安安！大家週五好！明天要放國慶連假了！今天來看什麼是莎士比亞搜索內的 Job 跟 Data！這裡是今天讀的原文出處：The Production Environment at Google, from the Viewpoint of an SRE，那我們就開始吧！

今天直接把書中內容畫成圖！

服務器配置

書中提到怎麼估算所需要配置的服務器台數，已知條件是服務總峰值流量的數值，以及一台服務器平均能處理的流量數值。

假設總流量峰值是 3470 QPS，且每個服務器能處理 100 QPS 的請求，那所需的服務器是 3470(QPS) / 100 (QPS) = 34.7 (台)，因此至少需要 35 台服務器才夠用。

再加上可能遇到毀損或更新，因此採用 N+2 方案，也就是共 37 台服務器的配置。

另外也考量到總流量其實是由各地的流量集合而成，因此可以考慮異地配置。

延續上述的例子：

• 北美洲：1430 QPS
• 南美洲：250 QPS
• 歐非洲：1400 QPS
• 亞澳洲：350 QPS

上述總流量為 3470 QPS（我加過了大家放心 XD）

因此根據 N+2 方案的話，配置圖會長這樣：

• 北美洲：15（台） + 2（台）= 17（台）
• 南美洲：3（台） + 2（台）= 5（台）
• 歐非洲：14（台） + 2（台）= 16（台）
• 亞澳洲：4（台） + 2（台）= 6（台）

上述台數總共是 44 台。

不過由於考量到即使在極端情況下，GSLB 仍可以替我們將流量導至其他地方（服務不會中斷，但可能延遲狀況比較嚴重），因此為了降低冗余度，可以將南美洲的台數減少，以達成減少成本的目的。

因此最終的台數應為 43 台。

數據存儲配置

根據上述服務器的配置說明，服務器是放置在全球各地，如果讓亞洲的服務器連線至北美洲，肯定會在數據傳輸上，遇到延遲的問題。為了解決這個問題，Google 在各地都會配置 Bigtable 副本，以確保加速取得數據；另一方面，這也同時確保了可靠性，當 Bigtable 中斷服務時，可以透過各地的副本維持原有服務，直到 Bigtable 恢復服務。

此外，由於「莎士比亞搜索」這個服務的數據更新並不頻繁，因此在數據一致性上也不是優先度高的需求。

後記

今天心血來潮做了個圖片，不知道對於內容消化有沒有更有幫助呢（？）至少對我來說消化的很快！碎碎念到這裡第二章就結束了！（歡呼！！！）偷瞄了一下第三章好像是在講跟風險有關的內容，那就明天見拉！掰噗！大家國慶假期愉快～