转自：大数据文摘|bigdatadigest

上网之人，多少都会接触过成人网站。这是一个举世公认的事实。

不过这是一个难以洞察的领域，因为相关数据少之又少。我们知道成人网站都是那些在互联网上有着超高流量的网站。根据 Google DoubleClick 的 Ad Planner 服务（通过cookie跟踪网民）显示，全球 Top 500 网站中，就有数十个成人网站。全球最大的色情网站 Xvideos 每月网页浏览量（Page Views，PV）高达 44 亿，是 CNN 或 ESPN 新闻网站的 3 倍，是 Reddit 的 2 倍。LiveJasmin 也不小。除了 Google 和 Facebook 等大站，其他网站在YouPorn、Tube8 和 PornHub 面前都是小巫见大巫。

虽然网页浏览量是一个很好的起始点，但它们仅告诉我们某些色情网站比某些非色情网站要受欢迎。40亿的PV，听起来很多，但当我们把那些X站用户实际在做的事考虑进来，成人网站的大小和规模就有点明朗了。

色情网站和非色情网站的主页区别是访客的平均停留时间。诸如 Engadget 等新闻网站的平均停留时间是 3 – 6 分钟，大约是是阅读 1 – 2 篇文章。然而色情网站的停留时间，大约是在 15 – 20 分钟。

大部分网站的内容主要是文本和图像，而成人大站则是视频。EXT首页完全加载大约是几兆数据，打开一篇文章，大约是500kb数据。访问色情网站，假设是打开一个 480×200 低分辨率的视频，每秒传输 100 kb 数据。15 分钟的话，那就大约是 90 MB 数据了。

XVDO 每月有 3.5 亿访问次数，乘以 90 MB，那就每月传输大约 29 PB 数据，也就是每秒传送数据约 50 GB。做个对比，你家网络连接可能每秒传送两兆（2 MB），XVDO是你家的 25,000 倍。

简而言之，色情网站是在处理天文数字级别的数据。在原始带宽（Raw Bandwidth）方面，能与之匹敌的网站，也就只有 YouTube 或 Hulu，而 YouPorn 却又是 Hulu 的 6 倍。

◆ ◆ ◆

基础设施

就支持视频所需的资源，数据存储器、CPU 周期、I/O 和带宽，远超过文本和图像所需要的资源。

当然了，虽然每个网站的情况又不一样了，但大部分成人站点都有 50 至 200 TB 的成人资料。对一个网站来说，这是个大数目（Google、Facebook、Blogger 和 Youtube 之流存储的数据比这还要多），好在现在 2 TB 的硬盘便宜。

CPU 周期和 I/O 会影响视频流和 PV 数量。首先，色情网站要提供动态、可搜索的海量视频数据库，然后点播视频时，从硬盘读取文件，再网络上传输。如果你有过在局域网传送大量大文件的经历，你就会知道网络系统的压力有多大了。

硬件设备情况，实际上我们几乎无法知晓，因为色情网站也没公布过。虽然如此，但我们讨论的大型色情网站会有四核服务器、千兆交换机、负载均衡器。在软件方面，大部分大型色情网站都会使用超高吞吐量的数据库（比如 Redis ）来存储和提供视频，还有轻量级的 HTTP 服务器（比如 Nginx ）。

最后说带宽。还是以 Xvideos 为例（基于 Ad Planner 的数据估测），大型色情网站必须有足够的连通性（connectivity）来支撑每秒 50 GB（400Gbps ）。这还只是平均传输速率。在高峰期间，Xvideos 或许要 1,000Gbps  (1Tbps) ，或更高 。在伦敦和纽约直接的连通性也才 15Tbps。

有很多方法来处理高流量：自己搞个数据中心，或者去大数据中心租赁几排架的服务器，或者使用诸如 Amazon AWS 和 Microsoft Azure 之类的云服务。

◆ ◆ ◆

真实案例

YPN是全球第二大的色情网站，足够提供研究数据。另外要说一下，DoubleClick  的 Ad Planner 中的估测数据比实际数据要低很多的。

YPN有“超过 100 TB 的干货”，每天网页浏览量超过 1 亿。总而言，这相当于每天传送 950 TB 数据（大部分都是视频流），每月大约传送 29 PB。Xvideos 肯定不止 28 PB 这个估测值了，它可能是每月 35 – 40 TB。

在高峰期，YPN每秒得响应 4000 个网页，相当于有每秒 100 GB 或（800 Gbps ）的突发流量。这相当月每秒传送 10+ 张双层 DVD。

在软件方面，YPN的主数据库是 Redis，用 MySQL 作为管理工具，用于管理和向 Redis 簇中添加数据。后端是 Perl 和 MySQL，不过在 2011 年改成了 PHP + Redis。HTTP 服务器是 Nginx，同时用 HAProxy  和 Varnish  做负载均衡。Redis 服务器可以每秒处理 30 万请求，每小时记录下 8 – 15 GB数据，包括访客日志、行为数据等。据说 Redis 可以抗住 2 亿的日 PV。

（译注：2012年2月份，YPN的技术人员 Eric Pickup 在 Google 群组宣告他们网站改用 Redis DB 后。扛住了每天1亿PV浏览量，每秒30万请求，已经坚持 2 周。Eric 还将去加拿大一个技术大会分享经验。）

令人悲伤的是，YPN拒绝透露硬件设备信息。从 YPN的 CDN 的 IP 地址来看，它应该没有使用云服务，应该托管在某地的大型数据中心。

互联网每天大约处理 1/2 EB 数据，相当于每秒处理 50Tb， YPN的 800Gbps 这个数字，几乎就占了互联网中每秒流量的 2%。而全球有几十个和 YouPorn 规模相当的色情网站。互联网流量中色情内容占据了 30%，这个说法也就不是不现实的哦。

（译注：1 EB = 1024 PB = 1024 * 1024 TB = 1024 * 1024 * 1024 GB）