系统设计案例

通过实际案例学习系统设计是最有效的方法。本章将深入分析几个经典的系统设计案例，帮助你理解如何将理论知识应用到实际设计中。

案例 1：设计 Twitter

需求分析

功能需求：

• 用户可以发布推文
• 用户可以关注其他用户
• 用户可以查看时间线（自己的推文和关注的人的推文）

非功能需求：

• 高可用性（99.99%）
• 低延迟（时间线加载 < 200ms）
• 高吞吐量（支持数亿用户）

容量估算

• 用户数：10 亿用户
• 日活用户：2 亿（20%）
• 平均每个用户：每天发布 2 条推文，关注 200 人
• 推文读取/写入比：100:1
• 峰值 QPS：
  • 写：2 亿 × 2 / 86400 ≈ 4,630 QPS
  • 读：4,630 × 100 ≈ 463,000 QPS

高层设计

用户 → 负载均衡 → API 服务器 → 推文服务
                              → 用户服务
                              → 时间线服务
                              → 关注服务

详细设计

1. 数据模型

用户表：

• user_id (主键)
• username
• email
• created_at

推文表：

• tweet_id (主键)
• user_id
• content
• created_at

关注关系表：

• user_id (主键)
• follower_id (主键)
• created_at

2. 时间线生成

方案 1：推模式（Fan-out on Write）

用户发布推文时，推送到所有关注者的时间线。

优点：

• 读取时间线快（O(1)）

缺点：

• 写入慢（需要写入所有关注者的时间线）
• 大 V 用户发布推文时压力大

方案 2：拉模式（Fan-out on Read）

读取时间线时，实时聚合关注的人的推文。

优点：

• 写入快（O(1)）

缺点：

• 读取慢（需要查询多个用户）

方案 3：混合模式（推荐）

• 普通用户：推模式
• 大 V 用户（关注者 > 1000）：拉模式

3. 数据库设计

• 用户数据：SQL 数据库（MySQL）
• 推文数据：NoSQL 数据库（Cassandra）
• 时间线数据：Redis（缓存）+ Cassandra（持久化）
• 关注关系：图数据库（Neo4j）或 SQL 数据库

4. 缓存策略

• 用户信息缓存：Redis，TTL 1 小时
• 时间线缓存：Redis，TTL 5 分钟
• 热门推文缓存：Redis，TTL 1 小时

扩展性设计

• 水平扩展：无状态 API 服务器，可以轻松扩展
• 数据库分片：按 user_id 分片
• CDN：静态资源（图片、视频）

案例 2：设计 URL 短链服务

需求分析

功能需求：

• 将长 URL 转换为短 URL
• 短 URL 重定向到长 URL
• 统计短 URL 的访问次数

非功能需求：

• 高可用性
• 低延迟（重定向 < 100ms）
• 高吞吐量

容量估算

• 短 URL 生成：100M/天
• 短 URL 读取：100M × 100 = 10B/天
• 峰值 QPS：
  • 写：100M / 86400 ≈ 1,157 QPS
  • 读：1,157 × 100 ≈ 115,700 QPS

高层设计

用户 → 负载均衡 → API 服务器 → 短链生成服务
                              → 重定向服务
                              → 统计服务

详细设计

1. 短 URL 生成算法

方案 1：哈希 + Base62 编码

import hashlib
import base64

def generate_short_url(long_url):
    hash_value = hashlib.md5(long_url.encode()).hexdigest()
    # 取前 6 个字符
    short_code = base64.b64encode(hash_value[:6].encode()).decode()[:6]
    return short_code

方案 2：自增 ID + Base62 编码

def base62_encode(num):
    chars = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ"
    result = []
    while num > 0:
        result.append(chars[num % 62])
        num //= 62
    return ''.join(reversed(result))

2. 数据库设计

URL 映射表：

• short_code (主键)
• long_url
• created_at
• expiration_date

统计表：

• short_code (主键)
• click_count
• last_accessed_at

3. 缓存策略

• URL 映射缓存：Redis，TTL 1 年
• 热门 URL：Redis，TTL 1 小时

扩展性设计

• 数据库分片：按 short_code 的第一个字符分片
• 缓存层：Redis 集群
• CDN：静态重定向页面

案例 3：设计分布式缓存

需求分析

功能需求：

• 存储键值对
• 支持 TTL（过期时间）
• 高可用性

非功能需求：

• 低延迟（< 1ms）
• 高吞吐量
• 可扩展性

高层设计

客户端 → 一致性哈希 → 缓存节点

详细设计

1. 一致性哈希

• 将节点和键映射到哈希环
• 键存储在顺时针方向的第一个节点

优点：

• 节点增减时，只需要迁移少量数据
• 负载均衡

2. 数据复制

• 主从复制：每个节点有多个副本
• 故障转移：主节点故障时，从节点接管

3. 缓存策略

• LRU：最近最少使用
• LFU：最不经常使用
• TTL：基于过期时间

案例 4：设计聊天系统

需求分析

功能需求：

• 一对一聊天
• 群聊
• 消息推送
• 在线状态

非功能需求：

• 低延迟（消息传递 < 100ms）
• 高可用性
• 消息持久化

高层设计

客户端 → WebSocket 服务器 → 消息队列 → 消息存储
                          → 推送服务

详细设计

1. 消息传递

• WebSocket：实时双向通信
• 消息队列：解耦和削峰
• 消息存储：Cassandra（按时间分区）

2. 在线状态

• Redis：存储在线用户
• 心跳机制：定期更新在线状态

3. 消息推送

• APNs（iOS）
• FCM（Android）
• Web Push（Web）

总结

系统设计案例展示了：

1. 需求分析：明确功能和非功能需求
2. 容量估算：估算用户量、QPS、存储量
3. 架构设计：高层设计和详细设计
4. 技术选型：选择合适的数据库、缓存、消息队列
5. 扩展性设计：考虑系统的扩展性

通过学习和实践这些案例，你将能够设计出优秀的系统。

系统设计部分的学习就到这里了！接下来，让我们学习行为面试，这是面试中的重要环节。