云计算时代的分布式WEB服务解决方案

云计算时代的分布式WEB服务解决方案SinaAppEngine（简称SAE）是新浪研发中心于2009年上半年开始内部开发，并在2009年11月3日正式推出第一个Alpha版本的国内首个公有云计算平台，是新浪云计算（简称浪云）战略的核心组成部分。SAE作为国内的公有云计算，借鉴吸纳了Google、Amazon等国外公司的公有云计算的成功技术经验，并很快推出具有自身特色的云计算平台。SAE选择PHP作为首选的支持语言，Web开发者可以在Linux/Mac/Windows上通过SDK或者Web版在线SDK进行开发、部署、调试，团队开发时还可以进行成员协作，不同的角色将对代码、项目拥有不同的权限。SAE还提供了一系列分布式计算、存储服务供开发者使用，包括分布式文件存储、分布式数据库集群、分布式缓存、分布式定时服务等，这些服务将大大降低开发者的开发成本。同时又由于SAE整体架构的高可靠性和新浪的品牌保证，大大降低了开发者的运营风险。另外，作为典型的云计算，SAE采用“所付即所用，所付仅所用”的计费理念，通过日志和统计中心精确的计算每个应用的资源消耗（包括CPU、内存、磁盘等）。总之，SAE就是分布式Web服务的开发、运行平台。SAE的目标和发展云计算在国外已经有4~5年的历史。2006年，Amazon就推出了以EC2为代表的公有云计算，并且实现了大规模盈利；2008年，Google推出了以GoogleAppEngine为代表的公有云计算。国内的云计算一直是炒得很厉害，各大互联网公司都在宣传，但真正有技术实力做出来而又对外公开使用的少之又少。从2004年开始，新浪就开始了私有云方向的研究和实践，以此为基础的动态应用平台目前已经支撑新浪内部的绝大部分业务。从2008年起，新浪又启动了“浪云”的公有云计算计划，相继开发了分布式队列服务、P2P文件系统、分布式计算框架等一系列基础服务。实际SAE就是“浪云”战略的产物。SAE从架构设计和代码编写开始，就明确了自身的两个目标：第一，做公有云计算平台，公有云不同于私有云，更强调安全性和可靠性，这也对整体的架构设计和技术实现提出了更苛刻的要求；第二，为分布式Web服务提供一整套的解决方案，SAE争取提供开发者开发Web应用过程中所用到的所有服务。经过技术团队一年的开发，SAE目前已经提供了十多种服务，整体上分为计算型和存储型，计算型又包括同步计算和异步计算，而存储型则分为持久化存储和非持久化存储，如表2所示。SAE于2009年11月3日发布了Alpha1版本，2010年2月1日发布了Alpha2版本，2010年9月1日发布了Beta版本，经过将近一年的不断完善和改进，尽管SAE一直没有开放注册（实际云计算的模式也不以注册用户的规模为评价标准），但已经拥有了一批有价值的App和粉丝开发者。截止10月1日，SAE拥有开发者4000多名，App总数3000个，活跃App将近1000个，每天独立代码部署行为超过1000次。整体架构SAE从架构上采用分层设计，从上往下分别为反向代理层、路由逻辑层、Web计算服务池。而从Web计算服务层延伸出SAE附属的分布式计算型服务和分布式存储型服务，具体又分成同步计算型服务、异步计算型服务、持久化存储服务、非持久化存储服务。各种服务统一向日志和统计中心汇报如图1所示。7层反向代理层：HTTP反向代理，在最外层，负责响应用户的HTTP请求、分析请求并转发到后端的Web服务池上，提供负载均衡、健康检查等功能。服务路由层：逻辑层，负责根据请求的唯一标识，快速地映射（O(1)时间复杂度）到相应的Web服务池及相应的硬件路径。如果发现映射关系不存在或者错误，则给出相应的错误提示。该层对用户隐藏了很多具体地址信息，使开发者无须关心服务的内部实际分配情况。Web服务池：由一些不同特性的Web服务池组成。每个Web服务池实际是由一组ApacheServer组成的，这些池按照不同的SLA提供不同级别的服务。每个Web服务进程实际处理用户的HTTP请求，进程运行在HTTP服务沙盒内，同时还同样内嵌运行在SAE沙盒内的PHP解析引擎。用户的代码最终通过接口调用各种服务。日志和统计中心：负责对用户所使用的所有服务的配额进行统计和资源计费，这里的配额有两种，一种是分钟配额，用来保证整个平台的稳定；一种是天配额，用户可以给自己设定每天资源消耗的最高上限。日志中心负责将用户所有服务的日志汇总并备份，并提供检索查询服务。各种分布式服务：SAE提供Web应用开发所需的大多数服务，同时支持接入第三方服务，用户可以通过StdLib（可以理解为SAEPHP版的STL）很方便地调用它们。真正的用户代码是跑在SAE提供的Web运行环境下的，为了提供公有云计算特有的安全性，SAE设计多层沙盒来保证用户应用之间的隔离性，如图2所示。最内层的就是用户代码，大部分PHP代码不需要做任何修改就可以跑在SAE平台上，小部分代码需要做一些修改以适应SAE的平台特性。这主要有两部分：第一，SAE因为安全性禁用了本地I/O，所以fwrite等函数需要修改为使用Tmpfs读写本地临时文件或者直接通过Stor读写我们的分布式文件存储；第二，用户在SAE上不能通过Curl访问非“SAE域”的资源，用户有抓取公网资源等需求，需要修改为调用FetchURL服务。我们提供了PHPWrapper以方便用户的修改。SAEZendSandbox为一个逻辑概念，为用户的代码运行提供良好的隔离性。这里有两个层面，第一是通过标准的php.ini，我们设定了一些特殊配置和禁用函数；第二，为了达到一些php.ini无法实现的沙盒功能，我们对Zend解释器核做了一些改进，以便通过用户标识将资源进行隔离。另外我们还把一些SAE的特定服务也在Zend层做了融合。Apache为标准的ApacheWebServer，版本为2.2。不过我们禁用了htaccess，并提供了自己实现的替换方案AppConfig。用户可以通过类自然语言的方式编写AppConfig，如-compress:if(out_header[“Content-Length”]=500)compress表示按条件启动页面压缩。目前AppConfig提供的功能有：目录默认页面、自定义错误页面、压缩、页面重定向、页面过期、设置响应头的content-type、设置页面访问权限。我们选择自行实现AppConfig还有一个考虑，就是因为传统Apache的htaccess因为要按目录递归方式合并配置文件，效率不能满足SAE的需求。HTTPServer沙盒为Apache的安全可靠运行提供了多种保护功能，比如防止某个用户恶意占用连接数从而导致整个Web服务不正常。最外层的是标准POSIX环境，目前我们的服务跑在Linux2.6上。上面就是对SAE整体架构的概述，接着将详细讨论我们在架构设计上的一些具体考量点。扩展性扩展性是分布式系统的两个主要目的之一，SAE作为公有云计算，同样把服务的扩展性作为架构设计的重要指标，要求在用户增长、压力提升的情况下，可以实现自动的服务扩展，同样当压力降低时，可以将服务收缩，以节约资源，整个过程无须人工参与。SAE人工只需做好容量规划和管理。目前国外的公有云计算架构的扩展性主要有静态和动态两个思路。静态扩展：用户和资源有强绑定关系。最典型的例子为Amazon的EC2和Ruby云计算平台Heroku，用户申请的资源和用户有严格的一对一关系，换句话说，A用户申请的虚拟机在A退还资源前，B用户不能使用，哪怕A用户的虚拟机处于闲置状态。动态扩展：用户和资源没有强绑定关系。最典型的例子为GoogleAppEngine，用户申请的资源和用户没有严格的一对一关系，换句话说，处理A用户请求的进程在处理完之后，可以马上处理B用户的请求。两种扩展性各有利弊，静态扩展的长处是为平台提供了良好的隔离性，资源可以固定映射在某个用户下，但缺点是资源利用率不高；动态扩展的长处是资源利用率高，这样整个云计算平台的成本会很低，但缺点是对隔离性有更高的要求，因为资源可以在很短的时间被多个用户使用。相比较，在安全性上，动态扩展要比静态扩展的技术门槛更高。在SAE平台上，我们采用以动态扩展为主、静态扩展为辅的兼而有之的设计。在Web计算池层是典型的动态扩展。而在SAE的某些服务中，又是以静态扩展的方式展现，如RDC（RelationalDBCluster）分布式数据库集群，当用户申请了MySQL服务，我们就会在RDC后端根据SLA创建一主多从的DB给用户，在用户显式删除该DB前，该DB都不会被别人使用。当然，通过RDC，任何一个用户也无需知道后端DB的实际地址，只需访问RDC统一的Host和Port即可。高可靠性（HighAvailability，简称HA）HA是分布式系统的另一个主要目的，SAE同样以提供服务的高可靠性为架构设计的重要指标。HA的实现途径主要有两个：一个是硬件保证，另一个是架构的冗余设计。在SAE平台上，所有服务器都是新浪标准采购的硬件设备，运行在国内最好的机房内，网络资源方面则享用门户网站所使用的带宽环境。另外，所有的硬件设备都有专门的运维部门负责，故障的响应速度和新浪内部服务一样。在架构设计上，SAE通过对所有服务都进行冗余设计来提供服务的高可靠性。这里的服务可以分成计算型和数据型两种类别讨论。针对计算型服务，冗余设计就是程序在多节点运行。我们要求SAE所有的内部代码程序要做到Stateless（无状态依赖），即无依赖部署无依赖启动，随时终止进程随时重启进程，这样一旦出现机器故障或者程序自身Bug时，所有进程能够随着硬件环境的重新恢复而在第一时间重启。而多点执行的程序可以保证，当某些程序出现故障时，整个系统仍然能够正常提供服务。计算型程序多点部署，会带来一致性问题，最主要的困扰就是选举问题，如何在多个节点中选出一个主节点来执行。比如SAE上的分布式定时服务Cron，采用多点部署方式，多个计算节点相互隔离，通过时钟同步服务同时触发用户设定的定时任务，但要求只能有一个节点负责执行。为了解决这个问题，SAE设计出了一套分布式锁算法来提供选举服务。该算法可以在牺牲某些特定条件下的一致性来提供比Paxos算法更高的可靠性（3台机器在最高任意2台机器发生故障的情况下整个选举过程仍然正常，而Paxos算法最多容忍1台）。目前，该算法正在申请专利，并广泛应用在SAE内部。针对数据型服务，SAE主要是通过复制来保证服务的高可靠性。SAE上的数据存储服务普遍采用被动复制和主动复制两种方式。如SAE上MySQL之间的主从Binlog同步就是典型的被动复制，用户只写写库，数据从写库同步到多个读库中。Taskqueue、DeferredJob等服务也采用被动复制的方式，用户的任务描述会写到主内存级队列中，主队列利用后台线程将写操作同步到从队列上，一旦主队列发生故障，从队列会快速的切换为主队列。另外SAE上也有部分服务采用主动复制（双写复制）的方式来保证HA，比如Cron，当用户通过App的工程配置文件appconfig.yaml设定定时任务时，任务信息会以多写的方式写到多个持久化DB中，以供后续的事件触发。另外，SAE在整体架构设计时，充分考虑服务之间的“优雅降级”，尽量降低服务之间的耦合度，我们要求任何一个服务都不要假设其他服务是可靠的。目前在SAE平台上的所有服务均不存在单点设计，服务的平均HA在99.9%，即年平均服务不可用时间在8~9个小时之间。