第167章 伺服器的危机
九月中旬，北京秋意渐浓。
“颤动视频“的用户量，在会面后的这一周里，从五十万暴涨到了一百万。
日活跃用户也突破了五十万。
这个增速，超出了秦风最乐观的预期。
但也带来了问题——伺服器负载飆升，已经到了百分之八十的警戒线。如果再不扩容，隨时可能宕机。
宕机，对一个网际网路產品来说，是致命的。
用户会骂你、刪你、去用你的竞品，然后你辛辛苦苦积累的用户，一夜之间就没了。
秦风很清楚这一点。
他召集了一次紧急会议。
参会的人不多——张浩、李萌、王健，再加上被临时叫来的凌玥。
凌玥很少参加“颤动视频“的会议，但这次的情况比较特殊——伺服器扩容涉及到分布式系统的架构调整，张浩一个人可能搞不定。
会议在“颤动视频“的办公室里开。
秦风坐在会议桌的主位上，面前摆著一台笔记本电脑，屏幕上显示著伺服器的实时监控数据——cpu使用率、內存使用率、磁碟i/o、网络带宽，每一项都標著红色的警告。
“现在的问题是，我们的伺服器规模太小了。“张浩先开口，“只有二十台，面对一百万用户，每台伺服器要承载五万用户的数据请求。这个负载，已经接近极限了。“
李萌在旁边补充：“而且推荐算法的计算量也隨著用户量暴涨，如果不优化算法或者增加计算资源，推荐速度会下降。用户等超过两秒，就会不耐烦，然后关掉应用。“
王健没说话，但手指在桌面上无意识地敲著。
凌玥坐在角落里，一直没说话。她戴著一副黑框眼镜，头髮扎成了一个松松的丸子，看起来很安静，但眼神一直在秦风、张浩和李萌之间转。
秦风看著数据，沉默了好一会儿。
然后他开口了：“扩容方案，我想了两个。大家听听，选一个。“
他在白板上写了两个方案——
“方案一：立即扩容伺服器，增加五十台，预计成本两百万。这个方案的好处是稳妥，扩容后至少半年內不用担心负载问题。坏处是成本高，而且如果用户量增速放缓，会浪费资源。“
“方案二：优化推荐算法，降低计算量，同时渐进式扩容，预计成本一百万。这个方案的好处是经济，不会浪费资源。坏处是优化算法需要时间，期间如果用户量继续暴涨，可能会撑不住。“
他放下笔，看著三个人。
“你们倾向哪个？“
张浩先开口：“我倾向方案一。稳妥一点好，万一宕机了，损失的不只是钱，还有口碑。“
李萌说：“我倾向方案二。算法还有优化空间，我可以把模型压缩一下，减少计算量。而且渐进式扩容更灵活，可以根据实际负载动態调整。“
王健想了想，说：“我中立。前端这边，不管选哪个方案，我都要优化一下视频加载的逻辑——现在是一个视频加载完才开始播放，可以改成预加载，用户还在看第一个视频的时候，后台就开始加载第二个视频。“
凌玥忽然开口了。
“两个方案结合。“
所有人都看向她。
凌玥的声音很轻，但每个字都清清楚楚：“先扩容二十台应急，把负载降到百分之五十以下，让系统恢復稳定。同时优化算法，降低计算量，为下一波增长做准备。这个方案，成本大约一百五十万，介於方案一和方案二之间。“
秦风看著她，没说话。
凌玥继续说：“扩容的时候，要注意一个问题——如何在不停止服务的情况下迁移数据。这个问题，如果处理不好，会导致扩容期间用户无法正常使用。“
“你有办法吗？“秦风问。
凌玥点了点头：“蓝绿部署。旧伺服器保持运行，新伺服器上线后，逐步把流量切过去。整个过程，用户无感知。“
秦风想了想，说：“就按凌玥说的办。张浩负责扩容，李萌负责算法优化，王健负责前端预加载，凌玥负责整体技术架构的调整。“
“有问题吗？“
“没有。“四个人异口同声。
会议结束后，团队立刻投入了工作。
张浩联繫了云服务商，加急採购了二十台伺服器。正常情况下，採购流程需要三到五个工作日，但张浩在电话里跟对方磨了半个小时，最后加了两万块钱的加急费，把交付时间压到了两天。
李萌开始优化算法。
她把推荐模型的参数压缩了百分之三十——通过剪枝和量化，把模型的体积缩小，计算速度提升，同时保持推荐准確率不下降太多。这是个精细活儿，需要反覆调试，反覆验证。
王健开始优化前端。
他加入了预加载功能——用户在看第一个视频的时候，后台静默加载第二个、第三个视频。当用户滑到下一个视频时，不需要等待加载，直接播放。这个功能，大大提升了用户的使用体验。
凌玥负责整体架构。
她把“颤动视频“的伺服器架构，从单机部署改成了分布式集群。负载均衡、数据分片、故障转移、自动恢復，每一个环节她都亲自过了一遍，確保没有单点故障。
扩容的过程，並不顺利。
他们遇到了好几个技术问题——
数据迁移时，如何保证数据一致性？
凌玥的解决方案是：双写机制。数据同时写入旧伺服器和新伺服器，等数据完全同步后，再切换流量。
负载均衡策略，如何选择？
凌玥选了基於请求响应时间的动態负载均衡——哪台伺服器的响应时间最短，就给哪台分配更多请求。这个策略，比静態的轮询或者隨机分配，要聪明得多。
故障转移，如何做到秒级切换？
凌玥在每台伺服器上部署了一个心跳检测程序——如果某台伺服器宕机了，心跳停止，负载均衡器会在三秒內检测到，並把流量切换到其他伺服器。
三天三夜，团队几乎没怎么睡觉。
张浩的眼圈黑了，李萌的嘴唇乾裂了，王健的手指敲键盘敲得发了麻，凌玥的话更少了，整天整天地盯著屏幕，偶尔站起来活动一下僵硬的脖子。
秦风也一直在。
他不是技术专家，帮不上具体的忙，但他可以帮团队买饭、买咖啡、订夜宵，可以在他们疲惫的时候讲个冷笑话，可以在他们迷茫的时候给一个坚定的眼神。
第三天晚上，扩容终於完成了。
系统恢復了稳定——伺服器负载降到了百分之四十，推荐算法的响应时间维持在五十毫秒以內，前端预加载功能运行正常。
张浩盯著监控屏幕，长长地吐了一口气：“活过来了。“
李萌趴在桌上，秒睡。
王健靠在椅背上，闭著眼睛，手指还在无意识地敲著。
凌玥还在敲代码——她在处理一些善后工作，把扩容过程中的操作记录、配置文件、故障处理方案，都整理成了一份技术文档。
秦风看著他们，心里涌起一阵暖意。
这不是僱佣关係，这是战友。
他走出办公室，站在走廊里，给每个人点了一杯热奶茶——张浩要半糖，李萌要全糖，王健要无糖，凌玥要温热的无糖乌龙茶。
奶茶送来的时候，四个人都抬头看著他，眼睛里有著说不出来的东西。
“辛苦了。“秦风说。
简单的三个字，但每个人都听懂了。
（本章完）
“颤动视频“的用户量，在会面后的这一周里，从五十万暴涨到了一百万。
日活跃用户也突破了五十万。
这个增速，超出了秦风最乐观的预期。
但也带来了问题——伺服器负载飆升，已经到了百分之八十的警戒线。如果再不扩容，隨时可能宕机。
宕机，对一个网际网路產品来说，是致命的。
用户会骂你、刪你、去用你的竞品，然后你辛辛苦苦积累的用户，一夜之间就没了。
秦风很清楚这一点。
他召集了一次紧急会议。
参会的人不多——张浩、李萌、王健，再加上被临时叫来的凌玥。
凌玥很少参加“颤动视频“的会议，但这次的情况比较特殊——伺服器扩容涉及到分布式系统的架构调整，张浩一个人可能搞不定。
会议在“颤动视频“的办公室里开。
秦风坐在会议桌的主位上，面前摆著一台笔记本电脑，屏幕上显示著伺服器的实时监控数据——cpu使用率、內存使用率、磁碟i/o、网络带宽，每一项都標著红色的警告。
“现在的问题是，我们的伺服器规模太小了。“张浩先开口，“只有二十台，面对一百万用户，每台伺服器要承载五万用户的数据请求。这个负载，已经接近极限了。“
李萌在旁边补充：“而且推荐算法的计算量也隨著用户量暴涨，如果不优化算法或者增加计算资源，推荐速度会下降。用户等超过两秒，就会不耐烦，然后关掉应用。“
王健没说话，但手指在桌面上无意识地敲著。
凌玥坐在角落里，一直没说话。她戴著一副黑框眼镜，头髮扎成了一个松松的丸子，看起来很安静，但眼神一直在秦风、张浩和李萌之间转。
秦风看著数据，沉默了好一会儿。
然后他开口了：“扩容方案，我想了两个。大家听听，选一个。“
他在白板上写了两个方案——
“方案一：立即扩容伺服器，增加五十台，预计成本两百万。这个方案的好处是稳妥，扩容后至少半年內不用担心负载问题。坏处是成本高，而且如果用户量增速放缓，会浪费资源。“
“方案二：优化推荐算法，降低计算量，同时渐进式扩容，预计成本一百万。这个方案的好处是经济，不会浪费资源。坏处是优化算法需要时间，期间如果用户量继续暴涨，可能会撑不住。“
他放下笔，看著三个人。
“你们倾向哪个？“
张浩先开口：“我倾向方案一。稳妥一点好，万一宕机了，损失的不只是钱，还有口碑。“
李萌说：“我倾向方案二。算法还有优化空间，我可以把模型压缩一下，减少计算量。而且渐进式扩容更灵活，可以根据实际负载动態调整。“
王健想了想，说：“我中立。前端这边，不管选哪个方案，我都要优化一下视频加载的逻辑——现在是一个视频加载完才开始播放，可以改成预加载，用户还在看第一个视频的时候，后台就开始加载第二个视频。“
凌玥忽然开口了。
“两个方案结合。“
所有人都看向她。
凌玥的声音很轻，但每个字都清清楚楚：“先扩容二十台应急，把负载降到百分之五十以下，让系统恢復稳定。同时优化算法，降低计算量，为下一波增长做准备。这个方案，成本大约一百五十万，介於方案一和方案二之间。“
秦风看著她，没说话。
凌玥继续说：“扩容的时候，要注意一个问题——如何在不停止服务的情况下迁移数据。这个问题，如果处理不好，会导致扩容期间用户无法正常使用。“
“你有办法吗？“秦风问。
凌玥点了点头：“蓝绿部署。旧伺服器保持运行，新伺服器上线后，逐步把流量切过去。整个过程，用户无感知。“
秦风想了想，说：“就按凌玥说的办。张浩负责扩容，李萌负责算法优化，王健负责前端预加载，凌玥负责整体技术架构的调整。“
“有问题吗？“
“没有。“四个人异口同声。
会议结束后，团队立刻投入了工作。
张浩联繫了云服务商，加急採购了二十台伺服器。正常情况下，採购流程需要三到五个工作日，但张浩在电话里跟对方磨了半个小时，最后加了两万块钱的加急费，把交付时间压到了两天。
李萌开始优化算法。
她把推荐模型的参数压缩了百分之三十——通过剪枝和量化，把模型的体积缩小，计算速度提升，同时保持推荐准確率不下降太多。这是个精细活儿，需要反覆调试，反覆验证。
王健开始优化前端。
他加入了预加载功能——用户在看第一个视频的时候，后台静默加载第二个、第三个视频。当用户滑到下一个视频时，不需要等待加载，直接播放。这个功能，大大提升了用户的使用体验。
凌玥负责整体架构。
她把“颤动视频“的伺服器架构，从单机部署改成了分布式集群。负载均衡、数据分片、故障转移、自动恢復，每一个环节她都亲自过了一遍，確保没有单点故障。
扩容的过程，並不顺利。
他们遇到了好几个技术问题——
数据迁移时，如何保证数据一致性？
凌玥的解决方案是：双写机制。数据同时写入旧伺服器和新伺服器，等数据完全同步后，再切换流量。
负载均衡策略，如何选择？
凌玥选了基於请求响应时间的动態负载均衡——哪台伺服器的响应时间最短，就给哪台分配更多请求。这个策略，比静態的轮询或者隨机分配，要聪明得多。
故障转移，如何做到秒级切换？
凌玥在每台伺服器上部署了一个心跳检测程序——如果某台伺服器宕机了，心跳停止，负载均衡器会在三秒內检测到，並把流量切换到其他伺服器。
三天三夜，团队几乎没怎么睡觉。
张浩的眼圈黑了，李萌的嘴唇乾裂了，王健的手指敲键盘敲得发了麻，凌玥的话更少了，整天整天地盯著屏幕，偶尔站起来活动一下僵硬的脖子。
秦风也一直在。
他不是技术专家，帮不上具体的忙，但他可以帮团队买饭、买咖啡、订夜宵，可以在他们疲惫的时候讲个冷笑话，可以在他们迷茫的时候给一个坚定的眼神。
第三天晚上，扩容终於完成了。
系统恢復了稳定——伺服器负载降到了百分之四十，推荐算法的响应时间维持在五十毫秒以內，前端预加载功能运行正常。
张浩盯著监控屏幕，长长地吐了一口气：“活过来了。“
李萌趴在桌上，秒睡。
王健靠在椅背上，闭著眼睛，手指还在无意识地敲著。
凌玥还在敲代码——她在处理一些善后工作，把扩容过程中的操作记录、配置文件、故障处理方案，都整理成了一份技术文档。
秦风看著他们，心里涌起一阵暖意。
这不是僱佣关係，这是战友。
他走出办公室，站在走廊里，给每个人点了一杯热奶茶——张浩要半糖，李萌要全糖，王健要无糖，凌玥要温热的无糖乌龙茶。
奶茶送来的时候，四个人都抬头看著他，眼睛里有著说不出来的东西。
“辛苦了。“秦风说。
简单的三个字，但每个人都听懂了。
（本章完）