系统设计 - 视频学习 | 大厂面试热门：如何设计一个红包雨系统 - 《架构、系统设计、产品》

面试官如何考查系统设计题？
- 1. 面试官究竟考查哪些维度？
- 2. 系统设计目标是什么？
如何实现高性能？
- 1. 机房流量调度
- 2. 后端服务设计
如何实现高可靠：红包拆分算法
如何实现高可用？
总结

视频地址：https://kaiwu.lagou.com/course/courseInfo.htm?courseId=1198

作者：乔峰

配音：康老师

在实际面试中，我作为面试官，常常会出这样一道考题：

假设你现在的公司要在春节期间做一个红包雨活动，有 1 亿的金额，发出去10 亿个红包，TPS 预计在百万级，你要怎么设计？

你遇到过类似的题目吗？想一想，你有清晰的回答思路吗？

你可能会想，为什么很多大厂面试官都喜欢出这个题目？

首先这个场景很典型。电商大促和春晚红包是中国互联网的两个流量巅峰，新的应用与玩法层出不穷，也不断地给互联网技术带来各种挑战，特别是春节抢红包活动，并发流量一年比一年高。

并且，作为系统设计题，它不单单考查高并发的理论知识，还要求候选人结合业务实际，考虑到更多维度。

因此，如何设计一个高性能、高可靠的红包系统，成为各位系统架构师、高级开发人员的一项必备技能，也成为了现在的面试热点。

下面就来具体讲讲，对这样的面试题，你要如何理清设计思路，以及如何作答。

面试官如何考查系统设计题？

在开始分析面试题目前，先讲下系统设计题的回答套路。

很多人遇到系统设计题，要么就说自己没有相关经验，直接放弃了；要么就会条件反射，马上联想到网上看过的类似的设计方案，进入“八股文”背题模式，实际上这些回答都是很难达到面试官要求的。

1. 面试官究竟考查哪些维度？

系统设计，不像算法题或者基础知识题，考查单一维度的能力，而是会考查一个人的综合能力，这更接近真正工作时的表现。一般，面试官更看重以下几方面。

沟通表达能力：面试官一开始给的信息一般不全面，例如红包雨的每个红包额度大小是否相等，每个用户抢到的红包数量有没有限制等，这些条件都需要你在面试过程中不断细化，逐步沟通清楚。
知识广度和深度：系统设计会涉及很多中间件、数据库的知识，包括这些中间件的优缺点，应用场景，支撑的数据量等。
技术和业务上的取舍：在实际业务中，我们很难把系统设计得十足完美，那么就要做出一些取舍，例如很多互联网场景为了追求高性能高吞吐通常放弃数据强一致性，只做到最终一致也是可以接受的。你在面试中可以结合实际经验来作方案的补充。

2. 系统设计目标是什么？

看到题目后，你首先要跟面试官确认有哪些重要的设计目标。一般来说，抢红包场景下，至少要考虑下面几点——

高性能：主要是为了保证用户体验，即用户能尽快看到结果，尽快把抢到金额加到账户。
高可靠：不能超发，红包超发或者促销活动超卖，都会给企业带来损失，所以这点是肯定要保证的。
高可用：活动期间保证服务不挂。

接下来，我会从这 3 个设计目标出发，给你提供一些设计思路。其中，高性能和高可靠在实际业务中是设计方案的重点，这两方面跟抢红包的业务结合比较密切，所以我会详细阐述。

如何实现高性能？

1. 机房流量调度

看题目的性能指标，百万级的 TPS。如果流量入口是同一个的话那么肯定压力很大，用 Nginx 做负载均衡是顶不住的，要考虑 F5 这种商业设备。

Nginx 的性能是万级，一般的 Linux 服务器上装个 Nginx 大概能到 5 万/秒；LVS 的性能是十万级，据说可达到 80万/秒；F5 性能是百万级，从 200 万/秒到 800 万/秒都有。

如果我们不想用这种商业负载均衡设备，或者想尽量减少网络延迟，那么可以这样设计。
视频学习 | 大厂面试热门：如何设计一个红包雨系统 - 图3
直接把红包根据某种规则拆分好，放在不同的机房。不同地区的用户，在活动开始前就已经分配好了机房，可以是用 HTTPDNS 或者不同的域名来实现机房流量调度。

当用户抢红包或者查询红包结果时，只需在本地机房做处理就可以，最后再把结果通过 MQ 异步/同步到账户服务，完成最后一步。

当然，这里对业务是做出了一定牺牲的，红包金额同步到用户账户有一定延迟，用户红包没办法马上入账。

这样处理，我们就可以把 TPS 的数量级降下来。如果机房足够多，甚至以后边缘计算发展起来，后端抢红包服务基本上都不需要太关注大流量的问题了。

2. 后端服务设计

通过机房流量调度，我们可以把并发压力降下来，但是即使降了一个数量级，每个机房可能还有几十万的 TPS，怎么办呢？

继续分而治之。

视频学习 | 大厂面试热门：如何设计一个红包雨系统 - 图5
如图所示

存储用到 Redis，这里的集群是指直接部署多个不同的实例，假设要达到 50万 TPS，按照单机 8万 TPS 来算，只需要 7 个实例，可以冗余部署到 10 个。然后在应用层做轮询，如果应用层发现有实例挂了马上剔除掉。每个 Redis 实例都会存储一个拆分好的红包id+红包金额 list，抢红包的时候用 lua 脚本从 list 里面 pop 一个元素，同时记录到另外一个 list 里面，存储 uid+红包 id+红包金额。
定时任务集群不断从 Redis 集群里面取 uid＋金额数据，批量插入到 MySQL 集群，同时发送 MQ 通知账户服务入库。当然也可以在活动结束时，读取 MySQL 查询每个用户汇总结果，同步给账户服务，这样还能减少消息量。
MySQL 集群我们这里用 uid 为维度来分库，主要是用来查询用户已抢到的红包列表。

如何实现高可靠：红包拆分算法

前面通过一系列分治法，你能够把流量分散到不同地方，达到高性能的效果，用户马上可以看到抢了多少金额，也能尽快看到总金额，以及把金额放入账户，这就达到了第一个设计目标。而第二个目标，可以通过提前拆分红包来实现，那接下来看看红包要怎么拆。

1. 二倍均值法

剩余红包金额为 M，剩余人数为 N，那么有如下公式：

每次抢到的金额=随机区间（0，M/N X 2）

这个公式，保证了每次随机金额的平均值是相等的，不会因为抢红包的先后顺序而造成不公平。

假设有 10 个人，红包总额 100 元。100/10X2=20，所以第一个人的随机范围是（0，20），平均可以抢到 10 元。

如果第一个人随机抢到 10 元，那么剩余金额是 100-10=90 元。90/9X2=20 元，所以第二个人的随机范围同样是（0，20），平均可以抢到 10 元。

如果第二个人随机抢到 10 元，那么剩余金额是 90-10=80 元。80/8X2=20 元，所以第三个人的随机范围同样是（0，20），平均可以抢到 10 元。

以此类推，每一次随机范围的均值是相等的。可以参考以下 demo 代码：

public static List<Integer> divideRedPackage(Integer totalAmount, Integer totalPeopleNum) {
        List<Integer> amountList = new ArrayList<Integer>();
        Integer restAmount = totalAmount;
        Integer restPeopleNum = totalPeopleNum;
        Random random = new Random();
        for (int i = 0; i < totalPeopleNum - 1; i++) {
            //不能从0开始随机 我们还得保证每个人分得的钱至少是0.01元
            //随机范围：[1，剩余人均金额的两倍)，左闭右开
            int amount = random.nextInt(restAmount / restPeopleNum * 2 - 1) + 1;
            restAmount -= amount;
            restPeopleNum--;
            amountList.add(amount);
        }
        amountList.add(restAmount);
        return amountList;
    }
    public static void main(String[] args) {
        List<Integer> amountList = divideRedPackage(5000, 30);
        for (Integer amount : amountList) {
            System.out.println("抢到：" + new BigDecimal(amount).divide(new BigDecimal(100)) + "元");
        }
    }

2. 线段切割法

把红包总金额想象成一条很长的线段，而每个人抢到的金额，则是这条主线段所拆分出的若干子线段。

当 N 个人一起抢红包的时候，就需要确定 N-1 个切割点。

因此，当 N 个人一起抢总金额为 M 的红包时，我们需要做 N-1 次随机运算，以此确定 N-1 个切割点。

随机的范围区间是（1，100*M）。当所有切割点确定以后，子线段的长度也随之确定。这样每个人来抢红包的时候，只需要顺次领取与子线段长度等价的红包金额即可。

demo 代码：

private static List<Integer> divideRedPackage(Integer totalAmount, Integer totalPeopleNum) {
        List<Integer> boards = new ArrayList<>();
        boards.add(0);
        boards.add(totalAmount);
        while (boards.size() <= totalPeopleNum) {
            int index = new Random().nextInt(totalAmount - 1) + 1;
            if (boards.contains(index)) {
                //保证切割点的位置不相同
                continue;
            }
            boards.add(index);
        }
        Collections.sort(boards);
        List<Integer> list = new ArrayList<>();
        for (int i = 0; i < boards.size() - 1; i++) {
            Integer e = boards.get(i + 1) - boards.get(i);
            list.add(e);
        }
        return list;
    }
 public static void main(String[] args) {
        List<Integer> amountList = divideRedPackage(5000, 30);
        for (Integer amount : amountList) {
            System.out.println("抢到：" + new BigDecimal(amount).divide(new BigDecimal(100)) + "元");
        }
    }