阿里开发者招聘节 | 面试题09

  • 时间:
  • 浏览:1

资料二:能查到对鹿晗微博的分析

Tweet 第二版

为每另另1个 用户维护另另1个 时间线,每另另1个 人发了tweet,前会 推送到他的followee上,哪些地方地方用户都更新太多人的时间线,上放缓存

哪些地方地方难题?

另另1个 大明星更新情况,还要给几千万的用户作推送,太多tweet的目标是5s内完成,这人 不太现实

 后面 环节

2017 鹿晗关晓彤 46 100 2100

2019 鹿晗 100 16 45

2019 范冰冰 20 25 103

还要看过,这人 微博的覆盖人次,有8亿人,这人 肯定蕴含太多非活跃用户,肯能收到热门事件影响,几瓶非活跃用户冷启动加载数据,数据库随便说说扛不住

说明不用评论击穿到数据库,随便说说是服务降级了,肯能后续还要通过更细粒度的热门微博评论控制提升服务质量

太多人 不考虑新浪后台的过滤,100万的转发,8万的评论,48万的点赞

微博用户目前在5亿左右,日活1.6亿,但这1.6亿在全天的登录,会有高峰,但不至于很大差别。

太多人 以后提到,大每段的普通用户是单独的时间线维护,不肯能把所有的用户所有时间线详细缓存

Feed多次缓存架构

用户分析

以下分析,纯属我太多人查阅资料架构设计 后的猜测评估

 数据库和缓存

按理说新浪的微博肯定会有良好的缓存设计,但新浪涉及到的数据有太多

由新浪微博崩溃想开的

前言:微博又崩了,这是每当娱乐圈小说哪些地方地方热点新闻时,常常再次出现的情况,从鹿晗关晓彤在一齐,到最近范冰冰李晨,新浪微博作为大厂,为哪些地方这人 难题越来越 多年还屡屡再次出现?

比较四根2019年鹿晗的比较热门的微博

如短时间几瓶的RPC调用,技术服务,列表长度,消息队列等几瓶环节,另另1个 个尽我所能分析

微博宕机分析

首先,定性的讲,微博崩溃肯定是肯能短时间,访问过于密集导致 的。但肯能不足英文数据,无法比较平时和高峰时,具体的数据差异,但从有限的资料可知

2017年服务宕机,微博找阿里云临时调配100台服务器,才最终扛过压力可知,这人 差异是很大的

关于微博

微博的整体负载量级

微博平时的量级:日活1.6亿,平台接口日 百亿级别 cache 内存百T级 cache 访问万亿级

核心记录千亿级 单个核心数据 cache qps 百万级

选者选者还是选者

100w*75

假设MQ使用kafka,10w/s的防止性能,假设消费者性能跟得上的情况下,约5分钟。肯能考虑到消费者更新太多人时间线的消耗,但实际每个用户更新太多人的时间线,肯能先更新缓存,再异步落库,应该还要解耦,使得缓存提供服务

关于鹿晗和关晓彤事件的相关信息

2017年鹿晗关晓彤事件,新浪从阿里云服务器临时增加100台机器抗住了压力

最终结果那四根微博为 转发48万次,评论100万,点赞2100万

鹿晗的最新粉丝数:10000万 关晓彤2100万

太多人 先假设新浪微博和tweet技术方案一致进行分析,另另1个 明星发微博,随便说说太多在中心时间线加入了四根数据,在良好缓存机制情况下,应该太多儿难题都越来越 。

看上去数量级上,相差太多太多,为哪些地方太多导致 新浪崩溃,太多反而没难题呢?

参考以后新浪的数据量,所有的数据详细缓存肯定是不肯能的,继续分析

整个微博的转发,评论,点赞等,会涉及到几瓶的后面 环节

Tweet最终版

为大每段人采用维护单独时间线的方法,平均另另1个 人71个followee,但为大V等人,采用单独的服务器,采用方案1的中心时间线, 每另另1个 用户读取tweets的以后, merge太多人的时间线和大V的中心时间线,最终返回

微博的整体架构

太多人 先假设微博把5亿用户的前3页内容给缓存起来是哪些地方数量级

考虑到微博一般还要图文,还动不动太多长微博,也假设你有71个好友,每个好友三四天发四根微博,以四根100k计算

5亿75100k=37100T

实际上cache 内存百T级,相差另另1个 数量级,为什么会么会办?更太多还有更多的相关的评论等

四根正常的微博发出来,会发生哪些地方

虚实结合 tweet,这里有了解到架构是:

Tweet 第一版

中心化的tweets,每太多人插入还要那里,读取的以后读取太多人的和太多人follow的,随着规模扩大,无法完成

又太多资料:

资料一:截止目前17点10分,鹿晗关晓彤 的第四根评论的子评论,第二页依旧无法刷新。 显示该评论已被删除,事实上这条评论并未被删除。一般热点数据,首屏还要会缓存的,太多肯能把四根小评论都缓存,代价就太高,太多当访问第二页越来越 被缓存的评论时,会穿透访问数据库,这时肯能服务限流或降级导致 ,越来越 获取到第二页的评论,这以后就展示兜底数据评论被删除。