英文原文：StackOverflow Update: 560M Pageviews A Month, 25 Servers, And It's All About Performance

StackOverflow 是一個 IT 技術問答網站，用戶可以在網站上提交和回答問題。當下的 StackOverflow 已擁有 400 萬個用戶，4000 萬個回答，月 PV5.6 億，世界排行第 54。然而值得關注的是，支撐他們網站的全部服務器只有 25 臺，并且都保持著非常低的資源使用率，這是一場高有效性、負載均衡、緩存、數據庫、搜索及高效代碼上的較量。近日，High Scalability 創始人 Todd Hoff 根據 Marco Cecconi 的演講視頻“ The architecture of StackOverflow”以及 Nick Craver 的博文“ What it takes to run Stack Overflow”總結了 StackOverflow 的成功原因。

　　意料之中，也是意料之外，Stack Overflow 仍然重度使用著微軟的產品。他們認為既然微軟的基礎設施可以滿足需求，又足夠便宜，那么沒有什么理由去做根本上的改變。而在需要的地方，他們同樣使用了 Linux。究其根本，一切都是為了性能。

　　另一個值得關注的地方是，Stack Overflow 仍然使用著縱向擴展策略，沒有使用云。他們使用了 384GB 的內存和 2TB 的 SSD 來支撐 SQL Servers，如果使用 AWS 的話，花費可想而知。沒有使用云的另一個原因是 Stack Overflow 認為云會一定程度上的降低性能，同時也會給優化和排查系統問題增加難度。此外，他們的架構也并不需要橫向擴展。峰值期間是橫向擴展的殺手級應用場景，然而他們有著豐富的系統調整經驗去應對。該公司仍然堅持著 Jeff Atwood 的名言——硬件永遠比程序員便宜。

　　Marco Ceccon 曾提到，在談及系統時，有一件事情必須首先弄明白——需要解決問題的類型。首先，從簡單方面著手，StackExchange 究竟是用來做什么的——首先是一些主題，然后圍繞這些主題建立社區，最后就形成了這個令人敬佩的問答網站。

　　其次則是規模相關。StackExchange 在飛速增長，需要處理大量的數據傳輸，那么這些都是如何完成的，特別是只使用了 25 臺服務器，下面一起追根揭底：

　　狀態

• StackExchange 擁有 110 個站點，以每個月 3 到 4 個的速度增長。
• 400 萬用戶
• 800 萬問題
• 4000 萬答案
• 世界排名 54 位
• 每年增長 100%
• 月 PV 5.6 億萬
• 大多數工作日期間峰值為 2600 到 3000 請求每秒，作為一個編程相關網站，一般情況下工作日的請求都會高于周末
• 25 臺服務器
• SSD 中儲存了 2TB 的 SQL 數據
• 每個 web server 都配置了 2 個 320G 的 SSD，使用 RAID 1
• 每個 ElasticSearch 主機都配備了 300GB 的機械硬盤，同時也使用了 SSD
• Stack Overflow 的讀寫比是 40:60
• DB Server 的平均 CPU 利用率是 10%
• 11 個 web server，使用 IIS
• 2 個負載均衡器，1 個活躍，使用 HAProxy
• 4 個活躍的數據庫節點，使用 MS SQL
• 3 臺實現了 tag engine 的應用程序服務器，所有搜索都通過 tag
• 3 臺服務器通過 ElasticSearch 做搜索
• 2 臺使用了 Redis 的服務器支撐分布式緩存和消息
• 2 臺 Networks（Nexus 5596 + Fabric Extenders）
• 2 Cisco 5525-X ASAs 
• 2 Cisco 3945 Routers
• 主要服務 Stack Exchange API 的 2 個只讀 SQL Servers
• VM 用于部署、域控制器、監控、運維數據庫等場合

　　平臺

• ElasticSearch
• Redis
• HAProxy
• MS SQL
• Opserver
• TeamCity
• Jil——Fast .NET JSON Serializer，建立在 Sigil 之上
• Dapper——微型的 ORM

　　UI

• UI 擁有一個信息收件箱，用于新徽章獲得、用戶發送信息、重大事件發生時的信息收取，使用 WebSockets 實現，并通過 Redis 支撐。
• 搜索箱通過 ElasticSearch 實現，使用了一個 REST 接口。
• 因為用戶提出問題的頻率很高，因此很難顯示最新問題，每秒都會有新的問題產生，從而這里需要開發一個關注用戶行為模式的算法，只給用戶顯示感興趣的問題。它使用了基于 Tag 的復雜查詢，這也是開發獨立 Tag Engine 的原因。
• 服務器端模板用于生成頁面。

　　服務器

• 25 臺服務器并沒有滿載，CPU 使用率并不高，單計算 SO（Stack Overflow）只需要 5 臺服務器。
• 數據庫服務器資源利用率在 10% 左右，除下執行備份時。
• 為什么會這么低？因為數據庫服務器足足擁有 384GB 內存，同時 web server 的 CPU 利用率也只有 10%-15%。
• 縱向擴展還沒有遇到瓶頸。通常情況下，如此流量使用橫向擴展大約需要 100 到 300 臺服務器。
• 簡單的系統。基于 .Net，只用了 9 個項目，其他系統可能需要 100 個。之所以使用這么少系統是為了追求極限的編譯速度，這點需要從系統開始時就進行規劃，每臺服務器的編譯時間大約是 10 秒。
• 11 萬行代碼，對比流量來說非常少。
• 使用這種極簡的方式主要基于幾個原因。首先，不需要太多測試，因為 Meta.stackoverflow 本來就是一個問題和 bug 討論社區。其次，Meta.stackoverflow 還是一個軟件的測試網站，如果用戶發現問題的話，往往會提出并給予解決方案。
• 紐約數據中心使用的是 Windows 2012，已經向 2012 R2 升級（Oregon 已經完成了升級），Linux 系統使用的是 Centos 6.4。

　　SSD

• 默認使用的是 Intel 330（Web 層等）
• Intel 520 用于中間層寫入，比如 Elastic Search
• 數據層使用 Intel 710 和 S3700
• 系統同時使用了 RAID 1 和 RAID 10（任何4+ 以上的磁盤都使用 RAID 10）。不畏懼故障發生，即使生產環境中使用了上千塊 2.5 英寸 SSD，還沒碰到過一塊失敗的情景。每個模型都使用了 1 個以上的備件，多個磁盤發生故障的情景不在考慮之中。
• ElasticSearch 在 SSD 上表現的異常出色，因為 SO writes/re-indexes 的操作非常頻繁。
• SSD 改變了搜索的使用方式。因為鎖的問題，Luncene.net 并不能支撐 SO 的并發負載，因此他們轉向了 ElasticSearch。在全 SSD 環境下，并不需要圍繞 Binary Reader 建立鎖。

　　高可用性

• 異地備份——主數據中心位于紐約，備份數據中心在 Oregon。
• Redis 有兩個從節點，SQL 有 2 個備份，Tag Engine 有 3 個節點，elastic 有 3 個節點，冗余一切，并在兩個數據中心同時存在。
• Nginx 是用于 SSL，終止 SSL 時轉換使用 HAProxy。
• 并不是主從所有，一些臨時的數據只會放到緩存中
• 所有 HTTP 流量發送只占總流量的 77%，還存在 Oregon 數據中心的備份及一些其他的 VPN 流量。這些流量主要由 SQL 和 Redis 備份產生。

　　數據庫

• MS SQL Server
• Stack Exchange 為每個網站都設置了數據庫，因此 Stack Overflow 有一個、Server Fault 有一個，以此類推。
• 在紐約的主數據中心，每個集群通常都使用 1 主和 1 只讀備份的配置，同時還會在 Oregon 數據中心也設置一個備份。如果是運行的是 Oregon 集群，那么兩個在紐約數據中心的備份都會是只讀和同步的。
• 為其他內容準備的數據庫。這里還存在一個“網絡范圍”的數據庫，用于儲存登陸憑證和聚合數據（大部分是 stackexchange.com 用戶文件或者 API）。
• Careers Stack Overflow、stackexchange.com 和 Area 51 等都擁有自己獨立的數據庫模式。
• 模式的變化需要同時提供給所有站點的數據庫，它們需要向下兼容，舉個例子，如果需要重命名一個列，那么將非常麻煩，這里需要進行多個操作：增加一個新列，添加作用在兩個列上的代碼，給新列寫數據，改變代碼讓新列有效，移除舊列。
• 并不需要分片，所有事情通過索引來解決，而且數據體積也沒那么大。如果有 filtered indexes 需求，那么為什么不更高效的進行？常見模式只在 DeletionDate = Null 上做索引，其他則通過為枚舉指定類型。每項 votes 都設置了 1 個表，比如一張表給 post votes，1 張表給 comment votes。大部分的頁面都可以實時渲染，只為匿名用戶緩存，因此，不存在緩存更新，只有重查詢。
• Scores 是非規范化的，因此需要經常查詢。它只包含 IDs 和 dates，post votes 表格當下大約有 56454478 行，使用索引，大部分的查詢都可以在數毫秒內完成。
• Tag Engine 是完全獨立的，這就意味著核心功能并不依賴任何外部應用程序。它是一個巨大的內存結構數組結構，專為 SO 用例優化，并為重負載組合進行預計算。Tag Engine 是個簡單的 windows 服務，冗余的運行在多個主機上。CPU 使用率基本上保持在2-5%，3 個主機專門用于冗余，不負責任何負載。如果所有主機同時發生故障，網絡服務器將把 Tag Engine 加載到內存中持續運行。
• 關于 Dapper 無編譯器校驗查詢與傳統 ORM 的對比。使用編譯器有很多好處，但在運行時仍然會存在 fundamental disconnect 問題。同時更重要的是，由于生成 nasty SQL，通常情況還需要去尋找原始代碼，而 Query Hint 和 parameterization 控制等能力的缺乏更讓查詢優化變得復雜。

　　編碼

• 流程
• 大部分程序員都是遠程工作，自己選擇編碼地點
• 編譯非常快
• 然后運行少量的測試
• 一旦編譯成功，代碼即轉移至開發交付準備服務器
• 通過功能開關隱藏新功能
• 在相同硬件上作為其他站點測試運行
• 然后轉移至 Meta.stackoverflow 測試，每天有上千個程序員在使用，一個很好的測試環境
• 如果通過則上線，在更廣大的社區進行測試
• 大量使用靜態類和方法，為了更簡單及更好的性能
• 編碼過程非常簡單，因為復雜的部分被打包到庫里，這些庫被開源和維護。.Net 項目數量很低，因為使用了社區共享的部分代碼。
• 開發者同時使用 2 到 3 個顯示器，多個屏幕可以顯著提高生產效率。

　　緩存

• 緩存一切
• 5 個等級的緩存
• 1 級是網絡級緩存，緩存在瀏覽器、CDN 以及代理服務器中。
• 2 級由 .Net 框架 HttpRuntime.Cache 完成，在每臺服務器的內存中。
• 3 級 Redis，分布式內存鍵值存儲，在多個支撐同一個站點的服務器上共享緩存項。
• 4 級 SQL Server Cache，整個數據庫，所有數據都被放到內存中。
• 5 級 SSD。通常只在 SQL Server 預熱后才生效。
• 舉個例子，每個幫助頁面都進行了緩存，訪問一個頁面的代碼非常簡單：
• 使用了靜態的方法和類。從 OOP 角度來看確實很糟，但是非常快并有利于簡潔編碼。
• 緩存由 Redis 和 Dapper 支撐，一個微型 ORM
• 為了解決垃圾收集問題，模板中 1 個類只使用 1 個副本，被建立和保存在緩存中。監測一切，包括 GC 操。據統計顯示，間接層增加 GC 壓力達到了某個程度時會顯著的降低性能。
• CDN Hit 。鑒于查詢字符串基于文件內容進行哈希，只在有新建立時才會被再次取出。每天 3000 萬到 5000 萬 Hit，帶寬大約為 300GB 到 600GB。
• CDN 不是用來應對 CPU 或I/O負載，而是幫助用戶更快的獲得答案

　　部署

• 每天 5 次部署，不去建立過大的應用。主要因為
• 可以直接的監視性能
• 盡可能最小化建立，可以工作才是重點
• 產品建立后再通過強大的腳本拷貝到各個網頁層，每個服務器的步驟是：
• 通過 POST 通知 HAProxy 下架某臺服務器
• 延遲 IIS 結束現有請求（大約 5 秒）
• 停止網站（通過同一個 PSSession 結束所有下游）
• Robocopy 文件
• 開啟網站
• 通過另一個 POST 做 HAProxy Re-enable
• 幾乎所有部署都是通過 puppet 或 DSC，升級通常只是大幅度調整 RAID 陣列并通過 PXE boot 安裝，這樣做非常快速。

　　協作

• 團隊
• SRE （System Reliability Engineering）：5 人
• Core Dev（Q&A site）6-7 人
• Core Dev Mobile：6 人
• Careers 團隊專門負責 SO Careers 產品開發：7 人
• Devops 和開發者結合的非常緊密
• 團隊間變化很大
• 大部分員工遠程工作
• 辦公室主要用于銷售，Denver 和 London 除外
• 一切平等，些許偏向紐約工作者，因為面對面有助于工作交流，但是在線工作影響也并不大
• 對比可以在同一個辦公室辦公，他們更偏向熱愛產品及有才華的工程師，他們可以很好的衡量利弊
• 許多人因為家庭而選擇遠程工作，紐約是不錯，但是生活并不寬松
• 辦公室設立在曼哈頓，那是個人才的誕生地。數據中心不能太偏，因為經常會涉及升級
• 打造一個強大團隊，偏愛極客。早期的微軟就聚集了大量極客，因此他們征服了整個世界
• Stack Overflow 社區也是個招聘的地點，他們在那尋找熱愛編碼、樂于助人及熱愛交流的人才。

　　編制預算

• 預算是項目的基礎。錢只花在為新項目建立基礎設施上，如此低利用率的 web server 還是 3 年前數據中心建立時購入。

　　測試

• 快速迭代和遺棄
• 許多測試都是發布隊伍完成的。開發擁有一個同樣的 SQL 服務器，并且運行在相同的 Web 層，因此性能測試并不會糟糕。
• 非常少的測試。Stack Overflow 并沒有進行太多的單元測試，因為他們使用了大量的靜態代碼，還有一個非常活躍的社區。
• 基礎設施改變。鑒于所有東西都有雙份，所以每個舊配置都有備份，并使用了一個快速故障恢復機制。比如，keepalived 可以在負載均衡器中快速回退。
• 對比定期維護，他們更愿意依賴冗余系統。SQL 備份用一個專門的服務器進行測試，只為了可以重存儲。計劃做每兩個月一次的全數據中心故障恢復，或者使用完全只讀的第二數據中心。
• 每次新功能發布都做單元測試、集成測試盒 UI 測試，這就意味著可以預知輸入的產品功能測試后就會推送到孵化網站，即 meta.stackexchange（原 meta.stackoverflow）。

　　監視/日志

• 當下正在考慮使用 http://logstash.net/做日志管理，目前使用了一個專門的服務將 syslog UDP 傳輸到 SQL 數據庫中。網頁中為計時添加 header，這樣就可以通過 HAProxy 來捕獲并且融合到 syslog 傳輸中。
• Opserver 和 Realog 用于顯示測量結果。Realog 是一個日志展示系統，由 Kyle Brandt 和 Matt Jibson 使用 Go 建立。
• 日志通過 HAProxy 負載均衡器借助 syslog 完成，而不是 IIS，因為其功能比 IIS 更豐富。

　　關于云

• 還是老生常談，硬件永遠比開發者和有效率的代碼便宜。基于木桶效應，速度肯定受限于某個短板，現有的云服務基本上都存在容量和性能限制。
• 如果從開始就使用云來建設 SO 說不定也會達到現在的水準。但毫無疑問的是，如果達到同樣的性能，使用云的成本將遠遠高于自建數據中心。

　　性能至上

• StackOverflow 是個重度的性能控，主頁加載的時間永遠控制在 50 毫秒內，當下的響應時間是 28 毫秒。
• 程序員熱衷于降低頁面加載時間以及提高用戶體驗。
• 每個獨立的網絡提交都予以計時和記錄，這種計量可以弄清楚提升性能需要修改的地方。
• 如此低資源利用率的主要原因就是高效的代碼。web server 的 CPU 平均利用率在5% 到 15% 之間，內存使用為 15.5 GB，網絡傳輸在 20 Mb/s到 40 Mb/s。SQL 服務器的 CPU 使用率在5% 到 10% 之間，內存使用是 365GB，網絡傳輸為 100 Mb/s到 200 Mb/s。這可以帶來 3 個好處：給升級留下很大的空間；在嚴重錯誤發生時可以保持服務可用；在需要時可以快速回檔。

　　學到的知識

　　1. 為什么使用 MS 產品的同時還使用 Redis？什么好用用什么，不要做無必要的系統之爭，比如 C# 在 Windows 機器上運行最好，我們使用 IIS；Redis 在*nix 機器上可以得到充分發揮，我們使用*nix。

　　2. Overkill 即策略。平常的利用率并不能代表什么，當某些特定的事情發生時，比如備份、重建等完全可以將資源使用拉滿。

　　3. 堅固的 SSD。所有數據庫都建立在 SSD 之上，這樣可以獲得 0 延時。

　　4. 了解你的讀寫負載。

　　5. 高效的代碼意味著更少的主機。只有新項目上線時才會因為特殊需求增加硬件，通常情況下是添加內存，但在此之外，高效的代碼就意味著 0 硬件添加。所以經常只討論兩個問題：為存儲增加新的 SSD；為新項目增加硬件。

　　6. 不要害怕定制化。SO 在 Tag 上使用復雜查詢，因此專門開發了所需的 Tag Engine。

　　7. 只做必須做的事情。之所以不需要測試是因為有一個活躍的社區支撐，比如，開發者不用擔心出現“Square Wheel”效應，如果開發者可以制作一個更更輕量級的組件，那就替代吧。

　　8. 注重硬件知識，比如 IL。一些代碼使用 IL 而不是C#。聚焦 SQL 查詢計劃。使用 web server 的內存轉儲究竟做了些什么。探索，比如為什么一個 split 會產生 2GB 的垃圾。

　　9. 切勿官僚作風。總有一些新的工具是你需要的，比如，一個編輯器，新版本的 Visual Studio，降低提升過程中的一切阻力。

　　10. 垃圾回收驅動編程。SO 在減少垃圾回收成本上做了很多努力，跳過類似 TDD 的實踐，避免抽象層，使用靜態方法。雖然極端，但是確實打造出非常高效的代碼。

　　11. 高效代碼的價值遠遠超出你想象，它可以讓硬件跑的更快，降低資源使用，切記讓代碼更容易被程序員理解。