程序开发：短网址开发运维经验

申请免费试用、咨询电话：400-8352-114

每个萝卜下都隐藏一个坑。

前段时间955短网址日重定向次数最高达400万，主要开销是重定向请求的用户数据储存与分析。分别经历了内存瓶颈、IO 瓶颈后，高峰期达到 CPU 上限，几乎榨干了机器，下文是经验总结分享。

　　前置条件

由于短网址很难盈利，硬件特别寒碜，带着镣铐跳舞反而别有风味，当然，人力投入，技术方面也不能和其他大网站比，所以如果要拍砖请轻下手——哎哟。

我们采用的硬件： 盛大云微型，1G内存，单核共享型 CPU。 后期追加了一个同等配置的内网机器做 MongoDB replSet。

　　Startup 硬件成本：

既然项目本身基本没法带来收益，要生存就只能充分压榨硬件，大胆使用新技术。根据国内云的计费方式，一般收费的维度是

内存：使用异步模式代替同步多进程。

带宽：2M双线，301并不需要太多的带宽开销

硬盘：云硬盘，按容量收费

CPU：单核

由此我们做了对应的技术选型：

Nginx：无需多说了吧?

Tornado：Facebook 开源的 python 异步微框架

MongoDB：性能好，热数据少内存开销也少

Redis：事实上 MongoDB 写入的 IO 开销太大

nodejs(with coffeescript)：后期新增，node.js 是天生的异步

supervisord：监控进程

来照张相——咔嚓

　　开发与运维

既然目前项目投入的开发和运维都只有我一个人，那就可以美其名曰：DevOps 啦。听上去是不是很高端大气国际化。

　　用户特点

二八法则基本适用：20% 的 URL 占用了 80% 的资源(尤其是我们默认为所有短网址开启了统计之后)。

　　监控先行

很多小团队犯的第一个毛病就是不做监控，等到用户来告诉你网站无法打开的时候就太晚了。为了省事我们用了监控宝和阿里云监控(主要阿里云监控有免费短信)。

每次出现无法打开网站的状态时，都应该定位此次问题的原因。如果频次增加，就要考虑应对策略了。loadavg 很好地反应了系统的负载，可以判断是否硬件出现瓶颈。

如果是在事发时间，我们可以借助这些工具查看系统状态：htop(定位哪个进程的问题)、iftop(是否有异常的流量和ip)、iotop(定位 io 瓶颈)。此外就是看日志。

如果事发时在睡觉，那么就看监控历史记录。

　　惨痛教训一：硬盘容量——为将来留下后路

MongoDB在硬盘容量不够的时候会拒绝启动。而如果之前没有使用 lvm 这类工具，将无法快速扩展容量，而国内的云不像 Linode 那么智能地在后台提供容量的一键 resize(虽然这个功能曾把文件系统搞出错了)。后果很可能是停机几个小时。

　　惨痛教训二：最大打开文件描述符

异步模式下不可避免遇到新问题——最大打开文件描述符。我们先后遇上了 tornado 和 nginx 的最大打开文件描述符问题。 tornado 的表现为：CPU 100%，日志里出现500;Nginx 则在日志里报错，打开缓慢。

要避免此类问题，要做相应 ulimit 的设置。

用ulimit -n显示的只是当前会话的(!important)。正确做法是查看进程的 limits： cat /proc/{$pid}/limits

Nginx 的配置文件里还需要设置两个参数：

worker_connections 9999; #根据自己的情况设置

worker_rlimit_nofile 60000; #根据自己的情况设置

下图是 nginx 达到上限的监控图，很明显被卡在1000左右了 —— Linux 默认限制为 1024。

　　惨痛教训三：Python 不是天生异步的语言

说实话，用 Python 来设计的过程可不是一个愉快的过程。为了避免潜在编码问题，我们使用了 python3。下面的问题是：

缺乏异步的支持：

Redis 异步驱动只支持 Python2(当然，等了大约半年后 tornado-redis 的作者终于更新了对 python3 的支持)。

不少组件仍然无法支持 python3， pip install 后直接报错的感觉就是：傻眼了。

Bitly 的 asyncmongo 简直是没有文档，最后只能选了 Motor。

Tornado 本身的文档也不够详尽

后来一部分组件使用 nodejs 开发后，简直是相见恨晚，CoffeeScript 语法糖的表现也很出色。

　　惨痛教训四：谨慎选用数据库

数据库几乎是web应用里最关键的一部分，越是有大局观的技术人员越会谨慎选型。 事实上我们把所有压力都放 MongoDB 的做法还是过于激进了。

MongoDB 的范式化与反范式化。

几乎所有对 MongoDB一知半解的人都会告诉你不要用 SQL 的思维来思考 MongoDB，要使用内嵌文档来实现需求。但是他们忘记告诉你，不断增长的内嵌文档将导致 IO 瓶颈(参考《深入学习 MongoDB》73页)。

事实上范式化和反范式化(内嵌文档)还有很多要考虑的因素。

　　复杂查询时 MongoDB 的无力

在面对需要计算的查询时，MongoDB 的 map-reduce 很慢;复杂情况下对内嵌文档处理有难度;Documents 比 MySQL 更少。年轻人，不要在 mysql 遇到问题时第一时间想到替换数据库。

就这个项目而言，统计部分要快速出多样报表时明显有难度。

　　不要等到着火了才想起 MongoDB replSet

如果 MongoDB 写入压力大，并且没有做分片，那么单纯加机器不会缓解写入压力。如果是读取压力倒有所帮助。

从单机到 replSet 起码需要锁住数据库。程序代码也需要修改。打算切换到 replSet 的话，需要提前做准备。

最后我们的做法是将频繁更新的数据放 redis，定时刷入数据库，效果很明显。

　　正确使用 Redis

　　控制内存，控制起步成本

如果你打算省钱的，就不要把所有东西都放 Redis 里，哪怕看上去数据量不大——时间久了也占了不少内存。而在 MongoDB 里只有热数据占内存。 二八法则也适用这种情况：热数据只占20%。

当然如果你是土豪请你走开!

　　不要用 pub/sub 做队列

如果不想丢失数据就不要用 pub/sub 做队列。进程重启时将丢失订阅管道的信息。你可以用 lpush 和 brpop 来实现队列。

　　受够盛大云了

内网主机完全不能访问外网。你想 apt-get update 下?临时买带宽吧。

被 DDOS 攻击?直接断网，没有任何通知，你还百思不得其解。

io性能太差，读写大约 5-6M/s 的时候就要挂了。当然阿里云的好像更差。

　　最后的忠告

「年轻人啊，要多读书多看报，多思考多学习」——万峰

看到这里肯定有不少人想喷我了，来吧，我的微博是： @dai-jie ，有错我改，我改……