Linux企业实战（四）——varnish（1）

1 什么是varnish

（1）概念

varnish是一个反向HTTP代理，有时称为HTTP加速器或web加速器；

• varnish将文件或文件片段储存在内存中，使他们能够快速被提供；
• varnish本质上是一个键/值存储，它通常使用url作为键；
• varnish是为现代硬件、现在操作系统和现代工作负载而设计的。

（2）varnish加速器与Squid加速器的对比

• Squid加速器（代理缓存服务器）是将从服务器要回来的资源放在自己的硬盘里，客户读取的速率很慢，代理的效率低

• varnish加速器（代理缓存服务器）是将从服务器要回来的资源放在自己的内存里，客户读取的速率很快，代理的效率高

（3）varnish代理服务器的工作方式

varnish代理服务器的工作方式有两种：

• 仅仅作为一个代理服务器：帮客户端去问服务端要数据，要回来的数据直接给客户端自己不进行缓存，这种情况是客户的隐私信息、热点信息、更新比较快的数据，不缓存，只代理。

• 既代理又缓存：帮客户端去问服务端要数据，要回来的数据先给自己缓存一份，然后再发给客户端，这种情况是用于更新比较慢的数据，此时varnish既代理又缓存。

（4）使用varnish加速缓存代理服务器的原因

• 举例来解释：

全国有许多用户在全国各个地方都要访问百度，而百度的服务器总部在北京。全国许多用户都在访问百度时，会对浏览器造成很大的访问压力，甚至会造成服务器瘫痪。现在百度总部给每个地区都放varnish代理服务器，每个地区的用户想访问百度资源的时候，都会间接去问自己地区的varnish代理服务器要资源。如果varnish代理服务器上面没有资源，此时varnish代理服务器就会去向北京的服务器要资源，将要回来的资源视情况而定给自己缓存一份，然后再给客户端发一份。这种情况下，varnish代理服务器的数量远远少于使用百度用户的数量，即使所有的varnish代理服务器同时向百度总部的服务器要资源的时候，也不会给总部的服务器造成很大的压力，用户的浏览速度也不会因为人数太多而卡顿。假如代理服务器缓存了一些更新过的数据，当客户端再次要这个数据的时候，代理服务器会直接返回给客户端，不需要再去问总部的服务器要资源。这就是把varnish服务器叫做加速器的原因，加快了客户端和服务端之间的访问速率。

如上图所示，这里的代理服务器即varnish代理服务器，实现了一个反向代理的功能，它能够缓存web服务器上的内容，然后客户端就可以直接访问代理服务器来获取所需要的资源。

（5） varnish加速器的工作流程

Varnish启动会产生master主（management）进程和child子（worker ，主要做cache的工作）进程

作用：

• master进程读入(更新)配置，vcl文件编译，varnish监控，初始化varnish及提供varnish管理接口。

• child进程分配若干线程进行工作，主要包括一些管理线程和很多woker线程。

注意：Manegement进程每隔几秒探测以下child进程以判断其是否正常运行，如果在指定的时长内未得到child进程的回应，management将会重启此child进程

具体流程：

• 针对文件缓存部分，master读入存储配置，调用合适的存储类型，然后创建/读入相应大小的缓存大文件。

• 接着，master初始化管理该存储空间的结构体。这些变量都是全局变量，在fork以后会被child进程所继承（包括文件描述符）。

• 在child进程主线程初始化过程中，将前面打开的存储大文件整个mmap到内存中（如果超出系统的虚拟内存，mmap失败，进程会减少原来的配置mmap大小，然后继续mmap）
  此时创建并初始化空闲存储结构体，挂到存储管理结构体，以待分配。

• 接着，真正的工作开始，Varnish的某个负责接受新HTTP连接的线程开始等待用户，如果有新的HTTP连接过来，它总负责接收，
  然后叫醒某个等待中的线程，并把具体的处理过程交给它。Worker线程读入HTTP请求的URL，查找已有的object，

• 如果命中则直接返回并回复用户。如果没有命中，则需要将所请求的内容，从后端服务器中取过来，存到缓存中，然后再回复。

分配缓存的过程：

• varnish根据所读到object的大小，创建相应大小的缓存文件。
  为了读写方便，程序会把每个object的大小变为最接近其大小的内存页面倍数。

• 然后从现有的空闲存储结构体中查找，找到最合适的大小的空闲存储块，分配给它。

• 如果空闲块没有用完，就把多余的内存另外组成一个空闲存储块，挂到管理结构体上。

• 如果缓存已满，就根据LRU机制，把最旧的object释放掉。 释放缓存的过程是这样的：有一个超时线程，检测缓存中所有object的生存期。
  如果超出设定的TTL（Time To Live）没有被访问，就删除它，并且释放相应的结构体及存储内存。（释放时会检查该存储内存块前面或后面的空闲内存块。如果前面或后面的空闲内存和该释放内存是连续的，就将它们合并成更大一块内存。）

• 整个文件缓存的管理，没有考虑文件与内存的关系，实际上是将所有的object都考虑是在内存中

• 如果系统内存不足，系统会自动将其换到swap空间，而不需要varnish程序去控制。

2 CDN缓存系统

（1）概念

CDN(Content Delivery Network)，内容分发网络，CDN的任务是将内容从源站传递给用户。
随着网站业务发展， 用户数量的增加,web服务器的负荷越来越大,还有传输距离等因素的影响,对我们网站的响应速度构成了极大的挑战，解决方案就是在网络传输上利用缓存使得web服务数据流能就近访问,是优化网络数据传输非常有效的技术,从而获得高速的体验和品质保证。

（2）CDN的工作原理

• 无cdn时，用户通过浏览器访问网站的过程

1.用户在浏览器输入URL；
2.浏览器向本地DNS请求域名解析；
3.如果本地DNS缓存有该域名的解析结果，则直接将解析结果返回给浏览器；
4.如果本地DNS缓存中无该域名的解析结果，则以递归方式向整个DNS系统请求域名解析，在获得应答后将解析结果返回给浏览器；
5.浏览器获得解析结果，提取出IP信息，使用IP向服务器请求数据；
6.服务器返回数据给浏览器。

• 有cdn时，用户通过浏览器访问网站的过程
  1.用户在浏览器中输入URL；
  2.浏览器向本地DNS请求域名解析，DNS会将域名解析权转交给CNAME指向的CDN专用的DNS服务器；
  3.CDN专用的DNS服务器将CDN的全局负载均衡设备的IP返回给浏览器；
  4.浏览器向CDN全局负载均衡设备发起URL请求；
  5.CDN全局负载均衡设备根据请求的URL和用户的IP地址，将用户请求转发到用户所在区域的区域负载均衡设备；
  6.区域负载均衡设备，根据用户IP、请求URL、缓存服务器的负载情况等，返回一台合适的服务器IP给用户；
  7.用户向缓存服务器发起请求；
  8.缓存服务器响应用户请求，如果用户请求的内容缓存服务器上不存在，则缓存服务器要向上一级缓存服务器请求内容，直到追溯到网站的源服务器。