用户系统设计
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！