扛住 100 億次請求？我們來試一試

yummy 7年前發布 | 17K 次閱讀 服務器 分布式/云計算/大數據

扛住100億次請求？我們來試一試

1. 前言

前幾天，偶然看到了 《扛住100億次請求——如何做一個“有把握”的春晚紅包系統”》（ url ）一文，看完以后，感慨良多，收益很多。正所謂他山之石，可以攻玉，雖然此文發表于2015年,我看到時已經是2016年末，但是其中的思想仍然是可以為很多后端設計借鑒，。同時作為一個工程師，看完以后又會思考，學習了這樣的文章以后，是否能給自己的工作帶來一些實際的經驗呢？所謂紙上得來終覺淺，絕知此事要躬行，能否自己實踐一下100億次紅包請求呢？否則讀完以后腦子里能剩下的東西 不過就是100億 1400萬QPS整流 這樣的字眼，剩下的文章將展示作者是如何以此過程為目標，在本地環境的模擬了此過程。

實現的目標: 單機支持100萬連接，模擬了搖紅包和發紅包過程，單機峰值QPS 6萬，平穩支持了業務。

注：本文以及作者所有內容，僅代表個人理解和實踐，過程和微信團隊沒有任何關系，真正的線上系統也不同，只是從一些技術點進行了實踐，請讀者進行區分。

2. 背景知識

QPS: Queries per second 每秒的請求數目

PPS：Packets per second 每秒數據包數目

搖紅包：客戶端發出一個搖紅包的請求，如果系統有紅包就會返回，用戶獲得紅包

發紅包：產生一個紅包里面含有一定金額，紅包指定數個用戶，每個用戶會收到紅包信息，用戶可以發送拆紅包的請求，獲取其中的部分金額。

3. 確定目標

在一切系統開始以前，我們應該搞清楚我們的系統在完成以后，應該有一個什么樣的負載能力。

3.1 用戶總數:

通過文章我們可以了解到接入服務器638臺, 服務上限大概是14.3億用戶， 所以單機負載的用戶上限大概是14.3億/638臺=228萬用戶/臺。但是目前中國肯定不會有14億用戶同時在線，2016年Q2 微信用戶大概是8億，月活在5.4 億左右。所以在2015年春節期間，雖然使用的用戶會很多，但是同時在線肯定不到5.4億。

3.2. 服務器數量：

一共有638臺服務器，按照正常運維設計，我相信所有服務器不會完全上線，會有一定的硬件冗余，來防止突發硬件故障。假設一共有600臺接入服務器。

3.3 單機需要支持的負載數：

每臺服務器支持的用戶數：5.4億/600 = 90萬。也就是平均單機支持90萬用戶。如果真實情況比90萬更多，則模擬的情況可能會有偏差，但是我認為QPS在這個實驗中更重要。

3.4. 單機峰值QPS：

文章中明確表示為1400萬QPS.這個數值是非常高的，但是因為有600臺服務器存在，所以單機的QPS為 1400萬/600= 約為2.3萬QPS, 文章曾經提及系統可以支持4000萬QPS，那么系統的QPS 至少要到4000萬/600 = 約為 6.6萬, 這個數值大約是目前的3倍，短期來看并不會被觸及。但是我相信應該做過相應的壓力測試。

3.5. 發放紅包：

文中提到系統以5萬個每秒的下發速度，那么單機每秒下發速度50000/600 ＝83個/秒,也就是單機系統應該保證每秒以83個的速度下發即可。

最后考慮到系統的真實性，還至少有用戶登錄的動作，拿紅包這樣的業務。真實的系統還會包括聊天這樣的服務業務。

最后整體的看一下 100億次搖紅包這個需求，假設它是均勻地發生在春節聯歡晚會的4個小時里，那么服務器的QPS 應該是10000000000/600/3600/4.0=1157. 也就是單機每秒1000多次，這個數值其實并不高。如果完全由峰值速度1400萬消化 10000000000/(1400*10000) = 714秒，也就是說只需要峰值堅持11分鐘，就可以完成所有的請求。可見互聯網產品的一個特點就是峰值非常高，持續時間并不會很長。

從單臺服務器看.它需要滿足下面一些條件

1. 支持至少100萬連接用戶

2. 每秒至少能處理2.3萬的QPS，這里我們把目標定得更高一些 分別設定到了3萬和6萬。

3. 搖紅包：支持每秒83個的速度下發放紅包，也就是說每秒有2.3萬次搖紅包的請求，其中83個請求能搖到紅包，其余的2.29萬次請求會知道自己沒搖到。當然客戶端在收到紅包以后，也需要確保客戶端和服務器兩邊的紅包數目和紅包內的金額要一致。因為沒有支付模塊，所以我們也把要求提高一倍，達到200個紅包每秒的分發速度

4. 支持用戶之間發紅包業務，確保收發兩邊的紅包數目和紅包內金額要一致。同樣也設定200個紅包每秒的分發速度為我們的目標。

想完整模擬整個系統實在太難了，首先需要海量的服務器，其次需要上億的模擬客戶端。這對我來說是辦不到，但是有一點可以確定，整個系統是可以水平擴展的，所以我們可以模擬100萬客戶端，在模擬一臺服務器 那么就完成了1/600的模擬。

和現有系統區別：

和大部分高QPS測試的不同，本系統的側重點有所不同。我對2者做了一些對比。

  常見高QPS系統壓力測試 本系統壓力測試
連接數 一般<1000 （幾百以內） 1000000 (1百萬)
單連接吞吐量 非常大 每個連接幾十M字節吞吐 非常小 每個連接每次幾十個字節
需要的IO次數 不多 非常多

4. 基礎軟件和硬件

4.1軟件：

Golang 1.8r3 , shell, python (開發沒有使用c++ 而是使用了golang, 是因為使用golang 的最初原型達到了系統要求。雖然golang 還存在一定的問題，但是和開發效率比，這點損失可以接受)

服務器操作系統:

Ubuntu 12.04

客戶端操作系統:

debian 5.0

4.2硬件環境

服務端： dell R2950。 8核物理機，非獨占有其他業務在工作，16G內存。這臺硬件大概是7年前的產品，性能應該不是很高要求。

服務器硬件版本：

服務器CPU信息：

客戶端： esxi 5.0 虛擬機,配置為4核 5G內存。一共17臺，每臺和服務器建立6萬個連接。完成100萬客戶端模擬

5. 技術分析和實現

5.1) 單機實現100萬用戶連接

這一點來說相對簡單，筆者在幾年前就早完成了單機百萬用戶的開發以及操作。現代的服務器都可以支持百萬用戶。

5.2) 3萬QPS

這個問題需要分2個部分來看客戶端方面和服務器方面。

客戶端QPS

因為有100萬連接連在服務器上，QPS為3萬。這就意味著每個連接每33秒，就需要向服務器發一個搖紅包的請求。因為單IP可以建立的連接數為6萬左右， 有17臺服務器同時模擬客戶端行為。我們要做的就保證在每一秒都有這么多的請求發往服務器即可。

其中技術要點就是客戶端協同。但是各個客戶端的啟動時間，建立連接的時間都不一致，還存在網絡斷開重連這樣的情況，各個客戶端如何判斷何時自己需要發送請求，各自該發送多少請求呢？

我是這樣解決的：利用NTP服務，同步所有的服務器時間，客戶端利用時間戳來判斷自己的此時需要發送多少請求。

算法很容易實現：

假設有100萬用戶，則用戶id 為0-999999.要求的QPS為5萬， 客戶端得知QPS為5萬，總用戶數為100萬，它計算 100萬/5萬=20，所有的用戶應該分為20組，如果 time() % 20 == 用戶id % 20，那么這個id的用戶就該在這一秒發出請求，如此實現了多客戶端協同工作。每個客戶端只需要知道 總用戶數和QPS 就能自行準確發出請求了。

（擴展思考：如果QPS是3萬 這樣不能被整除的數目，該如何辦？如何保證每臺客戶端發出的請求數目盡量的均衡呢？）

服務器QPS

服務器端的QPS相對簡單，它只需要處理客戶端的請求即可。但是為了客觀了解處理情況，我們還需要做2件事情。

第一: 需要記錄每秒處理的請求數目，這需要在代碼里埋入計數器。

第二: 我們需要監控網絡，因為網絡的吞吐情況，可以客觀的反映出QPS的真實數據。為此，我利用python腳本 結合ethtool 工具編寫了一個簡單的工具，通過它我們可以直觀的監視到網絡的數據包通過情況如何。它可以客觀的顯示出我們的網絡有如此多的數據傳輸在發生。

工具截圖：

5.3) 搖紅包業務

搖紅包的業務非常簡單，首先服務器按照一定的速度生產紅包。紅包沒有被取走的話，就堆積在里面。服務器接收一個客戶端的請求，如果服務器里現在有紅包就會告訴客戶端有，否則就提示沒有紅包。

因為單機每秒有3萬的請求，所以大部分的請求會失敗。只需要處理好鎖的問題即可。

我為了減少競爭，將所有的用戶分在了不同的桶里。這樣可以減少對鎖的競爭。如果以后還有更高的性能要求，還可以使用 高性能隊列——Disruptor來進一步提高性能。

注意，在我的測試環境里是缺少支付這個核心服務的，所以實現的難度是大大的減輕了。另外提供一組數字：2016年淘寶的雙11的交易峰值僅僅為12萬/秒，微信紅包分發速度是5萬/秒，要做到這點是非常困難的。

5.4) 發紅包業務

發紅包的業務很簡單，系統隨機產生一些紅包，并且隨機選擇一些用戶，系統向這些用戶提示有紅包。這些用戶只需要發出拆紅包的請求，系統就可以隨機從紅包中拆分出部分金額，分給用戶，完成這個業務。同樣這里也沒有支付這個核心服務。

5.5）監控

最后 我們需要一套監控系統來了解系統的狀況，我借用了我另一個項目里的部分代碼完成了這個監控模塊，利用這個監控，服務器和客戶端會把當前的計數器內容發往監控，監控需要把各個客戶端的數據做一個整合和展示。同時還會把日志記錄下來，給以后的分析提供原始數據。 線上系統更多使用opentsdb這樣的時序數據庫，這里資源有限,所以用了一個原始的方案

監控顯示日志大概這樣

6. 代碼實現及分析

在代碼方面，使用到的技巧實在不多，主要是設計思想和golang本身的一些問題需要考慮。

首先golang的goroutine 的數目控制，因為至少有100萬以上的連接，所以按照普通的設計方案，至少需要200萬或者300萬的goroutine在工作。這會造成系統本身的負擔很重。

其次就是100萬個連接的管理，無論是連接還是業務都會造成一些心智的負擔。

我的設計是這樣的：

首先將100萬連接分成多個不同的SET，每個SET是一個獨立，平行的對象。每個SET 只管理幾千個連接，如果單個SET 工作正常，我只需要添加SET就能提高系統處理能力。

其次謹慎的設計了每個SET里數據結構的大小，保證每個SET的壓力不會太大，不會出現消息的堆積。

再次減少了gcroutine的數目，每個連接只使用一個goroutine,發送消息在一個SET里只有一個gcroutine負責，這樣節省了100萬個goroutine。這樣整個系統只需要保留 100萬零幾百個gcroutine就能完成業務。大量的節省了cpu 和內存

系統的工作流程大概如下：

每個客戶端連接成功后，系統會分配一個goroutine讀取客戶端的消息，當消息讀取完成，將它轉化為消息對象放至在SET的接收消息隊列，然后返回獲取下一個消息

在SET內部，有一個工作goroutine，它只做非常簡單而高效的事情，它做的事情如下，檢查SET的接受消息，它會收到3類消息

1， 客戶端的搖紅包請求消息

2， 客戶端的其他消息 比如聊天 好友這一類

3， 服務器端對客戶端消息的回應

對于 第1種消息 客戶端的搖紅包請求消息 是這樣處理的，從客戶端拿到搖紅包請求消息，試圖從SET的紅包隊列里 獲取一個紅包，如果拿到了就把紅包信息 返回給客戶端，否則構造一個沒有搖到的消息，返回給對應的客戶端。

對于第2種消息 客戶端的其他消息 比如聊天 好友這一類，只需簡單地從隊列里拿走消息，轉發給后端的聊天服務隊列即可，其他服務會把消息轉發出去。

對于第3種消息 服務器端對客戶端消息的回應。SET 只需要根據消息里的用戶id，找到SET里保留的用戶連接對象，發回去就可以了。

對于紅包產生服務，它的工作很簡單，只需要按照順序在輪流在每個SET的紅包產生對列里放至紅包對象就可以了。這樣可以保證每個SET里都是公平的，其次它的工作強度很低，可以保證業務穩定。

7實踐

實踐的過程分為3個階段

階段1：

分別啟動服務器端和監控端，然后逐一啟動17臺客戶端，讓它們建立起100萬的鏈接。在服務器端，利用ss 命令 統計出每個客戶端和服務器建立了多少連接。

命令如下：

Alias ss2=Ss –ant | grep 1025 | grep EST | awk –F: “{print \$8}” | sort | uniq –c’

結果如下：

階段2：

利用客戶端的http接口，將所有的客戶端QPS 調整到3萬，讓客戶端發出3W QPS強度的請求。

運行如下命令：

觀察網絡監控和監控端反饋，發現QPS 達到預期數據

網絡監控截圖

在服務器端啟動一個產生紅包的服務，這個服務會以200個每秒的速度下發紅包，總共4萬個。此時觀察客戶端在監控上的日志，會發現基本上以200個每秒的速度獲取到紅包。

等到所有紅包下發完成后，再啟動一個發紅包的服務，這個服務系統會生成2萬個紅包，每秒也是200個，每個紅包隨機指定3位用戶，并向這3個用戶發出消息，客戶端會自動來拿紅包，最后所有的紅包都被拿走。

階段3

利用客戶端的http接口，將所有的客戶端QPS 調整到6萬，讓客戶端發出6W QPS強度的請求。

如法炮制，在服務器端，啟動一個產生紅包的服務，這個服務會以200個每秒的速度下發紅包。總共4萬個。此時觀察客戶端在監控上的日志，會發現基本上以200個每秒的速度獲取到紅包。

等到所有紅包下發完成后，再啟動一個發紅包的服務，這個服務系統會生成2萬個紅包，每秒也是200個，每個紅包隨機指定3位用戶，并向這3個用戶發出消息，客戶端會自動來拿紅包，最后所有的紅包都被拿走。

最后，實踐完成。

8 分析數據

在實踐過程中，服務器和客戶端都將自己內部的計數器記錄發往監控端，成為了日志。我們利用簡單python 腳本和gnuplt 繪圖工具，將實踐的過程可視化，由此來驗證運行過程。

第一張是 客戶端的QPS發送數據

這張圖的橫坐標是時間，單位是秒，縱坐標是QPS，表示這時刻所有客戶端發送的請求的QPS。

圖的第一區間，幾個小的峰值，是100萬客戶端建立連接的， 圖的第二區間是3萬QPS 區間，我們可以看到數據 比較穩定的保持在3萬這個區間。最后是6萬QPS區間。但是從整張圖可以看到QPS不是完美地保持在我們希望的直線上。這主要是以下幾個原因造成的

  1. 當非常多goroutine 同時運行的時候，依靠sleep 定時并不準確，發生了偏移。我覺得這是golang本身調度導致的。當然如果cpu比較強勁，這個現象會消失。
  2. 因為網絡的影響，客戶端在發起連接時，可能發生延遲，導致在前1秒沒有完成連接。
  3. 服務器負載較大時，1000M網絡已經出現了丟包現象，可以通過ifconfig 命令觀察到這個現象，所以會有QPS的波動。

第二張是 服務器處理的QPS圖

和客戶端的向對應的，服務器也存在3個區間，和客戶端的情況很接近。但是我們看到了在大概22：57分，系統的處理能力就有一個明顯的下降，隨后又提高的尖狀。這說明代碼還需要優化。

整體觀察在3萬QPS區間，服務器的QPS比較穩定，在6萬QSP時候，服務器的處理就不穩定了。我相信這和我的代碼有關，如果繼續優化的話，還應該能有更好的效果。

將2張圖合并起來

基本是吻合的，這也證明系統是符合預期設計的。

這是紅包生成數量的狀態變化圖

非常的穩定。

這是客戶端每秒獲取的搖紅包狀態

可以發現3萬QPS區間，客戶端每秒獲取的紅包數基本在200左右，在6萬QPS的時候，以及出現劇烈的抖動，不能保證在200這個數值了。我覺得主要是6萬QPS時候，網絡的抖動加劇了，造成了紅包數目也在抖動。

最后是golang 自帶的pprof 信息，其中有gc 時間超過了10ms, 考慮到這是一個7年前的硬件，而且非獨占模式，所以還是可以接受。

按照設計目標，我們模擬和設計了一個支持100萬用戶，并且每秒至少可以支持3萬QPS，最多6萬QPS的系統，簡單模擬了微信的搖紅包和發紅包的過程。可以說達到了預期的目的。

如果600臺主機每臺主機可以支持6萬QPS，只需要7分鐘就可以完成 100億次搖紅包請求。

雖然這個原型簡單地完成了預設的業務，但是它和真正的服務會有哪些差別呢？我羅列了一下

區別 真正服務 本次模擬
業務復雜 更復雜 非常簡單
協議 Protobuf 以及加密 簡單的協議
支付 復雜 無
日志 復雜 無
性能 更高 無
用戶分布 用戶id分散在不同服務器，需要hash以后統一， 復雜。 用戶id 連續，很多優化使代碼簡單 非常高效
安全控制 復雜 無
熱更新及版本控制 復雜 無
監控 細致 簡單

Refers：

 

來自：https://github.com/xiaojiaqi/10billionhongbaos/wiki/扛住100億次請求？我們來試一試

 

 本文由用戶 yummy 自行上傳分享，僅供網友學習交流。所有權歸原作者，若您的權利被侵害，請聯系管理員。
 轉載本站原創文章，請注明出處，并保留原始鏈接、圖片水印。
 本站是一個以用戶分享為主的開源技術平臺，歡迎各類分享！