Twitter timeline团队负责人在QCon London上分享了一篇Timelines @ Twitter的演讲，以下是其中一些摘要。
数据
1亿活跃用户
Timeline接口2万QPS
推送平均1ms，99% 4ms以内
每天2.5亿条新Tweets，平均3千/秒，峰值1万以上。
每天260亿次分发，每秒1800万(从中看出平均关注100人)
投递100万粉丝的时间需要3.5秒，每秒可投递28万
架构
材料中以介绍推(fan-out)为主
对于followers多的用户，从fan-out上采用pipeline的方式并行投递推送，每个任务负责分发4000个粉丝
fan-out首先投递到timeline cache上（page cache?)
用户收件箱采用redis存储，Redis只包括活跃用户，冷用户随时间过期
使用Redis的list数据结构，每个item中还包括tweet ID, user ID及标志位3个字段
使用Redis RPUSHX来避免写入冷用户
对于频繁访问用户的timeline, 设置in-process cache(local cache)
fan-out及fan-in的比较如下
技术选型与演进
Redis，使用了Redis来代替之前的memcached来存储vector cache
Thrift, 内部调用已经基本使用Thrift方式服务化，参看P109
Scala，内部服务基本使用Scala实现，但搜索模块使用Java实现，视频Q&A中提到
Finagle，较多篇幅介绍，是一个Scala实现的网络库，基于Netty框架的基础上
请问这个标志位是做什么用的呢？
——————–
使用Redis的list数据结构，每个item中还包括tweet ID, user ID及标志位3个字段
Finagle 不算是网络库吧，准确的算是rpc封装
http://www.infoq.com/presentations/Timelines-Twitter
杨老师，我听了他的音频，感觉pipelined fan-out并不是您说的那样并行投递，可能是串行的。
另外，我还是没能明白他举的例子，为什么DIARIOSAS的timeline会成为hotspot呢？它的粉丝数是32万，即使采用fan-in的delivery方式，即他的粉丝登录时都需要把他的user timeline并到自己的home timeline，好像也不至于成为hotspot上，Arya说到是重大赛事的时候Diariosas的timeline会成为hotspot，但我觉得成为hotspot的应该是Diariosas的tweet才对，那时转发量应该比较大。
http://www.famouspay.com
Thank you verry good blogs thanks.