通过接触有关海量资料处理和搜索引擎的诸多技术，常常见识到不少精妙绝伦的架构图。除了每每感叹于每幅图表面上的绘制的精细之外，更为架构图背后所隐藏的设计思想所叹服。个人这两天一直在搜集各大型网站的架构设计图，一为了一饱眼福，领略各类大型网站架构设计的精彩之外，二来也可供闲时反复琢磨体会，何乐而不为呢? 特此，总结整理了诸如国外 wikipedia，Facebook，Yahoo！，YouTube，MySpace，Twitter，国内如优酷网等大型网站的技术架构（本文重点分析优酷网的技术架构），以飨读者。
本文着重凸显每一幅图的精彩之处与其背后含义，而图的说明性文字则从简从略。 ok，好好享受此番架构盛宴吧。当然，若有任何建议或问题，欢迎不吝指正。谢谢。

1 、 WikiPedia 技术架构

WikiPedia 技术架构图 Copy @Mark Bergsma

来自 wikipedia 的资料：峰值每秒钟 3 万个 HTTP 请求 每秒钟 3Gbit 流量, 近乎 375MB 350 台 PC 服务器。

GeoDNSA ：40-line patch for BIND to add geographical filters support to the existent views in BIND”, 把多用户带到近的服务器。 GeoDNS 在 WikiPedia 架构中担当重任当然是由 WikiPedia 的内容性质决定的– 面向各个国家，各个地域。

负载均衡：LVS，请看下图：

。

2 、 Facebook 架构

Facebook 搜索功能的架构示意图

细心的读者一定能发现，上副架构图之前出现在此文之中：从几幅架构图中偷得半点海里资料处理经验。本文与前文大的不同是，前文只有几幅，此文系列将有上百幅架构图，任您尽情观赏。

3 、 Yahoo! Mail 架构

Yahoo! Mail 架构

Yahoo! Mail 架构部署了 Oracle RAC，用来储存 Mail 服务相关的 Meta 资料。

4 、 twitter 技术架构

twitter 的整体架构设计图

twitter 平台大致由 twitter.com 、手机以及第三方应用构成，如下图所示（其中流量主要以手机和第三方为主要来源）：

快取在大型 web 专案中起到了举足轻重的作用，毕竟资料越靠近 CPU 存取速度越快。下图是 twitter 的快取架构图：

关于快取系统，还可以看看下幅图：

5 、 Google WordPress APP Engine 技术架构

GAE 的架构图

简单而言，上述 GAE 的架构分为如图所示的三个部分：前端，Datastore 和服务群。

前端包括 4 个模组：Front End，Static Files，WordPress APP Server，WordPress APP Master 。

Datastore 是基于 BigTable 技术的分散式资料库，虽然其也可以被理解成为一个服务，但是由于其是整个 WordPress APP Engine 储存持久化资料的地方，所以其是 WordPress APP Engine 中一个非常核心的模组。其具体细节将在下篇和大家讨论。

整个服务群包括很多服务供 WordPress APP Server 呼叫，比如 Memcache，图形，多用户，URL 抓取和任务伫列等。

6 、 Amazon 技术架构

Amazon 的 Dynamo Key-Value 储存架构图

可能有读者并不熟悉 Amazon，它现在已经是全球商品品种多的网上零售商和全球第 2 大互联网公司。而之前它仅仅是一个小小的网上书店。 ok，下面，咱们来见识下它的架构。
Dynamo 是亚马逊的 key-value 模式的储存平台，可用性和扩充套件性都很好，效能也不错：读写访问中 99.9% 的响应时间都在 300ms 内。按分散式系统常用的杂凑演算法切分资料，分放在不同的 node 上。 Read 操作时，也是根据 key 的杂凑值寻找对应的 node 。 Dynamo 使用了 Consistent Hashing 演算法，node 对应的不再是一个确定的 hash 值，而是一个 hash 值范围，key 的 hash 值落在这个范围内，则顺时针沿 ring 找，碰到的个 node 即为所需。
Dynamo 对 Consistent Hashing 演算法的改进在于：它放在环上作为一个 node 的是一组机器（而不是 memcached 把一台机器作为 node），这一组机器是通过同步机制保证资料一致的。
下图是分散式储存系统的示意图，读者可观摩之：

Amazon 的云架构图如下：

Amazon 的云架构图

7 、优酷网的技术架构

从一开始，优酷网就自建了一套 CMS 来解决前端的页面显示，各个模组之间分离得比较恰当，前端可扩充套件性很好，UI 的分离，让开发与维护变得十分简单和灵活，下图是优酷前端的模组呼叫关系：

这样，就根据 module 、 method 及 params 来确定呼叫相对独立的模组，显得非常简洁。下图是优酷的前端区域性架构图：

优酷的资料库架构也是经历了许多波折，从一开始的单台 MySQL 服务器（Just Running）到简单的 MySQL 主从复制、 SSD 优化、垂直分库、水平 sharding 分库。

简单的 MySQL 主从复制。
MySQL 的主从复制解决了资料库的读写分离，并很好的提升了读的效能，其原来图如下：
其主从复制的过程如下图所示：
但是，主从复制也带来其他一系列效能瓶颈问题：

写入无法扩充套件

写入无法快取

复制延时

锁表率上升

表变大，快取率下降

那问题产生总得解决的，这就产生下面的优化方案。

MySQL 垂直分割槽
如果把业务切割得足够独立，那把不同业务的资料放到不同的资料库服务器将是一个不错的方案，而且万一其中一个业务崩溃了也不会影响其他业务的正常进行，并且也起到了负载分流的作用，大大提升了资料库的吞吐能力。经过垂直分割槽后的资料库架构图如下：
然而，尽管业务之间已经足够独立了，但是有些业务之间或多或少总会有点联络，如多用户，基本上都会和每个业务相关联，况且这种分割槽方式，也不能解决单张表资料量暴涨的问题，因此为何不试试水平 sharding 呢？

MySQL 水平分片（Sharding）
这是一个非常好的思路，将多用户按一定规则（按 id 杂凑）分组，并把该组多用户的资料储存到一个资料库分片中，即一个 sharding，这样随着多用户数量的增加，只要简单地配置一台服务器即可，原理图如下：
如何来确定某个多用户所在的 shard 呢，可以建一张多用户和 shard 对应的资料表，每次请求先从这张表找多用户的 shard id，再从对应 shard 中查询相关资料，如下图所示： 但是，优酷是如何解决跨 shard 的查询呢，这个是个难点，据介绍优酷是尽量不跨 shard 查询，实在不行通过多维分片索引、分散式搜索引擎，下策是分散式资料库查询（这个非常麻烦而且耗效能）。

快取策略
貌似大的系统都对 “快取” 情有独钟，从 http 快取到 memcached 记忆体资料快取，但优酷表示没有用记忆体快取，理由如下：

避免记忆体拷贝，避免记忆体锁

如接到老大哥通知要把某个视讯撤下来，如果在快取里是比较麻烦的

而且 Squid 的 write() 多用户程序空间有消耗，Lighttpd 1.5 的 AIO(非同步 I/O) 读取档案到多用户记忆体导致效率也比较低下。
但为何我们访问优酷会如此流畅，与土豆相比优酷的视讯载入速度略胜一筹？这个要归功于优酷建立的比较完善的内容分发网络（CDN），它通过多种方式保证分布在全国各地的多用户进行就近访问——多用户点选视讯请求后，优酷网将根据多用户所处地区位置，将离多用户近、服务状况知名的视讯服务器地址传送给多用户，从而保证多用户可以得到快速的视讯体验。这就是 CDN 带来的优势，就近访问。