看起來不復雜的網站 淘寶、騰訊為何要大量頂尖

  阿里巴巴員工 2 萬，百度技術人員超過6000，京東也有三四千攻城獅。

　　子柳：

　　就拿淘寶來說說，當作給新人一些科普。

　　▼先說你看到的頁面上，最重要的幾個：

　　【搜索商品】這個功能，如果你有幾千條商品，完全可以用select * from tableXX where title like %XX%這樣的操作來搞定。但是——當你有10000000000（一百億）條商品的時候，任何一個數據庫都無法存放了，請問你怎么搜索？這里需要用到分布式的數據存儲方案，關注公眾號：程序員大咖，另外這個搜索也不可能直接從數據庫里來取數據，必然要用到搜索引擎（簡單來說搜索引擎更快）。好，能搜出商品了，是否大功告成可以啵一個了呢？早著呢，誰家的商品出現在第一頁？這里需要用到巨復雜的排序算法。要是再根據你的購買行為做一些個性化的推薦——這夠一幫牛叉的算法工程師奮斗終生了。

　　【商品詳情】就是搜索完畢，看到你感興趣的，點擊查看商品的頁面，這個頁面有商品的屬性、詳細描述、評價、賣家信息等等，這個頁面的每天展示次數在 30 億以上，同樣的道理，如果你做一個網站每天有 10 個人訪問，你絲毫感覺不到服務器的壓力，但是 30 億，要解決的問題就多了去了。首先，這些請求不能直接壓到數據庫上，任何單機或分布式的數據庫，承受 30 億每天的壓力，都將崩潰到完全沒有幸福感，這種情況下要用到的技術就是大規模的分布式緩存，所有的賣家信息、評價信息、商品描述都是從緩存里面來取到的，甚至更加極致的一點“商品的瀏覽量”這個信息，每打開頁面一次都要刷新，你猜能夠從緩存里面來取嗎？淘寶做到了，整個商品的詳情都在緩存里面。

　　【商品圖片】一個商品有 5 個圖片，商品描述里面有更多圖片，你猜淘寶有多少張圖片要存儲？ 100 億以上。這么多圖片要是在你的硬盤里面，你怎么去查找其中的一張？要是你的同學想拷貝你的圖片，你需要他準備多少塊硬盤？你需要配置多少大的帶寬？你們的網卡是否能夠承受？你需要多長時間拷貝給他？這樣的規模，很不幸市面上已經沒有任何商業的解決方案，最終我們必須自己來開發一套存儲系統，如果你聽說過google的GFS，我們跟他類似，叫TFS。順便說一下，騰訊也有這樣的一套，也叫TFS。

　　【廣告系統】淘寶上有很多廣告，什么，你不知道？那說明我們的廣告做的還不錯，居然很多人不認為它是廣告，賣家怎么出價去買淘寶的廣告位？廣告怎么展示？怎么查看廣告效果？這又是一套算法精奇的系統。

　　【BOSS系統】淘寶的工作人員怎么去管理這么龐大的一個系統，例如某時刻突然宣布某位作家的作品全部從淘寶消失，從數據庫到搜索引擎到廣告系統，里面的相關數據在幾分鐘內全部消失，這又需要一個牛叉的后臺支撐系統。

　　【運維體系】支持這么龐大的一個網站，你猜需要多少臺服務器？幾千臺？那是零頭。這么多服務器，上面部署什么操作系統，操作系統的內核能否優化？Java虛擬機能否優化？通信模塊有沒有榨取性能的空間？軟件怎么部署上去？出了問題怎么回滾？你裝過操作系統吧，優化過吧，被 360 坑過沒，崩潰過沒？這里面又有很多門道。

　　不再多寫了，除了上面提到的這些，還有很多很多需要做的技術，當然并不是這些東西有多么高不可攀，任何復雜的龐大的東西都是從小到大做起來的，里面需要牛叉到不行的大犇，也需要充滿好奇心的菜鳥，最后這一句，你當我是別有用心好了。

　　蔡正海 ：

　　剛看了一篇很有意思的文章，講的很清楚——《你剛才在淘寶上買了一件東西》

　　你發現快要過年了，于是想給你的女朋友買一件毛衣，你打開了http://www.taobao.com。這時你的瀏覽器首先查詢DNS服務器，將http://www.taobao.com轉換成ip地址。不過首先你會發現，你在不同的地區或者不同的網絡（電信、聯通、移動）的情況下，轉換后的IP地址很可能是不一樣的，這首先涉及到負載均衡的第一步，通過DNS解析域名時將你的訪問分配到不同的入口，同時盡可能保證你所訪問的入口是所有入口中可能較快的一個 (這和后文的CDN不一樣)。

　　你通過這個入口成功的訪問了http://www.taobao.com的實際的入口IP地址。這時你產生了一個PV，即Page View，頁面訪問。每日每個網站的總PV量是形容一個網站規模的重要指標。淘寶網全網在平日（非促銷期間）的PV大概是16- 25 億之間。同時作為一個獨立的用戶，你這次訪問淘寶網的所有頁面，均算作一個UV（Unique Visitor用戶訪問）。最近臭名昭著http://12306.cn的日PV量最高峰在 10 億左右，而UV量卻遠小于淘寶網十余倍，這其中的原因我相信大家都會知道。

　　因為同一時刻訪問http://www.taobao.com的人數過于巨大，所以即便是生成淘寶首頁頁面的服務器，也不可能僅有一臺。僅用于生成http://www.taobao.com首頁的服務器就可能有成百上千臺，那么你的一次訪問時生成頁面給你看的任務便會被分配給其中一臺服務器完成。這個過程要保證公正、公平、平均（暨這成百上千臺服務器每臺負擔的用戶數要差不多），這一很復雜的過程是由幾個系統配合完成，其中最關鍵的便是LVS(Linux Virtual Server)，世界上最流行的負載均衡系統之一，正是由目前在淘寶網供職的章文嵩博士開發的。

　　經過一系列復雜的邏輯運算和數據處理，用于這次給你看的淘寶網首頁的HTML內容便生成成功了。對web前端稍微有點常識的童鞋都應該知道，下一步瀏覽器會去加載頁面中用到的css、js、圖片、腳本和資源文件。但是可能相對較少的同學才會知道，你的瀏覽器在同一個域名下并發加載的資源數量是有限制的，例如IE6- 7 是兩個，IE 8 是 6 個，Chrome各版本不大一樣，一般是4- 6 個。我剛剛看了一下，我訪問淘寶網首頁需要加載 126 個資源，那么如此小的并發連接數自然會加載很久。所以前端開發人員往往會將上述這些資源文件分布在好多個域名下，變相的繞過瀏覽器的這個限制，同時也為下文的CDN工作做準備。

　　據不可靠消息，在雙十一當天高峰，淘寶的訪問流量最巔峰達到871GB/S。這個數字意味著需要 178 萬個4Mb帶寬的家庭寬帶才能負擔的起，也完全有能力拖垮一個中小城市的全部互聯網帶寬。那么顯然，這些訪問流量不可能集中在一起。并且大家都知道，不同地區不同網絡（電信、聯通等）之間互訪會非常緩慢，但是你卻發現很少發現淘寶網訪問緩慢。這便是CDN(Content Delivery Network)，即內容分發網絡的作用。淘寶在全國各地建立了數十上百個CDN節點，利用一些手段保證你訪問的（這里主要指js、css、圖片等）地方是離你最近的CDN節點，這樣便保證了大流量分散在各地訪問的加速節點上。

　　這便出現了一個問題，那就是假若一個賣家發布了一個新的寶貝，上傳了幾張新的寶貝圖片，那么淘寶網如何保證全國各地的CDN節點中都會同步的存在這幾張圖片供用戶使用呢？這里邊就涉及到了大量的內容分發與同步的相關技術。淘寶開發了分布式文件系統TFS(Taobao File System)來處理這類問題。

　　好了，這時你終于加載完了淘寶首頁，那么你習慣性的在首頁搜索框中輸入了'毛衣'二字并敲回車，這時你又產生了一個PV，然后，淘寶網的主搜索系統便開始為你服務了。它首先對你輸入的內容基于一個分詞庫進行分詞操作。眾所周知，英文是以詞為單位的，詞和詞之間是靠空格隔開，而中文是以字為單位，句子中所有的字連起來才能描述一個意思。例如，英文句子I am a student，用中文則為：“我是一個學生”。計算機可以很簡單通過空格知道student是一個單詞，但是不能很容易明白“學”、“生”兩個字合起來才表示一個詞。把中文的漢字序列切分成有意義的詞，就是中文分詞，有些人也稱為切詞。我是一個學生，分詞的結果是：我 是 一個學生。

　　進行分詞之后，還需要根據你輸入的搜索詞進行你的購物意圖分析。用戶進行搜索時常常有如下幾類意圖：

　?。?）瀏覽型：沒有明確的購物對象和意圖，邊看邊買，用戶比較隨意和感性。Query例如：” 2016 年 10 大香水排行”，” 2016 年流行毛衣”， “zippo有多少種類？”；

　?。?）查詢型：有一定的購物意圖，體現在對屬性的要求上。Query例如：”適合老人用的手機”，” 500 元 手表”；

　?。?）對比型：已經縮小了購物意圖，具體到了某幾個產品。Query例如：”諾基亞E71 E63″，”akg k450 px200″；

　?。?）確定型：已經做了基本決定，重點考察某個對象。Query例如：”諾基亞N97″，”IBM T60″。通過對你的購物意圖的分析，主搜索會呈現出完全不同的結果來。

　　之后的數個步驟后，主搜索系統便根據上述以及更多復雜的條件列出了搜索結果，這一切是由一千多臺搜索服務器完成。然后你開始逐一點擊瀏覽搜索出的寶貝。你開始查看寶貝詳情頁面。經常網購的親們會發現，當你買過了一個寶貝之后，即便是商家多次修改了寶貝詳情頁，你仍然能夠通過‘已買到的寶貝’查看當時的快照。這是為了防止商家對在商品詳情中承諾過的東西賴賬不認。那么顯然，對于每年數十上百億比交易的商品詳情快照進行保存和快速調用不是一個簡單的事情。這 其中又涉及到數套系統的共同協作，其中較為重要的是Tair，淘寶自行研發的分布式KV存儲方案。

　　然后無論你是否真正進行了交易，你的這些訪問行為便忠實的被系統記錄下來，用于后續的業務邏輯和數據分析。這些記錄中訪問日志記錄便是最重要的記錄之一， 但是前邊我們得知，這些訪問是分布在各個地區很多不同的服務器上的，并且由于用戶眾多，這些日志記錄都非常龐大，達到TB級別非常正常。那么為了快速及時 傳輸同步這些日志數據，淘寶研發了TimeTunnel，用于進行實時的數據傳輸，交給后端系統進行計算報表等操作。

　　你的瀏覽數據、交易數據以及其它很多很多的數據記錄均會被保留下來。

　　使得淘寶存儲的歷史數據輕而易舉的便達到了十數甚至更多個PB(1PB=1024TB=1048576GB)。如此巨大的數據量經過淘寶系統1: 120 的極限壓縮存儲在淘寶的數據倉庫中。并且通過一個叫做云梯的，由 2000 多臺服務器組成的超大規模數據系統不斷的進行分析和挖掘。

　　從這些數據中淘寶能夠知道小到你是誰，你喜歡什么，你的孩子幾歲了，你是否在談戀愛，喜歡玩魔獸世界的人喜歡什么樣的飲料等，大到各行各業的零售情況、各類商品的興衰消亡等等海量的信息。

　　說了這么多，其實也只是敘述了淘寶上正在運行的成千上萬個系統中的寥寥幾個。即便是你僅僅訪問一次淘寶的首頁，所涉及到的技術和系統規模都是你完全無法想 象的，是淘寶 2000 多名頂級的工程師們的心血結晶，其中甚至包括長江學者、國家科學技術最高獎得主等眾多大牛。同樣，百度、騰訊等的業務系統也絕不比淘寶簡單。你需要知道的是，你每天使用的互聯網產品，看似簡單易用，背后卻凝聚著難以想象的智慧與勞動。