系统设计典型问题的思考

最近我老婆在找工作，于是我也一起学习了一些系统设计的知识，这里总结典型的思路和题目。

首先，反复沟通和澄清系统需求。只有把需求澄清清楚了，才可以开始思考并落到纸面上。但是需求的沟通应该是持续和循序渐进的，问题很难从一开始就思考全面。

其次，尝试抽象一个简单的模型，从简单模型开始，思考不同的场景和约束，逐步完善。落实到代码上的时候，接口定义大于一切。考虑最基础的组件和架构划分，比如：

• 存储层。是否需要持久化存储？选择文件、关系数据库，还是NoSQL数据库？

• 如果选择关系数据库，是否需要sharding或partition？参考Quora： What’s the difference between sharding and partition?
• 如果选择NoSQL数据库，CAP中分别牺牲和优先保证哪一个？参考： Visual Guide to NoSQL System。扩容的策略（比如一致性hash）？
• 存储是否需要分层（比如冷层——文件、暖层——关系型数据库、热层——缓存，不同成本的存储介质，用以应付不同的数据访问频率）？

再次，不断讨论和完善，每一个讨论迭代都要得出一个实际的结论，避免持续停留在过高抽象层面。这里涉及的部分可以很多，包括可扩展性、数据规模、吞吐量、可维护性、实时性、数据一致性等等。

这些点说起来容易做起来难，通过反复阅读和思考一些常见的系统设计场景，其实我们还是可以从中总结出若干规律来。

下面列出几个非常常见和典型的系统设计问题的思路：

1、怎样设计一个微博/Twitter系统（news feed系统）

• 思考读写模型，latency上看明显是读的要求明显高于写的模式。
• 转发和回复，拷贝原微博文字还是存储转发/回复树形关系？分析利弊。另外，这里涉及到产品设计，参见： Twitter Vs. Weibo: 8 Things Twitter Can Learn From The Latter。
• 区分两种典型场景：push on change和pull on demand，两种方式利弊明显。参考： Why Are Facebook, Digg, And Twitter So Hard To Scale?
• 存储分级。这里CAP中A最为重要，往往C可以被牺牲，达到最终一致性。
• 缓存设计，分层的数据流动？如何识别热门？
• 删除微博功能的设计。

2、怎样设计一个短网址映射系统（tiny url系统）

• 思考读写模型，明显是读优先级高于写的服务，但是通常不需要修改。读写服务分离，在写服务崩溃时保证读服务健康运行。
• 链接缩短使用的加密和映射的方式中，算法如何选择？短链接可以接受那些字符？此处可以估算特定的规则下长度为n的短链接最多可能表示多少种实际链接。
• 如果使用统一的短链接序列分配机制，如何分布式设计这个分配逻辑？它不能够成为瓶颈。例如，一种常见的思路是让关系数据库的自增长索引给出唯一id，但是如果不使用关系数据库，在分布式系统中如何产生唯一序列号且避免冲突？参考： 如何在高并发分布式系统中生成全局唯一Id。
• 是否需要保留原始链接最后部分？如http://abc.def.com/p/124/article/12306.html压缩成http://short.url/asdfasdf/12306.html，以增加可读性。
• 由于协议部分可以预见或者需要支持的数量很少（比如就支持http和https），是否可以考虑把协议部分略去，以枚举方式和短链接正文放在一起？
• 由于属于web服务，考虑判定URL合法性，考虑怎样控制请求流量和应对恶意访问。

还有一些系统设计典型和经典问题，想到的先列在下面，等后续有时间总结了再补充到上面去：

• 搜索引擎设计（包括网页爬虫）
• 邮件系统设计（例如GMail）
• 聊天系统

无论如何，对于这些问题的解决，思考是最有趣的环节。这些东西貌似可以直接拿来学习的材料比较少，而且也不像算法那样丁是丁卯是卯的，评判的标准模糊得很。

文章未经特殊标明皆为本人原创，未经许可不得用于任何商业用途，转载请保持完整性并注明来源链接 《四火的唠叨》