设计 Youtube（第二部分）
原文：How to Design Youtube (Part II)
译者：飞龙
自豪地采用谷歌翻译
这是如何设计 YouTube 的第二篇文章。 我们将继续我们的讨论，如果你还没有阅读第一篇，请查看一下。
在上一篇文章中，我们主要讨论了数据库和存储。 本周，我们将讨论更多主题，包括可扩展性，Web 服务器，缓存和安全性。
扩展数据库
一旦产品拥有数百万甚至数十亿用户，就有很多问题需要解决。 可扩展性是要解决的最重要的问题之一。 基本上，将所有数据存储到单个数据库不仅效率低下，而且不可行。 那么如何扩展 Youtube 的数据库呢？
扩展数据库时，我们可以遵循很多一般规则。 最常用的方法是按需扩展。 换句话说，不建议第一天就进行数据库的分区工作，因为几乎可以肯定的是，在真正需要扩展的时候，整个基础架构和产品都发生了巨大的变化。
所以这个想法起始于一台服务器。稍后，你可以演化为一个主机和多个读取从机（主/从模型）。而且在某些时候，你将不得不对数据库进行分区，并采用分片的方法。例如，你可以按用户的位置拆分数据库，并在请求到达时，将请求路由到相应的数据库。
对于 Youtube，我们可以进一步优化它。 YouTube 的最重要的特点是视频。因此，我们可以通过将数据分成两个集群来优先化流量：视频集群和通用集群。我们可以为视频群集提供大量资源，其他社交网络功能将被路由到功能较弱的群集。这里更一般的想法是，在解决可扩展性问题时，应该首先确定瓶颈，然后优化它。在这种情况下，瓶颈就是观看视频。
缓存
缓存这个主题我不会多谈，因为我们在之前的文章《设计缓存系统》中已经详细介绍了。但是有几点值得在这里提及。
首先，在谈到缓存时，大多数人的反应是服务器缓存。实际上，前端缓存同样重要。如果你想让你的网站更快，并且延迟较低，你不能避免为前端设置缓存。构建网站界面时，这是一种非常常见的技术。
其次，正如我们在上一篇文章中简要讨论的那样，缓存在服务视频方面并没有太多的好处。这主要是因为 Youtube 的大部分用例来自这些长尾视频，并且为所有视频设置缓存开销很大。所以这里的一般想法是，如果你正在构建这样的长尾产品，不要在缓存上下注太多。
安全
在 Youtube 上有很多可以讨论安全的事情。我想在这里介绍一个有趣的话题 - 观看的黑客行为。在每个 Youtube 视频下，它显示查看计数，这表明视频是多么受欢迎。人们用可以编程方式发送请求来破解观看次数，那么我们应该如何保护它呢？
最直接的方法是，如果一个特定的 IP 发出太多的请求，只是阻止它。或者我们甚至可以限制每个 IP 的观看次数。系统还可以检查浏览器代理和用户过去的历史记录等信息，这可能会阻止很多黑客行为。
人们可以使用像 Tor 这样的服务隐藏 IP，像 Mechanical Turk 这样的网站可以让用户以很低的成本点击视频。但是，对系统进行黑客攻击比大多数人想象的要困难得多。
例如，观看次数较多但参与程度较低的视频非常可疑。有了大量的 Youtube 视频，提取真实的观看数量的模式并不困难。为了破解系统，你需要提供合理的参与程度，比如分享次数，评论次数，观看时间等等，而且几乎不可能伪造所有这些。
Web 服务器
很多人忽略了Web服务器，因为在系统设计方面，它没有太多讨论的东西。但是对于像 Youtube 这样的大型系统，还有很多事情需要考虑。我想分享一些 Youtube 所使用的技术。
- Youtube 服务器最初是用 Python 构建的，这允许快速灵活的开发和部署。你可能会注意到许多初创公司选择 Python 作为他们的服务器语言，因为迭代速度要快得多。
- Python 有时会遇到性能问题，但是有很多 C 的扩展可以让你优化关键部分，这正是 Youtube 的工作原理。
- 要扩展 Web 服务器，你可以简单地拥有多个副本，并在其之上构建一个负载平衡器。
- 服务器主要负责处理用户请求并返回响应。它应该有几个重要的逻辑，其它东西都应该在不同的服务器上构建。例如，建议应该是一个独立的组件，让 Python 服务器从中获取数据。
总结
在这篇文章中，我们试图涵盖尽可能多的不同主题，每个主题都可以在单独的文章中深入讨论。以后还有很多事情要谈，但读者可以考虑一下，并在评论中讨论。
例如，YouTube 的推荐是一个非常大的话题，它极大改善了用户参与程度。你将如何构建推荐系统？另外，你如何识别当天的热门视频并向相关观众推荐？
顺便提一下，如果你想得到资深的面试官的更多指导，可以查看 Gainlo，以便与 Google，Facebook 等公司的工程师进行模拟面试。