Twitter架构

 

Twitter的特点

  • Twitter一个最大特点就是用户产生大量数据，每天有7TB数据要保存。
  • 使用apache Hadoop进行存储和分析数据，。如果依赖硬盘80MB/S，需要24小时才能写完7TB数。可以在62秒内对1TB数据排序，有分布式文件系统，基于Mapreduce算法。

传统方式

  • 传统方式有三个：
    1. MySQL的水平和垂直分区
    2. 使用分布式缓存Memcached
    3. 通过应用程序管理。

    这些方式问题：
    1.存在很多单点风险，一台服务器当机，整个应用崩溃
    2.硬件密集型
    3.人手密集型
    4.紧耦合。

twitter分区

使用了memcached和MySQL的读延迟：

延迟

问题：

  • 写吞吐量
  • MYSQL经常死锁
  • 创建一个新的分区需要手工脏活累活

使用HBase和Cassandra与MYSQL协同

  • HBase容易实现输入 输出的批处理工作，Cassandra则不擅长;
  • HBase在namenode中有SPOF,HBase用于数据分析，而Cassandra用于在线实时系统。
  • 使用Cassandra保存所有tweets，可容错，有高的写通过率。
  • 标准的读写操作用MySQL，而动态的读写用Cassandran。

twitter

 

Twiiter的大数据：收集数据

  • scribe用于日志记录 包括监视写入HDFS的日志
  • 主要用于收集数据，大数据来源。
  • 前后端各种语言的操作都写入。有三十多种不同分类
  • 持续与Facebook不断改进Scribe
  • https://github.com/traviscrawford/scribe
  • 多层次的日志记录

scribe

Twitter的大数据第二步：存储和分析数据

  • 每天7TB数据存在Hadoop中
  • 下图是对每个tweet数据进行总数统计的Map/Reduce示意：

twiiter hadoop

Hadoop可以解决下面两个分析挑战：

  • 如何发现用户的朋友等社会关系统计？如果使用MySQL大概需要......
  • 大量总数统计，类似Select count(*) from users和 select count(*) from tweets;

Twitter的大数据第三步：通过Pig机器学习

pig写法

FlockDB

flockdb

 

 

下页

Twitter 从Ruby的Rails移植到Java

Twitter在Ruby-to-Java迁移后才在总统大选中活下来

更多伸缩性scalable讨论

Facebook架构

LinkedIn架构

CAP原理和BASE思想

大数据

集群