我在一些网站上工作过，这些网站都是由PHP和MySQL支持的，每个月都有数百万的点击率。以下是一些基本知识:

Cache, cache, cache. Caching is one of the simplest and most effective ways to reduce load on your webserver and database. Cache page content, queries, expensive computation, anything that is I/O bound. Memcache is dead simple and effective. Use multiple servers once you are maxed out. You can have multiple web servers and multiple database servers (with replication). Reduce overall # of request to your webservers. This entails caching JS, CSS and images using expires headers. You can also move your static content to a CDN, which will speed up your user's experience. Measure & benchmark. Run Nagios on your production machines and load test on your dev/qa server. You need to know when your server will catch on fire so you can prevent it.

我推荐阅读《构建可扩展的网站》，它是由Flickr的一位工程师写的，是一个很好的参考。

看看我关于可伸缩性的博客文章，它有很多关于多种语言和平台可伸缩性的演示文稿的链接: http://www.ryandoherty.net/2008/07/13/unicorns-and-scalability/

谢谢你关于PHP缓存扩展的建议——你能解释一下为什么要使用一个而不是另一个吗?我听说过通过IRC的memcached很棒，但从来没有听说过APC -你对它们有什么看法?我认为使用多个缓存系统会适得其反。

事实上，很多人同时使用APC和memcached…

我是一个拥有超过1500万用户的网站的首席开发人员。我们很少遇到规模问题，因为我们很早就计划好了，并且经过深思熟虑。以下是我根据自己的经验提出的一些策略。

模式 首先，去规范化您的模式。这意味着您不应该使用多个关系表，而应该选择使用一个大表。通常，连接会浪费宝贵的DB资源，因为多次准备和排序会消耗磁盘I/O。尽量避免使用。

这里的权衡是您将存储/提取冗余数据，但这是可以接受的，因为数据和笼内带宽非常便宜(更大的磁盘)，而多个准备I/O则要昂贵几个数量级(更多的服务器)。

索引 确保您的查询使用了至少一个索引。但是要注意的是，如果频繁地编写或更新索引将会使您付出代价。有一些实验性的技巧可以避免这种情况。

您可以尝试添加其他未索引的列，这些列与已索引的列并行运行。然后，您可以有一个脱机进程，批量地在已索引的列上写入未索引的列。这样，你可以更好地控制mySQL何时需要重新计算索引。

像避免瘟疫一样避免计算查询。如果必须计算查询，请尝试在写入时执行一次。

缓存 我强烈推荐Memcached。它已经被PHP堆栈上最大的玩家(Facebook)证明了，而且非常灵活。有两种方法可以做到这一点，一种是在数据库层缓存，另一种是在业务逻辑层缓存。

DB层选项需要缓存从DB检索的查询结果。您可以使用md5()散列SQL查询，并在进入数据库之前将其用作查找键。这样做的好处是它很容易实现。缺点(取决于实现)是您失去了灵活性，因为您在缓存过期方面对所有缓存都一视同仁。

在我工作的车间中，我们使用业务层缓存，这意味着系统中的每个具体类都控制自己的缓存模式和缓存超时。这对我们来说工作得很好，但是要注意从DB中检索到的项可能与从缓存中检索到的项不一样，所以你必须同时更新缓存和DB。

数据分片 复制只能让你到此为止。很快，写操作就会成为瓶颈。为了弥补这一点，请确保尽早支持数据分片。如果你不这样做，以后你可能会想开枪自杀。

它的实现非常简单。基本上，您希望将密钥权限与数据存储分离。使用全局DB存储主键和集群id之间的映射。您可以查询此映射以获得一个集群，然后查询集群以获得数据。您可以缓存这个查找操作，这将使它成为一个可以忽略不计的操作。

这样做的缺点是可能很难从多个碎片中拼凑出数据。但是，你也可以设计自己的方法。

离线处理 不要让用户等待你的后端，如果他们没有必要的话。构建一个作业队列，并将任何处理移至脱机状态，将其与用户的请求分开。

第一个问题是，你真正期望它有多大?你们计划在基础设施上投资多少?既然你觉得有必要在这里问这个问题，我猜你希望从有限的预算开始。

Performance is irrelevant if the site is not available. And for availability you need horizontal scaling. The minimum you can sensibly get away with is 2 servers, both running apache, php and mysql. Set up one DBMS as a slave to the other. Do all the writes on the master, and all the reads on the local database (whatever that is) - unless for some reason you need to read back the data you've just read (use master). Make sure you've got the machinery in place to automatically promote the slave and fence the master. Use round-robin DNS for the webserver addresses to give more affinity for the slave node.

在这个阶段，在不同的数据库节点上划分你的数据是一个非常糟糕的主意——然而，你可能会考虑在同一台服务器上的不同数据库上划分数据(当你超越facebook时，这将有助于跨节点划分)。

一定要确保你有适当的监控和数据分析工具来衡量你的网站性能和识别瓶颈。大多数性能问题都可以通过编写更好的SQL /修复数据库模式来解决。

将模板缓存保存在数据库上是一个愚蠢的想法——数据库应该是结构化数据的中央公共存储库。将你的模板缓存保存在你的web服务器的本地文件系统中——这样会更快，也不会降低你对数据库的访问速度。

使用操作码缓存。

花大量的时间研究你的网站和它的日志，了解为什么它运行得这么慢。

将尽可能多的缓存推到客户端。

使用mod_gzip可以压缩所有内容。

C.

首先，正如Knuth所说，“过早的优化是万恶之源”。如果你现在不需要处理这些问题，那就不要去做，先专注于交付一些正确工作的东西。也就是说，如果优化不能等待。

试着分析你的数据库查询，找出什么是慢的，什么是经常发生的，并从中提出一个优化策略。

我会研究Memcached，因为很多高负载站点都使用它来有效地缓存所有类型的内容，而且它的PHP对象接口非常好。

在服务器之间分割数据库并使用某种负载平衡技术(例如，在具有必要数据的冗余数据库中生成1到#之间的随机数—并使用该数字确定要连接到哪个数据库服务器)也是提高效率的一种极好的方法。

在过去，对于一些相当高的负载站点，这些方法都非常有效。希望这能帮助你开始:-)

没有两个站点是相同的。您确实需要使用像jmeter和benchmark这样的工具来查看问题点在哪里。您可以花费大量的时间来猜测和改进，但是在您度量和比较您的更改之前，您不会看到真正的结果。

例如，多年来，MySQL查询缓存是我们所有性能问题的解决方案。如果你的站点很慢，MySQL专家建议打开查询缓存。事实证明，如果你有一个高的写负载，缓存实际上是瘫痪的。如果你不经过测试就打开它，你永远不会知道。

别忘了，缩放永远不会结束。处理10req/s的站点将需要更改以支持1000req/s。如果您足够幸运，需要支持10,000req/s，那么您的体系结构可能也会完全不同。

数据库

Don't use MySQLi -- PDO is the 'modern' OO database access layer. The most important feature to use is placeholders in your queries. It's smart enough to use server side prepares and other optimizations for you as well. You probably don't want to break your database up at this point. If you do find that one database isn't cutting, there are several techniques to scale up, depending on your app. Replicating to additional servers typically works well if you have more reads than writes. Sharding is a technique to split your data over many machines.

缓存

You probably don't want to cache in your database. The database is typically your bottleneck, so adding more IO's to it is typically a bad thing. There are several PHP caches out there that accomplish similar things like APC and Zend. Measure your system with caching on and off. I bet your cache is heavier than serving the pages straight. If it takes a long time to build your comments and article data from the db, integrate memcache into your system. You can cache the query results and store them in a memcached instance. It's important to remember that retrieving the data from memcache must be faster than assembling it from the database to see any benefit. If your articles aren't dynamic, or you have simple dynamic changes after it's generated, consider writing out html or php to the disk. You could have an index.php page that looks on disk for the article, if it's there, it streams it to the client. If it isn't, it generates the article, writes it to the disk and sends it to the client. Deleting files from the disk would cause pages to be re-written. If a comment is added to an article, delete the cached copy -- it would be regenerated.