系统设计 面试题
高可用、高并发、高性能。
可用性、一致性。
分布式、高并发场景
遇到高并发场景，可以使用Redis缓存、Redis限流、MQ异步、MQ削峰等。
Q:在实践中，遇到过哪些并发的业务场景？
秒杀。比如抢商品，抢红包。
秒杀
Q:如何设计一个秒杀/抢券系统？
可以通过队列配合异步处理实现秒杀。
使用redis的list，将商品push进队列，pop出队列。
异步操作不会阻塞，不会消耗太多时间。
Q:如何提高抢券系统的性能？
使用多个list。
使用多线程从队列中拉取数据。
集群提高可用性。
MQ异步处理，削峰。
Q:秒杀怎么避免少卖或超卖？
redis是单进程单线程的，操作具有原子性，不会导致少卖或者超卖。
另外，也可以设置一个版本号version，乐观锁机制。
签到系统
Q:考勤打卡，假如高峰期有几万人同时打卡，那么怎么应对这种高并发？
使用Redis缓存。
员工点击签到，可以在缓存中set状态。将工号作为key,打卡状态作为value，打卡成功为01，未打卡或者打卡失败为00，然后再将数据异步地写入到数据库里面就可以了。
缺陷是如果我们用redis的string存储，一年就要存10000*365个key，会占用大量的内存。。
更好的方案。使用MQ削峰。
员工点击签到，把打卡的数据发到MQ里面，包括工号，姓名，打卡时间，打卡成功的状态，然后再将数据异步地写入到数据库里面就可以了。
其他思路，使用BitMap数据结构，详情见: https://blog.csdn.net/qq_35620342/article/details/119480213
Q:如何应对高峰期的超高并发量？
Redis限流。
Redis可以用计数器限流。使用INCR命令，每次都加一，处理完业务逻辑就减一。然后设置一个最大值，当达到最大值后就直接返回，不处理后续的逻辑。
Redis还可以用令牌桶限流。使用Redis队列，每十个数据中push一个令牌桶，每个请求进入后会先从队列中pop数据，如果是令牌就可以通行，不是令牌就直接返回。
短链接
Q:如何将长链接转换成短链接，并发送短信？
短URL从生成到使用分为以下几步：
- 有一个服务,将要发送给你的长URL对应到一个短URL上.例如www.baidu.com -> www.t.cn/1
- 把短url拼接到短信等的内容上发送.
- 用户点击短URL,浏览器用301/302进行重定向,访问到对应的长URL.
- 展示对应的内容.
Q:长链接和短链接如何互相转换？
思路是建立一个发号器,每次有一个新的长URL进来,我们就增加一,并且将新的数值返回.第一个来的url返回"www.x.cn/0",第二个返回"www.x.cn/1".
参考资料：https://blog.csdn.net/xlgen157387/article/details/80026452
Q:长链接和短链接的对应关系如何存储？
如果数据量小且qps低,直接使用数据库的自增主键就可以实现.
还可以将最近/最热门的对应关系存储在K-V数据库中,这样子可以节省空间的同时,加快响应速度.
微博feed流
Q:设计一个微博、朋友圈之类的feed流系统。
一、消息可靠性要求高。
发送了消息之后，不能丢数据。
二、消息的排序。
- 按发布的时间顺序排序，先发布的先看到，后发布的排列在最顶端。Feed流中的Feed不多，可以选择这种方式。
- 按某个非时间的因子排序，一般是按照用户的喜好度排序，用户最喜欢的排在最前面，次喜欢的排在后面。这种一般假定用户可能看到的 Feed 非常多，而用户花费在这里的时间有限，那么就为用户选择出用户最想看的 Top N 结果，场景的应用场景有图片分享、新闻推荐类、商品推荐等。
三、存储
Feed数据量比较少，就类比于空间说说，这种可以直接用 MySQL存储和查询。复杂的 Feed 流还要加上 NoSQL 数据库做缓存。
四、推送
(1)拉模式
也称为读扩散，用户主动去拉取关注人的 Feed 内容。
即当一个用户（特别是关注了很多人）触发行为时，拉取自己动态，检索用户的关注表，然后根据关注表检索新发的feed。如果一个用户关注过多的时候，查询该用户的关注列表也是有很大数据成本。
(2)推模式
也成为写扩散，当用户添加 Feed 时，会自动将 Feed 通知给关注的人（优选）。
即当一个用户触发行为（比如发微博），自身行为记录到行为表中，同时也对应到这个用户的粉丝表，为每个粉丝插入一条feed。但是对于粉丝过万的大V，为每个粉丝插入一条feed对存储数据成本很大。
使用 Redis Sorted Sets（方便按时间排序 Timeline）维护粉丝的 Feed 集合，当博主添加 Feed 时，主动将内容推送到粉丝的 Feed 集合中，这样用户可以很方便快速从集合中读取。
(3)推拉结合
比如微博，大部分用户的账号关系都是几百个，但是有个别用户是 1000 万以上才使用。
(4)在线推，离线拉
参考资料：https://blog.csdn.net/m0_69378598/article/details/124126280
系统架构与设计
Q:如何提高系统的并发能力？
使用分布式系统。
部署多台服务器，并做负载均衡。
使用缓存(Redis)集群。
数据库分库分表 + 读写分离。
引入消息中间件集群。
Q:海量数据业务有哪些优化手段？
- 缓存加速
- 读写分离
- 垂直拆分
- 分库分表
- 冷热数据分离
- ES助力复杂搜索
- NoSQL
- NewSQL
详情见： https://mp.weixin.qq.com/s/plI3wkLqtremcIkjz8hPaQ
Q:设计一个红包系统，需要考虑哪些问题，如何解决？(本质上也是秒杀系统)
Q:如果让你设计一个消息队列，你会怎么设计？