|
源自：http://tech.qq.com/a/20110512/000298.htm
大家好，大家知道淘宝搜索是一个典型PHP架构。在座同学不知道有多少人使用过淘宝搜索可以举手示意一下？在开始这个话题之前我们先谈一下Polyglot，多语言混合编程，淘宝有很多系统是利用Java来开发的。淘宝大概有上千名Java工程师，也做了非常多Java工作，我们为什么还要选择PHP呢？一方面来讲我们利用一些外部动态，PHP开发效率更高一些，另外我们技术熟练程度。
所以，也有应了那句话“没有最好，只有最适合”。其实我们发现不管是任何语言来讲，Java也好，PHP也好和C也好，我们会利用Java做一些接口，利用PHP来写一些VO的功能，同时也会利用C写一些PHP扩展。接下来进入我们今天第一个话题，搜索产品介绍。正如大家所看到一样，这个就是我们淘宝搜索首页，非常简单一个搜索框一个搜索按纽，下面是一些热门关健词，当你搜索之后就会进入我们搜索结果页，看上去有点复杂。只要大家用过淘宝，基本上大家都可能进入这样一个页面。
今天主要内容就是讲解这个页面，还有其他搜索产品，一淘，是淘宝面向站外用户推出电子商务搜索引擎，这是一淘的首页，和淘宝搜索其他产品一样，也是标准的LAMP架构。接下来一个产品是我们的排行榜，和前面有一些差别，使用NGS来做，排行榜有非常多静态内容，我们在服务器选题上采用了NGS。
接下来我来讲一讲淘宝搜索整体架构，讲架构之前，可能会讲一下共同模块，这样大家对理解架构更加容易。首先，看一下网络，这张图其实是一个非常简单的落说明图，用户访问搜索域名，会根据用户IP定位到不同机房，比如有电信机房，网通机房，和教育网。为什么有三个机房呢？第一是有中国特殊国情决定的，第二也是为了容灾，每个机房大概都有几十台机器。淘宝搜索每天流量也在每天几亿，我们每个机房部署几十台机器来控制流量。
这些机器主要来请求PHP，页面还有很多资源文件，像CSC，还有图片，这是部署在我们CDN上。每台机器普通64位Linux系统，安装是阿帕奇，没有用5.3，因为我们一些扩展可能也是历史原因，一些扩展目前还不能迁移到5.3上，这也是我们接下来要做的工作。这个是放大搜索结果页，大家可以看到图上整个页面大概分了几个区域。最上面是搜索框，比如说有LOGO，有搜索框，再下面有一些导航条，中间这个区域我们把它叫做智能导航模块，右侧叫做掌柜推荐，大家可以理解为广告。
这个其实是所有搜索结果页基本都比较类似的，不管大家用Google也好，百度也好，或者其他MSN都非常类似，上面搜索框做搜索结果，右侧是广告。因为淘宝搜索页大概有3到4屏，这页主要是搜索相关一些筛选功能，比如上面看到有不同的筛选区，下面有不同结果，只不过大家没有特别留意。上面那个区我们叫做产品搜索区域，中间这个区域叫做商品搜索区域，在往下是其他一些文字链之类，最下面是翻页。
有些细节大家可能不太好理解，打个比方。大家去Google搜索的时候，当你搜索北京天气的时候，或者搜索北京奥运会的时候，搜索结果页里面有非常多的内容，比如有新闻的，有网页，甚至还有论坛的。不同的来源，其实有不同的后端服务提供的，怎么样在搜索结果页里面把它展现出来，这其实就是一个问题，是我们问题和挑战。
这里面有两个核心问题，第一个来讲，对于查询应该展示哪些模块，并不是每次搜索的时候都要出产品搜索结果。第二个问题，如果你要查询多个模块的时候，怎么样保证高性能，让用户看到快速的搜索结果。试想一下，我们这个结果我们回到上一页，这个页面里面其实是要查非常多服务，中间智能导航就是有很多服务，下面有一个相关搜索模块，包括右侧广告，和下一页产品搜索结果，商品搜索结果，这样算下来这个页面要查5到6个业务模块。
所以，怎么样查询多个模块的时候，能够保持高的性能，让用户快速看到搜索结果。带着这些问题，我们来看一下它的架构。这张架构其实也是非常简单图，首先用户可以进入我们一些入口程序，相当于搜索一个非常简单的教研程序看看是不是合法和编码。这些工作做完之后，会把用户搜索词，用户搜索诺基亚，搜索凉鞋等等词分配到解析，对于搜索来说理解用户意图非常重要，可以知道用户想要找什么，要找的这个东西，应该在哪个内幕下，或者有哪些属性。
所以，我们会去调来这个模块获取用户相关信息，查取相关内容。我们知道核心一个问题，应该展示哪些模块，同时对这个结果，应该怎么去展示。在这个时候，我们会去请求缓存模块，因为像我们刚才讲的一样，他其实有5、6个后台请求模块，我们会去看看缓存有没有命中，如果命中缓存问题就非常简单，直接把这个数据从缓存拿出来一组装，通过这个模板来做一切展示。
如果没有命中缓存的话，我们会有一个专门检索模块，会根据你需要的数据，必须你需要六个模块，根据六个模块去请求后台一些服务，在这里面是并发来做的，如何实现会在接下来讲。所以，通过这样一个架构，能够实现查询内容，以及能够并发去获取相关数据。接下来，讲一下性能优化，因为对搜索来讲，性能方面是非常关注。
这张图是09年Google合并的一些相关研究人员，他们通过一些实验对比来发现，性能对于搜索影响。当这个网站速度下降几秒之后，他们会发现用户点击，用户收入，相关广告收入，用户的满意度都会有非常明显下降。其实，性能来讲，这个话题这几年也变的逐渐非常热门起来，不管是从06年雅虎提出一些相关APP Store，或者前端优化十几条军规，一直到去年这里面领军人物史蒂夫提出一个WTO概念，做性能优化已经可以做成一个产业。
所以，更好性能意味着更低的成本，更高收入，以及更好的用户体验。所以，我们在性能优化方面也做了非常多的工作。这些工作整理起来，我们可以把它归纳为性能规划CPP的原则，第一条就是Cache，缓存。做这种网站缓存非常重要，甚至有时候是非常关键一点。缓存我们通常使用两个方式，第一就是APC，如果大家做PHP可能对APC都比较了解。第二点就是Memcached，我们使用了一些缓存。
再下面一点就是并发，PHP并没有多线程概念。这里面我们利用一些技术，可以并发去访问后台一些接口。第三点就是预期，其实做性能也好，类似于优化也好，有时候你不能达到足够快，至少也要让这个网站看上去比较快，我们把它叫做预期。其实简单做法，让这个网站能够支持这种类似于分化输出，当用户搜索完了之后，你可以让你的网站，搜索框先出来，再去查后台模块，最后在展示最下面的内容。
这张图就是关于Cache一个介绍，比如APC。提供一些APC类似于Opcode的软件也好，我们选择的是APC。从这张图上可以看到，使用APC以后，能够大幅优化PHP代码解释时间，我们之前也做过一些性能对比，用过APC之后能够把性能提升25%-40%左右。对于APC还有很深入话题，比如APC里面有一些参数，有兴趣的同学可以上网查一下，也可以跟我交流。
这张图是一个Memcached的事例，基本原理就是Check，Miss，Store，Check是第一步，当你最开始访问这个模块是没有，如果开始没有，就会去到后台计算相关数据，比如去查数据库，去请求远程接口。当拿到结果之后，会把这个数据存储到Cache里面去，并且把这个结果反映给输出，你第二次来的时候就命中Cache，所以Cache直接输出结果了。
对于Memcached来讲是一个非常成熟技术，我们用Memcached大概有几十台机器，每台机器开了几个G来做，大概有几百个G，是一个独立的Cache集群。因为我们是多个模块，当你去请求Cache，可以查一下有没有命中，如果没有命中可以请求后台，你可以一次性向Memcached发请求，一次性把请求发过去看有没有命中，他会告诉你有几个模块命中有几个模块没有命中，我们在去查后端，可以减少Memcached的请求。
下面和大家分享一下并发，PHP其实不支持多线程。如果说要串行访问多个后台缺口会非常严重影响性能，做一个简单计算，刚才所讲一样，如果有5个后台模块。每个模块访问需要50毫秒，5×5就是250毫秒，对做搜索来讲其实是非常慢了。所以，如果串行访问后台接口会非常慢。我们解决方案是使用CURL和Multi功能，下面列了一些相关函数，大家可以在下面去查查手册可以看一下，这里面还有更详细的一个文章来介绍。
基本原理利用提供封装功能一次性把请求发出去，等着响应拿到结果进行处理。按照优化原则，80%优化都集中在前端。前端我们做了一些尝试，比如我们了CDN Combo，合并HTTP请求。比如我们这个页面需要用5个页面表，我们可以对请求进行合并，减少请求优化性能。同时，按照最常规做法就是压缩CSS/JS文件，压缩完之后尺寸可以大大减少，提高加载速度。
还有一些做法，我们在首页预先加载结果页所需部分文件，用户要做的事情通常是搜索。在首页可以预先加载所需要的CSS和JS文件，在首页进行一个平衡，据我了解Google很多网站都是这么做的。还有图片的Lazy-Load，相当于业界一个标准做法，像搜索结果页大概有40张图片，大多数情况下来讲，用户可能只会看前面几张图片，如果满意就点走了，如果不满意会做一些搜索和其他筛选。接下来你屏幕以下非常多的图片就有点浪费了，如果用户不看的话，所以我们就采用Lazy-Load，当用户滚屏的时候可以大幅度提高性能，降低带宽。
接下来给大家讲一下监控报警，每天几百台机器监控报警也是非常重要的。这张图是截取在我们公司里面一个哈勃监控系统，我们通常统计了命中率，统计了一些数据在这里面进行分析，具体实现大概是这样的。我们的程序是有日志，比如有统计PV，超时数据，如果一旦访问后台结果超时的时候会在日志里面做记录。还有Latency，如果发现一些问题，我们定一些规则，比如超时时数达到多少，或者PV变化，就会发短信进行报警。
同时，我们刚才讲了我们有非常多的memcached-top来作为缓存，所以我们使用memcached脚本监控memcached集群运行情况。我们使用xhprof采样获得线上程序运行情况，有点类似与PHP。由于时间关系，今天我要讲的内容基本上就这些，其实淘宝搜索他的内容非常多，刚才也只是讲到一些点，感兴趣的同学可以会后跟我联系。我们也在招一些PHP工程师，我们也非常希望大家能够加入我们，和我们一起来做下一代的淘宝搜索。我的联系方式是jiansu@taobao.com，还可以访问我们的微博，感谢大家。
作者：21aspnet 发表于2011-12-16 1:22:17 原文链接 | 
IP卡
狗仔卡
发表于 2011-12-17 10:14:04
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
显身卡