如何提高億速雲伺服器負載均衡

A. 假如有10億人同時去一個網站瀏覽，都按F5不鬆手會怎樣

網站會崩潰，任何一個網站都不可能承受的住。

我們可以粗略地估計一下，普通鍵盤的刷新速度最快可以達到1000次每秒，考慮到有很多軟體並不需要這么快的響應速度，這些軟體會降低這個頻率來節省電腦資源。我自己用谷哥瀏覽器試了一下，按f12打開控制台選擇network選項，按住f5不鬆手（直接在瀏覽器界面按住f5隻會刷新一次，我想這跟題主的本意可能不符）這時候控制台飛快刷新，目測每秒幾十次，按10次算的話十億人按住f5不鬆手產生的瀏覽量可以達到100億每秒。

我們再看一下可能是世界上短時間內並發最高的網站——雙十一時候的淘寶。具體的數據我們沒有不過我們可以根據網上提供的一些數據估算一下。淘寶訪問最高的時候應該就是十一號零點剛過那幾分鍾，事實上淘寶交易額增速最快的也是那幾分鍾，我猜測每秒峰值訂單也是發生在這個時候，這個數據是54.4萬筆每秒。假設一千個人里邊有一個下單的那麼當時的瀏覽量大概5億每秒。實際上這個時候的淘寶雖然沒有崩潰，但是很多頁面已經出現了延遲，有很多數據已經刷不出來。而題中的條件遠遠超過這個數字，淘寶也是完全承受不住這個訪問量的（實際上我已經盡量低估了十億人按住f5造成的訪問量，高估了淘寶在雙十一承受的訪問量）。我覺得沒有任何一個網站可以承受這么大的訪問量。

實際上十億人接近世界人口的七分之一，根本不會有一個頁面可以吸引這么多人同時訪問，網站在設計的時候也完全不會考慮如此高的並發。

現實中的網站訪問遠比這個復雜，這里只是做一個很粗略估計來討論一下，歡迎大家提出不同意見。

看到有朋友在評論中提出疑問，我自己測試了一下，然後看了下Apache的日誌21次，只代表我自己的測試，不保證准確，給大家一個參考。

傳說中的洪水攻擊，其效果就是這樣，那會瞬間阻塞網路，導致網站訪問慢或訪問不到，目前來看也只有阿里有可能承受住

10億人同時瀏覽一個網站，並且還按F5進行不斷刷新，現實當中沒有這樣的網站，如果有的話一定是會崩潰的！

但是現實中和題主假設最接近的網站有，誰？那就是經常被全國人民在春運時噴的12306，我們不妨來看看當前12306的流量數據。

2018年的時候鐵路官方提供過當年春運時12306的頁面流量次數，高峰時期單日PV是1500億次，平均到每小時則是1500/17=88億次(註：12306晚23點到第二天6天不售票，這里我就去掉了這7小時)。也就是說12306每小時88億的訪問量，每分鍾則相當於1.47億的訪問量。

這個數據量已經是相當驚人了，即便是淘寶雙11也是比不上12306的。同時，這里還請注意，鐵路官方這里僅僅是說的頁面訪問量，如果加上資料庫的查詢、出票等等功能，那麼12306所承擔的壓力會更加大，負荷也更重，因此全球范圍內真正牛逼的網站，能承受全國億人同時沖擊的就只有它了，剩下才是淘寶雙11的高並發流量沖擊。

可以說當前的12306系統超越當前任何一個秒殺系統。

目前12306所承受的訪問量還在逐步遞增，因為春運走鐵路的人群也是逐年遞增，很多人疑問為何12306開始線上購票後怎麼票越來越難買，還不如當年線下排隊購票。其實很多人是忽視了鐵路春運人數增長這個現象。

從春運最開始的1億人次，逐年增長到現在破4億人次，票顯然是越來越難買。這個數字增長其實已經反映了鐵路這些年來的運力增長，但這個運力的增長趕不上越來越多民眾的出行需求。

今年12306又出現了崩潰的情況，顯然買票的人多了。

Lscssh 科技 官觀點：

綜合技術難度來說，12306實現的技術遠比淘寶電商平台要復雜，如果你真的懂技術就會驚嘆12306目前所取得的成績，否則在你眼裡肯定是不如淘寶天貓。

首先祝賀我國人民都有閑情雅緻去同一個網站瀏覽。

這個問題，放在8年之前，答案是癱，你會在網站高峰是很容易看到網站不可訪問的提示；放在今天，答案是要恭喜您，這個級別的網站的架構師們，已經同樣懷著一顆閑情雅緻的心情，把這個問題解決了；就算是自己沒解決，也會找武林高手把這事兒解決。最直觀的例子就是我國的12306網站。

早些年，當12306在線購票系統剛剛公布不久，春運來了。來自五湖四海的弟兄們懷著回家團圓的熱情，一起按F5刷票，把網站搞癱了。沒錯癱了。那個時候，能刷到票的，除了手速，最關鍵的是運氣。

所以從那時起，關於12306的各種負面消息一股腦地涌現出來。大到系統架構、伺服器；小到用戶體驗。甚至在互聯網產品經理的交流沙龍上，12306的網站改版竟然成了反面教材，被肆意使用。

12306經歷了最初期的磨難，但依然要面對無法躲避的春運、國慶黃金周等難關。12306召集有大數據並發經驗的互聯網公司們的大牛、架構師們，為網站獻計獻策，充分優化系統架構；具體改了多少架構；做了多少重構不得而知。而經過時間的沉澱，大家能夠普遍認同的是，12306的數據關系，往往比常見的互聯網公司要復雜的多。而經歷了大並發的多次洗禮，大家感覺到，系統便穩定了很多。

有一年春運，購票系統和以往相比，簡直可以用絲滑來形容。12306甚至沒給大家留下什麼癱瘓的印象。事後，12306和阿里雲宣布戰略合作。12306向阿里雲提出了嚴峻的挑戰，而阿里雲不負眾望，為12306保駕護航。

其實，大並發一直是信息時代不得不面對的一個問題。12306隻不過是一個例子，時至今日，大並發已經衍生出更多復雜的場景。雙11我們在暢快購物的同時，偶爾在一瞬間還是會感到大並發帶給網站的壓力。只不過，用戶已經更加從容；因為他們相信，網站有這個技術馬上會將癱瘓的服務恢復。等下下就好~

10億用戶並發訪問，此等流量目前也還沒有一個大型網站能承載。 日前12306就出現了崩潰的現象，有人猜測疑似因流量過大導致。「12306 服務」承受著這個世界上任何秒殺系統都無法超越的QPS，上百萬的並發再正常不過了！不過大型網站的訪問量大、並發量高、海量數據等方面如果處理不來，沒法解決多用戶高並發訪問問題還是要崩了。

目前淘寶的高並發流量承載水平。 每年的雙十一狂歡節是階段性高並發訪問的典型代表，1分36秒，交易額沖到 100 億 ！高並發系統架構通常採用分布式集群部署，服務上層有著層層負載均衡。根據不同伺服器負載能力和配置策略來均衡分配訪問流量，保證系統的高可用性。當然，其中還有容災系統的輔助作用。

2019雙十一來說，天貓淘寶每秒交易創建峰值54.5萬筆、實時計算消息處理峰值25.51億條/秒，而用戶在購物支付中未感受到抖動、流暢平穩。支付寶技術自主研發的技術之一、分布式資料庫OceanBase再次刷新資料庫處理峰值，達6100萬次每秒。

伺服器性能、程序並發處理能力有限。網站在大並發，高負載時就會有癱瘓，拒絕服務的崩潰現象出現。對於「10億人同時去一個網站瀏覽」，十億級別的並發訪問，放現在任意一大型網站都難以承載。

負載均衡、合理的使用並發和非同步、發揮伺服器多核優勢…還仍是當下研究和 探索 的重要課題。因需求而演進，最初期的單機架構，到容器化技術實現運行環境隔離與動態服務管理，在現在系統還可部署到公有雲上，利用公有雲的海量機器資源，解決動態硬體資源的問題。並發到千萬級億數級別並發情況也是服務端的架構的不斷演進過程。

如果是測試，額，好像這個場景也只會是測試，，看網站類型吧，如果只是瀏覽網頁，做靜態緩存，加不算錢的CDN完全沒問題

主根伺服器，在美國，網路運維預算中國工程師也有傑出吊炸天的專家，在使用網路到現在，目前沒有聽到過，主根伺服器卡爆，您用的網路，是付了錢的，您出多少錢，別人為你提供多少優質的網路服務，網路工程師這點常識不可能沒有，不預留兼容空間，常按鍵盤F5，持續刷新，取決您的電腦cpu是否足夠強大，不會影響到別人使用網路的，過流使用網路，各大網路運營商後台，會給您限速的，不可能給你一根網線，讓你去開網吧，您出多少錢，您就享受怎樣的有限網路限制服務。一塊錢成本，想要博得四兩撥千斤，肯定不現實，網路工程師可不是光吃白米飯不需要菜的主，不會給黑客留後門讓您無節制的使用有限網路，誰會做虧本買賣，所以您試圖卡爆主根伺服器想法，不會實現。

很有趣的一個問題，從側面引申出了用戶與伺服器之間的訪問關系，究竟有哪些因素會影響我們的訪問呢？題目中已經預示了這個問題：

那麼，就從這兩個方面來簡單分析一下，是否存在同時支撐10億用戶訪問的網站吧！

一、關於網站流量的問題討論

隨著互聯網的快速發展，網站內容不再單調，一個頁面存在圖片、音頻、視頻等多種元素，這給傳輸的帶寬頻來了一定的壓力。

我們不按照視頻播放的特殊情況來計算，僅僅按照一般網頁打開高峰值的流量來進行估算。鑒於高清圖片，語音，flash等因素，初步估計峰值帶寬需要200K每秒。那麼，假若10億人同時訪問需要多少的帶寬呢？大家不要急，容我拿出計算器好好計算一下，為了便於計算，暫不採用1024的進位，使用約為1000的進位（1M=1024K）。瞬時產生的峰值流量為200000G，也就是200T。當前網路傳輸最高已經支持100G，但是實際應用場景較少，我們按照最理想100G來計算。

那麼單台伺服器帶寬肯定無法滿足10億人的同時使用，需要200000G除以100G台伺服器才能完成這一目標，顯然2000台伺服器的搭建並不現實（不是無法實現，只不過成本過於昂貴）。

二、關於程序、伺服器性能能否支持的問題

我們拿12306、淘寶商城這兩個高流量的網站舉例，您就會知道10億人同時訪問所帶來的壓力。

一年一度的春節就要來臨，也到了12306最容易崩潰的時間段。這部，前不久12306疑似又出現了崩潰的問題。我們先來看下2018年時12306高峰期的統計數字：

請記住每秒164.8萬次這個數字！

再來說說淘寶，淘寶最具參考價值的就是雙十一時的用戶訪問量。據相關統計數字顯示，淘寶雙十一峰值用戶訪問數據是每秒4200萬次。即便如此，淘寶當晚依然如臨大敵，全力保障避免網路以及伺服器出現問題。

每秒164.8萬次、每秒4200萬次與每秒10億次來對比，可想而知這個數據的恐懼。甚至這里令我想到了DoS攻擊（拒絕服務，通過頻繁佔用資源最終導致網路或伺服器崩潰），10億人同時訪問遠比病毒攻擊要來得更加可怕！

結論是當前不存在同時支持10億人訪問的網站！

對於10億用於同時接入某網站的問題，您怎麼看？

歡迎大家留言討論，喜歡的點點關注。

很有想像力的一個問題，十億人同時刷新一個網站，至少目前為止還沒有網站能夠架得住，按照現在阿里巴巴雲計算的能力講，伺服器的組合能力已經優化到一種非常合理化的境界，單純的依靠計算能力提升的空間已經非常有限了，如果單單是為了應對這些人的沖擊構建大量的伺服器，毫無疑問將會產生極大的浪費，任何企業都不會為了應對這一攻擊而購置大量的伺服器。

早期的雲計算產生其實也是一種偶然的因素，亞馬遜早期為了應對伺服器巨大的沖擊，購置了大量的伺服器，結果發現儲備的伺服器太多了，就想著如何處理這些多餘或者利用這些伺服器的額外用處，於是想著如果把這些伺服器構建起來給一些中小企業提供服務，而且這些伺服器之間還可以進行資源的共享，這就是早期雲計算產生的簡單的需求，但隨著功能的延申雲計算所起到的作用也越來越大，亞馬遜在這方面投入的精力也是越來越大，但成效也越來越明顯，成為亞馬遜市值飆升的重要參照因素，而且雲計算的誕生對於甲骨文的資料庫有非常大的沖擊，亞馬遜已經宣傳旗下的資料庫切換到雲計算的模式，相信不久的將來阿里巴巴也會完成這一使命。

同時訪問一個網站，考驗的就是網站的負載均衡能力，現在網站已經不是單一的伺服器構造了，不同地區的訪問會匯總到不同的區域裡面，最後通過數據的交互將數據匯總到總的主控伺服器上，然後做出具體的反應從理論上講，如果想要快速的反應就要求在接受到數據一瞬間就要准確到傳遞到正確的伺服器上，關鍵是第一步如果訪問量過大，第一步接收的伺服器可能直接崩潰或者數據被排隊等待了，可以想像在雙11期間阿里巴巴啟動的伺服器的數量要多於平時，同時阿里巴巴已經把伺服器遷移到阿里雲上了，對於伺服器的管理能力又進一步增強了，同時又增加了很多的備用伺服器來支撐，畢竟阿里雲的業務能力也在進一步增強，所以增加備用的伺服器也是業務上的需要。

增加伺服器的負載能力最簡單直接有效的辦法就是增加伺服器的數量，但這種方式對於成本的要求還是非常高，每家都不會去做這種事情，畢竟如果只是單純的使用幾次這種成本的代價太高，之前的購票網站12306經常出現宕機的情況，最後還是阿里巴巴的阿里雲一起協助解決了這類沖擊的問題，其實訂票沖擊相比雙11的沖擊還是差了許多，解決並發問題的能力上在國內范圍最厲害的企業當屬於阿里巴巴，12306把查詢的功能部署在阿里雲上極大降低12306主要伺服器的壓力，同時也是對阿里巴巴負載能力一個極大的檢驗。

即使阿里巴巴已經在解決負載能力上有著非常豐富的經驗，但是10億用戶同時刷新網站的做法，即使放在阿里巴巴面前也是一個極大的難題，不僅僅是技術能力的問題關鍵還是在於是否有必要購置這些伺服器，希望能幫到你。

按住F5不算啥，部分已載入的是讀取本地緩存，ctrl+F5，shift+Command+R才是毀滅性的吧

B. OpenResty 動態負載均衡

在之前提到的OpenResty/Nginx的負載均衡當中，當伺服器啟動之後，upstream中的上游伺服器就是固定死的了，做不到動態的變更。這裡面說到的變更，其實更多指的是增加機器。因為當上游伺服器不可用時，upstream會自動將伺服器摘除，但是當新增伺服器時，upstream就做不到了。傳統的負載均衡辦法，就是能是修改配置，然後重啟服務。下面介紹一下動態負載均衡的方式，一種是通過動態重啟服務；另外一種是通過代碼的方式動態拉取伺服器列表。

Consul是一個分布式服務注冊與發現系統。這裡面使用Consul來管理上游伺服器，當伺服器啟動時將其注冊到注冊中心去，當服務關閉時從注冊中心列表中剔除。這裡面需要注意一點的是：當上游伺服器關閉時，Consul本身不會自動從列表中剔除，而是需要在伺服器關閉前主動向Consul發起刪除服務。

Consul有以下特性：

通過Consul可以獲取到upstream中的上游伺服器列表，下面要做的事情就是生成upstream中的模板了。這里就需要用到Consul-templete，它可以使用HTTP長輪詢實現變更觸發和配置更改。從而可以根據Consul伺服器列表動態生成配置文件，然後去重新啟動OpenResty/Nginx即可。

Consul+Consul-templete 就如上面所說的，是一種監聽伺服器列表變更，然後動態生成upstream模板，重啟伺服器。

Consul-Server

筆者使用的是MAC，下面所進行的操作都是基於MAC系統的。首先需要安裝Consul如下：

安裝完成之後，可以通過如下命令啟動Consul服務：

啟動完成之後，可以通過如下地址：localhost:8500/ui。訪問Consul的Web界面：

可以使用HTTP的方式向Consul注冊一個服務：

Consul-template

Consul-template的作用是生成upstream配置模板，安裝命令如下：

然後在nginx.conf同級目錄下創建moguhu_server.ctmpl

重啟OpenResty腳本如下：reboot.sh

然後nginx.conf配置如下:

上游伺服器

上游伺服器upstream中使用的是Spring Boot實現的，其核心代碼如下所示：

筆者在實驗時，Consul版本的問題，造成在JVM停止時，沒有執行刪除服務的操作。因此附上下面的pom依賴

測試驗證

1、啟動Consul

2、啟動Consul-template

3、啟動2台upstream伺服器

然後你會發現在nginx.conf的同級目錄下生成了moguhu_server.conf文件，內容如下：

當手動停掉一台伺服器時，配置又會變更為如下：

此時reboot.sh腳本會自動觸發執行，如下所示：

上面的方式實現動態負載均衡在配置較多的時候會有一些問題，比如配置較多時，OpenResty重啟的速度就會變慢。所以通過Lua腳本的方式可以規避掉重啟這一步驟。

使用Lua實現時，與上面的組件相比Consul-templete就不需要了。通過Consul的 http://127.0.0.1:8500/v1/catalog/service/moguhu_server 介面就可以獲取到服務的列表，如下所示：

這一方式當中主要就是OpenResty裡面的相關配置。

OpenResty 配置

upstreams.lua

nginx.conf

上面通過balancer_by_lua_block去動態的設置了，upstream的伺服器列表。然後啟動OpenResty就可以了。

參考：《億級流量網站架構核心技術》

C. CC攻擊屬於DDOS攻擊嗎應該如何防禦

CC攻擊（Challenge
Collapsar）是DDOS（分布式拒絕服務）的一種，前身名為Fatboy攻擊，也是一種常見的網站攻擊方法。攻擊者通過代理伺服器或者肉雞向向受害主機不停地發大量數據包，造成對方伺服器資源耗盡，一直到宕機崩潰。

相比其它的DDOS攻擊CC似乎更有技術含量一些。這種攻擊你見不到真實源IP，見不到特別大的異常流量，但造成伺服器無法進行正常連接。最讓站長們憂慮的是這種攻擊技術含量低，利用更換IP代理工具和一些IP代理一個初、中級的電腦水平的用戶就能夠實施攻擊。

另外，防止伺服器對外傳送信息泄漏IP地址，最常見的情況是，伺服器不要使用發送郵件功能，因為郵件頭會泄漏伺服器的IP地址。如果非要發送郵件，可以通過第三方代理(例如sendcloud)發送，這樣對外顯示的IP是代理的IP地址。

只要伺服器的真實IP不泄露，10G以下小流量DDOS的預防花不了多少錢，免費的CDN就可以應付得了。如果攻擊流量超過20G，那麼免費的CDN可能就頂不住了，需要購買一個高防的盾機來應付了，而伺服器的真實IP同樣需要隱藏。

D. 分布式文件存儲系統通過什麼方式提高可用性和安全性

分布式存儲的六大優點

1. 高性能

一個具有高性能的分布式存戶通常能夠高效地管理讀緩存和寫緩存，並且支持自動的分級存儲。分布式存儲通過將熱點區域內數據映射到高速存儲中，來提高系統響應速度;一旦這些區域不再是熱點，那麼存儲系統會將它們移出高速存儲。而寫緩存技術則可使配合高速存儲來明顯改變整體存儲的性能，按照一定的策略，先將數據寫入高速存儲，再在適當的時間進行同步落盤。

2. 支持分級存儲

由於通過網路進行松耦合鏈接，分布式存儲允許高速存儲和低速存儲分開部署，或者任意比例混布。在不可預測的業務環境或者敏捷應用情況下，分層存儲的優勢可以發揮到最佳。解決了目前緩存分層存儲最大的問題是當性能池讀不命中後，從冷池提取數據的粒度太大，導致延遲高，從而給造成整體的性能的抖動的問題。

3. 多副本的一致性

與傳統的存儲架構使用RAID模式來保證數據的可靠性不同，分布式存儲採用了多副本備份機制。在存儲數據之前，分布式存儲對數據進行了分片，分片後的數據按照一定的規則保存在集群節點上。為了保證多個數據副本之間的一致性，分布式存儲通常採用的是一個副本寫入，多個副本讀取的強一致性技術，使用鏡像、條帶、分布式校驗等方式滿足租戶對於可靠性不同的需求。在讀取數據失敗的時候，系統可以通過從其他副本讀取數據，重新寫入該副本進行恢復，從而保證副本的總數固定;當數據長時間處於不一致狀態時，系統會自動數據重建恢復，同時租戶可設定數據恢復的帶寬規則，最小化對業務的影響。

4. 容災與備份

在分布式存儲的容災中，一個重要的手段就是多時間點快照技術，使得用戶生產系統能夠實現一定時間間隔下的各版本數據的保存。特別值得一提的是，多時間點快照技術支持同時提取多個時間點樣本同時恢復，這對於很多邏輯錯誤的災難定位十分有用，如果用戶有多台伺服器或虛擬機可以用作系統恢復，通過比照和分析，可以快速找到哪個時間點才是需要回復的時間點，降低了故障定位的難度，縮短了定位時間。這個功能還非常有利於進行故障重現，從而進行分析和研究，避免災難在未來再次發生。多副本技術，數據條帶化放置，多時間點快照和周期增量復制等技術為分布式存儲的高可靠性提供了保障。

5. 彈性擴展

得益於合理的分布式架構，分布式存儲可預估並且彈性擴展計算、存儲容量和性能。分布式存儲的水平擴展有以下幾個特性：

1) 節點擴展後，舊數據會自動遷移到新節點，實現負載均衡，避免單點過熱的情況出現;

2) 水平擴展只需要將新節點和原有集群連接到同一網路，整個過程不會對業務造成影響;

3) 當節點被添加到集群，集群系統的整體容量和性能也隨之線性擴展，此後新節點的資源就會被管理平台接管，被用於分配或者回收。

6. 存儲系統標准化

隨著分布式存儲的發展，存儲行業的標准化進程也不斷推進，分布式存儲優先採用行業標准介面(SMI-S或OpenStack Cinder)進行存儲接入。在平台層面，通過將異構存儲資源進行抽象化，將傳統的存儲設備級的操作封裝成面向存儲資源的操作，從而簡化異構存儲基礎架構的操作，以實現存儲資源的集中管理，並能夠自動執行創建、變更、回收等整個存儲生命周期流程。基於異構存儲整合的功能，用戶可以實現跨不同品牌、介質地實現容災，如用中低端陣列為高端陣列容災，用不同磁碟陣列為快閃記憶體陣列容災等等，從側面降低了存儲采購和管理成本。

E. 雲計算伺服器的概念是什麼

狹義雲計算是指IT基礎設施的交付和使用模式，指通過網路以按需、易擴展的方式獲得所需的資源；廣義雲計算是指服務的交付和使用模式，指通過網路以按需、易擴展的方式獲得所需的服務。

雲計算帶來的好處：
1.優化計算資源；通過虛擬化技術，整合計算資源。
2.節省成本。通過虛擬化的計算，節省硬體投入。業界普遍的測算，至少可以節省38%的硬體投入。
3.節省能源。雲計算的自動遷移技術，可以雲伺服器基於雲計算的自動遷移技術，意即夜間，物理伺服器的利用率不高，自動遷移技術會把應用集中到幾台物理伺服器上，其他的物理伺服器就可以休眠。HyperCloud雲計算在節能方面至少能節省30%的能源。而且節省硬體投入，也是節省能源了，伺服器的生產過程中，以及報廢硬體設備的處理，耗費大量能源。
3.更高的可靠性和穩定性。虛擬化集群，動態遷移，雙機熱備,計算資源負載均衡,故障遷移,快照備份,系統模板等等都是雲計算在提高可靠性和穩定性方面做出的貢獻和努力的方向。
4.更高的IT交付能力。因為雲計算的集中管理，和靈活的彈性計算，可以大幅度提高IT的交付能力和支持能力，從而提高整個組織的運作效率。

弊端也有不少：
市場在培育期，雲計算很熱，大家都想沾點邊，踏實做解決方案的並不多。因此，使很多客戶對雲計算的概念不清，大家總認為雲計算是概念，沒有實際的應用。其實，在很多行業，例如政府、能源、軍隊已經用得比較普遍了。但是對於大多數人而言畢竟是新生事物，也輕易不敢嘗試；
2. 維護虛擬化的工程師因為需要懂Linux，硬體和軟體，更需要實際的經驗，所以都比較貴的，成本也比較高。
3.國外的虛擬化解決方案比較昂貴，維護的成本也比較高。國內也有優秀的解決方案。據我所知，例如「HyperCloud雲計算基礎架構管理」就是其中的佼佼者，雖然不是明星，但是具有草根的務實，不但可以構建虛擬化環境；而且可以支持XEN、Hyper-V，VMWare等虛擬化環境，可以對現有的虛擬化進行有效管理，填補國際廠商不支持多虛擬化環境、未整合工作流的空白。

如果你想嘗試一下雲計算的實際應用，可以免費試用中數雲服務，中數雲服務就是完全基於HyperCloud雲計算架構管理解決方案的公有雲平台。

F. 阿里雲的創始人是誰

阿里雲的創始人是誰

阿里雲的創始人是誰，阿里雲是一家雲計算及人工智慧科技公司，阿里雲帶動了中國雲計算的發展，最先在香港設立了第一個中國大陸以外的數據中心，阿里雲的創始人是誰。

阿里雲的創始人是誰1

如今的互聯網行業也是發展迅速，這讓許多企業也隨之紛紛崛起。就像新浪，網易，阿里巴巴，騰訊一樣，都成為了互聯網的巨頭了。其中最有名的就是馬雲建立的阿里巴巴了。旗下的淘寶、天貓、螞蟻金服、支付寶等，無論哪一樣都給我們的生活來了非常大的便利。

或許大家對於阿里巴巴旗下的淘寶和支付寶印象最為深刻，因為我們的日常生活就經常接觸到這些東西。不過對於其它的就不是非常的了解了。其實阿里巴巴還藏著一個互聯網的「獨角獸」。那就是阿里雲。它的成長潛力可謂非常一般，可以稱得上是全球的幾大獨角獸之一。是一個又大又快的計算機平台。

以前要回家過年的時候用支付寶買車票，伺服器就經常會崩潰。可想而知過年的時候人們買車票是多麼繁忙，而現在淘寶雙十一比過年還要繁忙，但是伺服器為什麼就不會崩潰呢？原因是阿里雲可以處理了每秒十幾萬的訂單，可想而知，阿里雲的成長是多麼的恐怖了。那到底是誰在背後支撐這么強大的阿里雲呢？

他就是阿里雲的創始人王堅。可能大家並不是很了解王堅是誰，用我們的話來說就是一個非常厲害的人物，當過導師、教授、主任、編委、副院長等。這些職位都造就了現在的他。不過他剛剛在阿里巴巴創建阿里雲的時候，因為技術難度非常的高，以至於他在起手的時候，每年就燒了10億元。但是沒有任何的成果，於是這位阿里雲的創始人就這樣不被人們看好。但唯獨作為阿里巴巴老大的馬雲卻一直在堅信著他，給予他資金以及技術的支持。最終他沒有讓馬雲失望，2014年阿里雲正式上線了，並且獲得了第一桶金。

王堅並沒有因此而放棄了研究，為了不辜負馬雲的信任，自己又研發出了一個「飛天系統」。這個系統能夠連接全球的互聯網而組成一台超級計算機。並且打破了4項世界紀錄，是世界上最頂尖的系統之一，就連美國都非常的羨慕。後面通過美國的相關機構評估，「飛天系統」的價值在60000億，也就是說不被人們看好的阿里雲創始人如今創造出了60000億的價值。其中馬雲也是有著半的功勞。現在總算知道馬雲為什麼能夠鑄造阿里巴巴的輝煌了。馬雲在眼光的方面真的非常的獨到，或許人真的要遇到一個伯樂後才能成長得更快。不知道大家怎麼看？

阿里雲的創始人是誰2

首先在當前時代背景下，我們看到雲一字就能聯想到大數據、雲數據這類東西，那麼阿里雲也是這樣，是阿里巴巴旗下的雲計算公司

阿里雲(全稱:阿里雲計算有限公司)是一家雲計算及人工智慧科技公司，致力於與全球領先的雲計算廠商密切合作，並提供多樣化的項目促成穩定鞏固的長期發展。阿里雲帶動了中國雲計算的發展，從零搭建自主的飛天系統，在天貓雙11全球狂歡節、12306春運購票等應用場景中，始終保持著良好的穩定性。還曾幫助用戶抵禦全球互聯網史上最大的DDoS攻擊。阿里雲最先在香港設立了第一個中國大陸以外的`數據中心，而後在新加坡、美國西部和東部也先後設立了數據中心。未來，阿里雲還在迪拜、歐洲、日本等地開設新的數據中心，輸出中國的高科技服務。目前，阿里雲在中國(華北、華東、華南、香港）、新加坡、美國(美東、美西)、歐洲、中東、澳大利亞、日本等13個地域開設了數據中心

阿里雲的產品共分為以下幾大塊：

彈性計算

這包括基礎雲產品，如雲伺服器ECS，雲伺服器ECS是一種可彈性擴展、安全、穩定、易用的計算服務，用戶可以像用水和電一樣按需購買雲伺服器，而不必承擔高昂的伺服器硬體運維成本。雲伺服器可以根據自己的業務實際需要隨意升級或者降配，也可以根據業務高發時期臨時增加帶寬，讓伺服器的使用變得非常方便。

彈性計算的產品還包括負載均衡SLB，負載均衡SLB對多台雲伺服器進行流量分發服務。為了應對業務需求，企業往往會有多台雲伺服器提供伺服器，負載均衡就是將用戶的請求按照企業自定義的策略轉發到最優的伺服器。

資料庫

雲資料庫RDS：完全兼容MySQL，SQLServer，PostgreSQL等，相對於雲伺服器，雲資料庫屬於非必需品，因為用戶完全可以在雲伺服器上搭建資料庫。由於自身業務發展需要，將資料庫獨立出來，這時候就需要阿里雲的RDS雲資料庫了。

存儲

阿里雲存儲產品有很多種，最基本也用得最多的是對象存儲，對象存儲OSS：海量、安全和高可靠的雲存儲服務。如果企業靜態文件較多（圖片、視頻等大文件），可以將大量的存儲內容轉移獨立出來，放到對象存儲OSS裡面。

網路

CDN：跨運營商、跨地域全網覆蓋的網路加速服務

專有網路 VPC：幫您輕松構建邏輯隔離的專有網路

高速通道：高速穩定的VPC互聯和專線接入服務

NAT網關：支持NAT轉發、共享帶寬的VPC網關

2018年6月20日，阿里雲宣布聯合三大運營商全面對外提供IPv6服務。

除此之外，阿里雲還有大數據、雲安全、人工智慧、域名與雲通信等產品，阿里雲服務著製造、金融、政務、交通、醫療、電信、能源等眾多領域的領軍企業，包括中國聯通、12306、中石化、中石油、飛利浦、華大基因等大型企業客戶，以及微博、知乎、錘子科技等明星互聯網公司。

阿里雲的創始人是誰3

阿里雲是阿里巴巴集團旗下雲計算品牌。

阿里巴巴網路技術有限公司（簡稱：阿里巴巴）是以曾擔任英語教師的馬雲為首的18人於1999年在浙江杭州創立的公司。阿里巴巴集團經營多項業務，另外也從關聯公司的業務和服務中取得經營商業生態系統上的支援。業務和關聯公司的業務包括：淘寶網、天貓、聚劃算、全球速賣通、阿里巴巴國際交易市場、1688、阿里媽媽、阿里雲、螞蟻金服、菜鳥網路等。

阿里雲是全球卓越的雲計算技術和服務提供商。致力於以在線公共服務的方式，提供安全、可靠的計算和數據處理能力，讓計算和人工智慧成為普惠科技。創立於2009年，在杭州、北京、矽谷等地設有研發中心和運營機構。

阿里雲使用技巧：

1、阿里雲可以購買伺服器，打開阿里雲官網，登錄個人賬號，打開控制台，點擊雲服務ECS-，選擇實例，選擇創建實例，之後根據需要選擇相關服務即可。

2、阿里雲賬號可以注銷，進入阿里雲官網，登錄阿里雲賬號，點擊右上角的個人頭像，點擊用戶名，打開賬號管理頁面，點擊注銷賬號，點擊獲取驗證碼，最後輸入驗證碼即可注銷。

3、阿里雲無法登錄，可能是網路異常導致，可以切換網路再使用。

資料拓展：2018年11月26日，阿里巴巴集團宣布阿里雲升級阿里雲智能，加強技術、智能互聯網的投入和建設。2019年6月18日，阿里釘釘進入阿里雲智能事業群，釘釘CEO陳航向阿里巴巴集團CTO兼阿里雲智能事業群總裁張建鋒匯報。

G. 如何搭建億級並發的系統架構

想設計億萬級高並發架構，你要先知道高並發是什麼？

面對流量高峰，不同的企業是如何通過技術手段解決高並發難題的呢?

0、引言

軟體系統有三個追求：高性能、高並發、高可用，俗稱三高。三者既有區別也有聯系，門門道道很多，全面討論需要三天三夜，本篇討論高並發。

高並發（High Concurrency）。並發是操作系統領域的一個概念，指的是一段時間內多任務流交替執行的現象，後來這個概念被泛化，高並發用來指大流量、高請求的業務情景，比如春運搶票，電商雙十一，秒殺大促等場景。

很多程序員每天忙著搬磚，平時接觸不到高並發，哪天受不了跑去面試，還常常會被面試官犀利的高並發問題直接KO，其實吧，高並發系統也不高深，我保證任何一個智商在線的看過這篇文章後，都能戰勝恐懼，重拾生活的信心。

本文先介紹高並發系統的度量指標，然後講述高並發系統的設計思路，再梳理高並發的關鍵技術，最後結合作者的經驗做一些延伸探討。

1、高並發的度量指標

既然是高並發系統，那並發一定要高，不然就名不副實。並發的指標一般有QPS、TPS、IOPS，這幾個指標都是可歸為系統吞吐率，QPS越高系統能hold住的請求數越多，但光關注這幾個指標不夠，我們還需要關注RT，即響應時間，也就是從發出request到收到response的時延，這個指標跟吞吐往往是此消彼長的，我們追求的是一定時延下的高吞吐。

比如有100萬次請求，99萬次請求都在10毫秒內響應，其他次數10秒才響應，平均時延不高，但時延高的用戶受不了，所以，就有了TP90/TP99指標，這個指標不是求平均，而是把時延從小到大排序，取排名90%/99%的時延，這個指標越大，對慢請求越敏感。

除此之外，有時候，我們也會關注可用性指標，這可歸到穩定性。

一般而言，用戶感知友好的高並發系統，時延應該控制在250毫秒以內。

什麼樣的系統才能稱為高並發？這個不好回答，因為它取決於系統或者業務的類型。不過我可以告訴你一些眾所周知的指標，這樣能幫助你下次在跟人扯淡的時候稍微靠點兒譜，不至於貽笑大方。

通常，資料庫單機每秒也就能抗住幾千這個量級，而做邏輯處理的服務單台每秒抗幾萬、甚至幾十萬都有可能，而消息隊列等中間件單機每秒處理個幾萬沒問題，所以我們經常聽到每秒處理數百萬、數千萬的消息中間件集群，而像阿某的API網關，每日百億請求也有可能。

2、高並發的設計思路

高並發的設計思路有兩個方向：

• 垂直方向擴展，也叫豎向擴展

• 水平方向擴展，也叫橫向擴展

垂直方向：提升單機能力

提升單機處理能力又可分為硬體和軟體兩個方面：

• 硬體方向，很好理解，花錢升級機器，更多核更高主頻更大存儲空間更多帶寬

• 軟體方向，包括用各快的數據結構，改進架構，應用多線程、協程，以及上性能優化各種手段，但這玩意兒天花板低，就像提升個人產出一樣，996、007、最多24 X 7。

水平方向：分布式集群

為了解決分布式系統的復雜性問題，一般會用到架構分層和服務拆分，通過分層做隔離，通過微服務解耦。

這個理論上沒有上限，只要做好層次和服務劃分，加機器擴容就能滿足需求，但實際上並非如此，一方面分布式會增加系統復雜性，另一方面集群規模上去之後，也會引入一堆AIOps、服務發現、服務治理的新問題。

因為垂直向的限制，所以，我們通常更關注水平擴展，高並發系統的實施也主要圍繞水平方向展開。

3、高並發的關鍵技術

玩具式的網路服務程序，用戶可以直連伺服器，甚至不需要資料庫，直接寫磁碟文件。但春運購票系統顯然不能這么做，它肯定扛不住這個壓力，那一般的高並發系統是怎麼做呢？比如某寶這樣的正經系統是怎麼處理高並發的呢？

其實大的思路都差不多，層次劃分 + 功能劃分。可以把層次劃分理解為水平方向的劃分，而功能劃分理解為垂直方向的劃分。

首先，用戶不能直連伺服器，要做分布式就要解決「分」的問題，有多個服務實例就需要做負載均衡，有不同服務類型就需要服務發現。

集群化：負載均衡

負載均衡就是把負載（request）均衡分配到不同的服務實例，利用集群的能力去對抗高並發，負載均衡是服務集群化的實施要素，它分3種：

• DNS負載均衡，客戶端通過URL發起網路服務請求的時候，會去DNS伺服器做域名解釋，DNS會按一定的策略（比如就近策略）把URL轉換成IP地址，同一個URL會被解釋成不同的IP地址，這便是DNS負載均衡，它是一種粗粒度的負載均衡，它只用URL前半部分，因為DNS負載均衡一般採用就近原則，所以通常能降低時延，但DNS有cache，所以也會更新不及時的問題。

• 硬體負載均衡，通過布置特殊的負載均衡設備到機房做負載均衡，比如F5，這種設備貴，性能高，可以支撐每秒百萬並發，還能做一些安全防護，比如防火牆。

• 軟體負載均衡，根據工作在ISO 7層網路模型的層次，可分為四層負載均衡（比如章文嵩博士的LVS）和七層負載均衡（NGINX），軟體負載均衡配置靈活，擴展性強，阿某雲的SLB作為服務對外售賣，Nginx可以對URL的後半部做解釋承擔API網關的職責。

所以，完整的負載均衡鏈路是 client <-> DNS負載均衡 -> F5 -> LVS/SLB -> NGINX

不管選擇哪種LB策略，或者組合LB策略，邏輯上，我們都可以視為負載均衡層，通過添加負載均衡層，我們將負載均勻分散到了後面的服務集群，具備基礎的高並發能力，但這只是萬里長征第一步。

資料庫層面：分庫分表+讀寫分離

前面通過負載均衡解決了無狀態服務的水平擴展問題，但我們的系統不全是無狀態的，後面通常還有有狀態的資料庫，所以解決了前面的問題，存儲有可能成為系統的瓶頸，我們需要對有狀態存儲做分片路由。

資料庫的單機QPS一般不高，也就幾千，顯然滿足不了高並發的要求。

所以，我們需要做分庫分表 + 讀寫分離。

就是把一個庫分成多個庫，部署在多個資料庫服務上，主庫承載寫請求，從庫承載讀請求。從庫可以掛載多個，因為很多場景寫的請求遠少於讀的請求，這樣就把對單個庫的壓力降下來了。

如果寫的請求上升就繼續分庫分表，如果讀的請求上升就掛更多的從庫，但資料庫天生不是很適合高並發，而且資料庫對機器配置的要求一般很高，導致單位服務成本高，所以，這樣加機器抗壓力成本太高，還得另外想招。

讀多寫少：緩存

緩存的理論依據是局部性原理。

一般系統的寫入請求遠少於讀請求，針對寫少讀多的場景，很適合引入緩存集群。

在寫資料庫的時候同時寫一份數據到緩存集群里，然後用緩存集群來承載大部分的讀請求，因為緩存集群很容易做到高性能，所以，這樣的話，通過緩存集群，就可以用更少的機器資源承載更高的並發。

緩存的命中率一般能做到很高，而且速度很快，處理能力也強（單機很容易做到幾萬並發），是理想的解決方案。

CDN本質上就是緩存，被用戶大量訪問的靜態資源緩存在CDN中是目前的通用做法。

緩存也有很多需要謹慎處理的問題：

• 一致性問題：(a)更新db成功+更新cache失敗 -> 不一致 (b)更新db失敗+更新cache成功 -> 不一致 ©更新db成功+淘汰緩存失敗 -> 不一致

• 緩存穿透：查詢一定不存在的數據，會穿透緩存直接壓到資料庫，從而導致緩存失去作用，如果有人利用這個漏洞，大量查詢一定不存在的數據，會對資料庫造成壓力，甚至打掛資料庫。解決方案：布隆過濾器 或者 簡單的方案，查詢不存在的key，也把空結果寫入緩存（設置較短的過期淘汰時間），從而降低命失

• 緩存雪崩：如果大量緩存在一個時刻同時失效，則請求會轉到DB，則對DB形成壓迫，導致雪崩。簡單的解決方案是為緩存失效時間添加隨機值，降低同一時間點失效淘汰緩存數，避免集體失效事件發生

但緩存是針對讀，如果寫的壓力很大，怎麼辦？

高寫入：消息中間件

同理，通過跟主庫加機器，耗費的機器資源是很大的，這個就是資料庫系統的特點所決定的。

相同的資源下，資料庫系統太重太復雜，所以並發承載能力就在幾千/s的量級，所以此時你需要引入別的一些技術。

比如說消息中間件技術，也就是MQ集群，它是非常好的做寫請求非同步化處理，實現削峰填谷的效果。

消息隊列能做解耦，在只需要最終一致性的場景下，很適合用來配合做流控。

假如說，每秒是1萬次寫請求，其中比如5千次請求是必須請求過來立馬寫入資料庫中的，但是另外5千次寫請求是可以允許非同步化等待個幾十秒，甚至幾分鍾後才落入資料庫內的。

那麼此時完全可以引入消息中間件集群，把允許非同步化的每秒5千次請求寫入MQ，然後基於MQ做一個削峰填谷。比如就以平穩的1000/s的速度消費出來然後落入資料庫中即可，此時就會大幅度降低資料庫的寫入壓力。

業界有很多著名的消息中間件，比如ZeroMQ，rabbitMQ，kafka等。

消息隊列本身也跟緩存系統一樣，可以用很少的資源支撐很高的並發請求，用它來支撐部分允許非同步化的高並發寫入是很合適的，比使用資料庫直接支撐那部分高並發請求要減少很多的機器使用量。

避免擠兌：流控

再強大的系統，也怕流量短事件內集中爆發，就像銀行怕擠兌一樣，所以，高並發另一個必不可少的模塊就是流控。

流控的關鍵是流控演算法，有4種常見的流控演算法。

• 計數器演算法（固定窗口）：計數器演算法是使用計數器在周期內累加訪問次數，當達到設定的限流值時，觸發限流策略，下一個周期開始時，進行清零，重新計數，實現簡單。計數器演算法方式限流對於周期比較長的限流，存在很大的弊端，有嚴重的臨界問題。

• 滑動窗口演算法：將時間周期分為N個小周期，分別記錄每個小周期內訪問次數，並且根據時間滑動刪除過期的小周期，當滑動窗口的格子劃分的越多，那麼滑動窗口的滾動就越平滑，限流的統計就會越精確。此演算法可以很好的解決固定窗口演算法的臨界問題。

• 漏桶演算法：訪問請求到達時直接放入漏桶，如當前容量已達到上限（限流值），則進行丟棄（觸發限流策略）。漏桶以固定的速率進行釋放訪問請求（即請求通過），直到漏桶為空。分布式環境下實施難度高。

• 令牌桶演算法：程序以r（r=時間周期/限流值）的速度向令牌桶中增加令牌，直到令牌桶滿，請求到達時向令牌桶請求令牌，如獲取到令牌則通過請求，否則觸發限流策略。分布式環境下實施難度高。

4、高並發的實踐經驗

接入-邏輯-存儲是經典的互聯網後端分層，但隨著業務規模的提高，邏輯層的復雜度也上升了，所以，針對邏輯層的架構設計也出現很多新的技術和思路，常見的做法包括系統拆分，微服務。

除此之外，也有很多業界的優秀實踐，包括某信伺服器通過協程（無侵入，已開源libco）改造，極大的提高了系統的並發度和穩定性，另外，緩存預熱，預計算，批量讀寫（減少IO），池技術等也廣泛應用在實踐中，有效的提升了系統並發能力。

為了提升並發能力，邏輯後端對請求的處理，一般會用到生產者-消費者多線程模型，即I/O線程負責網路IO，協議編解碼，網路位元組流被解碼後產生的協議對象，會被包裝成task投入到task queue，然後worker線程會從該隊列取出task執行，有些系統會用多進程而非多線程，通過共享存儲，維護2個方向的shm queue，一個input q，一個output q，為了提高並發度，有時候會引入協程，協程是用戶線程態的多執行流，它的切換成本更低，通常有更好的調度效率。

另外，構建漏斗型業務或者系統，從客戶端請求到接入層，到邏輯層，到DB層，層層遞減，過濾掉請求，Fail Fast（盡早發現盡早過濾），嘴大屁眼小，哈哈。

漏斗型系統不僅僅是一個技術模型，它也可以是一個產品思維，配合產品的用戶分流，邏輯分離，可以構建全方位的立體模型。

5、小結

莫讓浮雲遮望眼，除去繁華識真顏。我們不能掌握了大方案，吹完了牛皮，而忽視了編程最本質的東西，掌握最基本最核心的編程能力，比如數據架構和演算法，設計，慣用法，培養技術的審美，也是很重要的，既要致高遠，又要盡精微。

H. 雲計算伺服器有哪些要求

那麼雲計算有哪些特點呢？

1、超大規模 「雲」具有相當的規模，Google雲計算已經擁有100多萬台伺服器，亞馬遜、IBM、微軟和Yahoo等公司的「雲」均擁有幾十萬台伺服器。「雲」能賦予用戶前所未有的計算能力。

2、虛擬化 雲計算支持用戶在任意位置使用各種終端獲取服務。所請求的資源來自「雲」，而不是固定的有形的實體。應用在「雲」中某處運行，但實際上用戶無需了解應用運行的具體位置，只需要一台筆記本或一個PDA，就可以通過網路服務來獲取各種能力超強的服務。

3、高可靠性 「雲」使用了數據多副本容錯、計算節點同構可互換等措施來保障服務的高可靠性，使用雲計算比使用本地計算機更加可靠。

4、通用性 雲計算不針對特定的應用，在「雲」的支撐下可以構造出於變萬化的應用，同一片「雲」可以同時支撐不同的應用運行。

5、高可伸縮性 「雲」的規模可以動態伸縮，滿足應用和用戶規模增長的需要。

6、按需服務 「雲」是一個龐大的資源池，用戶按需購買，像自來水、電和煤氣那樣計費。

7、極其廉價 「雲」的特殊容錯措施使得可以採用極其廉價的節點來構成雲;「雲」的自動化管理使數據中心管理成本大幅降低;「雲」的公用性和通用性使資源的利用率大幅提升;「雲」設施可以建在電力資源豐富的地區，從而大幅降低能源成本。

雲計算對伺服器的要求

在了解了雲計算之後，我們再說回雲計算伺服器，現在對於雲計算伺服器沒有一個明確的定義，也沒有一個統一的標准。與傳統伺服器相比，傳統伺服器中，包含處理器摸塊、存儲模塊、網路模塊、電源、風扇等設備。

雲伺服器關注的是高性能吞吐量計算能力，關注的是在一段時間內的工作最總和。因此，雲伺服器在架構上和傳統的伺服器有著很大的區別。

架構上，雲伺服器體系架構包含雲處理器模塊、網路處理模塊、存儲處理模塊與系統件理模塊等。這種架構的優勢使得雲伺服器可以大大提高了利用率，採用多個雲處理器完成系統設計，引入低功耗管理理念完成對系統的集中冗餘管理，同時在系統中省去了很多重復的硬體。

雲伺服器一般包括線程、核、處理器、網路、加速器等功能單元全部計算的總和。因此，雲計算一般都有著龐大的數據輸入量或海量的工作集。那麼伺服器應該具備哪些能力呢，我們詳細的來說一說。

高密度

高密度低成本基本上已經是雲伺服器的基本要求了，按照雲計算中心本身的特點，雲伺服器應該和雲計算中心高密度、低功耗、低成本的特點相符，即主要面向大規模部署的雲應用。高密度伺服器能夠減少延遲、提高反應速度。目前高密度伺服器主要分為多路機架和刀片伺服器。

虛擬化

伺服器虛擬化的能力，可以說直接影響雲計算的效果。由於伺服器虛擬化技術實現了將高負載節點中的某些虛擬機實時遷移到低負載的節點，把多個低負載的虛擬機合並到一個物理節點，並將多餘的空閑物理節點關閉，以提高資源的使用效率，使負載達到均衡，從而使上層應用的性能得到了保障，同時還達到了減少能耗的目的。

因此雲計算利用伺服器虛擬化技術可實現對虛擬機的部署和配置，通過對虛擬機的快速部署和實時遷移能大大提高系統的效能，還可通過對虛擬機資源的調整來實現軟體系統的可伸縮性，確保系統能迅速從故障中恢復並繼續提供服務，提高了系統的可靠性與穩定性。所以在購買雲伺服器的時候，伺服器硬體虛擬化的支持程度是考量伺服器的一個重要因素。

橫向擴展

根據雲計算的第一個特點「超大規模」來說，雲計算伺服器的橫向擴展能力就變得至關重要，目前英特爾已經推出了橫向擴展的存儲解決方案，結合英特爾的硬體，可以對這種大量的文件訪問提供更高資料庫和更好的可擴展性，而英特爾萬兆網卡可以結合英特爾虛擬化技術，為整個雲計算的中心提供更高效、更安全以及更簡化的方式，保證了雲數據中心的靈活性。

並行計算

雲計算在某種形式上來說就是分布式計算、並行計算、網格計算等一脈相傳的技術路線，從概念上來說，可以把雲計算看成是「存儲雲」+「計算雲」的有機結合，而計算雲就是指並行計算，因此，雲計算的基礎架構首先是要確保能實現並行計算。

總結：

綜上所述雲計算對於伺服器本身的性能要求不是很高，但對於伺服器的結構靈活性上來說有一定的要求，另一方面就是對於伺服器的計算密度、虛擬化能力、以及是否能夠實現並行計算的能力這幾方面要注重的去考慮，所以我們再去挑選伺服器的時候，結合上述的四點要求去做，以做到事半功倍的效果。

I. slb負載均衡 是 nginx 嗎

不是。

SLB，伺服器負載均衡（Server Load Balancing），可以看作HSRP（熱備份路由器協議）的擴展，實現多個伺服器之間的負載均衡。

Nginx(engine x) 為一個高性能的HTTP和反向代理web伺服器，同時也提供了IMAP/POP3/SMTP服務。Nginx由伊戈爾·賽索耶夫為俄羅斯訪問量第二的Rambler.ru站點（俄文：Рамблер）開發的，第一個公開版本0.1.0發布於2004年10月4日。

(9)如何提高億速雲伺服器負載均衡擴展閱讀

負載均衡演算法有兩種：

Weighted round robin(WRR)和Weighted least connections(WLC)，WRR使用加權輪詢演算法分配連接，WLC通過一定的權值，將下一個連接分配給活動連接數少的伺服器。

配置分為兩部分，第一部分使用slb serverfarm serverfarm_name命令定義SLB選項，包括指定真實伺服器地址；第二部分使用ip slb vserver virtual_server-name來指定虛擬伺服器地址。

Nginx可以在大多數UnixLinux OS上編譯運行，並有Windows移植版。Nginx的1.4.0穩定版於2013年4月24日發布，一般情況下，對於新建站點，使用最新穩定版作為生產版本，已有站點的升級急迫性不高。

Nginx的源代碼使用 2-clause BSD-like license。Nginx為一個很強大的高性能Web和反向代理服務，它具有很多非常優越的特性：

在連接高並發的情況下，Nginx為Apache的替代品：Nginx在美國為做虛擬主機生意的老闆們經常選擇的軟體平台之一。能夠支持高達50000個並發連接數的響應。