1 系统分析

1.1 Scenario 场景

注册、登录、查询、用户信息修改，哪个需求量最大？

支持100M DAU。注册，登录，信息修改 QPS 约：

• 100M * 0.1 / 86400 ~ 100
• 0.1 = 平均每个用户每天登录+注册+信息修改
• Peak = 100 * 3 = 300

查询QPS约

• 100 M * 100 / 86400 ~ 100k
• 100 = 平均每个用户每天与查询用户信息相关的操作次数（查看好友，发信息，更新消息主页）
• Peak = 100k * 3 = 300 k

1.2 Service 服务

• AuthenticationService 负责登录注册
• UserService 负责用户信息存储与查询
• FriendshipService 负责好友关系存储

1.3 Storage

QPS 与 常用数据存储系统。

• MySQL、PosgreSQL 等 SQL 数据库性能约 1k QPS
• MongoDB、Cassandra 等硬盘型NoSQL数据库性能约 10k QPS
• Redis / Memcached 等内存型NoSQL数据库性能约100k ~ 1m QPS
  （根据机器性能和硬盘数量及硬盘读写速度会有区别）

用户系统特点：读非常多，写非常少。读多写少的系统一定要使用 Cache 进行优化。

使用缓存，也就会带来数据不一致问题，数据库和缓存是两台机器，两套系统，并不支持加锁。如果是用一些第三方分布式锁，会导致存取效率降低，得不偿失。业界最常用的方法：

database.set(key, user);
cache.delete(key)

class UserService {

  def getUser(self, user_id):
  	key = 'user::%s' % user_id
  	user = cache.get(user)
  	if user:
  		return user
  
  	user = db.get(user_id)
  	cache.set(key, user)
  	return user
  
  def setUser(self, user):
    key = 'user::%s' % user.id
    db.set(user)
    cache.delete(key)
}

并发情况下依旧会出问题，在getUser执行到如下两行之间时：

另一个进程执行setUser()，cache 里会放入旧数据

问题2：db set 成功，cache delete 失败

但这两种情况发生概率＜＜ cache.delete + db.set。

解决一致性问题？

利用 cache 的 TTL。

任何一个 cache 中的 key 都不要永久有效，设置一个短暂有效时间，如 7 天。则即便在极低概率下出现数据不一致，也就最多不一致7天。即允许数据库和缓存有“短时”不一致，但最终一致。

如果写很多，咋办？

在每次数据修改的时候，会在 cache 中 delete 这个数据。若写多读少，则此时 cache 没有任何优化效果。

Authentication Service 登录系统

Session 会话

• 用户 Login 后，为之创建一个 session 对象
• 并把 session_key 返回给浏览器，让浏览器存储起来
• 浏览器将该值记录在浏览器的 cookie 中
• 用户每次向服务器发送的访问，都会自动带上该网站所有的 cookie
• 此时服务器拿到 cookie 中的 session_key，在 Session Table 中检测是否存在，是否过期

Cookie

HTTP 协议中浏览器和服务器的沟通机制，服务器把一些用于标记用户身份的信息，传递给浏览器，浏览器每次访问任何网页链接的时候，都会在 HTTP 请求中带上所有的该网站相关的Cookie 信息。Cookie 可理解为一个 Client 端的 hash table。

• Session 记录过期以后，服务器会主动删除么？
• 只支持在一台机器登陆和在多台机器同时登陆的区别是什么？
• Session 适合存在什么数据存储系统中

Friendship Service

好友关系的存储与查询

双向好友关系

单向好友关系

Twitter、Instagram、微博

存在 SQL****数据库时：

• 查询x所有的关注对象

select * from friendship where from_user_id=x

查询x所有的粉丝：

select * from friendship where to_user_id=x;

存在****NoSQL 数据库时：

Friendship：

双向好友关系

微信，Facebook，WhatsApp

方案一：存储为一条数据

select * from friendship where smaller_user_id = x or bigger_user_id=x

为何区分 smaller / bigger？
SQL 可以按照这种方案，但NoSQL 很多不支持 Multi-index 不能使用这种方案。

方案二：存储为两条数据

select * from friendship where from_user_id=x

NoSQL 和 SQL 都可按照这种方案

你觉得哪种更好呢？

Cassandra

三层结构的 NoSQL 数据库

• http://www.lintcode.com/problem/mini-cassandra/

• 第一层：row_key
• 第二层：column_key
• 第三层：value

Cassandra 的 Key = row_key + column_key，同一个 Key只对应一个 value

结构化信息如何存储？

将其他需要同时存储的数据，序列化（Serialize）到 value 里进行存储。

Serialization：把一个 object / hash 序列化为一个 string，比如把一棵二叉树序列化

• http://www.lintcode.com/problem/binary-tree-serialization/

row_key

又称为 Hash Key, Partition Key。Cassandra 会根据这个 key 算一个 hash 值，然后决定整条数据存储在哪儿。无法 Range Query

常用：user_id

Column Key

insert(row_key, column_key, value)

任何一条数据，都包含上面三个部分。可指定 column_key 按何排序。

Cassandra 支持这样的“范围查询”：

query(row_key, column_start, column_end)

可以是复合值，如 timestamp + user_id

SQL vs NoSQL

• SQL的column是在Schema中预先指定好的，不能随意添加
• 一条数据一般以 row 为单位（取出整个row作为一条数据）

NoSQL的column是动态的，无限大，可以随意添加

• 一条数据一般以 grid 为单位，row_key + column_key + value = 一条数据
• 只需要提前定义好 column_key 本身的格式（是一个 int 还是一个 int+string)

Cassandra 存储Friendship表

Cassandra 存储 NewsFeed

Friendship Table适合什么数据库？

SQL 和 NoSQL 的选择标准

原则1 大部分情况，都能用

原则2 需要支持事务，则禁选 NoSQL

原则3 想在什么地方偷懒，很大程度决定选什么数据库

• SQL

结构化数据，自由创建索引

• NoSQL

分布式，Auto-scale，Replica

原则4 一般一个网站会同时用多种数据库系统

不同的表单放在不同的数据库。

User Table 存在哪儿？

大部分公司选择了 SQL，因为信任度，Multi-Index！

Friendship 存在哪儿？

大部分公司选择了 NoSQL，因为数据结构简单，都是 key-value 的查询/存储需求，NoSQL效率更高！