这个基本的操作分解为几个子操作：

1. 扫码：通过调用URL将人访问过该地址的信息记录，以便有出现阳性时追访
2. 获取当前人的健康码状态，显示到页面

页面中显示的字段信息包括：

1. 健康码状态：绿码/黄码/红码等
2. 最近一次核酸至今的时间：1天
3. 疫苗接种情况
4. 基本身份信息：姓名、身份证号
5. 时间：查询时间，失效时间

常规设计思路与失效

一个只设计过常规MIS系统的工程师，满足如上需求的常规做法如下：

1. 建立数据库，分别用几个表格来记录用户信息、核酸记录、疫苗记录、到访记录
2. 用户扫码提交到访信息，就在到访记录表中INSERT一条新的记录
3. 健康码页面的显示，依次去查询如上四个表来获取结果，其中后三个表需要排序后显示创建日期最新的记录
4. 祭天，上线

然后遇到流量冲击，系统崩溃。崩溃的原因分为几个：

1. 提交到访信息时，数据库只能承受几十到几千QPS的INSERT请求，对其他扫码请求无法处理，导致用户提交的请求失败
2. 四个表的查询，对数据库造成了巨大的查询压力，数据库服务器LOAD爆了

资深架构师的改造思路

5-10年经验的工程师/架构师的典型改造思路：

1. 数据库横向拆表到多个数据库服务器，每个数据库按照一定的负载均衡逻辑，只保留一部分数据，比如用户ID整除10后的余数，分布到10台数据库。于是工程师熬夜加班，确保查询时会根据负载均衡逻辑去正确的服务器查询，提交到访记录时也会INSERT到正确的服务器
2. 入口加负载均衡，DNS解析到多个机房的入口Load Balance，然后Load Balance再随机分派给多台后端服务器，多堆服务器提高处理能力
3. 数据冗余降压力：把最新一条的核酸记录、疫苗记录，作为冗余字段写入到用户表里，这样显示健康宝页面时就少查询了两个表
4. 查询时间、失效时间，两个字段在客户端生成，不问数据库要
5. 搞个消息队列，先返回给用户查询中，等个未知的时间都算完了再返回

通过这样一套操作下来，整个系统的负载能力能获得几十倍到几百倍的提高。

但很不幸，有些时候就是会有数千倍甚至数万倍的流量涌过来。

首问负责制

想要更强的负载能力，就需要若干改造思路。

所谓首问负责制，是让用户的请求尽量在第一个服务器就得到全部的满足。如果不行，也要尽最大能力降低完成一个请求经历的服务器数量。网络通常是整个系统里最慢的部分，服务器之间的互相调用也会严重的影响系统负载能力。

所以目标就是，让用户访问的第一台服务器就完成提交到访记录、获取用户健康宝全部信息。

到访记录，扔掉数据库，用文件

用户到访记录，是个写入操作，是严重的系统瓶颈。解决办法就是不用数据库，用文件来存储到访记录。

例如我们在首问服务器上建立一个文本文件，用文件系统级的锁来保护防止并发写入。每当有用户请求时，就用APPEND模式，在该文件的末尾添加一行到访记录，比如{“UserID”:userID,”PlaceID”:PlaceID}。这样的性能相比数据库会有数十倍的提高。如果数据库为了查询方便而引入了索引，则会快更多。

每天生成的数据文件则收纳起来备份存储。

必然有读者问，写入文件了，还怎么查询。

首先查询到访记录是个低频需求。每个人都需要写入，但没有发现阳性要进行排查时是不需要进行查询的。另外当需要查询时，可以在收纳起来的存储里，用grep来进行查询。这样可以分别指定UserID或PlaceID来获得结果。以及用另一套方式来在各个首问服务器上用grep查询实时的到访记录。

把数据库查询变成了文本文件的字符串查询，虽然查询复杂度变成了线性的，但因为单个记录变得极小，只有小几十个字节，按64字节计算。查询速度还是回比数据库快很多倍。

用户信息KV库

用户信息的库也可以扔掉数据库。用上一节类似的方式，把核酸记录和疫苗记录表，全都变成数据文件。而且核酸记录和疫苗记录的文件也不会被频繁查询，因为可以将其最新一条同样冗余记录到用户信息表里。

而用户信息表则是用文件的方式记录。每个用户一个JSON文件，文件名对应UserID，文件内容里包含该用户的姓名、身份证号、最新一次核酸日期/结果、最新一次疫苗日期。然后该服务器把全部的用户信息文件组织起来放在文件系统里。简单的办法是用btrfs等文件系统，把全部用户的JSON文件都放在一个目录里。或者用古典的办法，把UserID分成每2或3个字符一段，建立多层目录来存储，避免单个目录里文件过多。

总之，客户端知道自己的UserID，而通过UserID可以轻易的定位到服务器上的用户信息JSON文件。一个用户的信息内容是很少的，按256字节算。1亿用户需要存储空间约为25GB，这点容量显然每台服务器上都存一份是可行的。而且每个服务器(虚拟机)给分的内存大一点，还能让这些数据库都处在文件系统缓存中，获得与内存相同的速度，比SSD更快。

用户的核酸和疫苗信息更新是低频需求，一个3000万人的城市，每天3000万次请求顶天了。这点请求量可以轻易用一台服务器来管理全部人的用户信息JSON文件。然后同步到各个首问服务器提供查询。因为每个首问服务器都包含了全部用户的信息，所以连资深架构师的后端负载均衡都免了。

全部用户的信息，可以考虑用rsync之类的，来从中心服务器同步到各个首问服务器，也可以考虑打包成zip文件、BerkeleyDB之类的，来提供整体更新。用分开的文件方式的妙用更大。

到这一步，事实上客户端访问自己的健康宝信息，就已经变成了一次请求的两步操作。第一步在到访记录文件里加一行记录，第二步是返回用户信息JSON文件。已经可以实现首问服务器的直接响应了。而做到这一步，就能实现了比最初设计数百倍到上千倍的性能提升。

使用大杀器CDN

如上的改造已经可以把所有现存服务器的性能发挥到机制，大概率此时的瓶颈在于服务器带宽。CPU、内存、SSD IO大概率全都用不满，但服务器的带宽用满了。以现代这些服务器的性能，每台服务器跑满10Gbps的带宽来满足这些需求都没啥问题。

假定每个请求的网络通信为16KB。那么10Gbps可以到625,000 qps，或者说每秒完成62.5万人的扫码和获取健康宝信息。3000万人的查询，也就是48秒的事情。原则上单台服务器就足以满足一个3000万人城市的健康宝查询需求了。这625,000qps的请求，实际的SSD写入按之前的64Byte，读取按256Byte计算。对应了写入速度40MB/s，读取速度160MB/s，SSD表示加上读取索引和文件系统缓存，还是很轻松的。

但更变态一点，如果我们需要更大的系统容量，可以轻易满足全世界70亿人的健康宝系统呢？

首问服务器的业务在设计时就拥有良好的横向扩展能力。但带宽就成了问题，简单的解决办法是引入CDN。我们的业务已经变成了URL里给出UserID就能获取JSON的样子了。这对CDN来说简直是太完美的需求了。源站可以在HTTP里开启etag，这样没更新的用户JSON数据就可以返回304给CDN的溯源请求，有更新的则可以轻易的同步给CDN。CDN的缓存时长可以设置为1分钟之类的。

客户端也可以设置负载均衡策略，确保访问服务器时优先问自己轮巡的CDN。比如自己的UserID尾号是1，那么就总是访问域名尾号里带有1的CDN域名，这样可以使得CDN服务器的缓存命中率获得极大的提高，减小了缓存溅出和溯源的压力。

阿里云CDN的总带宽是150Tbps。结合我们单台服务器按10Gbps处理，可以容纳15000台服务器的服务能力。或者说请求处理能力9,375,000,000 qps，或者说每秒可以完成93.75亿人的健康宝查询请求。这差不多就够了。

小结

2011年，我就是使用了如上方法的一部份，在果壳网的一次推广活动中轻易顶住了压力。彼时的果壳网已经有了近10台服务器，但因为压力没那么大，所以平时主要就两台服务器在处理请求。日常每天20万PV，30M的BGP带宽。而那次推广活动当天涌来了470万PV，请求量比平时增加了23.5倍，高峰带宽跑到1G多。但最终这些请求在这些架构和CDN带宽的支持下，非常轻松的顶了过去。

缩短计算流程，用数据文件替代数据库，使用CDN，把这些技巧用好，用来应付大流量系统是很好用的。仔细分析如上的架构设计可知，负责响应用户请求的部份甚至不需要编程，而是用良好配置的nginx就够了。而数据同步，各类搜索则是可以用python脚本方便的实现，瓶颈在IO上，也根本凸显不出各种语言的性能差异。良好的架构设计来极大的降低编码实现的工作量，并几十上百倍的提高系统性能，是享受架构设计乐趣的好方式。