完整架构
让我们回顾一下整个系统的架构演进历程。
阶段 1:最简单的数据库方案
- 两张表:articles、article_likes
- 简单的增删改查
- 适合:< 1000 用户
阶段 2:Redis 缓存优化
- Redis 计数器
- 数据持久化
- 缓存一致性
- 适合:< 10,000 用户
阶段 3:高并发优化
- 分片计数
- 本地缓存
- 合并写入
- 适合:< 100,000 用户
阶段 4:分布式系统
- 分布式锁
- Lua 脚本
- Redlock
- 适合:> 100,000 用户
整体架构
┌─────────────────────────────────────────────────────────────┐
│ 用户层 │
│ Web 浏览器 │ iOS App │ Android App │ 小程序 │
└──────────────────────┬──────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────┐
│ CDN 层 │
│ 静态资源 │ 图片 │ 视频 │ CSS/JS │
└──────────────────────┬──────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────┐
│ 负载均衡层 │
│ Nginx / HAProxy / AWS ALB │
└──────────────────────┬──────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────┐
│ 应用服务器层 (无状态) │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ 实例 1 │ │ 实例 2 │ │ 实例 3 │ ... │
│ │ 本地缓存 │ │ 本地缓存 │ │ 本地缓存 │ │
│ │ 限流器 │ │ 限流器 │ │ 限流器 │ │
│ └──────┬───────┘ └──────┬───────┘ └──────┬───────┘ │
└─────────┼────────────────┼────────────────┼──────────────────────┘
│ │ │
▼ ▼ ▼
┌─────────────────────────────────────────────────────────────┐
│ Redis 集群 │
│ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
│ │ Redis-1 │ │ Redis-2 │ │ Redis-3 │ Sentinel │
│ │ 主节点 │ │ 从节点 │ │ 从节点 │ (高可用) │
│ └────┬────┘ └────┬────┘ └────┬────┘ │
│ │ │ │ │
│ ┌───┴────┐ │ │ │
│ │ 持久化 │ │ │ │
│ │ RDB │ │ │ │
│ │ AOF │ │ │ │
│ └────────┘ │ │ │
│ │ │ │
│ ┌──────────────┴────────────────────────────┐ │
│ │ 消息队列 (Redis Stream) │ │
│ │ 合并写入 │ Feed 流通知 │ 排行榜更新 │ │
│ └────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────┐
│ 数据库集群 │
│ ┌──────────────┐ ┌──────────────┐ │
│ │ Master │ │ Slave │ │
│ │ (写操作) │ │ (读操作) │ │
│ └──────┬───────┘ └──────┬───────┘ │
│ │ │ │
│ ┌──────┴────────────────┴──────┐ │
│ │ 监控 & 备份 │ │
│ └─────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘
数据流图
点赞流程:
用户 → 负载均衡 → 应用服务器
↓
1. 检查本地缓存
↓
2. 检查 Redis
├─ 命中 → 立即返回
└─ 未命中 → 查询数据库
↓
3. 更新 Redis 计数器
↓
4. 添加到写回队列
↓
5. 异步写入数据库
↓
6. 发布更新通知
↓
返回给用户
部署架构
生产环境部署:
┌─────────────────────────────────────────────────┐
│ Web 层 (3 节点) │
│ - Nginx (负载均衡) │
│ - Web 应用 (6 实例) │
│ - 静态资源 (CDN) │
└─────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────┐
│ 应用层 (可扩展) │
│ - 应用服务器 (3+ 实例) │
│ - 每个实例 4 核 8GB │
│ - 本地缓存 (100MB) │
│ - 连接池管理 │
└─────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────┐
│ Redis 层 (主从 + Sentinel) │
│ - Master: 2 核 4GB │
│ - Slave: 2 核 4GB (2 个) │
│ - 持久化: RDB + AOF │
└─────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────┐
│ 数据库层 (主从) │
│ - Master: 4 核 8GB │
│ - Slave: 4 核 8GB (2 个) │
│ - 定期备份 │
└─────────────────────────────────────────────────┘
存储层选择
| 技术 | 用途 | 原因 |
|---|---|---|
| MySQL | 主数据存储 | 事务支持,成熟稳定 |
| Redis | 缓存/计数 | 高性能,原子操作 |
| Redis Stream | 消息队列 | 轻量级,持久化 |
并发控制
| 方案 | 应用场景 |
|---|---|
| 原子更新 | 简单计数 |
| 分布式锁 | 关键操作 |
| Lua 脚本 | 复杂原子操作 |
| Redlock | 分布式锁 |
性能优化
| 优化技术 | 效果 |
|---|---|
| Redis 缓存 | 性能提升 100 倍 |
| 本地缓存 | 性能提升 10 倍 |
| 分片计数 | 性能提升 3 倍 |
| 合并写入 | 性能提升 25 倍 |
| Pipeline | 网络往返减少 10 倍 |
性能指标
目标性能:
- 支持 100 万注册用户
- 支持 10 万日活用户
- 支持 10,000 并发点赞
- 平均响应时间 < 100ms
资源需求:
- Web 服务器:6 实例 × 4 核 8GB = 24 核 48GB
- Redis:3 实例 × 2 核 4GB = 6 核 12GB
- 数据库:1 主 2 从 × 4 核 8GB = 12 核 24GB
总资源:42 核 84GB
存储容量
Redis 存储规划:
点赞计数器:
- 100 万文章 × 100 bytes = 100 MB
点赞用户集合:
- 100 万文章 × 50 个用户 × 8 bytes = 40 GB
用户点赞列表:
- 10 万用户 × 100 篇文章 × 8 bytes = 80 MB
Feed 流数据:
- 10 万用户 × 1000 条记录 × 16 bytes = 1.6 GB
总计:约 42 GB
数据库存储规划:
文章表:100 万 × 1 KB = 1 GB
点赞表:5000 万 × 50 bytes = 2.5 GB
用户表:100 万 × 200 bytes = 200 MB
总计:约 3.7 GB
关键指标
业务指标:
- 日活用户数
- 日均点赞数
- 热门文章 Top 10
- 排行榜变化
性能指标:
- 响应时间 (P50, P95, P99)
- QPS (每秒请求数)
- 错误率
- 缓存命中率
资源指标:
- CPU 使用率
- 内存使用率
- 网络流量
- 磁盘 IO
告警规则
严重告警 (立即处理):
- 错误率 > 1%
- P99 响应时间 > 1s
- Redis 宕机
- 数据库主从断开
重要告警 (1 小时内处理):
- 错误率 > 0.5%
- P95 响应时间 > 500ms
- 缓存命中率 < 80%
- 数据库 CPU > 70%
一般告警 (24 小时内处理):
- 缓存命中率 < 90%
- 数据库 CPU > 50%
- 内存使用 > 80%
练习 1
如何设计一个支持”多租户”的计数系统?
解题思路:
这道题问的是多租户下数据怎么隔离,核心是在『物理隔离』和『逻辑隔离』之间按成本与安全要求取舍。
详细步骤:
方案:数据隔离
方案 1:Redis Key 前缀隔离
tenant:{tenant_id}:article:{article_id}:like_count
优点:
- 实现简单
- 天然隔离
缺点:
- Key 变长
- 管理复杂
方案 2:分片隔离
按 tenant_id 分片到不同的 Redis 实例
优点:
- 完全隔离
- 独立资源
缺点:
- 成本高
- 资源浪费
方案 3:逻辑隔离
同一个 Redis,通过应用层隔离
优点:
- 成本低
- 灵活
缺点:
- 需要严格权限控制最终答案:
三种隔离方案:Redis Key 前缀隔离(tenant:{tid}:article:{aid}:like_count,实现简单、天然隔离,但 key 变长、管理复杂)、按 tenant_id 分片到不同实例(完全隔离、资源独立,但成本高、资源浪费)、同一 Redis 应用层逻辑隔离(成本低、灵活,但必须配合严格的权限与租户校验)。中小租户用前缀或逻辑隔离,大客户与合规要求高的用独立实例分片。
练习 2
如何设计”跨地域”的计数系统?
解题思路:
这道题问的是『用户分布在不同国家怎么办』,核心是要在延迟与一致性之间做取舍。
详细步骤:
方案:多地域部署
架构:
中国区域:
- 应用服务器 × 3
- Redis 集群 × 1
- 数据库 × 1
美国区域:
- 应用服务器 × 3
- Redis 集群 × 1
- 数据库 × 1
数据同步:
- 主库:中国
- 从库:美国
- 异步复制
挑战:
1. 数据一致性(最终一致)
2. 延迟问题
3. 跨地域查询优化最终答案:
采用多地域部署 + 单元化:中国、美国等主要区域各自部署完整的应用服务器 + Redis 集群 + 数据库,数据按用户归属地路由到就近区域(用户数据留在本地,避免跨境合规问题);区域内读写走本地,跨区域只做异步复制与汇总统计。代价是最终一致与跨地域查询延迟,要靠『写本地、读本地 + 异步汇总』来控制。
练习 3
如何实现”降级策略”?
解题思路:
这道题问的是『系统扛不住时怎么退』,核心是预先定义好『哪些功能可以先关』。
详细步骤:
分级降级策略
具体分级:
- 正常:全部功能可用
- 一级降级:关闭统计、报表等非核心计算任务
- 二级降级:关闭排行榜、Feed 聚合等读扩展功能
- 三级降级:关闭非核心写操作,只保留点赞计数
- 四级降级:限流 / 返回缓存兜底值 / 只读
触发条件:
- QPS 超过容量水位
- 错误率或 P99 延迟超阈值
- 下游(DB/Redis)连接池耗尽或队列积压严重
- 通过配置中心下发开关,无需发版
注意事项:
- 降级开关要能一键回滚
- 降级期间的日志与指标必须记录,便于事后复盘
最终答案:
实现分级降级策略:预先把功能分成核心与非核心(点赞计数是核心,排行榜、Feed 流、统计报表是非核心),并按压力级别(正常 → 关闭非核心 → 限流 → 只读 → 返回兜底数据)依次降级。触发条件用 Redis 计数器/滑动窗口判断(QPS、错误率、RT、队列积压),通过配置中心动态开关实现、无需发版。降级期间要保证核心链路可用,并记录降级日志以便事后复盘。
练习 4
如何设计”灰度发布”方案?
解题思路:
这道题问的是『新版本怎么安全上线』,核心是『先小流量验证,再逐步放量』。
详细步骤:
方案:蓝绿部署
架构:
- 蓝环境:旧版本
- 绿环境:新版本
- 负载均衡:切换流量
流程:
1. 部署新版本到绿环境
2. 新版本自检通过
3. 切换 10% 流量到绿环境
4. 观察 1 小时,无问题
5. 逐步增加流量:25% → 50% → 100%
6. 蓝环境下线
7. 绿环境成为新的蓝环境最终答案:
用蓝绿部署 + 分阶段放量:新版本先部署到绿环境并自检通过,然后按 10% → 25% → 50% → 100% 逐步切换流量,每一阶段观察错误率、延迟和业务指标,无异常再继续;全量后下线蓝环境,绿环境成为新的蓝环境。计数器这类有状态服务还要保证新旧版本的 Redis 数据结构兼容,避免版本间读写不兼容。
练习 5
如何进行”容量规划”?
解题思路:
这道题问的是『未来要扛多少量、现在的架构够不够』,核心是用可量化的推算而不是拍脑袋。
详细步骤:
容量规划方法
规划步骤:
- 业务预测:日均请求量、增长率、峰值系数(热点场景取 3~5 倍)
- 容量换算:
- Redis:所需实例数 = 峰值 QPS ÷ (单实例 QPS × 0.7 安全水位)
- 数据库:所需实例数 = 峰值 QPS ÷ (单实例 QPS × 0.7)
- 存储:数据量 × 副本数 × 1.5 冗余系数
- 网络与带宽:峰值带宽 = 峰值 QPS × 平均响应大小
- 压测验证:用真实数据量做全链路压测,验证推算值
注意事项:
- 规划要留出增长余量(至少一倍),并明确触发扩容的量化水位
- 配合自动扩缩容与容量水位告警,让规划落地为可执行动作
最终答案:
容量规划按四步走:先基于业务增长预测峰值 QPS 与数据量(考虑大促/热点带来的 3~5 倍峰值系数);再按单实例实测容量推算所需实例数(QPS ÷ 单实例安全水位 70%);然后推算存储与内存需求(数据量 × 副本数 × 冗余系数);最后用压测验证并留出冗余。产出是一份容量基线文档,并配套自动扩缩容与水位告警。
-
如果需要支持”视频点赞”,架构需要如何调整?
-
如何设计一个”通用的计数系统”,可以支持多种业务场景?
-
如何实现”计数系统”的 A/B 测试?
💡 提示:这些问题没有标准答案,建议结合实际情况深入思考。
发现内容有问题?
告诉我们哪里需要改进。
