知识体系大纲

第一部分：系统设计原则

1. 高可用（High Availability）⭐⭐⭐⭐⭐

1.1 可用性度量

• 可用性计算

  • 可用率 = 正常运行时间 / 总时间

  • 99.9%（3 个 9）：年停机时间 8.76 小时

  • 99.99%（4 个 9）：年停机时间 52.56 分钟

  • 99.999%（5 个 9）：年停机时间 5.26 分钟

• SLA（Service Level Agreement）

  • 服务等级协议

  • 定义服务质量标准

  • 违约赔偿机制

1.2 高可用设计策略

• 消除单点故障（SPOF）

  • 冗余部署：多实例部署

  • 故障检测：健康检查、心跳机制

  • 故障转移：自动切换、手动切换

• 负载均衡

  • DNS 负载均衡

  • 硬件负载均衡（F5）

  • 软件负载均衡（Nginx、LVS、HAProxy）

  • 应用层负载均衡（Dubbo、Spring Cloud）

• 限流降级熔断

  • 限流：保护系统不被压垮

  • 降级：保证核心功能可用

  • 熔断：快速失败，避免雪崩

• 超时与重试

  • 设置合理的超时时间

  • 重试策略：指数退避、抖动

  • 幂等性设计

• 异地多活

  • 多数据中心部署

  • 数据同步

  • 流量调度

1.3 容灾与备份

• 备份策略

  • 全量备份 vs 增量备份

  • 备份频率和保留时间

  • 异地备份

• 灾难恢复（DR）

  • RTO（恢复时间目标）

  • RPO（恢复点目标）

  • 容灾演练

2. 高并发（High Concurrency）⭐⭐⭐⭐⭐

2.1 系统分层

• 接入层

  • CDN：静态资源加速

  • 网关：统一入口、限流鉴权

  • 负载均衡：流量分发

• 应用层

  • 无状态设计：便于水平扩展

  • 服务拆分：微服务化

  • 异步处理：消息队列

• 数据层

  • 缓存：减少数据库压力

  • 读写分离：主从架构

  • 分库分表：数据分片

2.2 缓存设计

• 缓存策略

  • Cache Aside：旁路缓存

  • Read Through / Write Through：直写缓存

  • Write Behind：异步写

• 缓存问题及解决方案

  • 缓存穿透：布隆过滤器、空值缓存

  • 缓存击穿：互斥锁、永不过期

  • 缓存雪崩：过期时间打散、多级缓存

  • 缓存一致性：删除缓存、延迟双删、订阅 Binlog

• 缓存淘汰策略

  • LRU（最近最少使用）

  • LFU（最不经常使用）

  • FIFO（先进先出）

  • Random（随机淘汰）

2.3 数据库优化

• 索引优化

  • 合理创建索引

  • 避免索引失效

  • 覆盖索引

• SQL 优化

  • 避免全表扫描

  • 分页优化

  • 批量操作

• 读写分离

  • 主库写、从库读

  • 延迟问题：强制读主库、延迟读从库

• 分库分表

  • 垂直拆分：按业务拆分

  • 水平拆分：按数据拆分

  • 跨库查询、分布式事务

2.4 消息队列

• 异步解耦

  • 流量削峰

  • 系统解耦

  • 异步处理

• 可靠性保证

  • 消息持久化

  • 生产者确认

  • 消费者确认

  • 幂等消费

2.5 性能优化

• 前端优化

  • 静态资源压缩

  • 浏览器缓存

  • CDN 加速

  • 图片懒加载

• 后端优化

  • 连接池：数据库、Redis、HTTP

  • 线程池：异步任务

  • 批量操作：减少网络往返

  • 本地缓存：减少网络调用

3. 可扩展性（Scalability）⭐⭐⭐⭐

3.1 垂直扩展（Scale Up）

• 增加单机资源：CPU、内存、磁盘

• 优点：简单直接

• 缺点：有上限、成本高、仍有单点

3.2 水平扩展（Scale Out）

• 增加机器数量

• 优点：理论上无上限、成本低

• 缺点：架构复杂、需要分布式方案

3.3 可扩展架构设计

• 无状态设计

  • 应用服务器不保存状态

  • 状态外置：数据库、缓存、Session 服务器

• 服务化拆分

  • 按业务边界拆分

  • 按性能要求拆分

• 数据分片

  • 哈希分片

  • 范围分片

  • 一致性哈希

4. 安全性（Security）

4.1 认证与授权

• 认证（Authentication）

  • 用户名密码

  • OAuth 2.0

  • JWT Token

  • 单点登录（SSO）

• 授权（Authorization）

  • RBAC（基于角色）

  • ABAC（基于属性）

  • ACL（访问控制列表）

4.2 数据安全

• 加密

  • 传输加密：HTTPS、TLS

  • 存储加密：敏感数据加密

  • 密码加密：bcrypt、scrypt

• 防护

  • SQL 注入：参数化查询

  • XSS 攻击：输入验证、输出编码

  • CSRF 攻击：Token 验证

  • DDoS 攻击：限流、IP 黑名单

第二部分：系统设计要素 ⭐⭐⭐⭐⭐

5. 容量估算

5.1 流量估算

• QPS / TPS 计算

  • 日活用户（DAU）

  • 每用户平均请求数

  • 峰值流量：平均流量 × 3-5 倍

  • 示例：1000 万 DAU，每人 10 次请求

    • 日请求：1 亿次

    • QPS：1 亿 / 86400 ≈ 1200

    • 峰值 QPS：1200 × 3 = 3600

5.2 存储估算

• 数据量计算

  • 单条数据大小

  • 数据增长速度

  • 保留时间

  • 示例：每天 100 万条消息，每条 1KB

    • 日增量：1GB

    • 年增量：365GB

    • 3 年数据：约 1TB

5.3 带宽估算

• 网络带宽

  • 峰值 QPS × 平均响应大小

  • 示例：3600 QPS，每次响应 10KB

    • 带宽：3600 × 10KB = 36MB/s ≈ 288Mbps

6. 数据存储设计

6.1 存储选型

• 关系型数据库（MySQL、PostgreSQL）

  • 强一致性

  • 事务支持

  • 复杂查询

  • 适合：用户信息、订单、账户

• NoSQL 数据库

  • Redis：高性能缓存、计数器、排行榜

  • MongoDB：文档存储、灵活 Schema

  • Cassandra：高可用、写密集

  • HBase：大数据量、列式存储

• 文件存储

  • 本地文件系统

  • 对象存储（OSS、S3）

  • 分布式文件系统（HDFS、GFS）

• 消息队列

  • Kafka：高吞吐、日志收集

  • RabbitMQ：可靠性高

  • RocketMQ：事务消息

6.2 数据模型设计

• 用户表设计

  • 主键：自增 ID vs UUID vs 雪花算法

  • 索引设计：唯一索引、联合索引

  • 冗余字段：空间换时间

• 关系设计

  • 一对一、一对多、多对多

  • 外键 vs 应用层维护

• 时间序列数据

  • 分表策略：按天、按月

  • 冷热数据分离

  • 归档策略

7. 接口设计

7.1 API 设计原则

• RESTful 设计

  • 资源导向：名词 + HTTP 方法

  • 统一接口：GET、POST、PUT、DELETE

  • 无状态

• 版本管理

  • URL 版本：/v1/users

  • Header 版本：X-API-Version

• 分页设计

  • 偏移分页：offset + limit

  • 游标分页：cursor based

  • 深分页问题

7.2 接口性能

• 批量接口

  • 减少网络往返

  • 注意接口粒度

• 异步接口

  • 长耗时操作

  • 轮询 vs Webhook

• 接口限流

  • 用户级限流

  • IP 级限流

  • 接口级限流

8. 缓存设计

8.1 缓存层次

• 客户端缓存

  • 浏览器缓存

  • App 本地缓存

• CDN 缓存

  • 静态资源

  • 边缘节点

• 服务端缓存

  • 本地缓存（Caffeine、Guava）

  • 分布式缓存（Redis、Memcached）

• 数据库缓存

  • Query Cache

  • Buffer Pool

8.2 缓存更新

• 更新策略

  • 先更新数据库，再删除缓存（推荐）

  • 先删除缓存，再更新数据库

  • 延迟双删

• 缓存预热

  • 系统启动时加载热点数据

  • 定时任务刷新

• 缓存降级

  • 缓存不可用时降级到数据库

  • 设置兜底数据

第三部分：常见系统设计 ⭐⭐⭐⭐⭐ 重点

9. 短链接系统

9.1 功能需求

• 长链接转短链接

• 短链接跳转

• 访问统计

9.2 设计要点

• 短链生成算法

  • 哈希算法：MD5、MurmurHash

  • 自增 ID + Base62 编码

  • 冲突解决

• 存储设计

  • KV 存储：短码 → 长链接

  • 索引：长链接 → 短码（去重）

• 性能优化

  • 缓存热点短链接

  • 302 vs 301 跳转

  • CDN 加速

• 高可用设计

  • 数据库主从

  • 缓存高可用

  • 限流防刷

9.3 容量估算

• 日生成 100 万短链接

• 每个短链接 100 字节

• 读写比 100:1

• QPS 估算：写 12/s，读 1200/s

10. 新鲜事（Feed 流）系统

10.1 功能需求

• 发布动态

• 查看关注人的动态（Timeline）

• 点赞、评论

10.2 设计要点

• 推拉模式

  • 推模式（Write Fanout）：写时扩散，读时聚合

    • 优点：读快

    • 缺点：写慢，存储大

    • 适用：粉丝少的用户

  • 拉模式（Read Fanout）：写时存储，读时聚合

    • 优点：写快，存储小

    • 缺点：读慢

    • 适用：粉丝多的用户（大 V）

  • 推拉结合：根据用户粉丝数选择策略

• 存储设计

  • 动态表：存储动态内容

  • 关注关系表：用户 A 关注用户 B

  • 收件箱表（推模式）：用户 ID + 动态列表

• 性能优化

  • 缓存：热点动态、用户 Timeline

  • 分页：游标分页

  • 异步：发布动态异步推送

11. 评论系统

11.1 功能需求

• 发表评论

• 回复评论

• 点赞评论

• 查看评论列表

11.2 设计要点

• 数据模型

  • 评论表：评论 ID、内容、作者、时间、父评论 ID

  • 树形结构 vs 扁平结构

• 查询优化

  • 按时间倒序：索引优化

  • 按热度排序：点赞数 + 时间衰减

  • 分页：深分页问题

• 审核机制

  • 敏感词过滤

  • 人工审核

  • 用户举报

12. 秒杀系统

12.1 特点

• 瞬时高并发

• 库存有限

• 读多写少

12.2 设计要点

• 前端优化

  • 页面静态化

  • 按钮置灰（倒计时）

  • 答题验证码（防止机器人）

• 后端优化

  • 动静分离：静态资源 CDN

  • 限流：网关层、应用层

  • 削峰：消息队列

• 库存扣减

  • Redis 预扣减：原子性

  • 数据库最终扣减：CAS 乐观锁

  • 防止超卖：库存校验

• 防刷策略

  • 同一用户限制请求频率

  • IP 限流

  • 验证码

13. 搜索系统

13.1 功能需求

• 关键词搜索

• 模糊匹配

• 搜索建议

• 排序

13.2 设计要点

• 搜索引擎选型

  • Elasticsearch：全文搜索

  • Solr：企业级搜索

• 索引设计

  • 倒排索引

  • 分词策略

  • 索引更新：实时 vs 定时

• 查询优化

  • 分页：from + size vs scroll vs search_after

  • 高亮

  • 相关性排序：TF-IDF、BM25

• 搜索建议

  • 前缀树（Trie）

  • 热门搜索词缓存

14. 排行榜系统

14.1 功能需求

• 实时排行榜

• 历史排行榜

• 分时段排行榜（日榜、周榜、月榜）

14.2 设计要点

• 实时排行榜

  • Redis Sorted Set

  • ZINCRBY：增加分数

  • ZREVRANGE：获取排名

• 历史排行榜

  • 定时任务固化到数据库

  • 按时间维度存储

• 性能优化

  • 只展示 Top N

  • 分段排序：先分组再排序

  • 缓存结果

15. 分布式 ID 生成器

15.1 设计要求

• 全局唯一

• 趋势递增

• 高性能

• 高可用

15.2 设计方案

• 数据库自增 ID

  • 优点：简单

  • 缺点：性能差、单点故障

• UUID

  • 优点：简单、性能高

  • 缺点：无序、占空间

• 雪花算法（Snowflake）

  • 64 位：1 位符号 + 41 位时间戳 + 10 位机器 ID + 12 位序列号

  • 优点：趋势递增、高性能

  • 缺点：时钟回拨问题

• 美团 Leaf

  • Leaf-segment：数据库号段模式

  • Leaf-snowflake：优化的雪花算法

第四部分：系统设计面试技巧

16. 面试流程 ⭐⭐⭐⭐⭐

16.1 需求澄清（5 分钟）

• 功能需求

  • 核心功能是什么

  • 用户如何使用

  • 边界条件

• 非功能需求

  • QPS / TPS

  • 延迟要求

  • 一致性要求

  • 可用性要求

16.2 容量估算（5 分钟）

• 用户规模：DAU、MAU

• QPS 估算：平均 QPS、峰值 QPS

• 存储估算：数据量、增长速度

• 带宽估算：上行、下行

16.3 高层设计（10-15 分钟）

• 画出架构图

  • 客户端

  • 负载均衡

  • 应用服务器

  • 缓存

  • 数据库

  • 消息队列

• 核心流程

  • 读路径

  • 写路径

• API 设计

  • 核心接口

16.4 详细设计（15-20 分钟）

• 深入某个组件

  • 面试官感兴趣的部分

  • 技术难点

• 数据模型设计

  • 表结构

  • 索引设计

• 算法设计

  • 核心算法

  • 复杂度分析

16.5 扩展讨论（5-10 分钟）

• 性能优化

  • 缓存

  • 异步

  • 批量

• 可靠性

  • 单点故障

  • 容错机制

• 可扩展性

  • 如何扩展到 10 倍流量

  • 瓶颈在哪里

• 监控与运维

  • 关键指标

  • 告警策略

17. 沟通技巧

17.1 主动沟通

• 不要闷头设计

• 边画边说

• 及时确认理解

17.2 结构化表达

• 先说整体再说细节

• 先说方案再说理由

• 先说结论再说过程

17.3 权衡取舍

• 没有完美方案

• 说明优缺点

• 根据场景选择

17.4 深度与广度

• 不要浅尝辄止

• 也不要过度设计

• 跟随面试官引导

18. 常见错误

18.1 跳过需求澄清

• 直接开始设计

• 假设需求

18.2 过度设计

• 一上来就微服务

• 过早优化

18.3 缺少估算

• 不知道系统规模

• 无法验证设计合理性

18.4 忽略非功能需求

• 只关注功能

• 不考虑性能、可用性

面试高频考点

必须掌握（⭐⭐⭐⭐⭐）

1. 高可用设计

   • 如何消除单点故障

   • 负载均衡方案

   • 限流降级熔断

2. 高并发设计

   • 缓存设计（穿透、击穿、雪崩）

   • 读写分离

   • 分库分表

3. 容量估算

   • QPS 计算

   • 存储估算

   • 带宽估算

4. 缓存一致性

   • 更新策略

   • 延迟双删

   • 订阅 Binlog

5. 分布式 ID

   • 雪花算法

   • 时钟回拨问题

   • 号段模式

深入理解（⭐⭐⭐⭐）

1. 短链接系统

   • 短码生成算法

   • 存储设计

   • 性能优化

2. Feed 流系统

   • 推拉模式

   • 存储设计

   • 性能优化

3. 秒杀系统

   • 限流削峰

   • 库存扣减

   • 防止超卖

4. 一致性哈希

   • 虚拟节点

   • 扩缩容

   • 应用场景

5. 数据库分片

   • 分片策略

   • 跨库查询

   • 分布式事务

实战能力（⭐⭐⭐⭐⭐）

• 设计一个微信朋友圈

• 设计一个抖音短视频系统

• 设计一个电商秒杀系统

• 设计一个分布式限流器

• 设计一个 IM 即时通讯系统

• 设计一个推荐系统

学习路径

第一阶段：理论基础（2-3 周）

1. 高可用设计原则

2. 高并发设计原则

3. 可扩展性设计

4. 容量估算方法

第二阶段：核心技术（3-4 周）⭐ 重点

1. 缓存设计（重点）

2. 数据库优化（读写分离、分库分表）

3. 消息队列

4. 负载均衡

第三阶段：常见系统（4-5 周）⭐ 重点

1. 短链接系统

2. Feed 流系统

3. 评论系统

4. 秒杀系统

5. 搜索系统

6. 排行榜系统

7. 分布式 ID 生成器

第四阶段：面试准备（2-3 周）

1. 学习面试流程

2. 练习沟通技巧

3. Mock Interview

4. 总结常见问题

第五阶段：真题演练（持续）

1. LeetCode System Design

2. 《System Design Interview》练习题

3. YouTube 面经视频

4. 真实面试复盘

推荐学习资源

书籍

• 《System Design Interview - An Insider's Guide》 - Alex Xu（强烈推荐）

• 《设计数据密集型应用》（DDIA） - Martin Kleppmann

• 《大型网站技术架构》 - 李智慧

在线课程

• Grokking the System Design Interview（educative.io）

• System Design Primer（GitHub）

• ByteByteGo（YouTube）

网站资源

• System Design Primer

• Awesome System Design

• High Scalability Blog

大厂技术博客

• 美团技术团队

• 阿里技术

• 字节跳动技术团队

• Netflix Tech Blog

学习建议

1. 理论与实践结合

• 学习理论知识

• 分析真实系统架构

• 动手实现小型系统

• 总结设计模式

2. 画图表达

• 架构图必须清晰

• 流程图表达清楚

• 数据流向明确

• 使用标准符号

3. 多看案例

• 大厂技术分享

• 开源项目架构

• 技术博客文章

• YouTube 系统设计视频

4. Mock 练习

• 找同学互相练习

• 限时完成设计

• 录音回听

• 总结改进

5. 建立知识库

• 整理常用组件

• 总结设计模板

• 记录容量估算公式

• 收集面试题目

---

预计总学习时间：12-16 周

重点章节：

• 缓存设计（第 8 章）

• 常见系统设计（第三部分）

• 面试技巧（第四部分）

学习建议：

1. 先理解核心原理，再学习具体系统

2. 每个系统都要自己画一遍架构图

3. 容量估算要反复练习

4. Mock Interview 至少 10 次以上

面试技巧：

1. 先澄清需求，不要急于设计

2. 容量估算不能省略

3. 从高层设计到详细设计

4. 主动沟通，确认理解

5. 权衡取舍，说明理由

系统设计能力是高级工程师的核心竞争力，加油！