## Rest.li 當我們從Leao轉向面向服務的架構后，之前抽取的基于Java RPC的API, 在團隊中開始變得不一致了，和表現層耦合太緊，這只會變得更糟。為了解決這個問題， 我們開發了一個新的API模型，叫做?[Rest.li](http://engineering.linkedin.com/architecture/restli-restful-service-architecture-scale). Rest.li 符合我們面向數據模型的架構， 確保在整個公司提供一致性的無狀態的Restful API模型。 基于HTTP的JSON數據， 我們新的API最終很容易地編寫非Java的客戶端。 LinkedIn今天仍然主要使用Java棧，但是也有很多使用Python, Ruby, Node.js 和 C++的客戶端，可能是自己開發的或者收購過來的。 脫離了RPC也讓我們將變現層和后端兼容型的問題中掙脫出來。另外， 使用Dynamic Discovery (D2)的Rest.li, 我們可以得到自動的基于負載均衡，服務發現和可擴展的API客戶端。 今天， LinkedIn有975 個Rest.li資源， 所有的數據中心每天有超過一千億級Rest.li調用。 [](https://box.kancloud.cn/2015-07-30_55b9e3a7c00ab.png "Rest.li R2/D2 技術站")Rest.li R2/D2 技術站 ## Super Blocks (超級塊) 面向服務的架構很好的解耦了域之間的聯系和可以獨立地擴展服務。但是也有缺點， 很多應用獲取各種類型的不同的數據， f(call graph)或者叫做"扇出" (fanout)。例如， 任意一次個人信息頁的請求就會獲取照片，會員關系， 組，訂閱信息， 關注，博客，人脈，推薦等信息。 這個調用圖很難管理，而且越來越難控制。 我們引入了超級塊的概念。 為一組后臺服務提供一個單一的訪問API。這樣我們就可以有一個team專門優化這個塊，同時保證每個客戶端的調用圖可控。 ## Multi-Data Center (多數據中心) 作為一個會員快速增長的全球化公司，我們需要從一個數據中心進行擴展，我們通過幾年的努力來解決這個問題，首先，從兩個數據中心（洛杉磯 和 芝加哥）提供了公共個人信息，證明可行后，我們開始增強服務來處理數據復制、不同源的調用、單向數據復制事件、將用戶分配到地理位置更近的數據中心。 我們大多的數據庫運行在[Espresso](http://engineering.linkedin.com/espresso/introducing-espresso-linkedins-hot-new-distributed-document-store)（一個新的內部多用戶數據倉庫）上。 Espresso支持多個數據中心，提供了 主-主 的支持，及支持很難的數據復制。 多個數據中心對于高可用性具有不可思議的重要性，你要避免的單點故障不僅僅是某個服務失效，更要擔心整個站點失效。今天，LinkedIn運行了3個主數據中心，同時還有全球化的[PoPs](http://engineering.linkedin.com/performance/how-linkedin-used-pops-and-rum-make-dynamic-content-download-25-faster)服務。 [](https://box.kancloud.cn/2015-07-30_55b9e3aa5e1af.png "LinkedIn's operational setup as of 2015 (circles represent data centers, diamonds represent PoPs)")LinkedIn's operational setup as of 2015 (circles represent data centers, diamonds represent PoPs) ## 我們還做了哪些工作？ 當然，我們的擴展故事永遠不會這么簡單。我們的工程和運維團隊這些年做了不計其數的工作，主要包括這些大的創新： 這些年很多最關鍵系統都有自己豐富的擴展演化歷史，包括會員圖服務（Leo之外的第一個服務），搜索（第二個服務），新聞種子，通訊平臺及會員信息后臺。 我們還構建了數據基礎平臺支持長期的增長，這是Databus和Kafka的第一次實戰，后來用Samza做數據流服務，Espresso和Voldemort作存儲解決方案，Pinot用來分析系統，以及其它自定義解決方案。另外，我們的工具也得到了提升，這樣工程師就可以自動化布署這些基礎架構。 我們還使用Hadoop和Voldemort數據開發了大量的離線工作流，用以智能分析，如“你可能認識的人”，“相似經歷”，“感覺興趣的校友”及“個人簡歷瀏覽地圖”。 我們重新考慮了前端的實現，增加客戶端模板到混合頁面（個人中心、我的大學頁面），這樣應用可以更加可交互，只要我們的服務器發送JSON或部分JSON數據。此外，模板頁面通過CDN和瀏覽器緩存。我們也開始使用了BigPipe和Play框架，把我們的模型從線程化的服務器變成非阻塞異步的服務器。 除了代碼，我們使用了Apache Traffic Server做多層代理和用HAProxy做負載均衡，數據中心，安全，智能路由，服務端渲染等等。 最后，我們繼續提升服務器的性能，包含優化硬件，內存和系統的高級優化，使用更新的JRE。 ## 下一步 LinkedIn今天仍在快速增長，仍有大量值得提升的工作要做，我們正在解決一些問題，看起來只解決了一部分 -?[快來加入我們吧！](https://www.linkedin.com/company/linkedin/careers?trk=eng-blog) 感謝Steve, Swee, Venkat, Eran, Ram, Brandon, Mammad, 和 Nick的審閱和幫助