揭秘Facebook的系统架构

揭秘Facebook的系统架构

导读：本文根据 quora.com 《 What is Facebook's architecture? 》这篇文章整理编译而来。

根据我现有的阅读和谈话，我所理解的今天Facebook的架构如下：

 

Web前端是由PHP写的。Facebook的HipHop  [1]会把PHP转成C++并用g++编译，这样就可以为模板和Web逻贺业务层提供高的性能。

业务逻辑以Service的形式存在，其使用Thrift  [2]。这些Service根据需求的不同由PHP，C++或Java实现（也可以用到了其它的一些语言……）

用Java写的Services没有用到任何一个企业级的应用服务器，但用到了Facebook自己的定制的应用服务器。看上去好像是重新发明轮 子，但是这些Services只被暴露给Thrift使用（绝大所数是这样），Tomcat太重量级了，即使是Jetty也可能太过了点，其附加值对 Facebook所需要的没有意义。

持久化由MySQL, Memcached  [3],Facebook的Cassandra  [4],Hadoop的HBase  [5]完成。Memcached使用了MySQL的内存Cache。Facebook工程师承认他们的Cassandra使用正在减少，因为他们更喜欢HBase，因为它的更简单的一致性模型，以到其MapReduce能力。

离线处理使用Hadoop和Hive。

日志，点击，feeds数据使用Scribe  [6]，把其聚合并存在HDFS，其使用Scribe-HDFS  [7]，因而允许使用MapReduce进行扩展分析。

BigPipe  [8]是他们的定制技术，用来加速页面显示。

Varnish Cache [9]用作HTTP代理。他们用这个的原因是高速和有效率 。[10].

用来搞定用户上传的十亿张照片的存储 ，其由Haystack处理，Facebook自己开发了一个Ad-Hoc存储方案，其主要做了一些低层优化和“仅追加”写技术 [11].

Facebook Messages使用了自己的架构，其明显地构建在了一个动态集群的基础架构上。业务逻辑和持久化被封装在一个所谓的‘Cell’。每个‘Cell’都处 理一部分用户，新的‘Cell’可以因为访问热度被添加[12]。持久化归档使用HBase[13]。

Facebook Messages的搜索引擎由存储在HBase中的一个倒置索引的构建。[14]

Facebook搜索引擎实现细节据我所知目前是未知状态。

Typeahead搜索使用了一个定制的存储和检索逻辑。[15]

Chat基于一个Epoll服务器，这个服务器由Erlang开发，由Thrift存取 [16]

关于那些供给给上述组件的资源，下面是一些信息和数量，但是有一些是未知的：

Facebook估计有超过60,000台服务器[16]。他们最新的数据中心在俄勒冈州的Prineville，其基于完全自定设计的硬件[17] 那是最近才公开的 Open Compute 项目 [18]。

300TB的数据存在Memcached中处理[19]

他们的Hadoop和Hive集群由3000服务器组成，每台服务器有8个核，32GB的内存，12TB的硬盘，全部有2万4千个CPU的核，96TB内存和36PB的硬盘。[20]

每天有1000亿的点击量，500亿张照片，100 billion hits per day， 50 billion photos,3万亿个对象被Cache，每天130TB的日志（2010年7月的数据 ）[21]

 

参考引用

[1] HipHop for PHP

[2] Thrift

[3] Memcached

[4] Cassandra

[5] HBase

[6] Scribe

[7] Scribe-HDFS

[8] BigPipe

[9] Varnish Cache

[10] Facebook goes for Varnish

[11] Needle in a haystack : efficient storage of billions of photos

[12] Scaling the Messages Application Back End

[13] The Underlying Technology of Messages

[14] The Underlying Technology of Messages Tech Talk

[15] Facebook’s typeahead search architecture

[16] Facebook Chat

[17] Who has the most Web Servers?

[18] Building Efficient Data Centers with the Open Compute Project

[19] Open Compute Project

[20] Facebook’s architecture presentation at Devoxx 2010

[21] Scaling Facebook to 500 millions users and beyond

原文出自：quora.com

译文出自：cnbeta