以下为译文
Wix围绕扩展性上的努力可以用“定制化”三个字来总结——在仔细地审视了系统之后，以高可用和高性能为目标对系统进行了改善。
Wix使用了多数据中心和云服务，这在通常情况下非常少见，他们将数据同时复制到Google Compute Engine和AWS。对于故障转移，他们有专门的应对策略。
从始至终，Wix都没有使用事务。取而代之，所有数据都是不可变的，他们为用例使用了一个非常简单的最终一致性策略。Wix并不是缓存策略爱好者，简而言之他们并没有打造一个非常高端的缓存层。取而代之，他们将大部分的精力放在了路径渲染优化上，让每个页面的显示时间不超过100毫秒。
Wix开始于一个非常小的系统，使用了单片架构；而在业务发展过程中，他们很自然地过渡到一个面向服务的架构。在整个架构中，他们使用了一个非常成熟的服务识别策略，从而可以很轻易的将所有精力都集中到一个事件上来。
系统统计
- 5400个网站，每个月都会新增100万个
- 800+TB的静态数据，每天1.5TB的新文件
- 3个数据中心+两个云服务（谷歌和亚马逊）
- 300个服务器
- 每天7亿个HTTP请求
- 总计600员工，200人的研发团队
- 系统内服务数量达50个
- 4个公共Web Server来支撑4500万个网站
系统组件
- MySQL
- Google和Amazon云服务
- CDN（内容分发网络）
- Chef
系统衍变
1. 系统始于简单的单片架构，开始时只有一个应用服务器，对于任何人来说，这都是最简单的初始策略，非常灵活且易于更新。
- Tomcat、Hibernate、定制网络框架。
- 使用有状态的登录。
- 无视任何性能和扩展性相关。
2. 两年后。
- 仍然使用单片服务器支撑所有事情。
- 拥有了一定规模的开发团队，且需要支撑一定规模的用户。
- 依赖性产生的问题。某点的改变通常会造成整个系统的变更，无关领域的故障通常会造成整个系统大范围崩溃。
3. 系统拆分的时候到了。
- 到面向服务的架构转变，但是这并不是件容易的事情。比如，你如何将某个功能分离到两个服务中？
- 聚焦用户在系统中的行为，并将之主要归结为3类：修改网站、查看Wix建立的网站以及媒体服务。
- 网站更新包括服务器数据的数据有效性、安全和验证、数据一致性以及大量的数据修改操作。
- 一旦某个网站建立完成，用户就会进行查看。因此，对于整个系统来说，访客的数量十倍于修改者。因此关注点会转换为：
- 高可用性。因为用户业务行为，HA成为系统最大的特性。
- 高性能。
- 高流量值。
- 长尾问题。平台上已经有了大量的网站，但是它们通常都非常小。单独看某个网站，每天可能只有10或100个PV。鉴于这种特性，缓存对于系统扩展来说并不会起到太大的作用。因此，缓存变得非常低效。
- 媒体支撑是第二大服务，包括HTML、javascript、css及images。他们需要一个途径来支撑800TB数据上的大量请求，其中缓存静态内容成为制胜的关键。
- 新系统看起来像一个网络层，网站被切分为3个部分服务：修改部分（任何对数据产生修改的操作），媒体部分（支撑静态内容，只读），公共部分（一个文件被访问的首部分，只读）。
服务打造的指导方针
- 每个服务都有自己独立的数据库，每个数据库只能一个被一个服务写入。
- 数据库只能被服务的API访问，这样可以将关注点分离，并将数据模型对其他服务透明。
- 鉴于性能原因，其他服务只被赋予数据库的只读权限，一个数据库只能被一个服务写入。
- 服务都是无状态的，这让水平扩展非常便捷，业务的增长只需要添加更多服务器就可以支撑。
- 不使用事务。除下billing/financial 事务以外，所有其他服务都不使用事务，这里的理念是避免数据库事务所带来的开销，从而提升性能。鉴于不使用事务，开发者必须考虑设计合适的数据模型来完成事务逻辑特性，从而避免不一致状态。
- 在新服务设计时，缓存并不是所需要考虑的因素。首先，尽可能的考虑服务性能，然后快速的部署到生产环境，查看服务的运行情况。只有在代码无法优化的情况下，才使用缓存来解决性能问题。
更新服务
- 更新服务必须处理大量的文件。
- 数据被使用不可变的JSON pages在MySQL中存储，每天大约250万个。
- MySQL是个非常棒的键值存储。键的设定基于文件的哈希函数，因此键是不可变的，通过主键来访问MySQL可以获得非常理想的性能。
- 可接受的扩展性。在扩展性方面，Wix又做了什么样的权衡？Wix之所以不使用NoSQL的原因是NoSQL往往会牺牲一致性，而通常开发者并不具备处理这种情况的能力，所以坚持MySQL也并非不可。
- 动态数据库。为了给那些经常访问的网站让路，所有网站的冷数据（通常是建立时间超过3个月以上的数据）都会被转移到其他的数据库，这些数据库的性能往往会非常低，但是容量很高。
- 给用户增长留有容量空间。大型档案数据库是非常缓慢的，但是鉴于数据使用的频率这不会出现任何问题。但是一旦这个数据被访问，在下次访问之前这个数据就会被转移到活跃数据库。
打造更新服务的高可用性
- 大数据体积达到一定程度时，任何事情的高可用都是难以保证的。因此，着眼关键路径，在网站领域无疑就是网站的内容。如果网站的一个装饰部分问题，它对网站的可用性不会造成任何致命影响。因此对一个网站来说，关键路径才是唯一关注点。
- 防止数据库崩溃。如果你想尽可能快的完成故障转移，务必做好数据库的备份，并在故障恢复时快速切换到从数据库。
- 数据完整性保护。这里并不一定是恶意破坏，一个bug可能就会对数据存储产生影响。所有数据都是不可变的，为任何数据保存校订版本。最坏的情况下，即使数据被破坏到无法修复，我们也可以将之恢复到修订版本。
- 阻止不可用情况发生。区别于桌面应用程序，网站必须可以被随时随地地访问。因此，在不同地理位置的数据中心，不同云环境中对数据进行备份非常重要，这将赋予系统足够的弹性。
- 在一个网站上点击“保存”按钮，修改会话会给修改服务器发送一个JSON文件。
- 服务器会给活跃MySQL服务器发送页面，同时它会在另一个数据中心进行备份。
- 当数据在本地修改后，一个异步的进程会将修改上传到一个静态网格，也就是所谓的媒体部分。
- 当数据被传输到静态网格后，一个通知会发送给保存在Google Compute Engine上的存档服务。存档服务会连接到这个静态网格，下载这个修改页面，并将之保存在谷歌云服务中。
- 然后，一个通知会发送到修改器，告知页面已经存储到GCE。
- 同时，系统会根据GCE的数据在Amazon中保存另一个副本。
- 当最后一个通知收到后，这意味着这个数据已经保存了3个副本：一个数据库，一个静态网格以及一个GCE。
- 对于新版本来说是3个副本，而对于旧版本来说则会存在两个副本。
- 这个过程具备自我修复的特性。如果这里存在一个错误，当用户下一次更新其网站内容时，所有未完成的修改会被重新上传。
- 停用文件会做垃圾收集处理。
使用无数据库事务方式给数据建模
- 对于服务拥有者来说，他们从来都不期望发生这样的情况：用户同时对两个页面进行修改，结果只有一个页面被存储到了数据库中，这就造成了不一致状态。
- 取得所有JSON文件，随后按照顺序将他们保存到数据库。当所有数据被保存后，一个命令会被发布，它包含了上传到这个静态服务器上所有被保存页面的ID清单（静态服务器中文件名称的哈希值）。
媒体部分
- 存储了大量文件。800TB的用户媒体文件，平均每天300万个文件，5亿条元记录。
- 对图像进行修改。它们会针对不同设备和屏幕对图像进行修改。在这里，可以根据需求插入水印，同时还可以对音频格式进行转换。
- 建立一个一致性分布式文件系统，使用多数据中心备份模式，并且实现跨数据中心的故障恢复。
- 运行的痛苦。32个服务器，每9个月翻一倍。
- 计划迁移到云中以获得更好的扩展性。
- 让供应商锁定见鬼。因为都使用了API，只需要改变实现方式就可以在数周内跨云服务供应商进行迁移。
- 在Google Compute Engine中遭遇失败。当他们从数据中心迁移到GCE时，很快就受到了谷歌云服务的限制。而在谷歌做出了一些改变后，系统得以正常运行。
- 数据是不可变的，因此非常有利于缓存。
- 图像请求会首先发送到CDN。如果所请求的图像在CDN中并不存在，请求会被直接传递给他们奥斯丁的主数据中心。如果在主数据中心也没有发现这个图像，随后寻找的地点就是谷歌云服务。如果谷歌云服务中仍然未发现所请求的图像，那么下一个寻找地点则是坦帕市的数据中心。
公用部分
- 解析URL（在4500万网站中），并将之分配给指定的渲染程序，然后转换成HTML、sitemap XML或者robots TXT等。
- 公用的SLA，峰值时响应时间低于100毫秒。网站必须是高可用的，同时也需要非常高的性能，但是缓存却并不能发挥作用。
- 当一个用户修改某个页面并进行发布后，包括这个页面元素的清单会被推送到公用环境，同时推送的还有路由表。
- 最小化宕机情况。解析一次路由需要促发一个数据库调用。将请求分配个渲染器需要1次RPC调用。获得网站清单也需要一次数据库调用。
- 查询表会在内存中进行缓存，每5分钟修改一次。
- 因为需要传送给编辑器，数据不可能保存为同一种格式。数据使用非规范化格式进行存储，通过主键进行优化，所有需求的内容都会在单一请求中返回。
- 最小化业务逻辑。数据是非规范化的，并且进行预计算。大规模场景下，每秒内发生的每个操作都会乘以4500万次，因此发生在公共服务器上的每个操作都需要被调整。
- 页面渲染
- 由公共服务器返回的html是 bootstrap html类型的，它使用了一个JavaScript Shell，并包含了所有网站清单和动态数据相关的JSON数据。
- 渲染会被放在客户端进行。当下，笔记本电脑和移动设备已经拥有了很强大的性能，它们完全可以从事这个工作。
- 之所以选择JSON，因为解析和压缩都非常方便。
- 客户端上的bug非常容易修补。修补客户端bug只需要重新部署一个客户端代码，如果在服务器端进行渲染，html则会被缓存，因此修补一个bug需要重新渲染上千万个网站。
公用部分的高可用性
- 虽然目标是一直可用，但是总会发生一些意外情况
- 通常情况下：请求由浏览器发出，随之会被传输到一个数据中心，通过一个负载均衡器，它将会给发送到一个公共服务器，解析路由，传送给渲染器，随后返回到浏览器，并使用浏览器运行javascript。随后，浏览器会对档案服务发送请求，档案服务会做与浏览器相同的操作，然后将数据储存到缓存。
- 数据中心丢失发生的情况：这时候，所有UPS都会挂掉，数据中心也会丢失。所有DNS都会被改变，请求会发送给次数据中心。
- 公用部分丢失的情况：当负载均衡器配置只进行一半发生这个问题时，所有公共服务器都会丢失。或者当部署错误版本时，服务器则会抛出故障。Wix通过定制负载均衡器代码来解决这个问题，在公共服务器丢失时，他们会将档案服务器路由到高速缓存，即使系统在警报后已经进行故障恢复。
- 在网络连通性很烂的情况：请求由浏览器发出，随之会被传输到一个数据中心，通过一个负载均衡器，并返回对应的html。现在JavaScript代码必须取回所有的JSON数据和页面。随后进入内容分发网络，发送到静态网格，并获得所有的文件进行网站渲染。在网络很卡的情况下，文件返回可能无法进行。JavaScript则会做出选择：如果主要位置无法获得文件，代码则会在档案服务中获取。
学到的知识
- 识别业务的关键路劲和关注点，仔细了解产品运行的方式，开发使用场景，尽力让你工作物有所值。
- 使用多云和多数据中心。为了更好的可用性，在关键路径上建立冗余。
- 对数据进行转换，最小化进程外跳，一切只为了性能。预计算并做一切可以做的事情来减少网络抖动。
- 利用好客户端的CPU，为可用性建立关键路径上的冗余。
- 从小做起，先跑起来，然后寻找下一个决策。从始至终，Wix首要解决的都是如何才能让服务可以良好运行的工作，然后有条不紊的转移到面向服务的架构。
- 长尾需要不同的途径进行解决。取代缓存一切，Wix通过优化渲染途径来提升服务，并将数据在活跃和档案数据库中同时进行备份。
- 使用不可变的方式。不可变会对服务的架构产生深远影响，覆盖后端到客户端的所有处理，对于许多问题来说，这都是个优雅的解决方案。
- 供应商锁定根本不存在。所有功能都通过API实现，只需要修改实现就可以在数周内完成不同云供应商的迁移。
- 最大的瓶颈来自数据。在不同云环境中转移大量数据异常困难。
