CDN是什麼？用了CDN就一定比不用更快嗎？
2023.01.02
CDN是什麼？用了CDN就一定比不用更快嗎？
關於上面的第二點，如果你需要一個明確的指標去說服自己，那我可以給你一個。從上面的介紹內容，我們知道，可以通過cdn響應的http header中的X-Cache字段，看到一個請求是否觸發過回源，統計次數，再除以總的請求數，就能得到回源的比例，比如回源比例高達90%，那還接啥cdn。
對於開發同學來說，CDN這個詞，既熟悉又陌生。
平時搞開發的時候很少需要碰這個，但卻總能聽到別人提起。
我們都聽說過它能加速，也大概知道個原因，但是往深了問。
用了CDN就一定比不用更快嗎？
就感覺有些懵了。但沒關係，今天我們換個角度重新認識下CDN。
CDN是什麼
對於數字和文本類型的數據，比方說名字和電話號碼相關的信息。我們需要有個地方存起來。
我們通常會用mysql數據庫去存。
文本存在mysql中
當我們需要重新將這一數據取出的時候，就需要去讀mysql數據庫。
但因為mysql的數據是存在磁盤上的，單台實例，讀性能到差不多5kqps就已經很不錯了。
看起來還湊合，但對於稍微大一點的系統，就稍微有點捉急了。
為了提升點性能，我們在mysql之前再加一層內存做緩存層，比如常說的redis，讀數據優先到內存裡讀，讀不到才到mysql裡讀，大大減少了讀mysql的次數。有了這套組合拳，讀性能輕鬆上萬qps。
mysql和redis
好了，到這裡，我們說的都是我們平時比較容易接觸的開發場景。
但如果現在我要處理的，不再是上面提到的文本類數據，而是圖片數據。
比如，我有一張帥氣的照片。就下面這張。
每次刷某音聽到有人翻唱蔡健雅的《letting go》的時候，我都忍不住想發這張圖。
並配文"還是忘不了"。
那麼問題來了。
這張圖片數據應該存在哪？，又該從哪裡讀？
我們回過頭去看mysql和redis的場景，無非就是存儲層加緩存層。
存儲層和緩存層
對於圖片這樣的文件對象，存儲層不太可能再用mysql，應該改用專業的對象存儲，比如亞馬遜的S3（Amazon Simple Storage Service，注意後面是三個S開頭的單詞，所以叫s3），或者阿里雲的oss（Object Storage Service）。下面的內容，我們就用比較常見的oss去做解釋。
而緩存層，也不能繼續用redis了，需要改成使用CDN（Content Delivery Network，內容分發網絡）。
可以將CDN簡單理解為對象存儲對應的緩存層。
CDN和OSS
現在就可以回答上面的提問，對用戶來說，這張圖片數據存在了對象存儲那，當有需要的時候，會從CDN那被讀出來。
CDN的工作原理
有了CDN和对象存储之后，现在我们来看下他们之间是怎么工作的。
我们平时看到的图片，可以右键复制查看它的URL。
会发现图片的URL长这样。
https://cdn.xiaobaidebug.top/1667106197000.png- 1.
其中前面的cdn.xiaobaidebug.top就是CDN的域名，后面的1667106197000.png是图片的路径名。
当我们在浏览器输入这个URL就会发起HTTP GET请求，然后经历以下过程。
CDN的查询流程
第一阶段: 你的电脑会先通过DNS协议获得cdn.xiaobaidebug.top这个域名对应的IP。
• step1和step2：先查看浏览器缓存，再看操作系统里的/etc/hosts缓存，如果都没有，就会去询问最近的DNS服务器（比如你房间里的家用路由器）。最近的DNS服务器上有没有对应的缓存，如果有则返回。
• step3：如果最近的DNS服务器上没有对应的缓存，就会去查询根域，一级域，二级域，三级域服务器。
• step4：然后，最近的DNS服务器会得到这个cdn.xiaobaidebug.top域名的别名（CNAME），比如cdn.xiaobaidebug.top.w.kunlunaq.com。
•kunlunaq.com是阿里CDN专用的DNS调度系统。
• step5到step7：此时最近的DNS服务器会去请求这个kunlunaq.com，然后返回一个离你最近的IP地址返回给你。
第二阶段: 对应上图里的step8。浏览器拿着这个IP去访问cdn节点，然后，cdn节点返回数据。
上面第一阶段流程里，提到了很多新的名词，比如CNAME，根域，一级域啥的，它们在之前写的 「DNS中有哪些值得学习的优秀设计」有很详细的描述，如果不了解的话可以去看下。
我们知道DNS的目的就是通过域名去获得IP地址。
但这只是它的众多功能之一。
DNS消息有很多种类型，其中A类型，就是用域名去查域名对应的IP地址。而CNAME类型，则是用域名去查这个域名的别名。
对于普通域名，DNS解析后一般就能直接得到域名对应的IP 地址（又叫A类型记录，A指Address）。
比如下面，我用dig命令发出DNS请求并打印过程数据。
$ dig +trace xiaobaidebug.top
;; ANSWER SECTION:
xiaobaidebug.top. 600 IN A 47.102.221.141- 1.
- 2.
- 3.
可以看到xiaobaidebug.top直接解析得到对应的IP地址47.102.221.141。
但对于cdn域名，一波查询下来，先得到的却是一条CNAME的记录xx.kunlunaq.com，然后dig这个xx.kunlunaq.com才能得到对应的IP地址。
$ dig +trace cdn.xiaobaidebug.top
cdn.xiaobaidebug.top. 600 IN CNAME cdn.xiaobaidebug.top.w.kunlunaq.com.
$ dig +trace cdn.xiaobaidebug.top.w.kunlunaq.com
cdn.xiaobaidebug.top.w.kunlunaq.com. 300 IN A 122.228.7.243
cdn.xiaobaidebug.top.w.kunlunaq.com. 300 IN A 122.228.7.241
cdn.xiaobaidebug.top.w.kunlunaq.com. 300 IN A 122.228.7.244
cdn.xiaobaidebug.top.w.kunlunaq.com. 300 IN A 122.228.7.249
cdn.xiaobaidebug.top.w.kunlunaq.com. 300 IN A 122.228.7.248
cdn.xiaobaidebug.top.w.kunlunaq.com. 300 IN A 122.228.7.242
cdn.xiaobaidebug.top.w.kunlunaq.com. 300 IN A 122.228.7.250
cdn.xiaobaidebug.top.w.kunlunaq.com. 300 IN A 122.228.7.251- 1.
- 2.
- 3.
- 4.
- 5.
- 6.
- 7.
- 8.
- 9.
- 10.
- 11.
- 12.
看到这里，问题就又来了。
为什么要加个CNAME那么麻烦？
CNAME里指向的，其实是CDN专用的DNS域名服务器，它对整个DNS体系来说，只是其中一台小小的DNS域名服务器，看起来就跟其他域名服务器一样，平平无奇。DNS请求也会正常打入这个服务器里。
但当请求真正打到它上面的时候，它的特别之处就体现出来了，当查询请求打入域名服务器时，普通的DNS域名服务器返回域名对应的部分IP就够了，但CDN专用的DNS域名服务器却会要求返回离调用方"最近的"服务器IP。
CDN专用的DNS解析服务器会返回就近的CDN节点IP
怎么知道哪个服务器IP里调用方最近？
可以看到"最近"这个词其实是加了双引号的。
CDN专用的DNS域名服务器其实是CDN提供商提供的，比如阿里云当然知道自己的的CDN节点有哪些，以及这些CDN服务器目前的负载情况和响应延时甚至权重啥的，并且也能知道调用方的IP地址是什么，可以通过调用方的IP知道它所属的运营商以及大概所在地，根据条件筛选出最合适的CDN服务器，这就是所谓的"最近"。
举个例子。假设地理位置最近的CDN机房流量较多，响应较慢，但地理位置远一些的服务器却能更好的响应当前请求，那按理说可能会选择地理位置远一些的那台CDN服务器。
也就是说，选出来的服务器不一定在地理位置最近，但一定是当前最合适的服务器。
回源是什么
上面的图片URL，是https://cdn域名/图片地址.png的形式。
也就是说这张图片是访问CDN拿到的。
那么，直接访问对象存储能不能拿到图片数据并展示？
比如像下面这样。
https://oss域名/图片地址.png- 1.
这就像问，不走redis，直接从mysql中能不能读取到文本数据并展示一样。
当然能。
我之前放在博客里的图片就是这么干的。
但这样成本更高，这里的成本，可以指性能成本，也可以指调用成本。看下下面这个图。
可以看到直接请求oss的费用差不多是通过cdn请求oss的两倍，考虑到家境贫寒，同时也为了让博客获取图片的速度更快，我就接入了CDN。
但看到这里，问题又又来了。
上面的截图里，红框里有个词叫"回源"。
回源是什么？
当我们访问https://cdn域名/图片地址.png时，请求会打到cdn服务器上面。
但cdn服务器本质上就是一层缓存，并不是数据源，对象存储才是数据源。
第一次访问cdn获取某张图片时，大概率在cdn里并没有这张图片的数据，因此需要回到数据源那去取出这份图片数据。然后再放到cdn上。下次再次访问cdn时，只要缓存不过期，就能命中缓存直接返回，这就不需要再回源。
于是访问的过程就变成了下面这样。
那还有哪些情况会发生回源呢？
除了上面提到的cdn上拿不到数据会回源站外，还有cdn上的缓存过期失效了也会导致回源站。
另外，就算有缓存，且缓存不过期，也可以通过cdn提供的开放接口来触发主动回源，但这个我们比较少机会能接触到。
另外，回源这个事情，其实用户是感知不到的，因为用户去读图片的时候，只能知道自己读到了还是读不到。
同样是读到了，还细分为是从cdn那直接读的，还是cdn回源读对象存储之后返回的。
有缓存直接返回和没缓存回源的区别
那么，我们有办法判断是否发生过回源吗？
有。我们接着往下看。
怎么判断是否发生回源
我们以某里云的对象存储和CDN为例。
假设我要请求下面这张图https://cdn.xiaobaidebug.top/image/image-20220404094549469.png
为了更方便的查看响应数据的http header，我们可以用上postman。
通过GET方法去请求图片数据。
然后通过下面的tab切换查看response header信息。
查看response header
回源的情况
此时查看response header下的X-Cache的值是 MISS TCP_MISS。意思是未命中缓存导致CDN回源查oss，拿到数据后再返回。
那此时CDN里肯定是有这张图片的缓存了。我们可以试着再执行一次 GET 方法获取图片。
X-Cache的值就变成了 HIT TCP_MEM_HIT，这就是命中缓存了。
这个是某里云的做法，其他比如腾某云啥的，也都大差不差，几乎都可以从response header里找到相关的信息。
用了CDN一定比不用的更快吗？
看到这里我们就可以回答文章开头的问题了。
如果没有接入CDN，直接访问源站，流程是这样的。
更新直接访问源站
但如果接入了CDN，且CDN上没有缓存数据，那就会触发回源。
更新走了CDN还回源
相当于在原来的流程上还多了一层CDN的调用流程。
也就是，用了CDN时，未命中CDN缓存导致回源，就会比不用的时候更慢。
未命中缓存，可能是cdn里压根就没这一数据，也可能是曾经有这条数据但后来过期失效了。
这两种情况都正常，大部分时候并不需要做任何处理。
但对于极个别场景，我们可能需要做些优化。比如你们源站数据有大版本更新，就像更换cdn域名啥的，那在上线的那一刻用户全用新cdn域名去请求图片啥的，新CDN节点基本上百分百触发回源，严重的时候甚至可能会拖垮对象存储。这时候你可能需要提前将热点数据筛选出来，利用工具预先请求一波，让CDN加载上热数据缓存。比如某里云上的CDN就有这样的"刷新预热"功能。
cdn刷新预热
当然也可以通过灰度发布的模式，先让少量用户体验新功能，让这些用户把cdn"热"起来，然后再逐步放开流量。
还有就是曾经有这条数据但后来过期失效了，对于热点数据，可以适当提高一下cdn数据的缓存时间。
什么情况下不应该使用CDN？
从上面的描述看下来，CDN最大的优势在于，对于来自世界各地的用户，它可以就近分配CDN节点获取数据，并且多次重复获取同一个文件数据的时候，有缓存加速的作用。
这对于网页图片这样的场景，是再合适不过了。因为底层用的是对象存储，也就是说，只要是文件对象，比如视频啥的，都可以用这套流程接入cdn做加速。比如平时刷的某音某手短视频就是这么干的。
那反过来想想，问题就来了。
什么情况下不应该使用CDN？
如果你有一个公司内网的服务，并且服务请求的图片等文件不太可能被多次重复调用，这时候其实没必要使用CDN。
注意上面两个加粗了的关键点。
- 内网服务，是为了保证你是了解服务的请求来源的，也能拿到对象存储的读权限，并且如果你的对象存储也是公司内部的，那大概率跟你的服务已经在同一个机房里，这已经很近了。接入CDN也享受不到"就近分配CDN节点"所带来的好处。
- 图片或其他文件不太可能被多次重复使用，如果接入了CDN，那你每次去访问CDN获取图片的时候，CDN节点上大概率没有你要的数据，相当于每次都需要回源到对象存储去取一把。那接入CDN相当于给自己加了一层代理，多一层代理，就多一层耗时。
关于上面的第二点，如果你需要一个明确的指标去说服自己，那我可以给你一个。从上面的介绍内容，我们知道，可以通过cdn响应的http header中的X-Cache字段，看到一个请求是否触发过回源，统计次数，再除以总的请求数，就能得到回源的比例，比如回源比例高达90%，那还接啥cdn。
总结
- 对于文本类数据我们习惯用mysql做存储，redis做缓存。但属于文件类数据，比如视频图片，则需要使用oss等做对象存储，cdn做缓存。
- 用了CDN如果发生回源，那实际上会比不用的时候更慢一些。
- CDN最大的优势在于，对于来自世界各地的用户，它可以就近分配CDN节点获取数据，并且多次重复获取同一个文件数据的时候，有缓存加速的作用。如果你的服务和对象存储都在内网，并且文件数据也不太会有重复使用的可能性，那其实没必要接入cdn。