這裡談的「大型網站」,指的是高互動、高交易、高資料流動的類型,例如社群與 Web 2.0 網站。基於眾所周知的原因,新聞類與靠靜態化就能解決的架構不在討論範圍。用什麼語言實作也不是重點——語言的價值在於實作能力,但不管你選 PHP、JSP 還是 .NET,架構這關都躲不掉。
小站的資料量用簡單的查詢與更新就能解決,加幾個索引足矣。但大型站每天新增資料可能上百萬筆,一個設計不良的多對多關聯,前期完全看不出問題,隨著用戶增長卻會幾何級惡化。此時對單表做查詢與更新的成本會高得難以接受,更別說多表聯合查詢。
快取是 2.0 網站的萬靈丹,但在高併發下它本身就是難題。快取是全域共享的,當多個請求同時要求更新同一份資料時,處理不當應用程式會直接掛掉。這就需要一套明確的併發與快取策略。另外資料庫死鎖平時感覺不到,高併發時出現機率卻非常高,磁碟快取往往就是引爆點。
支援上傳的站點,除了慶幸硬碟越來越大,更該想檔案怎麼存、怎麼被有效索引。常見做法是依日期與類型分層存放。但在海量小檔案的情況下,一顆硬碟塞進幾百 G 的零碎檔案,維護與讀取時的磁碟 I/O 就是致命傷——頻寬夠也沒用,磁碟響應不過來。若同時還有大量上傳,磁碟很容易直接爆掉。
RAID 與專用儲存設備能解決眼前問題,但各地訪問速度怎麼辦?伺服器在北京,雲南或新疆的用戶延遲如何處理?如果做分散式,檔案索引與整體架構又該怎麼規劃。所以檔案儲存,是個不容易的題目。
我們很容易設計出一個充滿多對多關聯、符合第三正規化的資料庫。但在多對多關係充斥的 2.0 場景裡,第三正規化往往是第一個該被放下的包袱。目標應該是有效降低多表聯合查詢的比例。
索引是提高查詢效率最便宜、最容易的手段。但在高寫入情境下,更新與刪除要付出的代價高得難以想像。我曾遇過更新一個叢集索引花了十分鐘——對線上服務而言這基本無法接受。索引與寫入天生是冤家,這是架構設計中最耗時的一塊。
2.0 網站內容即時變動,CDN 的效果幾乎為零。為了兼顧各地訪問速度,你必須面對資料同步與更新這道大題,而異地伺服器之間的即時通訊,同樣不能迴避。
成也 AJAX,敗也 AJAX。基於 XMLHTTP 的送取資料確實方便,但也正因為太方便,只要用封包工具就能把整個流程看得一清二楚。對於運算量大的請求,寫一支程式反覆發包,就足以把一台 web server 打到躺平。
HTTP 是明文傳輸。有人會說可以加密,但加密的環節本身可能就是弱點——很多協定的加密方式都能被逆向出等效的解法。流量小的時候沒人在意你,流量一旦上來,外掛與群發工具就會跟著出現。你可以用更嚴格的行為判斷甚至 HTTPS 來因應,但代價是大量的資料庫、I/O 與 CPU 成本,而且對職業級的群發幾乎攔不住。
當單台資料庫不堪負荷,就該做負載平衡與叢集。這時最麻煩的是資料基於網路傳輸所產生的延遲,視設計而異,從幾秒到幾分鐘都有可能,而且無法完全避免。因此你需要用其他手段把這段延遲期遮住:資料雜湊、分割、內容快取等等。
OpenAPI 已經是擋不住的趨勢。從 Google、Facebook 到各家社群站,都在思考這件事——它能更有效地留住用戶、激發更多使用情境,也讓更多人幫你擴展生態。此時一個有效率的資料開放平台就變成必備,而在開放介面的同時兼顧安全性與效能,又是另一個必須認真面對的問題。