图解 Twitter 架构图

news2024/11/24 9:50:39

写在前面

两年前，马老板收购了twitter，并且做了一系列的大动作。那么今天我们来看一下这个全球最火的软件之一的架构。
在这里插入图片描述

Twitter解析

开始之前，我先提前说明一下，我之前不是做搜推广的，所以对这些了解不是很深，如果有搜推广大佬看到有错的地方，欢迎指出来，感谢！

大体框架

在这里插入图片描述

各个部分拆解来看

1. 前端请求部分

在这里插入图片描述

这部分是 twitter 的前端页面请求，twitter 通过来源判断请求后端服务的方式。

如果是安卓设备就使用 TLS-API 请求后端
如果是苹果设备或者web端就直接基于GraphQL发送请求给后端

TLS 是 Twitter 的经典（传输层安全）APl。我不是很懂为啥需要区别两个设备，一个走TLS-API、另一个走GraphQL。难道是历史遗留原因？有懂的小伙伴可以评论区讲解一下。

而 GraphQL 是一个 Facebook 开发的用于 API 查询语言和服务端运行时的开源数据查询语言，有灵活、高效的数据查询和交互方式。但这里应该还有一层gateway，前端与 Twitter 所有微服务之间的网关。 可能原图中省略了。

2. 总体模块

我们先来聊一下这两个模块

在这里插入图片描述
左边的for you 应该就是基于 following 而多加了点内容，而之所以放入following的内容，我猜测是为了留存率，因为For You 很明显大部分都是推荐的内容，万一推荐的内容不喜欢，导致这部分内容点击率低，而使得留存率低，所以会放一些following的内容，保住留存率，并且慢慢根据算法去推送可能感兴趣的内容

而右边的 following 大部分推文都是关注的人。

在这里插入图片描述

3. 时间轴模块

时间轴模块是twitter的核心模块。
在这里插入图片描述

这里被叫做mixer是有道理的，内容为主的app，都会涉及搜推广工作， Twitter 时间线是由一堆不同的内容源组成源，并根据百分比排列在时间轴上，通过算法微调用户的体验，也就是千人千面。

例如，时间轴上 60% 的推文来自关注的人，推荐的内容占20%，广告占 20%，然后再基于此进行调高或调低。

people discovery service：关注的人所发的推文。
ad mixer：需要召回的广告，并且是该用户可能感兴趣的广告。
onboarding service：基于所关注的人去推荐新内容来扩充内容版本，也就是引流。
timeline scorer：对召回的推文、广告、新内容做打分、进行排序，来决定展示在用户面前的顺序。

多个微服务之间用的是 thrift RPC 做rpc调用。这个rpc框架还是很火的。好像是apache社区的。

这和大部分的推荐系统一样，都是相似的架构。

4. home页面

在这里插入图片描述

那么这部分其实和timeline是类似的，只是召回的比例不一样，这部分重点更多的是推荐。

接下来介绍一下存储介质
在这里插入图片描述

manhattan ：Twitter 的分布式数据库，官网有详细介绍：https://blog.x.com/engineering/en_us/a/2014/manhattan-our-real-time-multi-tenant-distributed-database-for-twitter-scale
Gizmoduck：Twitter 的缓存库。
social graph：猜测是一个存储社交的图数据库，存储用户和用户之间的联系。
tweetyPie：应该就是处理所有与推文相关的服务。