面试题目分析
Interview Problem Analysis
    │
    ├─ 是否主要关注"存储"、"数据库"、"数据持久化"？
    │   Is it mainly about "storage", "database", "data persistence"?
    │   │
    │   ├─ YES → Storage/Database 系统
    │   │   └─ 继续判断具体类型...
    │   │
    │   └─ NO → 可能是其他类型
    │
    ├─ 读写比例？
    │   Read/Write Ratio?
    │   │
    │   ├─ 读多写少（100:1）→ 读优化存储
    │   │   Read-heavy → Read-optimized storage
    │   ├─ 写多读少（1:100）→ 写优化存储
    │   │   Write-heavy → Write-optimized storage
    │   └─ 读写均衡 → 平衡型存储
    │       Balanced → Balanced storage
    │
    ├─ 数据一致性要求？
    │   Data Consistency Requirements?
    │   │
    │   ├─ 强一致性 → ACID 数据库
    │   │   Strong consistency → ACID database
    │   ├─ 最终一致性 → NoSQL/CAP
    │   │   Eventual consistency → NoSQL/CAP
    │   └─ 可接受不一致 → 缓存 + 数据库
    │       Accept inconsistency → Cache + Database
    │
    └─ 数据规模？
        Data Scale?
        │
        ├─ 小规模（< 1TB）→ 单机数据库
        ├─ 中规模（1TB-100TB）→ 分片数据库
        └─ 大规模（> 100TB）→ 分布式存储

输入：写入请求
Input: Write Requests
- Key-Value pairs
- Files/Objects
- Records/Transactions

输出：读取结果
Output: Read Results
- Value by key
- File content
- Query results

关键挑战：
Key Challenges:
- 读写性能（QPS）
  Read/Write performance (QPS)
- 数据一致性（ACID vs BASE）
  Data consistency (ACID vs BASE)
- 扩展性（水平扩展）
  Scalability (horizontal scaling)
- 持久化（数据不丢失）
  Persistence (no data loss)

Client
    ↓
Load Balancer
    ↓
Application Server
    ├─→ Key Generation Service
    ├─→ Cache Layer (Redis)
    └─→ Database (MySQL/NoSQL)
    ↓
Storage Layer
    └─→ Object Storage (S3) [for large values]

Client
    ↓
API Gateway
    ↓
File Service
    ├─→ Metadata DB (PostgreSQL)
    ├─→ File Storage (S3/HDFS)
    └─→ CDN (for read optimization)

优点：
Advantages:
- ACID 事务支持
  ACID transaction support
- 强一致性
  Strong consistency
- 复杂查询支持
  Complex query support

缺点：
Disadvantages:
- 扩展性有限
  Limited scalability
- 写入性能受限
  Limited write performance

适用场景：
Use Cases:
- 需要事务的场景
  Scenarios requiring transactions
- 复杂查询需求
  Complex query requirements
- 强一致性要求
  Strong consistency requirements

优点：
Advantages:
- 高写入性能
  High write performance
- 水平扩展
  Horizontal scaling
- 最终一致性
  Eventual consistency

缺点：
Disadvantages:
- 不支持复杂查询
  No complex queries
- 一致性较弱
  Weaker consistency

适用场景：
Use Cases:
- 高写入负载
  High write load
- 简单查询模式
  Simple query patterns
- 可以接受最终一致性
  Can accept eventual consistency

优点：
Advantages:
- 极快速度（内存）
  Extremely fast (in-memory)
- 简单 API
  Simple API

缺点：
Disadvantages:
- 内存限制
  Memory limitations
- 数据可能丢失（除非持久化）
  Data may be lost (unless persisted)

适用场景：
Use Cases:
- 缓存
  Caching
- 会话存储
  Session storage
- 临时数据
  Temporary data

优点：
Advantages:
- 实现简单
  Simple implementation
- 范围查询高效
  Efficient range queries

缺点：
Disadvantages:
- 热点问题（某些分片负载高）
  Hotspot issues (some shards have high load)
- 数据分布不均
  Uneven data distribution

适用场景：
Use Cases:
- 有序数据
  Ordered data
- 范围查询多
  Many range queries

优点：
Advantages:
- 数据分布均匀
  Even data distribution
- 避免热点
  Avoids hotspots

缺点：
Disadvantages:
- 范围查询困难
  Difficult range queries
- 重新分片复杂
  Complex resharding

适用场景：
Use Cases:
- 随机访问模式
  Random access patterns
- 不需要范围查询
  No range queries needed

优点：
Advantages:
- 灵活的分片策略
  Flexible sharding strategy
- 易于重新分片
  Easy resharding

缺点：
Disadvantages:
- 需要额外的查找服务
  Requires additional lookup service
- 单点故障风险
  Single point of failure risk

适用场景：
Use Cases:
- 复杂分片需求
  Complex sharding requirements
- 需要动态调整
  Need dynamic adjustment

实现方式：
Implementation:
- 同步复制
  Synchronous replication
- 两阶段提交（2PC）
  Two-phase commit

优点：
Advantages:
- 数据始终一致
  Data always consistent
- 读取最新数据
  Read latest data

缺点：
Disadvantages:
- 延迟高
  High latency
- 可用性可能受影响
  Availability may be affected

适用场景：
Use Cases:
- 金融交易
  Financial transactions
- 关键业务数据
  Critical business data

实现方式：
Implementation:
- 异步复制
  Asynchronous replication
- 向量时钟（Vector Clocks）
  Vector clocks

优点：
Advantages:
- 低延迟
  Low latency
- 高可用性
  High availability

缺点：
Disadvantages:
- 可能读到旧数据
  May read stale data
- 冲突解决复杂
  Complex conflict resolution

适用场景：
Use Cases:
- 社交网络
  Social networks
- 内容分发
  Content distribution

流程：
Flow:
1. 查询缓存
   Check cache
2. 缓存未命中 → 查询数据库
   Cache miss → Query database
3. 写入缓存
   Write to cache

优点：
Advantages:
- 实现简单
  Simple implementation
- 缓存故障不影响系统
  Cache failure doesn't affect system

缺点：
Disadvantages:
- 缓存未命中延迟高
  High latency on cache miss
- 可能缓存不一致
  Possible cache inconsistency

流程：
Flow:
1. 写入数据库
   Write to database
2. 同时写入缓存
   Write to cache simultaneously

优点：
Advantages:
- 缓存始终最新
  Cache always up-to-date
- 读取性能好
  Good read performance

缺点：
Disadvantages:
- 写入延迟高
  High write latency
- 写入不常读的数据浪费
  Wastes cache on rarely-read writes

流程：
Flow:
1. 写入缓存
   Write to cache
2. 异步写入数据库
   Asynchronously write to database

优点：
Advantages:
- 写入延迟低
  Low write latency
- 批量写入优化
  Batch write optimization

缺点：
Disadvantages:
- 数据可能丢失（缓存故障）
  Data may be lost (cache failure)
- 实现复杂
  Complex implementation

写入负载：
Write Load:
- Writes/second
- 平均数据大小
  Average data size
- 峰值 vs 平均值
  Peak vs average

读取负载：
Read Load:
- Reads/second
- 读取模式（随机/顺序）
  Read patterns (random/sequential)

存储需求：
Storage Requirements:
- 总数据量
  Total data volume
- 数据增长率
  Data growth rate
- 保留时间
  Retention period

Writes = 100M URLs/day = 1.2k/second
Reads = 100:1 ratio = 120k/second

Storage (5 years):
100M/day * 365 * 5 = 182.5B URLs
182.5B * 500 bytes = 91.25 TB

1. Key Generation
   - 生成唯一 key
     Generate unique key

2. Storage
   - 存储 key-value 映射
     Store key-value mapping

3. Retrieval
   - 根据 key 查询 value
     Query value by key

1. 识别题目类型
   Identify problem type
   "这是一个存储系统设计问题"
   "This is a storage system design problem"

2. 明确核心需求
   Clarify core requirements
   "需要存储和检索 [key-value/files]"
   "Need to store and retrieve [key-value/files]"

3. 询问关键参数
   Ask key parameters
   - 读写比例
     Read/write ratio
   - 数据大小
     Data size
   - 一致性要求
     Consistency requirements