系统设计

为什么延迟双删在生产环境中很少使用？真实的缓存一致性策略 提到缓存，一个绕不开的话题就是缓存与数据库的一致性。 在学习缓存理论时，我对“延迟双删”这个精巧的设计印象深刻。它通过“删除缓存 -> 更新数据库 -> 延迟再次删除缓存”这三步，似乎完美地解决了“脏数据”问题。 ...

工程估算与性能建模 第一部分：性能估算的常用计算模型 确实没有一个"万能公式"可以计算所有问题，但我们可以建立一些思维模型来进行估算。 1. CPU 资源估算 核心思想: 总CPU时间 = 总请求数 × 平均单次请求处理耗时 估算公式: 单核CPU总处理时长 (秒) = QPS × 平均单次请求CPU耗时 (秒) 所需CPU核心数 = (单核CPU总处理时长 / 任务时间窗口秒数) / CPU目标使用率 解释: 平均单次请求CPU耗时: 这个数据需要通过**性能分析（Profiling）**来获取，这也是你之前做的"性能基准模型"的意义所在。 CPU目标使用率: 通常设为70%-80%。你不能假设CPU能100%跑满，必须留出余量应对突发流量和系统开销。 例子: QPS为2000，平均每个请求消耗CPU 10毫秒（0.01秒），希望CPU使用率不超过70%。 每秒需要的CPU总时间 = 2000 * 0.01 = 20秒 所需核心数 = 20 / 0.7 ≈ 28.57 -> 需要约 29个CPU核心。 2. I/O 资源估算 (网络 & 磁盘) 网络I/O: 所需网络带宽 (Mbps) = QPS × 平均请求/响应大小 (KB) × 8 / 1024 例子: QPS为2000，平均响应大小为50KB。 所需带宽 = 2000 * 50 * 8 / 1024 ≈ 781 Mbps 磁盘I/O: 所需IOPS (每秒读写次数) = 读取QPS + 写入QPS 所需磁盘吞吐 (MB/s) = (读取QPS × 平均读取大小) + (写入QPS × 平均写入大小) 关键点: 磁盘的瓶颈通常是 IOPS 和 延迟（latency），尤其是对于数据库这种需要大量随机读写的应用。 3. 内存资源估算 核心思想: 总内存 = 常驻内存 + (并发连接数 × 每个连接的内存) + 缓存 估算公式: 总内存占用 ≈ 基础服务内存 + (峰值并发数 × 单个请求平均内存开销) + 各类缓存大小 解释: 基础服务内存: 程序启动后，什么都不干时占用的内存。 单个请求平均内存开销: 处理一个请求时，创建的变量、对象、缓冲区等占用的内存。这个也需要通过压测和内存分析工具来获得。 缓存: 如Redis客户端缓存、本地缓存等，这部分通常是固定的。 第二部分：如何漂亮地回答GC问题？ 你当时的回答思路（从CPU指令去推算）体现了你的思考，但没有命中面试官想考察的核心点。我们来重构一下回答框架。 ...