系统设计题

🏗️ 系统设计基础

1. 设计原则

Q: 系统设计的基本原则有哪些？

A:

• 可扩展性（Scalability）：系统能够处理增长的负载
• 可靠性（Reliability）：系统在故障时仍能正常工作
• 可用性（Availability）：系统保持运行的时间百分比
• 一致性（Consistency）：所有节点看到相同的数据
• 分区容错性（Partition Tolerance）：系统在网络分区时仍能工作

2. CAP定理

Q: 解释CAP定理及其在分布式系统中的应用

A: CAP定理指出分布式系统不能同时满足以下三个特性：

• 一致性（Consistency）：所有节点同时看到相同数据
• 可用性（Availability）：系统保持可操作
• 分区容错性（Partition Tolerance）：系统在网络故障时继续工作

实际应用：

• CP系统：MongoDB、HBase（牺牲可用性保证一致性）
• AP系统：Cassandra、DynamoDB（牺牲一致性保证可用性）
• CA系统：传统RDBMS（在分布式环境下不现实）

🎯 经典系统设计题

1. 设计短链接服务（如TinyURL）

需求分析：

• 将长URL转换为短URL
• 短URL重定向到原始URL
• 支持自定义短链接
• 统计点击次数

系统架构：

[客户端] → [负载均衡器] → [Web服务器] → [缓存] → [数据库] ↓ [URL编码服务]

核心算法：

public class URLShortener {
    private static final String BASE62 = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789";
    private static final int BASE = 62;
    
    // 将数字ID转换为短码
    public String encode(long id) {
        StringBuilder sb = new StringBuilder();
        while (id > 0) {
            sb.append(BASE62.charAt((int)(id % BASE)));
            id /= BASE;
        }
        return sb.reverse().toString();
    }
    
    // 将短码转换为数字ID
    public long decode(String shortUrl) {
        long id = 0;
        for (char c : shortUrl.toCharArray()) {
            id = id * BASE + BASE62.indexOf(c);
        }
        return id;
    }
}

数据库设计：

CREATE TABLE urls (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    original_url VARCHAR(2048) NOT NULL,
    short_code VARCHAR(10) UNIQUE NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    expires_at TIMESTAMP,
    click_count INT DEFAULT 0,
    INDEX idx_short_code (short_code)
);

2. 设计聊天系统

需求分析：

• 一对一聊天
• 群组聊天
• 在线状态显示
• 消息历史存储
• 推送通知

系统架构：

[移动客户端] ←→ [WebSocket网关] ←→ [消息服务] ←→ [消息队列] ←→ [数据库] ↓ [推送服务]

消息服务设计：

@Service
public class MessageService {
    
    @Autowired
    private MessageRepository messageRepository;
    
    @Autowired
    private WebSocketService webSocketService;
    
    public void sendMessage(SendMessageRequest request) {
        // 1. 验证用户权限
        validateUserPermission(request.getSenderId(), request.getChatId());
        
        // 2. 创建消息
        Message message = createMessage(request);
        
        // 3. 存储消息
        messageRepository.save(message);
        
        // 4. 实时推送
        List<String> recipients = getChatMembers(request.getChatId());
        webSocketService.broadcastMessage(recipients, message);
        
        // 5. 离线推送
        pushOfflineNotification(recipients, message);
    }
    
    private Message createMessage(SendMessageRequest request) {
        return Message.builder()
            .id(generateMessageId())
            .chatId(request.getChatId())
            .senderId(request.getSenderId())
            .content(request.getContent())
            .messageType(request.getMessageType())
            .timestamp(System.currentTimeMillis())
            .build();
    }
}

3. 设计新闻推荐系统

需求分析：

• 个性化推荐
• 实时热点推荐
• 多样性保证
• A/B测试支持

推荐算法：

@Component
public class NewsRecommendationEngine {
    
    public List<News> recommend(String userId, int count) {
        // 1. 获取用户画像
        UserProfile profile = userProfileService.getUserProfile(userId);
        
        // 2. 候选新闻召回
        List<News> candidates = recallCandidates(profile);
        
        // 3. 特征工程
        List<NewsFeature> features = extractFeatures(candidates, profile);
        
        // 4. 模型预测
        List<ScoredNews> scoredNews = mlModelService.predict(features);
        
        // 5. 重排序（考虑多样性）
        List<News> reranked = rerank(scoredNews, profile);
        
        return reranked.subList(0, Math.min(count, reranked.size()));
    }
    
    private List<News> recallCandidates(UserProfile profile) {
        List<News> candidates = new ArrayList<>();
        
        // 协同过滤召回
        candidates.addAll(collaborativeFiltering.recall(profile));
        
        // 内容召回
        candidates.addAll(contentBasedFiltering.recall(profile));
        
        // 热点召回
        candidates.addAll(trendingNewsService.getTrendingNews());
        
        return deduplicateAndFilter(candidates);
    }
}

4. 设计分布式缓存系统

需求分析：

• 高性能读写
• 数据分片
• 故障转移
• 数据一致性

一致性哈希实现：

public class ConsistentHashing {
    private final SortedMap<Integer, String> ring = new TreeMap<>();
    private final int virtualNodes;
    
    public ConsistentHashing(List<String> nodes, int virtualNodes) {
        this.virtualNodes = virtualNodes;
        for (String node : nodes) {
            addNode(node);
        }
    }
    
    public void addNode(String node) {
        for (int i = 0; i < virtualNodes; i++) {
            int hash = hash(node + ":" + i);
            ring.put(hash, node);
        }
    }
    
    public void removeNode(String node) {
        for (int i = 0; i < virtualNodes; i++) {
            int hash = hash(node + ":" + i);
            ring.remove(hash);
        }
    }
    
    public String getNode(String key) {
        if (ring.isEmpty()) {
            return null;
        }
        
        int hash = hash(key);
        SortedMap<Integer, String> tailMap = ring.tailMap(hash);
        
        int nodeHash = tailMap.isEmpty() ? ring.firstKey() : tailMap.firstKey();
        return ring.get(nodeHash);
    }
    
    private int hash(String key) {
        return key.hashCode();
    }
}

🔧 系统设计面试技巧

1. 面试流程

1. 需求澄清（5-10分钟）
2. 容量估算（5-10分钟）
3. 系统设计（10-15分钟）
4. 详细设计（10-15分钟）
5. 扩展讨论（5-10分钟）

2. 设计要点

• 从简单开始：先设计基本功能，再考虑扩展
• 数据驱动：基于数据量和QPS进行设计决策
• 权衡取舍：明确说明设计选择的原因
• 可扩展性：考虑系统如何应对增长

3. 常用技术栈

• 负载均衡：Nginx、HAProxy、AWS ELB
• 缓存：Redis、Memcached、CDN
• 消息队列：Kafka、RabbitMQ、AWS SQS
• 数据库：MySQL、PostgreSQL、MongoDB、Cassandra
• 搜索：Elasticsearch、Solr
• 监控：Prometheus、Grafana、ELK Stack

📚 推荐资源

• 《设计数据密集型应用》
• 《大规模分布式存储系统》
• System Design Interview 系列
• 高可用架构技术博客