒有以.Net為核心構建業務體系的經驗，那么選擇任何一套與.Net相關的技術平臺都將毫無意義。如果這套技術方案基于Java所打造，那么我們是否擁有對其加以妥善維護的必要資源？如果我們采用的是Amazon Web Services或者Google Compute Engine，那么是否有信心在未來三年內繼續將全部業務依賴于這些云平臺的發展趨勢？

一家企業所采用的技術方案在潛在客戶、合作伙伴或者投資者眼中往往會被視為優勢或者劣勢因素。總而言之，平臺的實施目標在于貼合業務的運營目標，這也應該成為指導我們選擇的根本性原則。