LinkedIn 如何提升资料库读取规模，同时降低成本

LinkedIn 是全球最大的职涯社群网站，在尖峰时期每秒钟要处理将近五百万个使用者的页面请求。在《Upscaling LinkedIn's Profile Datastore While Reducing Costs》一文当中，LinkedIn 的工程团队分享了他们如何导入 Couchbase 资料库作为快取层，有效提升响应速度，以及降低成本。

初期 - Espresso 资料库

在引入到 Couchbase 之前，LinkedIn 的使用者页面是纯透过开源的 Espresso 资料库来做储存。该资料库的规模化很简单，就是增加新的节点 (增加更多硬体)。但是随着使用者人数提高，LinkedIn 团队发现纯增加节点的方式不堪负荷，需要投入大量资源改造，才可能持续扩张。因此决定找新的解决方案。

引入 Couchbase

对于 LinkedIn 这种社群网站的应用，在系统设计上有个关键点，就是读 (read) 的比例会远大于写 (write)，比例上是 99 比 1，因此 LinkedIn 团队选中 Couchbase 作为快取 (cache) 层，来处理大量的读的请求，这样当大量读的请求进来时，不用一直增加 Espresso 的节点。

设计快取三个重点

在设计快取的解决方案时，LinkedIn 团队考量三个重点：

• 第一个是韧性 (resilience)，意即当快取出问题时不会影响到系统中的其他元件
• 第二个是快取资料要随时可用，LinkedIn 团队的作法是把使用者页面的资料快取在每个资料中心 (因为资料量不大，所以这可行)
• 第三则是要避免资料分歧，LinkedIn 团队的作法是透过在有资料被更新时，去比较时间戳记，选最新的那个去更新到所有同键的快取

Espresso 与 Couchbase 混合快取

虽说引入 Couchbase，LinkedIn 团队没有只用 Couchbase 作为单独快取，而是采用 Espresso 与 Couchbase 混合快取的策略。从架构上来看 (下图)，当使用者页面的服务发送请求后，会先被判断要索取的资料是可被快取的，然后判断 Espresso 路由器有没有快取，以及快取是否太旧，假如没有或太旧，就去 Couchbase 拿。如果 Couchbase 没有该资料的快取，才去储存节点拿该资料。

当有写的请求 (使用者页面的资料被更新时)，会确保快取有跟资料库的资料是一致的。LinkedIn 团队实作了快取更新机制，是采用最终一致性 (eventual consistency) 来更新。如前面有提到，当有多个写入，会用时间戳记的方式来比较，借此确保所有快取都是更新到最新的更动。

透过整合 Couchbase 作为快取，LinkedIn 的使用者页面团队，最终能够更有效处理更大量的读的请求，加快响应速度超过 60%，同时每年降低将近 10% 的运算成本。