介绍一个亿级流量系统

介绍一个亿级流量的机票查询业务系统 , 作为 JVM 实战系列的案列

4亿在线用户的 OTA 旅游平台

核心业务有酒店，机票等，这里拿机票的查询举例：

订机票除了商旅的用户，正常用户一般是在中午，或者下班后直到晚上这段时间才会去订机票。

高峰时间段是：11 - 14点， 17 - 23点， 一天24小时，差不多会有 11 - 12 属于高峰期。

旅游旺季，国内机票每天大概会有 100w 单,这么多订单那流量会有多少呢？

用户来网站可能有以下情况增加查询次数：

多查询几个地方，看去哪个地方的机票稍微更便宜

多查询几个时间点，看哪天去机票便宜一点

有的热门航线，每天航班不同，看哪个航班出发到达时间点合适

纠结时，价格和航班得反复切换比较

查到1 - 2个合适的天数，航班，时间点，记在脑海里

再去其他平台比对价格，比完价格后，如果当前平台便宜。 可能又会查 2-3 次 再下单。

做系统设计的时候，统计流量都必须往多了算， 为了应付突发情况，流量会突然一下变大，一般将算出来的值再乘以三倍。

假设有5个好玩的地方都想去玩， 来自5个不同地点的查询

10个合适的时间天数可选 来自10个不同时间点的查询 5 * 10 = 50次

价格，出发时间性价比纠结时，假设有三趟航班可比较 不同出发维度比价 50 + 3 = 53次

和其他平台比完价后又回来确认出发时间再下单又会查3次

不同平台之间的比价 53 + 3 = 56次

单个用户理想情况下，经过 56次查询，可能会买走一单机票

这里数值多少不是关键为了方便计算，56 按 60计算

峰值 ：假设节假日期间流量增大三倍 60 * 3 = 180次 每天100w 订单，这个系统在极端情况下可能每天会有

100w * 180 = 1.8亿的查询

只算高峰期请求，1.8 亿可能有 1.5 亿都在 12 个小时的高峰期内

每小时的流量是：1.8亿 / 12 = 1250w

每分的流量是：1250w / 60 = 20.8w

每秒的流量是：20.8w / 60 = 3472

机票业务属于业务复杂型

举例 : 深圳 - 上海 这样的机票的搜索查询会查出很多趟深圳 - 上海的航班

不仅仅是航线信息， 还包括 机型、机场、退改签，优惠政策，礼盒，保险产品等

这个系统生产环境有 两个集群 用来做高可用,总共有 32 台 8C 16G 的机器

将 qps 3472 除以 32 算出平均每台机器的qps： 差不多是 110左右

通过第三方工具 lucene 提供的 RamUsageEstimator 这是一个专门用于计算堆内存占用大小的工具类

调用 SOA 服务去查询 深圳 - 上海 的返回报文 反序列化后在 JVM 占用8.1MB

注意 这 8 mb 虽然是一个对象，但它并不是一个大对象

它内部的属性跟它是引用关系，意思就是： 这8 mb 在堆内存中大大小小可能会有很多个对象， 它的每个引用变量背后都是一个对象。

深圳 - 上海属于热门航线所以报文会比较大， 冷门航线比如 海拉尔 - 银川 这种 可能只有几条航线 报文可能只有几百 kb 但热门航线被请求的概率又要大一些，综合来看： 我们把每次报文大小算作 5mb

qps110 * 5 mb = 550 mb。

这意味着：新生代每秒钟将会有，550mb 的空间会被占用。

注意：这个系统跟其他系统不太一样

因为这个核心服务的核心接口就两个：列表查询、指定查询

但是其他系统 , 比如订单系统可能会有很多个接口 , 除了比较核心的订单查询接口 , 还有创单、下单、查库存等接口

一般核心接口逻辑会要复杂一点 , 对象占用的大小要更大一点 , 我们用最占内存的那个接口来分析

因为最差的情况就是所有的流量都打到核心接口

指定查询其实相对于列表查询来说频率会低一些 , 这里仅拿列表查询的情况当做一个系统所有接口来作为参考

因为这个接口的一次平均 5mb 其实也挺大了, 当然这里只是作为一个参考

根据 集群的 qps 除以机器数量 , 估算出每分钟每个接口的 qps

计算出各个接口中所有对象实际占用的内存

qps 不是很高可以用每分钟的内存大小做参考即可

并发量很高 就用每秒占用内存的大小来做参考

今天先分享这个亿级流量系统的大概情况 , 部分数据只是作为参考

其实这个系统高峰期流量不止亿级 , 机器也不只是 8C 16G

不过来用做案例分析是 ok 的