Instagram 是一款以图片和短视频分享为主的社交媒体平台，于 2010 年由 Kevin Systrom 和 Mike Krieger 创建。用户可以通过 Instagram 应用发布和编辑照片和视频，添加滤镜和标签，以及与朋友互动。以下故事发生在 Instagram 早期的快速增长阶段。
从 2010 年 10 月到 2011 年 12 月，Instagram 在短短一年多的时间里，用户数量从 0 增长到 1400 万。他们仅用 3 名工程师就做到了这一点。
他们之所以能做到这一点，是因为遵循了 3 个关键原则并拥有可靠的技术栈。
Instagram 的指导原则
- 一切从简。
- 不要重复发明轮子。
- 尽可能使用经过验证的可靠技术。
早期 Instagram 的基础设施运行在 AWS 上，使用 EC2 和 Ubuntu Linux。为了方便起见，让我们通过用户会话（session) 的生命周期来描述整个技术栈。
前端
会话：用户打开 Instagram 应用程序。
Instagram 最初是在 2010 年作为 iOS 应用程序推出的。Instagram 是使用 Objective-C 以及对应的 UIKit 框架来写的。
负载均衡
会话：打开应用后，抓取主 feed 照片的请求会被发送到后台，在那里会碰到 Instagram 的负载均衡器。
Instagram 使用 AWS 的 Elastic Load Balancer (ELB)。他们有 3 个 NGINX 实例，这些实例会根据其是否健康进行交换。
每个请求在路由到实际应用服务器之前都会首先到达 ELB。
后端
会话：ELB 将请求发送到应用服务器，应用服务器拥有正确处理请求的逻辑。
Instagram 的应用服务器使用了 Django，它是用 Python 编写的，Gunicorn 是他们的 WSGI 服务器。
作为复习，WSGI（Web Server Gateway Interface，网络服务器网关接口）将请求从网络服务器转发到网络应用程序。
Instagram 使用 Fabric 同时在多个实例上并行运行命令。这样就能在几秒钟内部署代码。
这些实例运行在超过 25 台 AWS CPU High-CPU Extra-Large 的机器上。由于服务器本身是无状态的，因此当他们需要处理更多请求时，可以添加更多机器。
通用数据存储
会话：应用服务器收到请求，这些请求需要主 feed 上数据。
为此，它大致需要：
- 最新的相关照片 ID
- 与这些照片 ID 匹配的实际照片
- 这些照片的用户数据
数据库：Postgres
会话：应用服务器从 Postgres 中获取最新的相关照片 ID。
应用服务器将从 PostgreSQL 中提取数据，该数据库存储了 Instagram 的大部分数据，如用户和照片元数据。
PostgreSQL 和 Django 之间的连接使用 Pgbouncer 连接池。
由于 Instagram 接收的数据量很大（每秒超过 25 张照片和 90 个赞），他们对数据进行了分片。他们使用代码将几千个「逻辑」分片映射到几个物理分片上。
Instagram 面临并解决的一个有趣挑战是生成可按时间排序的 ID。他们生成的可按时间排序的 ID 是这样的：
- 41 位比特表示以毫秒为单位的时间（提供 41 年的 ID 和自定义纪元）
- 13 位比特表示逻辑分片 ID
- 10 位比特表示自动递增序列，模数为 1024。这意味着我们可以为每个分区每毫秒生成 1024 个 ID
得益于 Postgres 中可按时间排序的 ID，应用服务器成功接收到了最新的相关照片 ID。
照片存储：S3 和 Cloudfront
会话：然后，应用服务器通过快速 CDN 链接获取与这些照片 ID 匹配的实际照片，以便快速加载给用户。
AWS S3 中存储了数 TB 的照片。这些照片通过 AWS CloudFront 快速提供给用户。
缓存：Redis 和 Memcached
会话：为了从 Postgres 中获取用户数据，应用服务器（Django）使用 Redis 将照片 ID 与用户 ID 进行匹配。
Instagram 使用 Redis 存储了约 3 亿张照片与创建这些照片的用户 ID 的映射，以便在为主 feed、活动 feed 等获取照片时知道要查询哪个分片。所有 Redis 都存储在内存中，以减少延迟，并在多台计算机上进行分片。
通过一些巧妙的哈希算法，Instagram 能够在不到 5 GB 的空间内存储 3 亿个键值的映射。
为了知道要查询哪个 Postgres 分区，需要将照片 ID 与用户 ID 进行键值映射。
会话：由于使用了 Memcached 进行高效缓存，从 Postgres 获取用户数据的速度非常快。
对于一般缓存，Instagram 使用的是 Memcached。当时他们有 6 个 Memcached 实例。将 Memcached 架设在 Django 上相对简单。
有趣的事实是：2 年后的 2013 年，Facebook 发布了一篇具有里程碑意义的论文，介绍了他们如何扩展 Memcached 以帮助他们处理每秒数十亿次的请求。
会话：用户现在能看到首页 feed 了，上面有他所关注的人的最新图片。
主从设置
Postgres 和 Redis 都是用主从设置，并使用亚马逊 EBS（弹性块存储）快照功能对系统进行频繁备份。
推送通知和异步任务
会话：现在，假设用户关闭了应用，但又收到推送通知说朋友发布了一张照片。
该推送通知是使用 pyapns 发送的，同时发送的还有 Instagram 已发送的十亿多条推送通知。Pyapns 是一个开源、通用的苹果推送通知服务（APNS）提供商。
会话：用户非常喜欢这张照片！所以他决定在 Twitter 上分享。
在后端，任务被推送到 Gearman，这是一个任务队列，可以将工作分派给更合适的机器。Instagram 有大约 200 个 Python Workers 在使用 Gearman 任务队列。
Gearman 用于执行多个异步任务，例如向用户的所有关注者推送活动（如发布新照片）（称为 fanout）。
监控
会话：啊哦！Instagram 挂了，原因是服务器出错，发送了错误的响应。
Instagram 的三名工程师立即收到了警报。
Instagram 使用开源 Django 应用程序 Sentry 实时监控 Python 错误。
Munin 被用来绘制全系统指标图，并对异常情况发出警报。Instagram 有许多自定义 Munin 插件，用于跟踪应用级指标，如每秒发布的照片。
Pingdom 用于外部服务监控，PagerDuty 用于处理事件和通知。
最终的架构概览图
译者后记
在之后的 2012 年，Facebook 就以 10 亿美金收购了当时只有 13 名员工的 Instagram，折算成 RMB 的话，人均身价超过 5 亿。当时 Facebook 可以说是下了血本，但现在来看，这笔收购是 Facebook 至今为止最成功的一次收购。
还是那句话，我们应该采用无聊的技术去构建创新的产品，而不是倒过来。
原文链接
💡 更多资讯，请关注 Bytebase 公号：Bytebase