初期架構選型
在2010年10月真正開始動手做知乎這個產品時，包含李申申在內，最初只有兩位工程師；到2010年12月份上線時，工程師是四個。
知乎的主力開發語言是Python。因為Python簡單且強大，能夠快速上手，開發效率高，而且社區活躍，團隊成員也比較喜歡。
知乎使用的是Tornado框架。因為它支持異步，很適合做實時comet應用，而且簡單輕量，學習成本低，再就是有FriendFeed 的成熟案例，Facebook 的社區支持。知乎的產品有個特性，就是希望跟瀏覽器端建立一個長連接，便於實時推送Feed和通知，所以Tornado比較合適。
最初的想法是用雲主機，節省成本。知乎的第一台服務器是512MB內存的Linode主機。但是網站上線后，內測受歡迎程度超出預期，很多用戶反饋網站很慢。跨國網絡延遲比想象的要大，特別是國內的網絡不均衡，全國各地用戶訪問的情況都不太一樣。這個問題，再加上當時要做域名備案，知乎又回到了自己買機器找機房的老路上。最初整個團隊的精力全部放在產品功能的開發上，而其他方面，基本上能節約時間、能省的都用最簡單的方法來解決，當然這在后期也帶來了一些問題。
買了機器、找了機房之后又遇到了新的問題，服務經常宕掉。當時服務商的機器內存總是出問題，動不動就重啟。終於有一次機器宕掉起不來了，這時知乎就做了Web和數據庫的高可用。創業就是這樣一個情況，永遠不知道明早醒來的時候會面臨什么樣的問題。
這是當時那個階段的架構圖，Web和數據庫都做了主從。當時的圖片服務托管在又拍雲上。 除了主從，為了性能更好還做了讀寫分離。為解決同步問題，又添加了一個服務器來跑離線腳本，避免對線上服務造成響應延遲。另外，為改進內網的吞吐量延遲， 還更換了設備，使整個內網的吞吐量翻了20倍。
在2011年上半年時，知乎對Redis已經很依賴。除了最開始的隊列、搜索在用，后來像Cache也開始使用，單機存儲成為瓶頸，所以引入了分片，同時做了一致性。
知乎團隊是一個很相信工具的團隊，相信工具可以提升效率。工具其實是一個過程，工具並沒有所謂的最好的工具，只有最適合的工具。而且它是在整個過程中，隨着整個狀態的變化、環境的變化在不斷發生變化的。知乎自己開發或使用過的工具包括Profiling（函數級追蹤請求，分析調優）、Werkzeug（方便調試的工具）、Puppet（配置管理）和Shipit（一鍵上線或回滾）等。
日志系統
知乎最初是邀請制的，2011年下半年，知乎上線了申請注冊，沒有邀請碼的用戶也可以通過填寫一些資料申請注冊知乎。用戶量又上了一個台階，這時就有了一些發廣告的賬戶，需要掃除廣告。日志系統的需求提上日程。
這個日志系統必須支持分布式收集、集中存儲、實時、可訂閱和簡單等特性。當時調研了一些開源系統，比如Scribe總體不錯，但是不支持訂閱。Kafka是Scala開發的，但是團隊在Scala方面積累較少，Flume也是類似，而且比較重。所以開發團隊選擇了自己開發一個日志系統——Kids（Kids Is Data Stream）。顧名思義，Kids是用來匯集各種數據流的。
Kids參考了Scribe的思路。Kdis在每台服務器上可以配置成Agent或 Server。Agent直接接受來自應用的消息，把消息匯集之后，可以打給下一個Agent或者直接打給中心Server。訂閱日志時，可以從 Server上獲取，也可以從中心節點的一些Agent上獲取。
具體細節如下圖所示：
知乎還基於Kids做了一個Web小工具（Kids Explorer），支持實時看線上日志，現在已經成為調試線上問題最主要的工具。（Kids已經開源，Github上可見。）
事件驅動的架構
知乎這個產品有一個特點，最早在添加一個答案后，后續的操作其實只有更新通知、更新動 態。但是隨着整個功能的增加，又多出了一些更新索引、更新計數、內容審查等操作，后續操作五花八門。如果按照傳統方式，維護邏輯會越來越龐大，維護性也會 非常差。這種場景很適合事件驅動方式，所以開發團隊對整個架構做了調整，做了事件驅動的架構。
這時首先需要的是一個消息隊列，它應該可以獲取到各種各樣的事件，而且對一致性有很高的 要求。針對這個需求，知乎開發了一個叫Sink的小工具。它拿到消息后，先做本地的保存、持久化，然后再把消息分發出去。如果那台機器掛掉了，重啟時可以 完整恢復，確保消息不會丟失。然后它通過Miller開發框架，把消息放到任務隊列。Sink更像是串行消息訂閱服務，但任務需要並行化處理， Beanstalkd就派上了用場，由其對任務進行全周期管理。架構如下圖所示：
舉例而言，如果現在有用戶回答了問題，首先系統會把問題寫到MySQL里面，把消息塞到Sink，然后把問題返回給用戶。Sink通過Miller把任務發給 Beanstalkd，Worker自己可以找到任務並處理。
最開始上線時，每秒鍾有10個消息，然后有70個任務產生。現在每秒鍾有100個事件，有1500個任務產生，就是通過現在的事件驅動架構支撐的。
頁面渲染優化
知乎在2013年時每天有上百萬的PV，頁面渲染其實是計算密集型的，另外因為要獲取數據，所以也有IO密集型的特點。這時開發團隊就對頁面進行了組件化，還升級了數據獲取機制。知乎按照整個頁面組件樹的結構，自上而下分層地獲取數據，當上 層的數據已經獲取了，下層的數據就不需要再下去了，有幾層基本上就有幾次數據獲取。
結合這個思路，知乎自己做了一套模板渲染開發框架——ZhihuNode。
經歷了一系列改進之后，頁面的性能大幅度提升。問題頁面從500ms 減少到150ms，Feed頁面從1s減少到600ms。
面向服務的架構（SOA）
隨着知乎的功能越來越龐雜，整個系統也越來越大。知乎是怎么做的服務化呢？
首先需要一個最基本的RPC框架，RPC框架也經歷了好幾版演進。
第一版是Wish，它是一個嚴格定義序列化的模型。傳輸層用到了STP，這是自己寫的很 簡單的傳輸協議，跑在TCP上。一開始用的還不錯，因為一開始只寫了一兩個服務。但是隨着服務增多，一些問題開始出現，首先是 ProtocolBuffer會 生成一些描述代碼，很冗長，放到整個庫里顯得很丑陋。另外嚴格的定義使其不便使用。這時有位工程師開發了新的RPC框架——Snow。它使用簡單的 JSON做數據序列化。但是松散的數據定義面對的問題是，比如說服務要去升級，要改寫數據結構，很難知道有哪幾個服務在使用，也很難通知它們，往往錯誤就 發生了。於是又出了第三個RPC框架，寫RPC框架的工程師，希望結合前面兩個框架的特點，首先保持Snow簡單，其次需要相對嚴格的序列化協議。這一版 本引入了 Apache Avro。同時加入了特別的機制，在傳輸層和序列化協議這一層都做成了可插拔的方式，既可以用JSON，也可以用Avro，傳輸層可以用STP，也可以用 二進制協議。
再就是搭了一個服務注冊發現，只需要簡單的定義服務的名字就可以找到服務在哪台機器上。同時，知乎也有相應的調優的工具，基於Zipkin開發了自己的 Tracing系統。
按照調用關系，知乎的服務分成了3層：聚合層、內容層和基礎層。按屬性
又可以分成3類：數據服務、邏輯服務和通道服務。數據服務主要是一些要做特殊數據類型的存儲，比如圖片服務。邏輯服務更多的是CPU密集、計算密集的操作，比如答案格式的定義、解析等。通道服務的特點是沒有存儲，更多是做一個轉發，比如說Sink。
這是引入服務化之后整體的架構。
原文地址：https://mp.weixin.qq.com/s?__biz=MjM5NTg2NTU0Ng==&mid=403282668&idx=3&sn=c9d5c13f797adfde514c144e8f1cfce0&scene=21#wechat_redirect