日600亿消息 月4.65亿用户的WhatsApp世界（下）

解耦

• 隔离瓶颈，让之不会存在整个系统中

• 紧耦合会导致相继故障
• 前端系统和后端系统首先要分离
• 隔离一切，让组件间不会存在影响。
• 正在解决问题时，保持尽可能多的吞吐量。

• 异步处理以最小化吞吐量延时

• 当延时不可预知及在不同点存在时，异步可以尽可能的保证吞吐量。
• 解耦可以让系统运行尽可能的快。

• 避免HOL阻塞

• 线头阻塞是首位处理会饿死队列中其他项目。
• 分离读和写队列。特别是在表格上执行事务，写入方面的延时不会影响读取队列，通常情况下读的速度会很快，因此任何阻塞都会影响读性能。
• 分离节点内部队列。如果节点或者网络连接的节点出现问题，它可能会阻塞应用程序中其他任务。因此，发往不同节点的消息会分配不同的进程（Erlang中的轻量级并发），因此只有当消息发送给问题节点时才会做备份，这将允许消息自由的传输，问题被隔离开来，给Mnesia打补丁以保证async_dirty级响应时间。App发送消息后就会被解耦，因此当一个节点发生故障时，不会导致负载问题。
• 在不确定延时场景下使用FIFO模型。

• Meta Custering

• 本节出现在讲话的第29分钟，不幸但是，信息量不大。
• 需要一种方法来控制单集群体积，并允许他跨很长距离。
• 建立wandist，基于gen_tcp的分布式传输，由许多需要相互通信的节点组成。
• 1个基于pg2的透明路由层，建立一个单跳路由调度系统。
• 举个例子：两个数据中心的两个主集群，位于两个不同数据中心的两个多媒体集群，以及两个数据中心间一个共享的全局集群，他们之间都使用wandist进行连接。

• 例子

• 使用async_dirty来避免Mnesia事务耦合，大部分情况下不会使用事务。
• 只在从数据库中恢复时才使用call，其他情况下都使用cast来维持异步模型。在Erlang，消息队列会因等待handle_call响应而造成阻塞，handle_cast不会造成阻塞是因为它不关注结果。
• Call使用超时而不是监视，减少远端进程竞争以及分发时传输的数据。
• 如果只是想追求最好的交付能力，为cast使用nosuspend。这样会阻止节点受到下游问题影响——不管是节点失败还是网络问题（在这些情况下，发送数据缓冲池会备份到发送节点上），进程发送的开始指令会被调度系统挂起，从而造成了相继故障——大家都在等待，却没有操作正在被处理。
• 使用大的发送缓冲器，从而降低收来自网络和下游系统的影响。

并行

• 任务分配

• 需要在1.1万个核心上分配任务
• 始于单线程的gen_server，然后建立了一个gen_factory负责多节点之间的任务传递。 
• 在负载达到了一定程度，调度过程本身就变成了瓶颈，不仅仅是执行时间问题。
• 因此建立一个gen_industry，位于gen_factory之上，从而并行的摄入所有输入，并且有能力立刻给工作节点分配。
• 工作节点的寻址类似数据库通过key查找，因此这里存在不确定延时，比如IO，所以为了避免线头阻塞，这里使用了一个FIFO模型。

• 分割服务

• 在2到32间进行分割，大部分服务都被分割成32个。
• pg2 addressing，分布式进程组，用于集群上的分片寻址。
• 节点进行主从设置，用于容灾。
• 限制访问单ets或者mnesia进程的数量到8，这会让锁争用处于控制当中。

• Mnesia

• 因为没有使用事务去保证一致性，他们使用一个进程对一个节点上的记录进行连续访问。哈希到一个分片，会映射到1个mnesia fragment，最后会被调度到1个factory，随后是节点。因此，对每个单记录的访问都会被转换成一个独立的Erlang进程。
• 每个mnesia fragment都只能在1个节点上的应用程序等级进行读取，这样复制流只需要在一处进行。
• 一旦节点间存在复制流，分片的更新速度上就会存在瓶颈。他们给OTP打补丁以实现多个事务管理器，用以实现async_dirty，从而记录可以并行的进行修改，这将产生更多的吞吐量。
• 打补丁允许Mnesia库直接被分割到多个库上，这就意味着它可以写多个驱动，这么做可以直接提升磁盘的吞吐量。这里存在的问题是Mnesia达到峰值，通过多个磁盘来分摊IO，而为了进一步提升可扩展性及性能，甚至会加入SSD。
• 将Mnesia“island”缩减到2个，每个“island”都是一个Mnesia集群。因此在表格被分割成32份时，将会有16个“island”支撑一个表格。从而，他们可以进行更好的schema operation，因为只需要修改两个节点。在同时打开1或2个节点时，可以减少加载时间。
• 通过设置警报快速处理Mnesia中的网络分片，让它们继续保持运行，然后手动的调节将它们整合。
  

优化

• 在峰值情况下，离线存储系统曾是1个非常大的瓶颈，无法更快的将消息推送到系统。

• 每条消息都被用户快速的读取，60秒内完成50%。
• 添加一个回写缓存，这样消息就可以在写入文件系统之前被交付，缓存命中率达98%。
• 如果IO系统因为负载而阻塞，缓存会对消息交付起到额外的缓冲作用，直到IO系统恢复。

• 给BEAM（Erlang VM打补丁）以实现异步文件IO来避免线头阻塞问题，在所有异步工作线程上轮训文件系统端口请求，在大型mailbox和缓慢磁盘的情况下可以缓解写入。
• 让大型的mailbox远离缓存，有些用户加入了大量的组，每小时收入数千消息。他们会影响整个缓存，并让处理变慢。将它从缓存中驱除。需要注意的是，不成比例的大型用户处理是每个系统都存在的问题，其中包括Twitter。
• 使用大量的fragments降低mnesia表格的访问速度

• 账户表格被分割成512份打入“island”，这就意味着用户和这512个分片间存在一个稀疏映射，大部分的fragments都是空的和空闲的。
• 主机数量翻倍，但是吞吐量降低。记录访问变慢的原因是当目标为7时，哈希链的大小超过了2K。
• 这里存在的一个问题是哈希模式会导致建立大量的空bucket，有些甚至会非常长。双线的变化解决了这个问题，并将性能从4提升到1。

补丁

• 计时器轮上的竞争，当1个主机的连接数达到几百万，同时每个链接上的手机发生变化时就会建立或重置计时器，从而导致了每秒数十万的计时器。计时器轮上的锁则是竞争的主要来源，解决方法就是建立多个计时器轮。
• mnesia_tm 是个非常大的选择循环，因此虽然负载未满，也可能会造成事务的积压，打补丁以收取事务流并且保存以作稍后处理。
• 添加多个mnesia_tm async_dirty发送者
• 存在许多的跨集群操作，因此mnesia最好从附近的节点加载。
• 给异步文件IO加入循环调度。
• 使用ets哈希开防止w/ phash2的同时发生。
• 优化ets main/name table来应对规模
• 不要队列mnesia dump，因为队列中存在太多的dumps时，schema ops将不可行。

2月22日的停机

• 即使做了如此多的努力，停机仍然不可避免，而且发生在了最不应该发生的时候，在被Facebook收购后宕机了210分钟。
• 负载的变化导致了问题的发生，此次宕机归结于后端系统的路由问题。
• 路由器造成了一片局域网的瘫痪，造成了集群中大量节点的断开和重连。同时，在节点重连之后，集群出现了前所未有的不稳定状态。
• 最终，他们不得不停机修复，这种情况在几年内都未出现过。
• 在检查中，他们发现了一个过度耦合的子系统。在断开和重连时，他们发现pg2在做n^3的消息，消息队列在数秒钟内从0飙升到了400万，为此他们推出了1个补丁。

特性发布

• 无法模拟如此规模的流量，特别是高峰期间，比如新年的钟声。因此，他们只能缓慢的发布特性，先在小流量下发布，然后迅速迭代直到良好运行，接着再向其他的集群推广。
• 上线是一个滚动的更新过程。冗余一切，如果他们想做一个BEAM更新，在安装后他们需要一个个的重启集群中的节点然后更新。也存在热补丁的情况，但是很罕见，通常的升级都非常麻烦。