你發(fā)現(xiàn)快要過年了，于是想給你的女朋友買一件毛衣，你打開了www.**。這時你的瀏覽器首先查詢DNS服務(wù)器，將www.**轉(zhuǎn)換成ip地址。不過首先你會發(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）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DNS解析域名時將你的訪問分配到不同的入口，同時盡可能保證你所訪問的入口是所有入口中可能較快的一個(這和后文的CDN不一樣)。

    你通過這個入口成功的訪問了www.**的實際的入口ip地址。這時你產(chǎn)生了一個PV，即Page View，頁面訪問。每日每個網(wǎng)站的總PV量是形容一個網(wǎng)站規(guī)模的重要指標(biāo)。淘寶網(wǎng)全網(wǎng)在平日(非促銷期間)的PV大概是16-25億之間。同時作為一個獨立的用戶，你這次訪問淘寶網(wǎng)的所有頁面，均算作一個UV（Unique Visitor用戶訪問）。最近臭名昭著的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知道。

    因為同一時刻訪問www.**的人數(shù)過于巨大，所以即便是生成淘寶首頁頁面的服務(wù)器，也不可能僅有一臺。僅用于生成www.**首頁的服務(wù)器就可能有成百上千臺，那么你的一次訪問時生成頁面給你看的任務(wù)便會被分配給其中一臺服務(wù)器完成。這個過程要保證公正、公平、平均(暨這成百上千臺服務(wù)器每臺負(fù)擔(dān)的用戶數(shù)要差不多)，這一很復(fù)雜的過程是由幾個系統(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發(fā)的。

    經(jīng)過一系列復(fù)雜的邏輯運算和數(shù)據(jù)處理，用于這次給你看的淘寶網(wǎng)首頁的HTML內(nèi)容便生成成功了。對web前端稍微有點常識的童鞋都應(yīng)該知道，下一步瀏覽器會去加載頁面中用到的css、js、圖片等樣式、腳本和資源文件。但是可能相對較少的同學(xué)才會知道，你的瀏覽器在同一個域名下并發(fā)加載的資源數(shù)量是有限制的，例如ie6-7是兩個，ie8是6個，chrome各版本不大一樣，一般是4-6個。我剛剛看了一下，我訪問淘寶網(wǎng)首頁需要加載126個資源，那么如此小的并發(fā)連接數(shù)自然會加載很久。所以前端開發(fā)人員往往會將上述這些資源文件分布在好多個域名下，變相的繞過瀏覽器的這個限制，同時也為下文的CDN工作做準(zhǔn)備。

    據(jù)不可靠消息，在雙十一當(dāng)天高峰，淘寶的訪問流量最巔峰達(dá)到871GB/S。這個數(shù)字意味著需要178萬個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中小城市的全部互聯(lián)網(wǎng)帶寬。那么顯然，這些訪問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)之間互訪會非常緩慢，但是你卻發(fā)現(xiàn)很少發(fā)現(xiàn)淘寶網(wǎng)訪問緩慢。這便是CDN，Content Delivery Network，即內(nèi)容分發(fā)網(wǎng)絡(luò)的作用。淘寶在全國各地建立了數(shù)十上百個CDN節(jié)點，利用一些手段保證你訪問的(這里主要指js、css、圖片等)地方是離你最近的CDN節(jié)點，這樣便保證了大流量分散已經(jīng)在各地訪問的加速。
    這便出現(xiàn)了一個問題，那就是假若一個賣家發(fā)布了一個新的寶貝，上傳了幾張新的寶貝圖片，那么淘寶網(wǎng)如何保證全國各地的CDN節(jié)點中都會同步的存在這幾張圖片供用戶使用呢？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)。淘寶開發(fā)了分布式文件系統(tǒng)TFS(taobao file system)來處理這類問題。

    好了，這時你終于加載完了淘寶首頁，那么你習(xí)慣性的在首頁搜索框中輸入了'毛衣'二字并敲回車，這時你又產(chǎn)生了一個PV，然后，淘寶網(wǎng)的主搜索系統(tǒng)便開始為你服務(wù)了。它首先對你輸入的內(nèi)容基于一個分詞庫進行的分詞操作。眾所周知，英文是以詞為單位的，詞和詞之間是靠空格隔開，而中文是以字為單位，句子中所有的字連起來才能描述一個意思。例如，英文句子I am a student，用中文則為：“我是一個學(xué)生”。計算機可以很簡單通過空格知道student是一個單詞，但是不能很容易明白“學(xué)”、“生”兩個字合起來才表示一個詞。把中文的漢字序列切分成有意義的詞，就是中文分詞，有些人也稱為切詞。我是一個學(xué)生，分詞的結(jié)果是：我 是 一個 學(xué)生。

    進行分詞之后，還需要根據(jù)你輸入的搜索詞進行你的購物意圖分析。用戶進行搜索時常常有如下幾類意圖：（1）瀏覽型：沒有明確的購物對象和意圖，邊看邊買，用戶比較隨意和感性。Query例如：”2010年10大香水排行”，”2010年流行毛衣”， “zippo有多少種類？”；（2）查詢型：有一定的購物意圖，體現(xiàn)在對屬性的要求上。Query例如：”適合老人用的手機”，”500元 手表”；（3）對比型：已經(jīng)縮小了購物意圖，具體到了某幾個產(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，重點考察某個對象。Query例如：”諾基亞N97″，”IBM T60″。通過對你的購物意圖的分析，主搜索會呈現(xiàn)出完全不同的結(jié)果來。

     之后的數(shù)個步驟后，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搜索服務(wù)器完成。然后你開始逐一點擊瀏覽搜索出的寶貝。你開始查看寶貝詳情頁面。經(jīng)常網(wǎng)購的親們會發(fā)現(xiàn)，當(dāng)你買過了一個寶貝之后，即便是商家多次修改了寶貝詳情頁，你仍然能夠通過‘已買到的寶貝’查看當(dāng)時的快照。這是為了防止商家對在商品詳情中承諾過的東西賴賬不認(rèn)。那么顯然，對于每年數(shù)十上百億比交易的商品詳情快照進行保存和快速調(diào)用不是一個簡單的事情。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存儲方案。

    然后無論你是否真正進行了交易，你的這些訪問行為便忠實的被系統(tǒng)記錄下來，用于后續(xù)的業(yè)務(wù)邏輯和數(shù)據(jù)分析。這些記錄中訪問日志記錄便是最重要的記錄之一，但是前邊我們得知，這些訪問是分布在各個地區(qū)很多不同的服務(wù)器上的，并且由于用戶眾多，這些日志記錄都非常龐大，達(dá)到TB級別非常正常。那么為了快速及時傳輸同步這些日志數(shù)據(jù)，淘寶研發(fā)了TimeTunnel，用于進行實時的數(shù)據(jù)傳輸，交給后端系統(tǒng)進行計算報表等操作。

    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)記錄均會被保留下來。使得淘寶存儲的歷史數(shù)據(jù)輕而易舉的便達(dá)到了十?dāng)?shù)甚至更多個PB(1PB=1024TB=1048576GB)。如此巨大的數(shù)據(jù)量經(jīng)過淘寶系統(tǒng)1:120的極限壓縮存儲在淘寶的數(shù)據(jù)倉庫中。并且通過一個叫做云梯的，由2000多臺服務(wù)器組成的超大規(guī)模數(shù)據(jù)系統(tǒng)不斷的進行分析和挖掘。

    從這些數(shù)據(jù)中淘寶能夠知道小到你是誰，你喜歡什么，你的孩子幾歲了，你是否在談戀愛，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、各類商品的興衰消亡等等海量的信息。 

   

    說了這么多，其實也只是敘述了淘寶上正在運行的成千上萬個系統(tǒng)中的寥寥幾個。即便是你僅僅訪問一次淘寶的首頁，所涉及到的技術(shù)和系統(tǒng)規(guī)模都是你完全無法想象的，是淘寶2000多名頂級的工程師們的心血結(jié)晶，其中甚至包括長江學(xué)者、國家科學(xué)技術(shù)最高獎得主等眾多大牛。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，看似簡單易用，背后卻凝聚著難以想象的智慧與勞動。

（本文所涉及到的技術(shù)與數(shù)據(jù)均來源于互聯(lián)網(wǎng)）

 

轉(zhuǎn)自：http://blog.renren.com/blog/254459622/799372165