浅谈千万级PV/IP 规模高性能高并发网站架构
高并发访问的核心原则其实就一句话“把所有的用户访问请求都尽量往前推”。
如果把来访用户比作来犯的" 敌人" ，我们一定要把他们挡在800 里地以外，即不能让他们的请求一下打到我们的指挥部（指挥部就是数据库及分布式存储）。
如：能缓存在用户电脑本地的，就不要让他去访问CDN 。 能缓存CDN 服务器上的，就不要让CDN 去访问源（静态服务器）了。能访问静态服务器的，就不要去访问动态服务器。以此类推：能不访问数据库和存储就一定不要去访问数据库和存储。
说起来很轻松，实际做起来却不容易，但只要稍加努力是可以做到的，Google 的日独立IP 过亿不也做到了么？我们这几千万的PV 站比起Google 不是小屋见大屋了。我们还是先从我们的小屋搭起吧！哈哈！下面内容的介绍起点是千万级别的PV 站，也可以支持亿级PV 的网站架构。
高性能高并发高可扩展网站架构访问的几个层次：
有人会问，我们老是说把用户对业务的访问往前推，到底怎么推啊？推到哪呢？下面，老男孩就为大家一一道来。
第一层： 首先在用户浏览器端，使用Apache 的mod_deflate 压缩传输，再比如：expires 功能、deflate 和expires 功能利用的好，就会大大提升用户体验效果及减少网站带宽，减少后端服务器的压力。当然，方法还有很多，这里不一一细谈了。
提示：有关压缩传输及expires 功能nginx/lighttpd 等软件同样也有。
第二层： 页面元素，如图片/js/css 等或静态数据html ，这个层面是网页缓存层, 比如CDN （效果比公司自己部署squid/nginx 要好，他们更专业，价格低廉，比如快网/CC 等（价格80 元/M/ 月甚至更低）而且覆盖的城市节点更多），自己架设squid/nginx cache 来做小型CDN 是次选( 超大规模的公司可能会考虑风险问题实行自建加购买服务结合) ，除非是为前端的CDN 提供数据源服务，以减轻后端我们的服务器数据及存储压力，而不是直接提供cache 服务给最终用户。taobao 的CDN 曾经因为一部分图片的次寸大而导致CDN 压力大的情况，甚至对图片尺寸大的来改小，以达到降低流量及带宽的作用。
提示：我们也可以自己架设一层cache 层，对我们购买的CDN 提供数据源服务，可用的软件有varnish/nginx/squid 等cache ，以减轻第三层静态数据层的压力。在这层的前端我们也可以架设DNS 服务器，来达到跨机房业务拓展及智能解析的目的。
第三层： 静态服务器层一般为图片服务器，视频服务器，静态HTML 服务器。这一层是前面缓存层和后面动态服务器层的连接纽带，大公司发布新闻等内容直接由发布人员分发到各cache 节点（sina,163 等都是如此），这和一般公司的业务可能不一样。所以，没法直接的参考模仿，比如人人的SNS 。
我们可以使用Q 队列方式实现异步的分发访问，同时把动态发布数据（数据库中的数据）静态化存储。即放到本层访问，或通过其他办法发布到各cache 节点，而不是直接让所有用户去访问数据库，不知道大家发现了没有，qq.com 门户的新闻评论多的有几十万条，如果所有用户一看新闻就加载所有评论，那数据库不挂才怪。他们的评论需要审核（美其名约，实际是异步的方式，而且，评论可能都是静态化的或类似的静态化或内存cache 的方式），这点可能就是需要51cto.com 这样站点学习的，你们打开51CTO 的一篇博文，就会发现下面的评论一直都显示出来了，也可能是分页的。不过，应该都是直接读库的，一旦访问量大，数据库压力大是必然。这里不是说51cto 网站不好，所有的网站都是从类似的程序架构开始发展的。CU也可能是如此。
提示：我们可以在静态数据层的前端自己架设一层cache 层，对我们购买的CDN 提供数据源服务，可用的软件有varnish/nginx/squid 等cache 。在这层的前端我们也可以架设DNS 服务器，来达到跨机房业务拓展及智能解析的目的。
第四层： 动态服务器层：php,java 等，只有透过了前面3 层后的访问请求才会到这个层，才可能会访问数据库及存储设备。经过前三层的访问过滤能到这层访问请求一般来说已非常少了，一般都是新发布的内容和新发布内容第一次浏览如；博文（包括微博等），BBS 帖子。
特别提示：此层可以在程序上多做文章，比如向下访问cache 层，memcache,memcachedb,tc,mysql,oracle ，在程序级别实现分布式访问，分布式读写分离，而程序级别分布式访问的每个db cache 节点，又可以是一组业务或者一组业务拆分开来的多台服务器的负载均衡。这样的架构会为后面的数据库和存储层大大的减少压力，那么这里呢，相当于指挥部的外层了。
第五层： 数据库cache 层，比如：memcache,memcachedb,tc 等等。
根据不同的业务需求，选择适合具体业务的数据库。对于memcache 、memcachedb ttserver 及相关nosql 数据库，可以在第四层通过程序来实现对本层实现分布式访问，每个分布式访问的节点都可能是一组负载均衡（数十台机器）。
第六层： 数据库层，一般的不是超大站点都会用mysql 主从结构，如：163,sina,kaixin 都是如此，程序层做分布式数据库读写分离，一主（或双主）多从的方式，访问大了，可以做级连的主从及环状的多主多从，然后，实现多组负载均衡，供前端的分布式程序调用，如果访问量在大，就需要拆业务了，比如：我再给某企业做兼职时，发现类似的51cto 的一个站点，把www 服务,blog 服务，bbs 服务都放一个服务器上，然后做主从。这种情况，当业务访问量大了，可以简单的把www,blog,bbs 服务分别各用一组服务器拆分开，这种方式运维都会的没啥难度。当然访问量在大了，可以继续针对某一个服务拆分如：www 库拆分，每个库做一组负载均衡，还可以对库里的表拆分。需要高可用可以通过drbd 等工具做成高可用方式。对于写大的，可以做主主或多主的MYSQL REP 方式，对于ORACLE 来说，来几组oracle DG （1master 多salve 方式）就够了，11G 的DG 可以象mysql rep 一样，支持读写分离了。当然可选的方案还有，mysql cluster 和oracle 的RAC ，玩mysql cluster 和oracle RAC 要需要更好更多的硬件及部署后的大量维护成本，因此，要综合考虑，到这里访问量还很大，那就恭喜了，起码是几千万以上甚至上亿的PV 了。
象百度等巨型公司除了会采用常规的mysql 及oracle 数据库库外，会在性能要求更高的领域，大量的使用nosql 数据库，然后前端在加DNS ，负载均衡，分布式的读写分离，最后依然是拆业务，拆库，。。。逐步细化，然后每个点又可以是一组或多组机器。
特别提示：数据库层的硬件好坏也会决定访问量的多少，尤其是要考虑磁盘IO 的问题，大公司往往在性价比上做文章，比如核心业务采用硬件netapp/emc 及san 光纤架构，对于资源数据存储，如图片视频，会采用sas 或固态ssd 盘，如果数据超大，可以采取热点分取分存的方法：如：最常访问的10-20% 使用ssd 存储，中间的20-30% 采用sas 盘，最后的40-50% 可以采用廉价的sata 。
第七层： 千万级PV 的站如果设计的合理一些，1 ，2 个NFS SERVER 就足够了。我所维护（兼职）或经历过的上千万PV 的用NFS 及普通服务器做存储的还有大把，多一些磁盘，如SAS 15K*6 的，或者用dell6850 ，搞几组 NFS 存储，中小网站足够了。当然可以做成drbd+heartbeat+nfs+a/a 的方式。
如果能达到本文设计要求的，中等规模网站，后端的数据库及存储压力会非常小了。 象门户网站级别，如sina 等， 会采用硬件netapp/emc 等等硬件存储设备或是san 光纤同道，甚至 在性价比上做文章，比如核心业务采用硬件netapp/emc 及san 光纤架构，对于资源数据存储，如图片视频，会采用sas 或固态ssd 盘，如果数据超到，可以采取热点分取分存的方法：如：最常访问的10-20% 使用ssd 存储，中间的20-30% 采用sas 盘，最后的40-50% 可以采用廉价的sata 。
象百度等巨型公司会采用hadoop 等分布式的存储架构，前端在加上多层CACHE 及多及的负载均衡，同样会根据业务进行拆分，比如爬虫层存储，索引层存储，服务层存储。。。可以更细更细。。。为了应付压力，什么手段都用上了。
特殊业务，如人人，开心网，包括门户网站的评论，微博，大多都是异步的写入方式，即无论读写，并发访问数据库都是非常少量的。
以上1-7 层，如果都搭好了，这样漏网到第四层动态服务器层的访问，就不多了。一般的中等站点，绝对不会对数据库造成太大的压力。程序层的分布式访问是从千万及PV 向亿级PV 的发展，当然特殊的业务 还需要特殊架构，来合理利用数据库和存储。