广告系统有高并发、低延迟的性能要求，Nginx都是广告系统首选的Web服务器解决方案。在广告系统中，用Nginx作为前端Web服务器，而将广告投放机的功能用C/C++实现成fastCGI插件，是一个开发成本低、性能比较好的方案，而这一方案已经实现了一个基本的广告投放机。
在使用多台服务器的时候，会遇到很多诸如配置文件更新、集群上下线管理等分布式环境下的同步问题，ZooKeeper可以解决这些问题。
当广告业务开始面向长尾广告主，广告库规模较大时，采用“倒排索引”加“排序”这样的两段式决策过程是必要的。Lucene可以方便地实现全文索引和检索功能，其主要功能是对文档中的每个关键词建立索引。
在需要比较强的索引扩展性的情形下，还可以考虑使用ElasticSearch，其在云计算环境下，能够实现稳定可靠的实时搜索，并具有良好的水平扩展性。
由于各个模块广泛存在数据交互，不过由于各模块需求的不同，我们会选用不同的语言开发，为了方便在不同语言的模块之间实现调用接口，可以使用Thrift框架。我们建议在计算广告的系统模块之间尽可能采用Thrift这类工具封装接口。
计算广告这类系统并发很高，产生的日志量也很大，应该避免对数据做单点的集中式读写，而是尽量让数据的处理形成环形的流动，可以由数据高速公路将线上日志准实时地送至 离线或在线处理平台，再将处理结果保存在缓存中，供线上决策使用。Flume就是这样一个分布式的、高可靠的、高可用的海量日志采集、聚合和传输的系统。
离线数据处理部分需要一个能够存储和加工海量数据的基础设施，Hadoop几乎是工业界的标准首选。在计算广告系统中，无论是受众定向、点击率预测还是基础的报表生成，都需要在Hadoop上进行大规模的数据处理。
由于受众定向标签或点击率模型参数和特征的规模比较大，一般无法直接存放在在线广告投放机的内存中，而要用独立的缓存服务。在线用到的特征缓存有两个特点：首先只需要存储键值对，其次是大多数情形下需要支持高并发的随机读和不太频繁的批量写。在这样的需求下，Redis比较适合。
在线处理部分需要一种新型的、能够以数据流的方式对线上日志准实时处理的平台作为基础设施，工业界比较爱用的是Storm。
广告中需要用到流计算的问题包括在线反作弊、计费、实时受众定向和实时点击反馈等。我们希望的解决方案是能够自动地处
理各流计算模块间的通信和数据依赖，并能够在数据规模增大时自动进行分布式的负载分配，Storm这样的流计算平台就可以为我们实现上述的需求。
计算广告系统可以利用Spark来解决迭代计算问题，如文本主题模型、点击率预估等，非常适合迭代计算的框架。
好了，我们的计算广告系统架构图如下：
参考资料
1.《计算广告》，刘鹏
联系客服
