互联网书摘:互联网下的“大”压力
在C/S模式中计算机被分为两类：服务器（Server)和客户端（Client)。一般而言，客户端是个人计算机，而服务器是特定配置的具有更高处理能力的计算机。在 C/S模式下，客户端会处理一些工作，然后将结果提交给服务器，因此对客户端的硬件配置有一些基本要求，而且客户端上配置了大量应用软件，同时要承担软件的变动、升级等工作，所以客户端会日趋臃肿。一般而言，这种承担了大多处理任务的客户机也被称为胖客户端。
B/S模式是指基于浏览器（Browser)、Web服务器和应用服务器（Server)的计算服务模式。在B/S模式下，由服务器端负责主要的应用逻辑和业务规则实现，从而 使客户端的硬件要求大大降低，功能设计也极为简单，通过浏览器即可实现业务应用。此外，由于主要维护和安装工作都在服务器端，因此整体系统的维护成本大大降低。与C/S的胖客户端相对，这种客户端被称为瘦客户端。
由于方便、快捷，且少受终端约束，随着Web技术的日益成熟，B/S结构成了当 前互联网服务的主要方式，而C/S结构中服务器端承担的处理任务量也在逐渐提高。 这些都要求网络连接快速可靠，也要求服务器端能够处理大量并发访问。
我们知道，对于网站来说“数据量”有两层意思：一个是总量，一个是流量 (并发量）。总量会越来越大，就要求企业必须持续不停地购买存储设备来进行存储；流量更可怕，因为流量代表并发访问压力。当访问量不是以百、千来计的，是以百万、千万、亿来计算时，应用服务器必须满足每个人对信息不同的需求。这意味着，服务器端必须时刻完成大海捞针的工作一从海量数据里，找出用户关心的一小部分的信息。例如，雅虎财经在2000年时处理的股票交易信息每秒钟约为几百次， 2006年，这个数字已经远超过20万次/秒。
随着移动应用的普及，以及各种智能终端（手机、GPS、游戏机、多媒体播放器）的使用，互联网服务面对的客户越来越多，所需要提供的服务模式，也更多样化，远不止“刷新页面”和“点击链接”那么简单。客户的一个请求，可能会引致后台上百次的API请求发生。
“能力越大，责任越大”，蜘蛛侠皮特·帕克没说另一个意思，“责任越大， 你必须能力够大”。很明显，B/S模式对服务器端的计算和存储能力提出了非常高的 要求。首先就是要支持大量用户的访问需要。
现在一个网站需要满足多少用户的要求？Facebook给出的答案是超过7.5亿。虽然1995年时全世界的互联网用户还不到四千万，但现在一个网站有上千万用户已经司空见惯。据说京东商城在2011年底时注册用户已达3000万，而新浪微博在1年时间内注册用户数增长到3000万，不到2年的时间里注册用户数突破2亿大关，数量仍然保持高速增长。
海量用户意味着巨大的经济收益可能性，也意味着巨大的并发访问压力，海量 的数据存储，以及大规模的系统支持。
所谓需要处理大量并发访问是指，用户不是排队提出服务请求，而是以一种并 发的方式，向网页服务器施加压力。压力有多大？ 2009年时Youtube就达到了每天10 亿次的访问量，也就是说，每秒至少有11 574次访问，每小时41 666 667次。
2010年12月1日下午，新浪微博发布了一条声明：“……今天上午10点20分，由于微博系统压力过大，导致用户不能正常访问新浪微博，持续时间较长。……新浪微博用户量以及每日的微博发布量激增，给微博系统带来了一定压力，这也是导致本次故障的诱因。随后，我们将通过多种举措来确保系统稳定，以应对不断提高的大规模数据处理需求……”，同样遭遇过类似问题的还有Twitter,南非世界杯期间这家全球最大的微博平台的服务曾数次中断，Twitter公关部门给出的解释是世界杯赛期间流量突然激增而Twitter的应对措施不够得力。
很明显，伴随着用户数量的增长，网站的后台系统开始难以承载激增的大规模 的计算和存储需求。
“大用户”带来的另一个主要问题是“大数据”。除非有意为之，网络化将是计算机这种节点的常态。与单机相比，网络加速了数据产生、传播和增长的速度，具 体表现为外在频繁地共享和交换。
在互联网出现之前，信息的总量与终端数大致呈线性关系，而在网络环境下， 信息的增长模式开始发生变化，一个节点与其他任一节点的每一次交互都会产生数据信息，线性增长就跃升至指数增长，数据增长速度呈可怕态势。IDC的一份报告认为，2011年全球被创建和被复制的数据总量为1.8ZB，这相当于每个美国人在Twitter 上每分钟发3条微博，持续26 976年；相当于2000亿部时长2个小时的高清电影，1个人7天X24小时不间断地看4700万年……
对于企业来说，这些快速增长的大数据一方面带来了存储的大压力，以Facebook 为例，Facebook将数据存储在Hadoop分布式文件系统（HDFS)上，主要靠Hive来完成数据分析，2010年，Facebook有世界上最大的Hadoop集群，存储容量超过20PB, 2011年3月份，这一数字升至30PB，大约是（美国）国会图书馆容量的3000倍。[16]另一方面则造成了信息处理的压力，以雅虎财经为例，这个世界上最大的交易所数据的整合和展示平台，最初处理的信息流量为每秒钟几百条记录，后来每秒流量超过了数十万条，然后开始呈现指数增长，并且“幂”也在涨，2N，3N，4N……
并非只有互联网企业才有大数据的压力，通信运营商和一些传统企业也都在感 受大数据的威力。一个省级电信运营商的DNS日志数据存量可能会超过100TB，并且每天还要面临新增近百亿条新数据、峰值每秒几十万条的入库速度的压力。一个省级电力公司，在长期的日常运营中可能会积累上亿的工程技术文档、图片、日常办公文档及影像、音频、视频等文件，需要统一进行管理和访问。一个平安城市的建设，视频监控系统采集到的实时视频数据的存储，在容量上往往达到数百个PB，在性能上还要满足持续的Tbps量级的读写要求。
“人们总是觉得数据、信息越多越好，这在信息匮乏的年代非常正确，在信息 丰富的今天却导致了数据超载和信息管制。”
为了吸引更多的用户，企业通过拓展服务模式，方便用户访问和使用网站服 务，而为了支撑大用户的访问需求，存储不断增长的数据资料，企业又花费重金建立了IT支撑系统。但生活就是这样，一个问题解决了，我们又不得不面对一个新问题。
雅虎在早期只有上千员工时，其中绝大部分人都集中精力在创新上，因此能快 速推出新产品，开辟新市场。后来雅虎的员工数达到上万，却有超过半数的人在维护系统运行……很明显，公司能创造新价值的部分越来越少，创新也越来越少。但是，系统维护是必要的，每一个组成都构成了系统生命的一部分，特有、重要且在不断增长，企业必须投入更多的人来精心照顾这些提供服务、支撑业务的生命组件，然后看着这些系统最终变得庞大无比。最后，企业会意识到，需要有一种新的技术来解决大系统的压力问题。
在中国的企业里，IT系统规模最大的企业应该是运营商，机房里每人平均维 护的机器数量通常只有几十台，在雅虎有几千台，谷歌则更多，而且随着技术的发展，个人维护机器的数量还会增长，更优的IT体系架构的需求会更强烈。
很明显，设备的管理已经远不能单纯靠人来进行，因此，借助机器进行自我管 理的各种方案已被各企业采纳。这些方案要求能应对数据容量的激增，满足海量数据的处理能力要求，还要能承受因服务多样性和高覆盖率而带来的压力，更要具有高可靠性和高可用性，这样，在更换硬盘时（谷歌每三年会更换一次），非技术因素断网、断电时（如果某个粗心的员工不小心踩到电源），企业仍然能提供连续、稳定、可靠的服务。
艮即，“系统由许多廉价的普通组件组成，组件失效是一种常态。系统必须时刻 监控自身状态，迅速地侦测、承受并恢复失效的组件”[‘在人的能力有限时，我们需要有一种机制，来实现机器管理机器。