今日头条架构演进之路——高压下的架构演进专题-创新互联

今天给大家分享今日头条架构演进，前面几位讲师讲了很多具体的干货，我的分享偏重基础设施及架构思路的介绍，我们想法是通过提供更好的基础设施，帮助架构做更好的迭代。

从架构的角度，技术团队应对的压力最主要来自三方面：

• 服务稳定性。接口的稳定性，让服务更可靠；

• 迭代速度。迭代速度对于大公司来讲相对没那么重要，规模比较大，生存压力相对小一点，但相对中型小型公司来讲，迭代速度是必须要保证的，时间窗也是一个决定能否成功的重要因素；

• 服务质量。主要关注用户满意度，它也是一个特别重要的 topic。

今日头条发展特别快，只有 4 年的历史，从人员数量和规模增长来看非常快，在稳定性可用性方面压力比较大，一方面需要快速把业务实现，但在另外一方面，类似这些高可用的问题会经常骚扰工程师：上线就挂、运营活动量大服务崩溃、单机性能顶不住、一个小服务上线把核心服务搞挂了……类似这些问题，技术团队需要如何更好的去应对？

先补充下我对架构演进的理解，在不同阶段的公司都会面临各种压力。小公司压力可能是业务没起来，QPS 很低，要做优化也没有环境及条件；当公司大了，服务器可能已经不是问题，但你要不断考虑调优及应对访问压力，改善基础设施以提供更稳定的开发环境。所以说架构演进是持续一个过程，没有终点。

为什么今日头条有这么大的压力？今日头条增长速度是比较快的，从上图可以看出，现在公司已有 4 年，2014 到 2016 年每年都是 DAU 翻番。这对业务挑战是非常大，规模上来以后，我们原有的架构难以做到线性扩展，部分能线性扩展的服务，问题也比较多，业务增长太快，后端压力比较大。

头条架构发展简史：三个历史阶段

今日头条的架构是怎么发展过来的？

从来没有一个完美的架构能够一直支撑下去，架构是动态系统、实时变化的，因为量变而发生质的变化，不同的阶段需要不同的架构。

什么时候需要做架构上的改造呢？当突然发现系统问题越来越多，经常出现事故或者报警特别多，沟通的效率降低等问题，很有可能你的架构出现问题了。

软件架构有一个问题，它改动的周期相对比较长。架构的模式思路定下来，随着业务的增长，包袱越来越大。做过基础设施的人都有这样的体验：有一个好的想法很容易，但做一个好用软件就有很多的困难。技术改造是漫长的，以年为单位。所以这个时候只能让架构迭代更快一点。最后，不要企图做特别完美的架构，我们只要保持敏捷演进就好了。

架构不可避免会劣化。

头条第一阶段：三层结构

今日头条刚开始做的时候，就是一个简单 Web 应用，搭个数据库，把业务实现就行了。头条最开始的优势是推荐引擎，还有另外一套数据挖掘和离线计算。在线的服务在前端相对来讲模式还是比较清晰的，三层就搞定了。业务刚开始起来的时候，没什么问题，访问增大水平扩展一下就可以解决。

头条第二阶段：拆分

跟大部分公司的架构演进历史非常相似，当上个版本遇到一些性能问题后，最简单就做一些拆分。优化的过程中，那一块太重了就从代码上进行拆分。上图中，A、B 和 C 是不同的业务，刚开始代码是一起的，演进的过程中，迭代一年或者两年的产品，异构去拆其实挺痛苦。

前面时代的架构，基本上没考虑太多的人员或者规模上的发展，刚开始也没有专门的人做架构优化，很多人都扑在业务上，把功能点加上。比如推荐的效果不好，就加强推荐，每块都没有专门的的人去考虑整体架构去怎么组织规划。

到了去年，每个季度做的预算，到第二个月机器都用完了。高峰的时候有 60% 到 70% 的压力，这里涉及有两个问题：第一个问题，有些地方是性能衰减的问题；另外一个，业务压力太大。

架构团队需要想办法变得更快，即使出现访问问题，压力大，机器不够，也要让我们的服务有所保证。业务一直在快速前进，包袱是比较沉重，改造的成本比较高。基于这些问题，谈下我们下一阶段的思路，做微服务。

头条第三阶段：微服务

目前我们的思路是通过微服务方式做新架构。通过拆分成子系统，大的应用拆成小应用，抽象通用层做代码复用。

系统的分层比较典型。我们重点在基础设施，希望通过基础设施提高快速迭代、容灾和一系列的工作，希望各个业务团队能更快做业务上的迭代以及架构上的调整。

微服务架构

微服务我们认为最关键的三点

• 解耦，一个服务会依赖另外一个服务、模块或子服务的概念。

• 轻量，减轻维护人员的成本。

• 易管理。

现实中微服务的关键是自治。虽然微服务是自治自包含，但也需要有一个层级。比如你提供的服务是外面公司提供的，微博提供的服务，你不能够要求微博为你得服务去做更改。微服务要有界限，在公司层面，不能让它过于独立，过于独立会增加沟通上的成本。基础设施和规范最好能复用。

现实中的微服务是什么样的？

• 架构必须要落地成具象的东西。微服务有一个开发框架，做业务的同学根本不需要关心容灾，也不需要重复做这样一套东西，这个东西怎么部署，他们也不用关心；
• 需要有一个流程规范性去约束。有规范就可以做全局优化；
• 微服务的表现形式是提供一个平台或者一些工具。

头条服务化的现在及未来

最后再给大家介绍前面服务化的思路在今日头条是怎么执行的？怎么给各个业务团队开发者提供服务？

头条的主要服务化思路如下：

• 立规范。规范怎么做？部署 RPC，一个服务调另外一个服务是怎么做的？创新我觉得没有问题，但你得考虑给其他人带来成本，这个规范还是需要有的，这样可以做全局控制。服务化的稳定和统一，你要考虑它带来真正的优势，性能高是一个点，但是本地优先会好一些；
• 打基础。有了规范以后，开始真正落地的服务。比如说基础库，把Ngnix、Redis、MySQL这些库封装起来，统一起来做一些事情。开发框架，你不用关注数据去优化；
• 渐进。先拆离再迭代，把服务优化进来；
• 一切都是服务，第四点是和其他公司或团队稍不一样的地方，我们的想法是一切都是服务，每个节点都是抽象归属于某一个具体的服务。存储的确是一个服务，但它不只是提供 API 或者提供功能的东西，还需要包括服务质量，需要别人用起来是比较简单的；

• 平台化。最后的落地是平台化的东西。我们框架是怎么设计，和服务怎么结合？

首要规范：一切都是服务

• 资源是有限的：按需申请，需申请和授权；
• 简单的使用方式：开发者只需要关注业务；
• 有唯一定位的方式：用全局资源定位；
• 最后，每个服务都有拥有者（owner），偏工程架构方面的东西，我的规范必须可执行的。

我们的规范

• 必须要有全局的中心，服务统一注册到 consul 中；
• 服务有唯一的标示、命名范：{产品线}.{子系统}.{模块} P.S.M，公司有很多部门，我们不希望部门之间沟通起来有差异，所以需要有全局规划去追溯它；
• 业务服务使用 Thrift 描述接口、必须传递标准参数。如果用弱的描述数据，没有强约束，在客户端的数据可能会出现类型错误；
• RPC 使用统一收敛的库；
• Nginx、Redis、MC、MySQL、etc 都是服务

服务注册

我们服务统一使用 loader 或 wrapper 脚本启动，具体启动由业务决定。

服务启动会有一个名字，把 app 注册到服务里面，看起来有一些约束，数据库MySQL 可以启动吗？Redis 可以吗？

启动的时候，服务方式不用去管，就用同一个框架，一个新的规范，容易把已有的服务迁移上来，但这不是个特别强的规范，考虑迁移成本。轻规范，易迁移。

服务中心

服务中心有服务信息，会同时带上是什么样的服务，其他人比较简单的调这个服务就 OK 了。这个服务到底提供什么样的服务质量，拥有者可以管理这个信息。Redis去服务，负载均衡，服务一个项目，把服务接上去。

服务关系与授权

服务之间有个关键的概念：服务授权。一般我们起一个服务，通过 IP 就可以连上它了。数据库有用户名认证，也可以对 IP 授权。不过内网很多服务限制比较少，不是所有服务都有授权认证。我们希望把服务之间的关联关系，全局拓扑关系记录下来并且可执行。

一个服务提供接口，我们可以由 owner 来做授权，其他服务授权后才可以访问它。

描述信息：这个服务是什么样子？大的 QPS 是多少？通过描述信息发现问题，用户信息服务托不住了，就拒了，把资源分到其它服务上面，就可以做更多的东西。还有机房信息可以放在这里面。

服务授权认证思路：

• 基于服务标示，重要服务增加更多认证方式；
• 协同认证，客户端自身协助认证。

举一个 Thrift 的例子。这两边有两个虚线，服务中心水平扩展能力很强，向它要基本授权的信息，我可不可以调这个服务？默认是可以，就是一个 Thrift 包，我知道你是谁，自己做策略，服务包带过来。请求带上来，分析调用是不是有问题，这也是规范的一部分。开发的同学是不用关心框架这边如何做的。

另外一种向服务中心调用服务，把你拒了。QPS 压力大，已经支持不了你。一个好处是可以避免浪费资源；另外，虚拟化 Docker 的环节。以前的思路按 IP 授权，每一个 IP 做控制，提供类似于匿名服务，根据节点所属 IP 去做。现在用 Docker 拿一个标识不太好做，在网络层也不太好做，在内网环境下有一定的可信，我自觉告诉你，我是谁，然后调用。

MySQL 目前正在做的一个方案见下图，不像 Redis 要求带上你是谁，调用 MySQL 需要把调用方是谁带上来。一个重要数据库，肯定做安全授权，我刚只是说常规情况下。这几种方式叠加起来做，把原信息带过来，Redis 带过来，做加权校验。

Redis 在协议层做不了，而 MySQL 在调用中增加上述信息不会影响语义。我们服务器提供 HTTP 接口就可以在 HTTP 头提供这个信息做授权认证。

有授权关系，所有的服务构成完整服务的拓扑关系。一个服务预先授权才能调它。如果有线上真实的拓扑关系，就可以做报警优化。Redis 报警了，MySQL 报警了，有这样的拓扑，会提升问题追查的速度。

我们有了这样的拓扑信息，知道服务的全局元信息，我们就可以更好的做服务变更的影响评估和报警等等的优化。

RPC 开发框架

我们自己开发了一个 RPC 框架。开发框架会帮助我们开发代码，这个事情很多人都在做。它的主要特性包括：

• 快速开发：代码生成；
• 服务发现：理解服务化；
• 可观测性（Observability）：logid, pprof, admin 端口；
• 容灾降级：业务降级开关；
• 过载保护：断路器，频率控制；
• 多语言支持：Python/Go

比如可观测性是说所有的服务都能暴露内部的状态，这有非常好的优势，服务上来以后，默认剖析内部的端口或者服务端口，服务上线与平台。根据拓扑关系自动分析出来服务状态，甚至做性能剖析，开发者可以不用关心这些事情，天然获得这些能力。

还有容灾降级，还有过载保护，我们还有一个平台管理关联关系和降级，你可以更多关注业务。

下面是大概模块的示意图，通过模块化的方式，而不是嵌入到框架里面，使我们的维护成本更低。

前面服务是自治的体现，跟 Docker 比较像，我们也会做容器化的开发。只是把服务跑在容器内还远远不够，把服务化体系打通，我们思路实现开放，实现我们“有态度”的私有云，把基础设施这一块让我们平台做，业务部门只关心业务。

我们目前到这个环节，做一个服务的重构，我们的私有云构建。前面的框架，

不断去迭代。

最后我们和虚拟化 PaaS 平台怎么规划？

我们通过三层实现，通过 PaaS 平台统一管理。提供通用 SaaS 服务，同时提供通用的 App 执行引擎。最底层是 IaaS 层。

IaaS 管理所有的机器，把公有云整合起来，头条有一些热点事件会全国推广推送，对网络带宽比较高，我们借助公有云，需要哪一种类型计算资源，统一抽象起来。基础设施结合服务化的思路，比如日志，监控等等功能，业务不需要关注细节就可以享受到基础设施提供的能力。

Q&A

Q：刚才讲单体服务拆分成微服务成本是不是有所增加，你怎么考虑？

夏绪宏：我在过去建一个数据库，直接跑起来。以前把整个库升级，现在只需要升级一小部分，业务比较简单规模比较小的时候单体服务确实成本低。当你的业务增大机器增多，单体服务会成为瓶颈，但是微服务如果是标准化的，可以用自动化的工具、平台去管理，不能靠人去管理，因此成本反而是降低的。

Q：把服务跑在容器里面，用了 consul，自身的容器和 IP 等自身的信息注册到consul，更新您授权的 ACL？

夏绪宏：这的确是一个思路，我们用了 consul 是去中心化，不过也是增加了一层。如果你需要控制微服务的访问与安全，容器节点还要分级别，比如我会分到小集群，物理层是隔离，以这种方式实现安全的。仅是 consul 是不够的。

Q：RPC 服务发现是什么？RPC 是自己实现的？

夏绪宏：服务发现是 consul；RPC 是自己在 Thrift 基础上实现，服务调用上也实现了熔断机制。

Q：选型的时候为什么不用开源，我们是整个平台的架构准备做微服务的改造，想选一下服务的架构，您这块是自己做的，我们在开源和自己做之间在选。能举一个例子？

夏绪宏：看场景，你们现在什么都没有可以考虑各种开源方案，我们也有一些自己特殊场景，开源的东西跟内部服务做整合，需要考虑一些整合成本和我们自己维护的成本。很多时候开源项目会出于普适性，会考虑的特性比较多一些，代码也会相对复杂，有些功能我们用不到，我们要去做改造，整体上不复杂；

授权标准也是自己做的，基于服务标识，服务器里面，并没有考虑场景互联。

Q：我们现在如果做微服务平台改造，业务系统开发模式是不是有比较大的改变？我们平台从开发模式到设计都会有所改变，你们改造过了，你们有哪些经验？

夏绪宏：我们改造到现在也没改造完，这个改造挺困难的。你先定好一个大方向，因为很多东西是涉及到沟通的问题，推动的问题，你先需要沟通好的方向，达成一致，到怎么改造，机动性少一点，或者你把大部分的功能实现好，只需要做小小的迁移，减少迁移的成本。

原文发布时间为：2018-08-17

本文作者：夏绪宏

本文来自云栖社区合作伙伴“ 数据和云 ”，了解相关信息可以关注“ 数据和云 ”。