微信背后不为人知的一场巨变：他们如何「把大象搬进冰箱」？ 2020年1月中

2020年1月中，距离春节不到1周的时间，微信技术架构负责人StephenLiu非常焦虑，即将到来的除夕夜是一年当中微信业务最为繁忙的时刻，好几亿的用户会在这个时刻发送新年祝福以及微信红包，微信服务器也经受着一年比一年更大的冲击。
为了保障所有人都能如期收到新年祝福，抢到微信红包，微信技术团队在每年年底进入「春节保障」模式，进行服务器压力测试，确保微信不掉链子。
最关键的时刻，很棘手的问题但是在这一个春节的测试阶段，却出了问题。
诞生于2014年的微信红包，在当年春节期间就经历过不大不小的宕机，部分用户在部分时间领不了红包，也看不了红包金额。次年，微信拿下了春晚的广告互动权。那一年除夕当日中国微信红包收发总量达10.1亿次，春晚微信摇一摇总量达110亿次，这一年微信准备充分，大体上还算平稳，偶有小规模宕机。
因此，还没到春节就出现测试问题，不是个好现象。
StephenLiu说：
我们当时想压测的（目标）值大概是每分钟下发的消息数有几十亿条，但是我们压测到的水平只有目标的一半，当时离春节只有两个星期了。
所谓压测，就是对微信线上的服务器做扩容。扩容完之后，然后进行攻击性模拟，模拟在除夕零点那一刻的峰值数据，看看今年有可能比去年增加多少，然后把那个量完全模拟出来，压到系统上面去。
简单理解，就是类似于网站对自己进行DDoS攻击，测试网站能经历多少人同时访问而不宕机。更通俗的理解是餐厅接客，淡季一家餐厅的座位和厨师只能同时接待100位客人，但是旺季的时候，可能同时有300位客人需要就餐，这个时候就需要提前扩建餐厅招聘厨师了，也就类似于「扩容」，或者实在不行就让客人在外面排队等位。
但微信收发消息是不能采用排队等位方式的。

文章图片
微信技术团队和StephenLiu这次遇到的问题就好像明明扩建了餐厅多招了厨师，但是同时能接待的客人只有150位，没有达到300名的目标，并且这个时候厨师都还挺闲，座位也很空，外面还有人排队。
微信技术团队在此之前已经核查了大概一两周时间，终于定位到问题：网卡性能出现了问题。再打个比方说，就是像是餐厅门口的接待员偷懒，没把客人往屋里带，导致餐厅里面坐不满，外面客人排长队。
问题背后，是一场微信不为人知的巨变之所以往年压测没问题，这一年压测有问题，涉及到微信背后的一场巨变：自研上云。
这场巨变从2018年腾讯的930变革开始， 2018年9月30日，腾讯再次对公司架构进行大调整，原有七大事业群重组整合，新成立云与智慧产业事业群（CSIG）、平台与内容事业群（PCG）。其中CSIG承担着腾讯ToB的宏伟愿景，而微信事业群（WXG）则是连接了最广大的C端用户。
云，对于腾讯来说已经是战略支点业务，从此时开始，自有业务自研上云成为业务调整的重要事项，而微信业务自研上云则是重中之重。
在腾讯930变革之前，腾讯并未给内部自研业务提供统一的云基础设施，而是采用物理机服务器的模式。宏观上讲，考虑到微信巨大的用户量和业务量，自研上云能够带来巨大的成本和效率优势，对微信和腾讯云两个业务都有好处。
但微观上讲，一个涉及到10多亿用户的业务要做如此巨变，并且要让用户无感，就好像需要给高速行驶的汽车换轮子，车不能停，甚至都不能颠簸，同时轮子也要换。