看腾讯运维应对“18岁照片全民怀旧”事件的方案,你一定不后悔!

作者丨魏旸:腾讯高级工程师,15年运维经验的老专家,负责QQ空间、微云、QQ空间相册的运维工作,亲历8亿军装照、QQ空间异地多活建设等重大架构升级事件。

2017年12月30日,元旦假期的第一天,你的朋友圈被18岁照片刷屏了吗?据说“晒18岁照片”的根源是2017年年未,最后一批90后将度过他们的18岁生日。这意味着,90后已全部成年,集体告别了青葱芳华。

这是一个青春的、也是怀旧的年华,QQ空间做为国内第一批社交平台产品,承载了较多的用户记忆,大量的用户涌入QQ空间翻找自己多年前的18岁照片晒上社交平台。集体引爆了空间相册山洪峰涌而至的照片流量。

下面这篇文章让我们回顾12月30日,空间相册面对突发四倍流量,七成访问落在后端冷存储的极端压力下,相册运维、开发团队如何凭借平时基础功底,从告警、容量、扩容、柔性、调度等全方面运维能力,扛过“18岁照片”的全民怀旧事件。

业务数据回顾

突然来袭的用户集中行为,给我们平台的能力带来了非常严峻的考验,先让我们先来看一组数据:

1) 图片下载量峰值达到平日晚高峰的4倍,且70%以上都聚集在平日不怎么访问的冷图片。

2) 图片上传量达到平日晚高峰的4倍。

3) 带图说说峰值达到平日晚高峰的12倍。

1.jpg

业务架构剖析

面对突然涌入的用户请求,相册开发与和运维是如何坚守阵地,度过这次难关的呢?

在介绍一系列的措施之前,首先不得不介绍下相册业务架构,下图较为抽像地介绍了相册的主要架构:

4.png
  1. 上传链路: 用户上传图片/视频,数据流主要由上图中间链路处理,经过proxy->逻辑(分片、权限、缓存等)->存储接入(分片整合、生成文件地址等)->落地存储
  2. 下载链路:
  • 用户通过空间(说说、日志、动态等)访问相册图片,图片适配模块根据用户请求、终端、请求量等场景适配出最优图片规格,返回用户图片、视频URL。
  • 用户通过上一步获取的URL 访问后端存储的图片、视频。

日常运维工作

同时,我们介绍一下腾讯SNG社交网络运营部平时进行的一些日常容量管理工作。

1) 链路梳理

如上节所述,我们梳理出相册核心链路,常用梳理过程有几种:

  • 通过抓包形式确定链路模块
  • 通过设备上报的主被调数据确定调用链路
  • 名字服务中获取相关的调用链数据。
  • 通过全链路数据汇总出相关的链路。

2)压测:

定期对整条链路做压测,压测手段有异地调度压测,或单机压测,通过压测找出链路内存在瓶颈的模块,及时修正链路模型。

3)高低负载处理:

依据压测容量数据,分配设备扩容。负载较低的模块设备进行缩容下线以节省成本。

3.1.PNG

容量应急措施

但是这里的问题是显而易见的:以上常规性的工作,只能发现常规场景下内部存在的瓶颈。像18岁照片这种特殊场景(用户大量读取空间相册,获取冷数据),无法通过常规压测检测出来问题, 这就需要一系列的机制来解决

1) 监控和容量弹性机制:

通过IaaS层监控对系统的基础特征进行监控,(如CPU负载,出入流量),当模块容量出现异常时,弹性扩容机制需要介入处理,进行扩容。

如何快速支持短时间扩容上千台设备呢?不得不介绍一下腾讯SNG的织云运维理念。

如上文所述,我们的设备被分配到不同的“业务模块”,而每一个模块有如下的属性:

1) 包:业务处理逻辑文件包,包含业务包与基础包。

2) 配置:包含业务包要使用到的各种配置

3) 权限:包含支撑业务包正常运行时需要的数据库、内部鉴权系统等权限

4) 测试工具:包含业务包启动后,能否接入现网的测试标准

织云提倡的自动化理念是:标准化 -> 配置化 -> 自动化,让企业的常用操作固化成流程工具。不依赖容易过期的文档,不依赖容易流失的人的经验。

6.jpg

参考持续交付的原则“为软件的发布创建一个可重复且可靠的过程”,运维团队为了解决人肉操作经验差异的难题,将运维操作通过流程DIY编排能力,实现标准操作的固化。“18岁照片”活动扩容,任何一个运维人员只需要执行QQ相册的扩容功能即可实现容量扩展,而织云流程会自动化的完成整个服务部署和上线的操作。(如下图)

3.jpg

柔性业务架构

前面我们说过,相册在当天的峰值下载量涨了4倍,且多是访问冷数据,但在短时间内无法筹集到4倍的资源,业务是如何应对的呢,在保证用户核心体验不受影响的前提下,我们采用了一些柔性手段。

回顾一下,当时我们在容量不足时碰到以下的问题,导致短时间内部分图片拉取耗时过长,影响用户体验。

1) 存储压力过大。

2) 自身模块压力过大。

针对存储压力过大的问题,我们采用了以下几个手段来降低业务负载:

1) 存储手段

a. 图片适配优化索引策略减少存储压力

减少拉取照片分批次数,降低后端存储处理压力。分批拉取照片列表数量增加3倍。交互次数直接下降近2/3。

b. 图片上传增加本地缓存空间减少存储高负载造成的用户上传失败

调整上传逻辑模块,从原来的本地内存缓存优化为内存+本地磁盘缓存,通过增加本地缓存空间减少后端存储高负载对用户侧上传图片/视频的影响。虽然底层存储高负载了,但是用户还是可以不受底层影响,将图片通过接入上传到逻辑层缓存。存储压力释放后即可将逻辑层缓存的数据上传到存储层。

c. 降低图片规则,减少图片下载流量:

一张图片分为小、中、大三种规格,为了节约存储容量中图是通过图片压缩模块实时压缩返回给用户的,小图和大图真实存储在存储模块。为了降低图片下载的流量压力,我们调整了适配策略,用户访问大图,适配直接返回小图的url,减少了图片压缩逻辑,并且降低了带宽。调整后图片下载带宽对比如下:

d. 上传不检查相册有效性,减少存储索引访问量:

正常情况,在用户上传图片时到相册时,会检查相册是否存在,如相册已被删除,则直接报错。柔性策略跳过相册有效性检查,直接上传图片到后端存储,降低索引访问量,降低索引模块负载。

同时在业务逻辑上,也做了以下的柔性措施:

a. 核心模块启用过载保护机制:

判断单机cpu使用率超过80%时,会自动丢弃多余的请求,以保证业务逻辑模块在大量用户请求场景下不雪崩。

b. 柔性关闭非核心业务功能减少业务自身负载

每张图片在高速存储会存储一份位置信息,图片裁剪时用于标示一张图片核心元素的位置。禁用此逻辑后,用户看到的图片无人脸中心点, 客户端裁剪可能不准确。

关闭用户删除标记,适配图片适配前会预先检测图片是否被删除,如已被删除则不会返回对应的图片列表。删除标记逻辑也会频繁和索引模块交互,高峰期时会占用大量计算资源。禁用此逻辑,用户访问相册时会看到已被删除的图片,但是会标记为灰色已删除。

调度:相册业务分布在三地,每地分别承载了约33%的用户,某地请求过高时,我们可以调度用户至其他容量相对较低的地域。

5.png

小结

从“18岁照片全民怀旧”热点社交事件可以看到,事发过程中留给运维的时间相当少,只有严格贯彻“养兵千日用兵一时”的标准化运维理念,建设完善的运维体系,才能在突发事件中游刃有余。

2.jpg

后记

这次18岁照片活动,相册通过多种手段顶住了业务压力。 同时通过这次活动,我们也对未来的运维工具进行了进一步规划,比如:

a) 基于容量的智能调度体系

b) 资源托管平台。

c) 自动演习系统。

织云平台的运维能力在不断迭代,期待在下一次活动来临时能够做到更加有条不紊。

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏互联网数据官iCDO

自助性BI工具:Zoho Reports

译者:严小鳙,iCDO翻译志愿者。 前言:今天我们将为大家介绍一款适合中小企业的自助BI工具。 它简单易学,当然同时也存在着局限性。接下来就让我们来详细解读。 ...

3097
来自专栏IT派

从Uber到LinkedIn,聪明人都在用​Node.js

Node.js 8已经发布了,NPM模块每周下载量早已超过10亿,从Uber到LinkedIn都在使用Node.js,谁说JavaScript不能写后台?

1360
来自专栏编程微刊

做前端技术方案选型的时候,你是怎么做决策的?

最近在知乎上看到的一个提问做前端技术方案选型的时候,你是怎么做决策的?想起一年来自己所做的项目,全都是一个人在做选型,能力也在一步步中培养起来。

901
来自专栏知晓程序

【晓快讯】「附近的小程序」增加新分类 / 小程序搜索大升级

在「发现」-「小程序」中进入「附近的小程序」,可以看到,除了原有的「餐饮美食」分类,现在还加入了「美妆护理」、「生鲜果蔬」、「服饰箱包」的分类。

1412
来自专栏养码场

《阿里巴巴Java开发规约》的IDEA插件使用分享

对于技术人来说,云栖大会可算是一年一度的盛大技术盛会,连续4天占领了各大媒体头条,连大妈都吸引着去现场“招女婿”。

981
来自专栏顶级程序员

为什么看起来不是很复杂的网站,淘宝、腾讯却需要大量顶尖高手来开发?

为什么看起来不是很复杂的网站,淘宝、腾讯却需要大量顶尖高手来开发? 阿里巴巴员工2万,百度技术人员超过6000,京东也有三四千攻城狮。 子柳: 就拿淘宝来说说...

4058
来自专栏开源项目

项目推荐 | 逗视 IOS 客户端

本项目是基于 IOS 的逗视客户端,逗视在发现页面有排行榜功能,看看哪些视频大家都在看! 逗视中的视频可以分享到QQ,微信,微博等社交平台,与你的朋友一起欢乐...

3697
来自专栏分享达人秀

Android 8.0新功能特性

在2017年3月21日,Google 为开发者推出了新的 Android O 首个开发者预览版,接着再2017 Google I/O 开发者大会...

2519
来自专栏知晓程序

小程序插件审核又没过?教你避开这几个坑 | 开发

1372
来自专栏云市场·精选汇

产品更新——智慧零售V1.3商品+V1.4订单优化上线

选择出库类型,添加商品信息并保存即可。( 出库是减库存操作,出库记录保存后,系统将按照出库单中的商品信息和数量对应更新商品库中的库存信息。)

973

扫码关注云+社区