本文主要是介绍从 0 到 100——知乎架构变迁史，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
也许很多人还不知道，知乎在规模上是仅次于百度贴吧和豆瓣的中文互联网最大的UGC(用户生成内容) 社区。知乎创业三年来，从0 开始，到现在已经有了100 多台服务器。目前知乎的注册用户超过了1100 万，每个月有超过8000 万人使用；网站每个月的PV 超过2.2 亿，差不多每秒钟的动态请求超过2500。
初期架构选型
在 2010 年 10 月真正开始动手做知乎这个产品时，包含李申申在内，最初只有两位工程师；到 2010 年 12 月份上线时，工程师是四个。
知乎的主力开发语言是 Python。因为 Python 简单且强大，能够快速上手，开发效率高，而且社区活跃，团队成员也比较喜欢。
知乎使用的是 Tornado 框架。因为它支持异步，很适合做实时 Comet 应用，而且简单轻量，学习成本低，再就是有 FriendFeed 的成熟案例，Facebook 的社区支持。知乎的产品有个特性，就是希望跟浏览器端建立一个长连接，便于实时推送 Feed 和通知，所以 Tornado 比较合适。
最初整个团队的精力全部放在产品功能的开发上，而其他方面，基本上能节约时间、能省的都用最简单的方法来解决，当然这在后期也带来了一些问题。
最初的想法是用云主机，节省成本。知乎的第一台服务器是512MB 内存的 Linode 主机。但是网站上线后，内测受欢迎程度超出预期，很多用户反馈网站很慢。跨国网络延迟比想象的要大，特别是国内的网络不均衡，全国各地用户访问的情况都不太一样。这个问题，再加上当时要做域名备案，知乎又回到了自己买机器找机房的老路上。
买了机器、找了机房之后又遇到了新的问题，服务经常宕掉。当时服务商的机器内存总是出问题，动不动就重启。终于有一次机器宕掉起不来了，这时知乎就做了Web 和数据库的高可用。创业就是这样一个情况，永远不知道明早醒来的时候会面临什么样的问题。
这是当时那个阶段的架构图，Web 和数据库都做了主从。当时的图片服务托管在又拍云上。除了主从，为了性能更好还做了读写分离。为解决同步问题，又添加了一个服务器来跑离线脚本，避免对线上服务造成响应延迟。另外，为改进内网的吞吐量延迟，还更换了设备，使整个内网的吞吐量翻了 20 倍。
在 2011 年上半年时，知乎对 Redis 已经很依赖。除了最开始的队列、搜索在用，后来像 Cache 也开始使用，单机存储成为瓶颈，所以引入了分片，同时做了一致性。
知乎团队是一个很相信工具的团队，相信工具可以提升效率。工具其实是一个过程，工具并没有所谓的最好的工具，只有最适合的工具。而且它是在整个过程中，随着整个状态的变化、环境的变化在不断发生变化的。知乎自己开发或使用过的工具包括 Profiling（函数级追踪请求，分析调优）、Werkzeug（方便调试的工具）、Puppet（配置管理）和 Shipit（一键上线或回滚）等。
日志系统
知乎最初是邀请制的，2011 年下半年，知乎上线了申请注册，没有邀请码的用户也可以通过填写一些资料申请注册知乎。用户量又上了一个台阶，这时就有了一些发广告的账户，需要扫除广告。日志系统的需求提上日程。
这个日志系统必须支持分布式收集、集中存储、实时、可订阅和简单等特性。当时调研了一些开源系统，比如 Scribe 总体不错，但是不支持订阅。Kafka 是 Scala 开发的，但是团队在 Scala 方面积累较少，Flume 也是类似，而且比较重。所以开发团队选择了自己开发一个日志系统——Kids（Kids Is Data Stream）。顾名思义，Kids 是用来汇集各种数据流的。
Kids 参考了 Scribe 的思路。Kdis 在每台服务器上可以配置成 Agent 或 Server。Agent 直接接受来自应用的消息，把消息汇集之后，可以打给下一个 Agent 或者直接打给中心 Server。订阅日志时，可以从 Server 上获取，也可以从中心节点的一些 Agent 上获取。
具体细节如下图所示：
知乎还基于Kids做了一个 Web 小工具（Kids Explorer），支持实时看线上日志，现在已经成为调试线上问题最主要的工具。
Kids已经开源，放到了 Github上。
事件驱动的架构
知乎这个产品有一个特点，最早在添加一个答案后，后续的操作其实只有更新通知、更新动态。但是随着整个功能的增加，又多出了一些更新索引、更新计数、内容审查等操作，后续操作五花八门。如果按照传统方式，维护逻辑会越来越庞大，维护性也会非常差。这种场景很适合事件驱动方式，所以开发团队对整个架构做了调整，做了事件驱动的架构。
这时首先需要的是一个消息队列，它应该可以获取到各种各样的事件，而且对一致性有很高的要求。针对这个需求，知乎开发了一个叫 Sink 的小工具。它拿到消息后，先做本地的保存、持久化，然后再把消息分发出去。如果那台机器挂掉了，重启时可以完整恢复，确保消息不会丢失。然后它通过 Miller 开发框架，把消息放到任务队列。Sink 更像是串行消息订阅服务，但任务需要并行化处理， Beanstalkd 就派上了用场，由其对任务进行全周期管理。架构如下图所示：
举例而言，如果现在有用户回答了问题，首先系统会把问题写到 MySQL 里面，把消息塞到 Sink，然后把问题返回给用户。Sink 通过 Miller 把任务发给 Beanstalkd，Worker 自己可以找到任务并处理。
最开始上线时，每秒钟有 10 个消息，然后有 70 个任务产生。现在每秒钟有 100 个事件，有 1500 个任务产生，就是通过现在的事件驱动架构支撑的。
页面渲染优化
知乎在 2013 年时每天有上百万的 PV，页面渲染其实是计算密集型的，另外因为要获取数据，所以也有 IO 密集型的特点。这时开发团队就对页面进行了组件化，还升级了数据获取机制。知乎按照整个页面组件树的结构，自上而下分层地获取数据，当上层的数据已经获取了，下层的数据就不需要再下去了，有几层基本上就有几次数据获取。
结合这个思路，知乎自己做了一套模板渲染开发框架——ZhihuNode。
经历了一系列改进之后，页面的性能大幅度提升。问题页面从 500ms 减少到 150ms，Feed 页面从 1s 减少到 600ms。
面向服务的架构（SOA）
随着知乎的功能越来越庞杂，整个系统也越来越大。知乎是怎么做的服务化呢？
首先需要一个最基本的 RPC 框架，RPC 框架也经历了好几版演进。
第一版是 Wish，它是一个严格定义序列化的模型。传输层用到了 STP，这是自己写的很简单的传输协议，跑在 TCP 上。一开始用的还不错，因为一开始只写了一两个服务。但是随着服务增多，一些问题开始出现，首先是 ProtocolBuffer 会 生成一些描述代码，很冗长，放到整个库里显得很丑陋。另外严格的定义使其不便使用。这时有位工程师开发了新的 RPC 框架——Snow。它使用简单的 JSON 做数据序列化。但是松散的数据定义面对的问题是，比如说服务要去升级，要改写数据结构，很难知道有哪几个服务在使用，也很难通知它们，往往错误就发生了。于是又出了第三个 RPC 框架，写 RPC 框架的工程师，希望结合前面两个框架的特点，首先保持 Snow 简单，其次需要相对严格的序列化协议。这一版本引入了 Apache Avro。同时加入了特别的机制，在传输层和序列化协议这一层都做成了可插拔的方式，既可以用 JSON，也可以用 Avro，传输层可以用 STP，也可以用二进制协议。
再就是搭了一个服务注册发现，只需要简单的定义服务的名字就可以找到服务在哪台机器上。同时，知乎也有相应的调优的工具，基于 Zipkin 开发了自己的 Tracing 系统。
按照调用关系，知乎的服务分成了 3 层：聚合层、内容层和基础层。按属性又可以分成 3 类：数据服务、逻辑服务和通道服务。数据服务主要是一些要做特殊数据类型的存储，比如图片服务。逻辑服务更多的是 CPU 密集、计算密集的操作，比如答案格式的定义、解析等。通道服务的特点是没有存储，更多是做一个转发，比如说 Sink。
这是引入服务化之后整体的架构。
这篇关于从 0 到 100——知乎架构变迁史的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
