从零打造 Instagram

Instagram 是全球最大的照片、视频分享社区，如果让我们自己设计一个 Instagram 这样的服务，应该怎么做呢？这篇文章解析了 Instagram 的功能和架构，从中我们可以看到设计一个内容分享服务所需要关注的部分。原文：Instagram System Architecture^[1]

Instagram 是一个免费的照片和视频分享社交网络，有很多人每天在上面分享故事，记录生活中的点点滴滴。

功能性需求

1. 用户可以上传照片和视频
   
2. 用户可以查看照片和视频
   
3. 用户可以根据照片标题进行搜索
   
4. 用户可以关注/取消关注其他用户
   
5. 用户可以通过搜索栏搜索用户 id
   
6. 为关注的每个用户创建信息流
   
7. 可以把照片存档
   
8. 可以通过聊天窗口分享故事
   
9. 可以拉黑/限制其他用户
   
10. 可以在其他用户的帖子下面点赞和评论
    
11. 用户可以发帖
    

非功能性需求

1. 高可扩展性
   
2. 高一致性
   
3. 高可用性
   
4. 高可靠性
   
5. 用户数据应该是持久化的（任何上传的照片都不应该丢失）
   
6. 生成信息流的最大延迟是 150 毫秒
   

接下来我们做一下系统容量估算。

1. 假设注册用户 = 5 亿
   
2. 30%的活跃用户 = 1.5 亿
   
3. 注册名人人数 = 10k
   
4. 读请求数 = 100 *上传(写)请求数
   
5. 高峰时刻，假设平均流量 = X，目标处理上限是 6X
   

活跃用户：

1. 每周发帖 3 次，每个帖子包含 1 MB 的图片和文本
   
2. 每个帖子至少收到 10 个赞和 2-3 条评论
   
3. 关注 100 个用户，有 50 个粉丝
   
4. 每天刷新 2 次信息流
   

名人：

1. 每周发帖 2 次，每个帖子包含大于 500K 的图片和文本
   
2. 每个帖子至少收到 50K 个赞和至少 1K 条评论
   
3. 拥有 500 万粉丝
   
4. 每天刷新 2 次信息流
   

每秒请求数（QPS）：

1. 发帖
   

• Create_post_avg = (150 Million + 10 K) * 2 / (72460*60) = 496/s
  
• Create_post_peak = 496/s*6 = 3k/s
  

1. 点赞
   

• like_post_avg = (150 million10 +10K50K) * 2 / (72460*60) = 6.6 k/s
  
• like_post_peak = 6.6 k/s*6 = 40 k/s
  

1. 评论
   

• comment_post_avg = (150 million * 2 + 10K * 1K) = 1k/s
  
• Comment_post_peak = 1k/s * 6 = 6k/s
  

1. 关注信息流
   

• get_follow_feed_avg = (150 million + 10K) * 2 / (246060) = 3.5k/s
  
• get_follow_feed_peak = 3.5k/s * 6 = 21.8 k/s
  

1. 数据量
   

• 64base([‘a-z’,‘A-Z’,‘0–9’,‘-’,‘_’])编码的 user_id，需要 5 bits ~ 1Byte
  
• 500 Million + 10K * 5 bits ~ 1 Byte = 1G user
  

容量估计：

1. 每天上传的活跃用户 = 100 万
   
2. 每天上传的照片 = 500 万张
   
3. 每天每秒上传的照片 = 57 张照片
   
4. 平均照片大小 = 150 KB
   
5. 每天存储开销 = 500 万* 150KB = 716GB
   
6. 数据保存 10 年，所需存储容量为 716 GB * 365 * 10 年 = 2553 TB ≈ 2.6 PB
   
7. 日活跃用户查看 = 1000 万
   
8. 每小时的信息流产生量为 1000 万，即 2800 RPS(每秒请求数)。
   
9. 如果用户每天搜索一次，那就是每天 1000 万次搜索，也就是 115 个 RPS。
   

系统组件设计

• 上传照片和视频 = 写操作
  
• 查看照片和视频 = 读操作
  
• 读写比 = 20:80
  
• Web 服务器可以同时支持 1000 个活动连接
  
• 200 个连接会被写操作占用，写入(上传)会使连接长时间保持打开状态
  

因此，更好的方法是用 2 个数据库分别处理读写操作。此外，分离照片的读写请求可以帮助我们独立的扩展和优化每个过程。下图显示了读写的过程。

1. 信息流生成服务（News Feed Generation services）

• 为用户更新所关注的用户的最新帖子
  
• 每个用户的信息流都是独一无二的，组合非常复杂
  
• 为了生成新的信息流，系统必须获取这些照片的元数据(喜欢、评论、时间、位置等)，并将其传递给排名算法，以决定哪些照片应该根据元数据安排在信息流中
  
• 后端需要同时查询大量的表，然后使用预定义的参数对它们进行排序，这种方法将导致更高的延迟，需要大量的时间来生成新的信息流
  
• 因此，可以采用预生成的信息流。创建专门用于生成每个用户独有信息流的服务器，并将其结果存储在单独的信息流表中。当用户点击更新时，直接从数据库中读取信息流并显示给用户。

2. 提供信息流（Serving the News Feed）

• 推模式（Push） — 当用户上传了新的照片/视频，他/她的所有粉丝都会获得更新。如果用户关注了很多人或名人，服务器就必须非常频繁的向用户推送更新。
  
• 拉模式（Pull） — 用户主动刷新他们的信息流(向服务器发出一个拉取请求)。在用户刷新之前，新帖子是不可见的。
  
• 混合模式（Hybrid Approach） — 对拥有大量粉丝的名人用户应用拉模式，普通用户采用推模式。

3. 负载均衡（Load Balancing）

• 将流量分流到一组服务器中，从而提高网站或应用程序的响应和可用性
  
• 使用最小带宽法
  
• 该算法将选择流量最小的服务器(以每秒兆位(Mbps)计算)提供服务
  
• 部署在客户端和服务器或服务器和数据库之间
  

数据架构

数据库设计

1. 用户相关数据

• User ID（主键）：唯一的用户 ID，便于全局区分用户
  
• Name：用户名
  
• Email：用户邮件地址
  
• Password：用户密码，用于用户登录
  
• Create Date：用户注册时间
  

2. 照片相关数据（AWS S3）

• photo id（主键）：10 字节长度的唯一照片 id，用于标识每一张照片
  
• UserId：上传照片的用户 id
  
• Path：存放照片的对象存储路径/URL
  
• Latitude & Longitude（纬度和经度）：存储这些信息来找到照片的位置
  
• Date & time（日期和时间）：照片上传的日期和时间戳
  

3. 用户关注和粉丝相关数据

• Following：该用户所关注的所有用户的 UserId
  
• Followers：关注该用户的所有用户的 UserId
  

因此，我们需要两种不同的数据库：1）关系型数据库（MySQL）2）NoSQL 数据库（Cassandra）

数据模型

典型查询：

• 获取用户 X 关注的所有用户——为用户 X 发送信息流
  
• 获取所有关注用户 X 的用户——将用户 X 的帖子推送到关注者的信息流中
  
• 获取所有活跃用户（为活跃用户提供缓存的关注者信息流）
  

接口/API

1. create_post(user_id, image, text, timestamp) -> success/failure
   
2. comment_post(user_id, post_id, comment, timestamp) -> success/failure
   
3. like_post(user_id, post_id, timestamp) -> success/failure
   
4. get_follow_feed(user_id, timestamp) -> list of newest posts from user follow list, ordered by time, limit 20
   
5. get_profile_feed(user_id, user2_id, timestamp) -> list of newest posts from user2, ordered by time, limit 20
   

系统架构

发帖

信息流

进一步细化

发帖

信息流

延伸阅读：

1. Instagram Engineering: https://medium.com/@InstagramEng
   
2. Instagram System Design: https://youtu.be/da7mdMz0g0g
   
3. Designing Instagram: https://www.educative.io/courses/grokking-the-system-design-interview/m2yDVZnQ8lG
   
4. Design Photo Sharing Platform - Instagram: https://techtakshila.com/system-design-interview/chapter-4/
   
5. Designing Instagram: https://www.codercrunch.com/design/634265/designing-instagram
   
6. Designing Instagram Architecture: https://nlogn.in/designing-instagram-architecture-system-design/
   
7. System Design Analysis of Instagram: https://towardsdatascience.com/system-design-analysis-of-instagram-51cd25093971
   

References:

[1] Instagram System Architecture: https://medium.com/interviewnoodle/instagram-system-architecture-fdbec22e48ee