看起來(lái)不復(fù)雜的網(wǎng)站 淘寶、騰訊為何要大量頂尖高手來(lái)開(kāi)發(fā)

阿里巴巴員工 2 萬(wàn)，百度技術(shù)人員超過(guò)6000，京東也有三四千攻城獅。

子柳：

就拿淘寶來(lái)說(shuō)說(shuō)，當(dāng)作給新人一些科普。

▼先說(shuō)你看到的頁(yè)面上，最重要的幾個(gè)：

【搜索商品】這個(gè)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(lái)搞定。但是——當(dāng)你有10000000000(一百億)條商品的時(shí)候，任何一個(gè)數(shù)據(jù)庫(kù)都無(wú)法存放了，請(qǐng)問(wèn)你怎么搜索?這里需要用到分布式的數(shù)據(jù)存儲(chǔ)方案，關(guān)注公眾號(hào)：程序員大咖，另外這個(gè)搜索也不可能直接從數(shù)據(jù)庫(kù)里來(lái)取數(shù)據(jù)，必然要用到搜索引擎(簡(jiǎn)單來(lái)說(shuō)搜索引擎更快)。好，能搜出商品了，是否大功告成可以啵一個(gè)了呢?早著呢，誰(shuí)家的商品出現(xiàn)在第一頁(yè)?這里需要用到巨復(fù)雜的排序算法。要是再根據(jù)你的購(gòu)買(mǎi)行為做一些個(gè)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(diǎn)擊查看商品的頁(yè)面，這個(gè)頁(yè)面有商品的屬性、詳細(xì)描述、評(píng)價(jià)、賣(mài)家信息等等，這個(gè)頁(yè)面的每天展示次數(shù)在 30 億以上，同樣的道理，如果你做一個(gè)網(wǎng)站每天有 10 個(gè)人訪(fǎng)問(wèn)，你絲毫感覺(jué)不到服務(wù)器的壓力，但是 30 億，要解決的問(wèn)題就多了去了。首先，這些請(qǐng)求不能直接壓到數(shù)據(jù)庫(kù)上，任何單機(jī)或分布式的數(shù)據(jù)庫(kù)，承受 30 億每天的壓力，都將崩潰到完全沒(méi)有幸福感，這種情況下要用到的技術(shù)就是大規(guī)模的分布式緩存，所有的賣(mài)家信息、評(píng)價(jià)信息、商品描述都是從緩存里面來(lái)取到的，甚至更加極致的一點(diǎn)“商品的瀏覽量”這個(gè)信息，每打開(kāi)頁(yè)面一次都要刷新，你猜能夠從緩存里面來(lái)取嗎?淘寶做到了，整個(gè)商品的詳情都在緩存里面。

【商品圖片】一個(gè)商品有 5 個(gè)圖片，商品描述里面有更多圖片，你猜淘寶有多少?gòu)垐D片要存儲(chǔ)? 100 億以上。這么多圖片要是在你的硬盤(pán)里面，你怎么去查找其中的一張?要是你的同學(xué)想拷貝你的圖片，你需要他準(zhǔn)備多少塊硬盤(pán)?你需要配置多少大的帶寬?你們的網(wǎng)卡是否能夠承受?你需要多長(zhǎng)時(shí)間拷貝給他?這樣的規(guī)模，很不幸市面上已經(jīng)沒(méi)有任何商業(yè)的解決方案，最終我們必須自己來(lái)開(kāi)發(fā)一套存儲(chǔ)系統(tǒng)，如果你聽(tīng)說(shuō)過(guò)google的GFS，我們跟他類(lèi)似，叫TFS。順便說(shuō)一下，騰訊也有這樣的一套，也叫TFS。

【廣告系統(tǒng)】淘寶上有很多廣告，什么，你不知道?那說(shuō)明我們的廣告做的還不錯(cuò)，居然很多人不認(rèn)為它是廣告，賣(mài)家怎么出價(jià)去買(mǎi)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(tǒng)。

【BOSS系統(tǒng)】淘寶的工作人員怎么去管理這么龐大的一個(gè)系統(tǒng)，例如某時(shí)刻突然宣布某位作家的作品全部從淘寶消失，從數(shù)據(jù)庫(kù)到搜索引擎到廣告系統(tǒng)，里面的相關(guān)數(shù)據(jù)在幾分鐘內(nèi)全部消失，這又需要一個(gè)牛叉的后臺(tái)支撐系統(tǒng)。

【運(yùn)維體系】支持這么龐大的一個(gè)網(wǎng)站，你猜需要多少臺(tái)服務(wù)器?幾千臺(tái)?那是零頭。這么多服務(wù)器，上面部署什么操作系統(tǒng)，操作系統(tǒng)的內(nèi)核能否優(yōu)化?Java虛擬機(jī)能否優(yōu)化?通信模塊有沒(méi)有榨取性能的空間?軟件怎么部署上去?出了問(wèn)題怎么回滾?你裝過(guò)操作系統(tǒng)吧，優(yōu)化過(guò)吧，被 360 坑過(guò)沒(méi)，崩潰過(guò)沒(méi)?這里面又有很多門(mén)道。

不再多寫(xiě)了，除了上面提到的這些，還有很多很多需要做的技術(shù)，當(dāng)然并不是這些東西有多么高不可攀，任何復(fù)雜的龐大的東西都是從小到大做起來(lái)的，里面需要牛叉到不行的大犇，也需要充滿(mǎn)好奇心的菜鳥(niǎo)，最后這一句，你當(dāng)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(mǎi)了一件東西》

你發(fā)現(xiàn)快要過(guò)年了，于是想給你的女朋友買(mǎi)一件毛衣，你打開(kāi)了http://www.taobao.com。這時(shí)你的瀏覽器首先查詢(xún)DNS服務(wù)器，將http://www.taobao.com轉(zhuǎn)換成ip地址。不過(guò)首先你會(huì)發(fā)現(xiàn)，你在不同的地區(qū)或者不同的網(wǎng)絡(luò)(電信、聯(lián)通、移動(dòng))的情況下，轉(zhuǎn)換后的IP地址很可能是不一樣的，這首先涉及到負(fù)載均衡的第一步，通過(guò)DNS解析域名時(shí)將你的訪(fǎng)問(wèn)分配到不同的入口，同時(shí)盡可能保證你所訪(fǎng)問(wèn)的入口是所有入口中可能較快的一個(gè) (這和后文的CDN不一樣)。

你通過(guò)這個(gè)入口成功的訪(fǎng)問(wèn)了http://www.taobao.com的實(shí)際的入口IP地址。這時(shí)你產(chǎn)生了一個(gè)PV，即Page View，頁(yè)面訪(fǎng)問(wèn)。每日每個(gè)網(wǎng)站的總PV量是形容一個(gè)網(wǎng)站規(guī)模的重要指標(biāo)。淘寶網(wǎng)全網(wǎng)在平日(非促銷(xiāo)期間)的PV大概是16- 25 億之間。同時(shí)作為一個(gè)獨(dú)立的用戶(hù)，你這次訪(fǎng)問(wèn)淘寶網(wǎng)的所有頁(yè)面，均算作一個(gè)UV(Unique Visitor用戶(hù)訪(fǎng)問(wèn))。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(yuǎn)小于淘寶網(wǎng)十余倍，這其中的原因我相信大家都會(huì)知道。

因?yàn)橥粫r(shí)刻訪(fǎng)問(wèn)http://www.taobao.com的人數(shù)過(guò)于巨大，所以即便是生成淘寶首頁(yè)頁(yè)面的服務(wù)器，也不可能僅有一臺(tái)。僅用于生成http://www.taobao.com首頁(yè)的服務(wù)器就可能有成百上千臺(tái)，那么你的一次訪(fǎng)問(wèn)時(shí)生成頁(yè)面給你看的任務(wù)便會(huì)被分配給其中一臺(tái)服務(wù)器完成。這個(gè)過(guò)程要保證公正、公平、平均(暨這成百上千臺(tái)服務(wù)器每臺(tái)負(fù)擔(dān)的用戶(hù)數(shù)要差不多)，這一很復(fù)雜的過(guò)程是由幾個(gè)系統(tǒng)配合完成，其中最關(guān)鍵的便是LVS(Linux Virtual Server)，世界上最流行的負(fù)載均衡系統(tǒng)之一，正是由目前在淘寶網(wǎng)供職的章文嵩博士開(kāi)發(fā)的。

經(jīng)過(guò)一系列復(fù)雜的邏輯運(yùn)算和數(shù)據(jù)處理，用于這次給你看的淘寶網(wǎng)首頁(yè)的HTML內(nèi)容便生成成功了。對(duì)web前端稍微有點(diǎn)常識(shí)的童鞋都應(yīng)該知道，下一步瀏覽器會(huì)去加載頁(yè)面中用到的css、js、圖片、腳本和資源文件。但是可能相對(duì)較少的同學(xué)才會(huì)知道，你的瀏覽器在同一個(gè)域名下并發(fā)加載的資源數(shù)量是有限制的，例如IE6- 7 是兩個(gè)，IE 8 是 6 個(gè)，Chrome各版本不大一樣，一般是4- 6 個(gè)。我剛剛看了一下，我訪(fǎng)問(wèn)淘寶網(wǎng)首頁(yè)需要加載 126 個(gè)資源，那么如此小的并發(fā)連接數(shù)自然會(huì)加載很久。所以前端開(kāi)發(fā)人員往往會(huì)將上述這些資源文件分布在好多個(gè)域名下，變相的繞過(guò)瀏覽器的這個(gè)限制，同時(shí)也為下文的CDN工作做準(zhǔn)備。

據(jù)不可靠消息，在雙十一當(dāng)天高峰，淘寶的訪(fǎng)問(wèn)流量最巔峰達(dá)到871GB/S。這個(gè)數(shù)字意味著需要 178 萬(wàn)個(gè)4Mb帶寬的家庭寬帶才能負(fù)擔(dān)的起，也完全有能力拖垮一個(gè)中小城市的全部互聯(lián)網(wǎng)帶寬。那么顯然，這些訪(fǎng)問(wèn)流量不可能集中在一起。并且大家都知道，不同地區(qū)不同網(wǎng)絡(luò)(電信、聯(lián)通等)之間互訪(fǎng)會(huì)非常緩慢，但是你卻發(fā)現(xiàn)很少發(fā)現(xiàn)淘寶網(wǎng)訪(fǎng)問(wèn)緩慢。這便是CDN(Content Delivery Network)，即內(nèi)容分發(fā)網(wǎng)絡(luò)的作用。淘寶在全國(guó)各地建立了數(shù)十上百個(gè)CDN節(jié)點(diǎn)，利用一些手段保證你訪(fǎng)問(wèn)的(這里主要指js、css、圖片等)地方是離你最近的CDN節(jié)點(diǎn)，這樣便保證了大流量分散在各地訪(fǎng)問(wèn)的加速節(jié)點(diǎn)上。

這便出現(xiàn)了一個(gè)問(wèn)題，那就是假若一個(gè)賣(mài)家發(fā)布了一個(gè)新的寶貝，上傳了幾張新的寶貝圖片，那么淘寶網(wǎng)如何保證全國(guó)各地的CDN節(jié)點(diǎn)中都會(huì)同步的存在這幾張圖片供用戶(hù)使用呢?這里邊就涉及到了大量的內(nèi)容分發(fā)與同步的相關(guān)技術(shù)。淘寶開(kāi)發(fā)了分布式文件系統(tǒng)TFS(Taobao File System)來(lái)處理這類(lèi)問(wèn)題。

好了，這時(shí)你終于加載完了淘寶首頁(yè)，那么你習(xí)慣性的在首頁(yè)搜索框中輸入了'毛衣'二字并敲回車(chē)，這時(shí)你又產(chǎn)生了一個(gè)PV，然后，淘寶網(wǎng)的主搜索系統(tǒng)便開(kāi)始為你服務(wù)了。它首先對(duì)你輸入的內(nèi)容基于一個(gè)分詞庫(kù)進(jìn)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(kāi)，而中文是以字為單位，句子中所有的字連起來(lái)才能描述一個(gè)意思。例如，英文句子I am a student，用中文則為：“我是一個(gè)學(xué)生”。計(jì)算機(jī)可以很簡(jiǎn)單通過(guò)空格知道student是一個(gè)單詞，但是不能很容易明白“學(xué)”、“生”兩個(gè)字合起來(lái)才表示一個(gè)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(chēng)為切詞。我是一個(gè)學(xué)生，分詞的結(jié)果是：我 是 一個(gè)學(xué)生。

進(jìn)行分詞之后，還需要根據(jù)你輸入的搜索詞進(jìn)行你的購(gòu)物意圖分析。用戶(hù)進(jìn)行搜索時(shí)常常有如下幾類(lèi)意圖：

(1)瀏覽型：沒(méi)有明確的購(gòu)物對(duì)象和意圖，邊看邊買(mǎi)，用戶(hù)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(lèi)?”;

(2)查詢(xún)型：有一定的購(gòu)物意圖，體現(xiàn)在對(duì)屬性的要求上。Query例如：”適合老人用的手機(jī)”，” 500 元 手表”;

(3)對(duì)比型：已經(jīng)縮小了購(gòu)物意圖，具體到了某幾個(gè)產(chǎn)品。Query例如：”諾基亞E71 E63″，”akg k450 px200″;

(4)確定型：已經(jīng)做了基本決定，重點(diǎn)考察某個(gè)對(duì)象。Query例如：”諾基亞N97″，”IBM T60″。通過(guò)對(duì)你的購(gòu)物意圖的分析，主搜索會(huì)呈現(xiàn)出完全不同的結(jié)果來(lái)。

之后的數(shù)個(gè)步驟后，主搜索系統(tǒng)便根據(jù)上述以及更多復(fù)雜的條件列出了搜索結(jié)果，這一切是由一千多臺(tái)搜索服務(wù)器完成。然后你開(kāi)始逐一點(diǎn)擊瀏覽搜索出的寶貝。你開(kāi)始查看寶貝詳情頁(yè)面。經(jīng)常網(wǎng)購(gòu)的親們會(huì)發(fā)現(xiàn)，當(dāng)你買(mǎi)過(guò)了一個(gè)寶貝之后，即便是商家多次修改了寶貝詳情頁(yè)，你仍然能夠通過(guò)‘已買(mǎi)到的寶貝’查看當(dāng)時(shí)的快照。這是為了防止商家對(duì)在商品詳情中承諾過(guò)的東西賴(lài)賬不認(rèn)。那么顯然，對(duì)于每年數(shù)十上百億比交易的商品詳情快照進(jìn)行保存和快速調(diào)用不是一個(gè)簡(jiǎn)單的事情。這 其中又涉及到數(shù)套系統(tǒng)的共同協(xié)作，其中較為重要的是Tair，淘寶自行研發(fā)的分布式KV存儲(chǔ)方案。

然后無(wú)論你是否真正進(jìn)行了交易，你的這些訪(fǎng)問(wèn)行為便忠實(shí)的被系統(tǒng)記錄下來(lái)，用于后續(xù)的業(yè)務(wù)邏輯和數(shù)據(jù)分析。這些記錄中訪(fǎng)問(wèn)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(fǎng)問(wèn)是分布在各個(gè)地區(qū)很多不同的服務(wù)器上的，并且由于用戶(hù)眾多，這些日志記錄都非常龐大，達(dá)到TB級(jí)別非常正常。那么為了快速及時(shí) 傳輸同步這些日志數(shù)據(jù)，淘寶研發(fā)了TimeTunnel，用于進(jìn)行實(shí)時(shí)的數(shù)據(jù)傳輸，交給后端系統(tǒng)進(jìn)行計(jì)算報(bào)表等操作。

你的瀏覽數(shù)據(jù)、交易數(shù)據(jù)以及其它很多很多的數(shù)據(jù)記錄均會(huì)被保留下來(lái)。

使得淘寶存儲(chǔ)的歷史數(shù)據(jù)輕而易舉的便達(dá)到了十?dāng)?shù)甚至更多個(gè)PB(1PB=1024TB=1048576GB)。如此巨大的數(shù)據(jù)量經(jīng)過(guò)淘寶系統(tǒng)1: 120 的極限壓縮存儲(chǔ)在淘寶的數(shù)據(jù)倉(cāng)庫(kù)中。并且通過(guò)一個(gè)叫做云梯的，由 2000 多臺(tái)服務(wù)器組成的超大規(guī)模數(shù)據(jù)系統(tǒng)不斷的進(jìn)行分析和挖掘。

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

說(shuō)了這么多，其實(shí)也只是敘述了淘寶上正在運(yùn)行的成千上萬(wàn)個(gè)系統(tǒng)中的寥寥幾個(gè)。即便是你僅僅訪(fǎng)問(wèn)一次淘寶的首頁(yè)，所涉及到的技術(shù)和系統(tǒng)規(guī)模都是你完全無(wú)法想 象的，是淘寶 2000 多名頂級(jí)的工程師們的心血結(jié)晶，其中甚至包括長(zhǎng)江學(xué)者、國(guó)家科學(xué)技術(shù)最高獎(jiǎng)得主等眾多大牛。同樣，百度、騰訊等的業(yè)務(wù)系統(tǒng)也絕不比淘寶簡(jiǎn)單。你需要知道的是，你每天使用的互聯(lián)網(wǎng)產(chǎn)品，看似簡(jiǎn)單易用，背后卻凝聚著難以想象的智慧與勞動(dòng)。

　　 原標(biāo)題：看起來(lái)不復(fù)雜的網(wǎng)站 淘寶、騰訊為何要大量頂尖高手來(lái)開(kāi)發(fā)