蚂蚁变大象：浅谈常规网站是如何从小变大的（十）（转）
原文：http://blog.sina.com.cn/s/blog_6203dcd60100y9r7.html
【第十三阶段 ：分布式计算和存储的运维设计与考虑】
以上的部分已经从前到后的将系统架构进行了描述，同时针对我们会遇到的问题进行了分析和处理，提出了一些解决方案，以保证我们的系统在不断增长的压力之下，如何的良好运转。
不过，我们很少描述运维相关的工作，以及设计如何和运维相关联。系统运维的成败，直接决定了系统设计的成败。所以系统的运维问题，是设计中必须考虑的问题。特别是当我们有成千上万的（tens of thousands）台机器的时候，运维越发显得重要。因此，在系统设计初期，就应当把运维问题纳入其中来进行综合的考虑。
如果我们用人来管机器，在几台、几十台机器的时候是比较可行的。出了问题，人直接上，搞定！不过，当我们有几百台、几千台、几万台、几十万台机器的时候，我们如果要让人去搞定，那就未见得可行了。
首先，人是不一定靠谱的。即使再聪明可靠的人，也有犯错误的时候。按照一定概率计算，如果我们机器数量变多，那么出错的绝对数量也是很大的。同时，人和人之间的协作也可能会出现问题。另外，每个人的素质也是不一样的。
其次，随着机器数量的膨胀，需要投入更多的人力来管理机器。人的精力是有限的，机器增多以后，需要增加人力来管理机器。这样的膨胀是难以承受的。
再次，人工恢复速度慢。如果出现了故障，人工来恢复的速度是比较慢的，一般至少是分钟级别。这对于要提供7×24小时的服务来说，系统稳定运行的指标是存在问题的。同时，随着机器的增多，机器出问题的概率一定的条件下，绝对数量会变多，这也导致我们的服务会经常处于出错的情况之下。
还有，如果涉及到多地机房，如何来管理还是一个比较麻烦的事情。
如果我们能转换思维，在设计系统的时候，如果能有一套自动化管理的模式，借助电脑的计算能力和运算速度，让机器来管理机器，那我们的工作就轻松了。
比如，我们可以设计一套系统，集成了健康检查、负载均衡、任务调度、自动数据切片、自动数据恢复等等功能，让这套系统来管理我们的程序，一旦出现问题，系统可以自动的发现有问题的机器，并自动修复或处理。
当然以上都是比较理想的情况。凡事没有绝对之说，只是需要尽可能达到一个平衡。
好了，说了这么多的问题，要表述的一点就是：人来管理机器是不靠谱的，我们需要尽量用机器来管理机器！
接下来，我们比较简单的描述一下一个比较理想的自动化管理模型。
我们将我们的系统层次进行初步的划分。
我们将系统粗略的划分为三个层次：访问接入层、逻辑处理层和数据存储层。上一次对下一层进行调用，获取数据，并返回。
因此，如果我们能够做到，说下一层提供给上一层足够可靠的服务，我们就可以简化我们的设计模型了。
好，那如果要提供足够可靠的服务，方便调用的话，应该如何来做呢？
我们可以针对每一层来看。
首先，看看访问接入层：
所有的Web Server和 Private Protocol Server将服务注册到命名和定位服务上。一旦注册后，NLS会定期去检查服务的存活，如果服务宕掉，会自动摘除，并发出报警信息，供运维人员查阅。等服务恢复后，再自动注册。
Virtual Server从NLS获取服务信息，并利用负载均衡策略去访问对应的后继服务。而对外，只看到有一台Virtual Server。
接下来，我们看看逻辑层：
由于HTTP的无状态性，我们将逻辑代码按标准接口写成一个个的逻辑处理单元，放入到我们的逻辑处理容器之中，进行统一的运行。并通过容器，到NLS中注册。Virtual Server通过NLS获取到对应的信息，并通过负载均衡策略将数据转发到下游。
这里比较关键的数据处理单元，实际就是我们要写的业务逻辑。业务逻辑的编写，我们需要严格按照容器提供的规范（如IDL的标准等），并从容器获取资源（如存储服务、日志服务等）。这样上线也变的简单，只需要将我们的处理单元发布到对应的容器目录下，容器就可以自动的加载服务，并在NLS上注册。如果某一个服务出现异常，就从NLS上将其摘掉。
容器做的工作就相对比较多。需要提供基本的服务注册功能、服务分发功能等。同时，还需要提供各种资源，如：存储服务资源（通过NLS、API等，提供存储层的访问接口）、日志服务资源等，给处理单元，让其能够方便的计算和处理。
总体来说，因为HTTP的无状态特性，以及不存在数据的存储，逻辑层要做到同构化是相对比较容易的，并且同构化以后的运维也就非常容易了。
最后，看看数据存储层。
存储层是运维设计中最难的一部分。因为根据不同的业务需要，可能提供不同的存储引擎，而不同的存储引擎实现的机理和方式可能完全不一样。比如，为了保证数据的有效性和一致性，有些存储系统需要使用事务；而有些业务，可能为了追求高效，可能会牺牲一些数据的一致性，而提供快速的KV查询等等。
因此，数据存储层的异构性就是运维设计中亟待解决的问题。
一种比较理想的方式，就是让各个存储系统，隐藏内部的实现，对外提供简单的访问接口。而在系统内部，通过meta server、data assemble server、status manager、message queue等管理单元来管理数据存储单元。当然，这只是其中一种方式。也可以利用mysql类似的主从级联方式来管理，这种方式也是可行的。
数据存储系统的设计，也没有一个固定的规范（比如：Big Table、Cassandra、Oracle数据库集群等），所以运维的设计需要在系统中来充分考虑。上述图示只是提供了一种简单的设计方案。
好了，有了多个层次的详细分析以后，上一层次调用下一层次，就直接通过固定的地址进行访问即可。
不过有一个问题就是，如果我们的Virtual Server是一个单点，出现故障后，该层就不能提供服务。这个是我们不可接受的。怎么办呢？
要解决这样的问题，就是利用冗余。我们可以将我们的服务划分为多个组，分别由多个VS来管理。上层调用下层的时候，通过一定的选择策略来选择即可。这样，如果服务出现问题，我们就能通过冗余策略，将请求冗余到其他组上。
我们来看一个实例：
用户通过域名访问我们的服务，DNS通过访问IP解析，返回对应访问层的IP地址。访问层将请求转发到对应的逻辑处理组，逻辑处理组从不同的存储系统里获取数据，并返回处理结果。
通过以上的分析，我们通过原有的一些技术手段，可以做到比较好的自动化运维的方式。不过这种运维方式也不是完全智能的。有些时候也需要人工的参与。最难的一点就是存储系统的设计和实现。如果要完全的自动化的话，是一件比较难的事情。
说明：以上的描述是一个比较理想化的模型，要真正实现这种模型，需要很多的辅助手段，并且需要搭建很多基础设施。可能会遇到我们没有提到的很多的实际问题，比如：跨机房网络传输延迟、服务间隔离性、网卡带宽限制、服务的存活监控等等。因此，在具体实施的时候，需要仔细分析和考虑。
――――――――――――― 娱乐的分割线 ―――――――――――――
昨天去看了2012北京车展，一次性把车已经看到麻木，只恨自己囊中羞涩。当然，看车模也是一个很重要的点。奉上照片。
――――――――――――― 回归技术的分割线 ―――――――――――――
【第十四阶段 ：杂货店】
前面将我遇到过的、我能想到的都基本列举出来了。由于能力所限，也就这点货了。接下来要给大家讲述的是一些比较杂的东西。但是在我们的网站发展中也是需要关注的，否则，即使我们的架构做的再好，这些点不跟上，我们的很多东西也没办法玩转。
1、防攻击
提前声明：由于我在这方面的研究很浅，了解的东西也仅限于原来课本上和工作中遇到的情况，所以如果有言之不对的地方请大家谅解。
人的思想良莠不齐，在这个充斥着利益的社会中，总有很多人想利用网络技术对我们的网站或者用户进行攻击，从而获取想得到的利益。
绝大部分的攻击都是因为我们自身程序写的有问题，攻击者利用程序本身的漏洞，发起攻击。所以我们需要很好的了解攻击的机理，并在程序中着重去处理和避免。
我自己将攻击划分为两大部分，基于服务能力的攻击和基于页面内容的攻击。
A、基于服务能力的攻击。
这种攻击，往往针对网站服务器本身。利用非法或者是恶意的请求，降低网站的服务能力，最终导致网站不能服务。
最常见的就是DoS（Denial of Service）和DDoS（Distributed Denial of Service）。
DoS往往是单机的攻击，利用协议或者是服务缺陷，耗尽服务资源。经典的案例：“死亡之ping”、“Syn flood”等等。
DDoS从名字上就可以看出，这种攻击采用分布式方式，攻击者控制成百上千的机器，然后集中发起访问攻击。让网站顷刻之间奔溃。即使我们服务能力再强，也是难以招架的。
基于服务能力的攻击的特点就是消耗服务器资源，降低服务器正常服务能力，从而使得服务器瘫痪。因此，对于他的控制也是需要从这个角度来下手。比如，增加DDoS防火墙等。
我们的服务层能控制的，就是对请求进行分析和判断，看看请求行为是否是攻击行为。比如：我们可以将所有到达服务的请求进行统一分析，如果同一个IP在一段时间内产生大量的请求，这个可能就是有问题的；或者，如果多个IP在一段时间内，大量请求同一个页面，这个也可能时候问题的；再者，如果突然之间，网站的访问量大增，这个有可能也是攻击。
在遇到这种情况的时候，我们有可能就需要对这种问题的请求进行拒绝，直接返回错误并关闭连接，保证我们的服务资源。如果是再严重一点的情况，我们可能就需要拒绝部分正常请求，保证系统一定的服务能力。
对于有一些不确定的情况，我们可以通过一些技术手段进行确认。比如，google在遭受攻击的时候，就会出验证码，让用户输入验证码来确认是否是攻击。
所以，在我们架构的接入层处，就需要有一个基于访问分析的防攻击策略系统，来帮我们做好这些基于服务能力的攻击。
B、基于页面内容的攻击
这种攻击，一般是为了获取用户数据信息，利用程序的漏洞，进行攻击，最终导致网站用户信息的泄露或者是网站数据的破坏。
常见的攻击有XSS、CSRF、SQL注入等等。
XSS（Cross Site Scripting），利用网站页面漏洞，植入JavaScript语句，破坏页面本身的展现或者数据，可以获取网站用户的信息，或是获得特殊的权限，能够对网站进行特殊的操作而获取利益。
因此，要解决这种攻击，最好的方式就是将程序写的更加的完善，对用户提交的内容进行HTML标签检查和转义等等。
CSRF（Cross-Site Request Forgery），这种跨站攻击，利用的两个点：1、用户登录；2、在不登出的情况下，访问恶意网站的提交代码。用户在我们的网站登录后，产生了cookie，第三方恶意网站通过一些手段，让用户访问了一个恶意网站，这个恶意网站发起对我们网站的一些提交调用，从而使得登录用户在不知情的情况下，提交了不是他想提交的数据。
因此，最根源的原因还是在于我们的提交接口是不安全的。
要解决这个问题，就是严格遵守HTTP协议的GET、POST等规范，同时，在提交的时候利用加密令牌、验证码等方式，来防止不知情的非法提交。
SQL注入，就是利用我们程序的漏洞，提交一些SQL语句，使得正常的SQL遭到截断，而执行一些非法的语句，使得数据遭到破坏，用户信息丢失等等。
这个问题产生的根源就是我们没有对提交的数据进行检查，SQL执行的时候，没有对数据进行转义（如; \ ’等特殊符号）。
那要解决这个问题也很简单，在SQL执行前，利用数据库提供的函数对SQL进行转义。
以上讲述的都是一些很常见的攻击方式，网络上讨论的也比较多。详细的可以通过网络来查询。
2、反作弊
我进入到公司的第一份工作就是做反作弊，之前也对这部分工作认识不是很清晰。到后来才发现，反作弊对于现在网站来说，有多么的重要，特别是UGC类的网站。如果是反作弊做的不好，这个网站基本上就废了。
作弊，从字面上就很容易理解，就是利用网站提供的功能，发表一些带有特殊目的的内容，骗取用户，从而达到金钱的、荣誉的、XXX的目的。因此，我们做反作弊的目的就是为了控制作弊用户不正常的行为，而保护正常用户。
从分析方式来讲，一般可以有智能和人工的方式。智能的方式一般就是利用数据挖掘、自然语言处理等来对信息进行分析，从而判断是否是作弊内容；而人工的方式，则是通过人工的去分析和判断，从而总结出经验，形成一套经验体系来对内容进行判断。
从作弊特点来讲，一般可以分为内容和行为作弊。基于内容的作弊一般可能是含有一些关键词，这些关键词本身就是很XX的词，因此这类问题只需要对关键词进行分析处理即可；对于另外一类，有可能不含有关键词，或者关键词很难分析，而是从某些行为上来判断。如：微薄的大量关注骗取反关注等，这一部分就需要从行为上来分析和判断。但是，往往我们都是将内容和行为相结合，来提升我们判断的准确度。
从处理方法来讲，一般可以有直接拒绝和分析后反馈的方式。如果我们有比较大的把握，通过一个提交行为就能分析出是作弊，那么我们就可以直接拒绝提交。如果我们不是很确定，我们可以通过一系列的行为内容分析以后再来判断，看之前的提交是否是作弊，如果是的话，我们就可以用分析后反馈的方式进行处理。
反作弊总的来说，就是需要用心去分析和挖掘，应该就能做的比较好。同时方法上需要充分利用现有的数据分析方法，对数据进行有效的分析，就能取得比较好的效果。
3、日志管理
我们的网站越来越大，对于日志其实是要求越来越严格。
一是反馈在日志的需求上。我们可能需要针对日志进行分析，或是针对日志做一些特殊的产品功能。
二是反馈在日志的产生量上。随着我们服务的增多和压力的增大，我们的日志可能每天以上G、T、P的数量级产生，如何有效的来组织日志，就是我们需要着重去关注的问题。
因此，需要我们对日志有以下的要求：
A、良好的日志打印框架。需要提供比较好的日志打印框架，方便程序打印日志；
B、标准的日志打印规范。越是大的系统，对于日志的规范要求越严格，否则到后来，日志就是没有办法管理的，或者是管理成本巨大；
C、统一的日志管理平台。对于日志的管理，最好是有统一的日志管理平台来处理。否则日志分散在各个机器上，没有办法进行统一的分析和处理，同时，对于历史日志的保存和管理也是没有办法进行的。
因此，对于我们架构的要求就是，提供标准日志打印库。其实业界也有很多好的库，比如log4j等。同时，需要根据业务特点，制定好标准的打印规范，最好将规范集成到库里，这样就能保证程序必须按规范打印。最后，是要有这样一个大容量数据存储和分析的平台。比如hadoop等，这样的分布式计算和处理平台，能比较好的满足我们对于日志的管理需求。
4、运维和监控体系
我们的服务能否良好的运行，除了架构以外，最重要的就是我们的运维和监控。我们之前的章节也讲述过，设计中必须要考虑运维的事情，否则这样的设计是没办法工作的。因此，一个好的体系，是需要有良好运维设计和考虑的。我们的运维和监控平台，必须能很好的配合线上架构，进行程序的发布、状态的监控以及问题的处理、问题追查。这几点缺一不可。
程序发布：最理想的情况是，系统自动发布程序，无需人工管理。程序发布后，由线上系统自动来接手启动服务。
状态监控：当程序放到线上开始运行的时候，我们就需要对程序的状态进行控制，如果出现异常，就需要提供预警机制，让后续处理单元来处理，并通知管理员。
问题处理：问题处理单元配合监控单元，对出现问题的机器或者是程序进行管理和处理，比如停止服务或者摘除机器等等。
问题追查：当问题机器或者程序摘除后，或者是服务异常后，需要能够快速的对问题进行追查和定位，避免更严重的问题出现。
一个好的运维和监控体系其实是一个系统工程，要考虑的因素相当的多，以上说的内容可能只是冰山的一角。
5、数据分析体系
一个好的系统，不光要能提供产品服务，还要能很好的提供产品分析和决策。这个时候，对于数据的分析就需要着重的考虑。其实，很多时候，不是技术决定了一个网站的发展，而是产品！
因此，数据分析对于网站的支持程度，很多时候决定了网站最后的发展。特别是一些中大型的网站，很多决策是需要基于对于数据的分析和判断。
数据分析工具现在也是比较多，最常用的就是数据挖掘和自然语言处理。经常会用的方法，如：分类、聚类、关联分析、语义分析等等。（我的研究生就是读的Data Mining方向，学了点基本概念，剩下的就是打酱油了，哈哈）
这一部分没有太多的实践过，所以紧紧提一提。真正涉及到的时候，可以着重的关注。
以上这些是我对于整体架构的补充和说明。这些内容都是在我们网站架构时必须要考虑的。否则，我们的架构体系很可能因为某些内容的缺失，而陷于瘫痪。
不过，因为个人能力和眼界有限，可能有些东西没有说到或者有遗漏，请谅解。
【总结】
终于在2012年的国际劳动节之前，洋洋洒洒的把这篇文章写完了。也是将自己对架构的所学、所见、所闻、所感基本上表达出来了。
同时，在即将迈入而立之年的时候，对自己过去十年编码生涯的一个回顾和总结。
高考的时候，我误打误撞进入了计算机系，不过我却很喜欢这一行，对编程的热爱推动着我不断的往前走。俗话说干一行爱一行，我觉得这个话其实可以反过来说：爱一行干一行。如果做一件事情最好有发自内心的热爱和兴趣，这样就能很好推动自己前进（我还记得我初中班主任说的一句话：兴趣是最好的老师。确实是的，我对语文就没啥兴趣，所以经常考试不及格，哈哈）。
我进入公司之前，做了几个网站，都有自己面临的问题，虽然也想了很多方案，但是当时也没有很好的解决。后来进了公司，从码工开始，一步步的了解分布式的设计，自己不断的问自己，这个为什么要这样设计，好处是什么，有什么问题。其实中间也亲历了几次架构的变迁。我自己感到很幸运，有机会能亲身参与其中。
后来，在反复的设计之后，总结出一点：不是为了架构而架构！而是根据实际业务的发展去定制需要的合理的架构。过渡架构设计会使得付出超过收获。
其实，架构的目的就是为了让系统运行的更轻松，开发者写代码更简单，运维者管理起来更方便。
最后，要感谢给予我帮助的朋友们，感谢大家的支持。名字很多，我都铭记于心，此处省略10000字。
在结束之前，来一句大家都已经很习惯的话：由于水平有限，文中有不慎之处敬请谅解和指正。