淘寶網線上應用的傳統軟件棧結構為 Nginx + Velocity + Java，即：
在這個體系中，Nginx 將請求轉發給 Java 應用，後者處理完事務，再將數據用 Velocity 模板渲染成最終的頁面。
引入 Node.js 之後，我們勢必要面臨以下幾個問題：
技術棧的拓撲結構該如何設計，部署方式該如何選擇，才算是科學合理？項目完成後，該如何切分流量，對運維來說才算是方便快捷？遇到線上的問題，如何最快地解除險情，避免更大的損失？如何確保應用的健康情況，在負載均衡調度的層面加以管理？承系統拓撲
按照我們在前後端分離的思考與實踐（二）- 基於前後端分離的模版探索一文中的思路，Velocity 需要被 Node.js 取代，從而讓這個結構變成：
這當然是最理想的目標。然而，在傳統棧中首次引入 Node.js 這一層畢竟是個新嘗試。為了穩妥起見，我們決定只在收藏夾的寶貝收藏頁面（shoucang.taobao.com/item_collect.htm）啟用新的技術，其它頁面沿用傳統方案。即，由 Nginx 判斷請求的頁面類型，決定這個請求究竟是要轉發給 Node.js 還是 Java。於是，最後的結構成了：
部署方案
上面的結構看起來沒什麼問題了，但其實新問題還等在前面。在傳統結構中，Nginx 與 Java 是部署在同一台服務器上的，Nginx 監聽 80 端口，與監聽高位 7001 端口的 Java 通信。現在引入了 Node.js ，需要新跑一個監聽端口的進程，到底是將 Node.js 與 Nginx + Java 部署在同一台機器，還是將 Node.js 部署在單獨的集群呢？
我們來比較一下兩種方式各自特點：
淘寶網收藏夾是一個擁有千萬級日均 PV 的應用，對穩定性的要求性極高（事實上任何產品的線上不穩定都是不能接受的）。如果采用同集群部署方案，只需要一次文件分發，兩次應用重啟即可完成發布，萬一需要回滾，也只需要操作一次基線包。性能上來說，同集群部署也有一些理論優勢（雖然內網的交換機帶寬與延時都是非常樂觀的）。至於一對多或者多對一的關系，理論上可能做到服務器更加充分的利用，但相比穩定性上的要求，這一點並不那麼急迫需要去解決。所以在收藏夾的改造中，我們選擇了同集群部署方案。
灰度方式
為了保證最大程度的穩定，這次改造並沒有直接將 Velocity 代碼完全去掉。應用集群中有將近 100 台服務器，我們以服務器為粒度，逐漸引入流量。也就是說，雖然所有的服務器上都跑著 Java + Node.js 的進程，但 Nginx 上有沒有相應的轉發規則，決定了獲取這台服務器上請求寶貝收藏的請求是否會經過 Node.js 來處理。其中 Nginx 的配置為：
location = "/item_collect.htm" {
proxy_pass http://127.0.0.1:6001; # Node.js 進程監聽的端口
}
只有添加了這條 Nginx 規則的服務器，才會讓 Node.js 來處理相應請求。通過 Nginx 配置，可以非常方便快捷地進行灰度流量的增加與減少，成本很低。如果遇到問題，可以直接將 Nginx 配置進行回滾，瞬間回到傳統技術棧結構，解除險情。
第一次發布時，我們只有兩台服務器上啟用了這條規則，也就是說大致有不到 2% 的線上流量是走 Node.js 處理的，其余的流量的請求仍然由 Velocity 渲染。以後視情況逐步增加流量，最後在第三周，全部服務器都啟用了。至此，生產環境 100% 流量的商品收藏頁面都是經 Node.js 渲染出來的（可以查看源代碼搜索 Node.js 關鍵字）。
轉
灰度過程並不是一帆風順的。在全量切流量之前，遇到了一些或大或小的問題。大部分與具體業務有關，值得借鑒的是一個技術細節相關的陷阱。
健康檢查
在傳統的架構中，負載均衡調度系統每隔一秒鐘會對每台服務器 80 端口的特定 URL 發起一次 get 請求，根據返回的 HTTP Status Code 是否為 200 來判斷該服務器是否正常工作。如果請求 1s 後超時或者 HTTP Status Code 不為 200，則不將任何流量引入該服務器，避免線上問題。
這個請求的路徑是 Nginx -> Java -> Nginx，這意味著，只要返回了 200，那這台服務器的 Nginx 與 Java 都處於健康狀態。引入 Node.js 後，這個路徑變成了 Nginx -> Node.js -> Java -> Node.js -> Nginx。相應的代碼為：
var http = require('http');
app.get('/status.taobao', function(req, res) {
http.get({
host: '127.1',
port: 7001,
path: '/status.taobao'
}, function(res) {
res.send(res.statusCode);
}).on('error', function(err) {
logger.error(err);
res.send(404);
});
});
但是在測試過程中，發現 Node.js 在轉發這類請求的時候，每六七次就有一次會耗時幾秒甚至十幾秒才能得到 Java 端的返回。這樣會導致負載均衡調度系統認為該服務器發生異常，隨即切斷流量，但實際上這台服務器是能夠正常工作的。這顯然是一個不小的問題。
排查一番發現，默認情況下， Node.js 會使用 HTTP Agent 這個類來創建 HTTP 連接，這個類實現了 socket 連接池，每個主機+端口對的連接數默認上限是 5。同時 HTTP Agent 類發起的請求中默認帶上了 Connection: Keep-Alive，導致已返回的連接沒有及時釋放，後面發起的請求只能排隊。
最後的解決辦法有三種：
禁用 HTTP Agent，即在在調用 get 方法時額外添加參數 agent: false，最後的代碼為：
var http = require('http');
app.get('/status.taobao', function(req, res) {
http.get({
host: '127.1',
port: 7001,
agent: false,
path: '/status.taobao'
}, function(res) {
res.send(res.statusCode);
}).on('error', function(err) {
logger.error(err);
res.send(404);
});
});
設置 http 對象的全局 socket 數量上限：
http.globalAgent.maxSockets = 1000;
在請求返回的時候及時主動斷開連接：
http.get(options, function(res) {
}).on("socket", function (socket) {
socket.emit("agentRemove"); // 監聽 socket 事件，在回調中派發 agentRemove 事件
});
實踐上我們選擇第一種方法。這麼調整之後，健康檢查就沒有再發現其它問題了。
合
Node.js 與傳統業務場景結合的實踐才剛剛起步，仍然有大量值得深入挖掘的優化點。比比如，讓 Java 應用徹底中心化後，是否可以考分集群部署，以提高服務器利用率。或者，發布與回滾的方式是否能更加靈活可控。等等細節，都值得再進一步研究。