架构与系统设计 / 知识点
系统设计组件与容量估算速查
流量与并发估算
把日活用户及人均每日请求数换算为平均 QPS,适合需求早期建立流量基线;真实设计还应叠加峰值系数,不能把全天平均值直接当容量目标。
DAU 换算平均 QPS
需求早期只有 DAU 和人均每日请求数时,可先换算全天平均 QPS,建立吞吐量级基线。这个值反映请求均匀摊到全天后的平均速率,不等于高峰容量目标。
换算关系
设日活用户数为 ,每个活跃用户平均每天产生 次请求,则每日请求总量和平均 QPS 为:
| 已知值 | 含义 | 用法 |
|---|---|---|
| DAU | 一天内活跃用户数 | 乘以人均每日请求数 |
| 人均每日请求数 | 单个活跃用户一天产生的平均请求量 | 用于得到每日请求总量 |
| 86400 | 一天的秒数 | 把每日请求量换算成平均每秒请求数 |
例如 DAU 为 1,000,000、人均每天请求 20 次,则每日约 20,000,000 次请求,平均 QPS 约为 231.5。
怎么判读
平均 QPS 适合做早期量级判断,例如比较方案是几十、几百还是几千 QPS。若业务访问集中在工作时段、晚高峰或固定批处理窗口,全天平均值会明显低估实际高峰。
| 线索 | 含义 | 建议动作 |
|---|---|---|
| 请求全天较均匀 | 平均 QPS 较有参考价值 | 再结合冗余和增长量设计容量 |
| 流量集中在少数小时 | 全天平均值低估繁忙时段 | 根据小时级分布估算峰值 |
| 有秒杀、推送或热点事件 | 短时突发无法由 DAU 平均值描述 | 单独建立突发流量模型 |
使用边界
DAU 必须与人均请求数采用相同统计口径。例如人均请求数只统计某个 API,就不能直接用全站 DAU 推导整个系统的 QPS。若已有生产监控,应优先使用真实的分钟级或秒级请求数据,而不是继续依赖平均换算。
在平均 QPS 基础上应用业务峰值系数估算高峰吞吐,适合缺少历史监控数据的初步设计;活动型业务应单独建模突发流量。
峰值 QPS 估算
缺少历史监控数据但需要确定高峰吞吐量级时,可在平均 QPS 上应用峰值系数。结果适合早期容量规划和方案比较,但峰值系数必须来自业务假设或相似系统数据,不能当作固定行业常数。
换算关系
设平均 QPS 为 ,峰值系数为 ,则初步峰值估算为:
例如平均 QPS 为 500,若根据业务访问分布暂定峰值系数为 4,则估算峰值 QPS 为 2,000。这里的 4 是设计假设,不代表通用推荐值。
怎么判读
| 流量特征 | 峰值系数的作用 | 建议动作 |
|---|---|---|
| 日常访问存在稳定高峰 | 用系数近似平均值与高峰值差距 | 用历史或相似业务数据校准系数 |
| 高峰集中在明确时间段 | 全天平均值可能稀释真实压力 | 优先按高峰窗口直接计算 QPS |
| 秒杀、开售、热点推送 | 短时突发可能远高于日常峰值 | 单独估算突发请求量和持续时间 |
| 已有秒级监控 | 无需依赖经验系数推测 | 直接读取高分位或实际峰值并保留增长余量 |

系数怎么取
优先依据同类业务的历史流量曲线计算平均值与目标高峰之间的比例。没有历史数据时,应把峰值系数明确记录为容量假设,并针对不同系数做敏感性计算;上线后再用真实监控替换假设。
如果已知请求主要集中在某个窗口,更适合直接计算。例如每天 24,000,000 次请求中约 30% 集中在 2 小时内,则仅这部分流量对应的窗口平均值约为 1,000 QPS;它比先求全天平均再随意选择倍数更有依据。
容量边界
估算出的峰值 QPS 是流量输入,不等于服务器数量。还需要通过压测得到单实例在目标延迟和错误率约束下的安全吞吐,并考虑实例故障、扩容延迟和下游容量。
按读写比例把总请求量拆成读 QPS 与写 QPS,用于判断缓存、读副本和写入链路压力;应以业务操作分布而非接口数量推导比例。
读写 QPS 拆分
当系统总 QPS 已知,但需要分别评估缓存、读副本、数据库写入和消息链路压力时,先按真实业务操作占比拆出读 QPS 与写 QPS。比例应来自请求量或业务事件分布,不能按“读接口有几个、写接口有几个”计算。
怎么估算
设总请求速率为 ,读请求占比为 ,则读写 QPS 可估算为:
例如峰值总 QPS 为 10,000,其中 90% 的请求属于读取,则读 QPS 约为 9,000,写 QPS 约为 1,000。这里的比例应使用目标峰值时段的数据,而不是全天平均比例。
怎么判读
| 线索 | 含义 | 建议动作 |
|---|---|---|
| 读 QPS 远高于写 QPS | 读取链路承担主要流量 | 评估缓存命中率、读副本容量和热点数据 |
| 写 QPS 较高 | 主存储及同步写链路压力更突出 | 核对事务吞吐、索引维护和下游写放大 |
| 峰值读写比与日均差异大 | 固定比例会低估峰值 | 分时段计算并按峰值容量设计 |
| 一个业务请求产生多次存储读写 | 请求 QPS 不等于数据库 QPS | 继续按调用次数计算存储层实际 QPS |
容量换算
如果一个读请求平均访问数据库 2 次,而缓存命中率为 80%,不能直接把应用层读 QPS 当成数据库读 QPS。以 9,000 读 QPS 为例,在简化假设下,未命中请求产生的数据库读取约为 QPS。
这类换算要逐层进行:入口 QPS 用于估算网关和应用实例,缓存访问 QPS 用于估算缓存集群,而最终落到数据库的读写 QPS 才用于判断数据库容量。
使用边界
读写分类应按实际资源操作定义。例如一个“查询”请求可能更新访问时间或统计数据,一个“提交”请求也可能先执行多次读取。容量设计时应进一步考虑批量操作、异步写入、重试、缓存未命中和数据库内部写放大。
用请求到达率与平均处理时间估算系统内同时处理的请求数量,可用于连接池、线程池和实例规模的初判;长连接与后台任务需另行计算。
并发请求数估算
当已经知道请求 QPS,并需要初步判断同时会有多少请求停留在系统内时,可以用到达率与平均处理时间估算在途请求数。这个结果适合辅助评估连接、工作线程和实例容量,但不能直接代替压测。
怎么估算
在系统处于相对稳定状态、到达率和平均停留时间具有代表性时,可用 Little's Law 的形式估算:
其中 是平均在途请求数, 是每秒到达的请求数, 是请求在所分析系统边界内的平均停留时间,单位必须换算为秒。
例如入口流量为 2,000 QPS,平均请求处理时间为 100 ms,即 0.1 s,则平均在途请求数约为 。
怎么判读
| 线索 | 含义 | 建议动作 |
|---|---|---|
| QPS 上升且延迟稳定 | 并发量近似随 QPS 增长 | 检查实例和连接容量是否留有余量 |
| QPS 不变但延迟升高 | 请求在系统中停留更久 | 排查下游、锁竞争、队列和资源饱和 |
| 平均值不高但尾延迟很大 | 部分请求会长时间占用资源 | 同时观察 P95/P99 延迟并做压测 |
| 估算并发超过线程或连接上限 | 可能出现排队或拒绝 | 检查线程池、连接池和队列策略 |
系统边界要一致
必须对应正在估算的系统边界。若估算整个 HTTP 服务的在途请求,就使用请求从进入服务到响应完成的停留时间;若只估算数据库连接占用,则应使用实际持有数据库连接的时间,而不是整个接口延迟。
因此,2,000 QPS × 100 ms 得到的 200 个在途请求,并不意味着一定需要 200 个数据库连接。请求可能只在其中一小段时间持有连接,也可能异步等待其他服务。
使用边界
长连接、WebSocket、流式请求、后台任务和消息消费者通常不能直接按普通短请求 QPS 套用这一估算。突发流量也需要单独考虑,因为平均并发可能掩盖短时间内的排队峰值。
为促销、热点事件和流量抖动预留高于常态峰值的容量空间,适合确定弹性扩容和限流边界;余量应结合扩容耗时与业务损失评估。
突发流量余量
当业务可能遇到促销、热点或短时流量抖动时,用突发流量余量判断现有容量能否覆盖瞬时高峰,并据此确定预扩容、自动扩容和限流的触发边界。余量不是固定百分比,应结合峰值幅度、持续时间和扩容速度估算。
怎么判读
| 线索 | 含义 | 建议动作 |
|---|---|---|
| 突发峰值明显高于常态峰值 | 常态容量不足以直接承接事件流量 | 预留额外实例或在事件前预扩容 |
| 扩容耗时长于流量爬升时间 | 自动扩容可能来不及生效 | 提前扩容,并保留限流或降级能力 |
| 峰值持续时间很短 | 永久按最高峰配置成本较高 | 使用弹性容量吸收短时峰值 |
| 超载会造成级联故障 | 单纯增加余量仍不能保证稳定 | 同时设置限流、排队和降级边界 |
快速估算
可先用峰值倍率建立容量基线:若常态峰值为 ,预计突发倍率为 ,则目标吞吐量可近似写为 。例如常态峰值为 10,000 请求/秒,评估活动期间可能达到 2.5 倍,则目标容量至少按约 25,000 请求/秒继续验证。
这只是第一轮估算。还要检查单实例实际吞吐量、CPU、内存、数据库连接数、缓存和下游服务是否能同步承载目标流量,不能只扩应用实例。

建议动作
先用历史监控、压测或业务活动预测确定可信的峰值范围,再比较流量达到峰值所需时间与系统扩容完成时间。扩容无法及时追上时,应在高风险时段预扩容;超过安全容量后则通过限流、排队或业务降级保护核心链路。
适用范围
该方法适用于 Web 服务、API、消息消费等需要估算短时峰值承载能力的系统。具体余量没有跨系统统一标准,应以生产监控、容量压测、云资源配额和业务恢复目标为依据,并定期用实际峰值修正估算。
存储与带宽估算
按字段类型、平均长度及必要元数据估算单条记录大小,是数据库和日志容量计算的基础;索引、压缩、副本等额外开销需要独立计入。
单条数据大小估算
需要估算数据库、对象存储或日志的容量时,先算一条典型数据平均占多少字节,再乘以记录数量和保留周期。字段内容只是基础数据量,索引、行元数据、编码、压缩、副本以及存储引擎开销应分别考虑。
怎么判读
| 组成 | 估算方式 | 建议动作 |
|---|---|---|
| 定长字段 | 按实际类型占用估算 | 汇总到基础记录大小 |
| 变长字符串或二进制 | 使用平均实际长度,而非只看声明上限 | 从样本或监控获取长度分布 |
| 可变元数据与行开销 | 与数据库或存储格式有关 | 查目标引擎和版本文档 |
| 索引 | 与索引列、键长度和结构有关 | 与基础数据分开估算 |
| 压缩 | 取决于数据分布和算法 | 用真实样本测压缩率 |
| 副本 | 同一逻辑数据保存多份 | 按实际副本策略计入物理容量 |
快速估算
例如一类事件记录的字段平均有效载荷合计约 600 B,预计每天产生 5,000 万条,仅计算未压缩的基础有效载荷: B,约为 30 GB/天(十进制 GB)。保留 30 天时,基础有效载荷约为 900 GB。
这里的 900 GB 不能直接当作最终磁盘需求。若系统还有索引、多副本、文件块或行级元数据以及容量安全余量,应在基础值之上分别加入;如果启用压缩,则应使用真实样本测得的压缩后大小修正结果。
容易算错的地方
字段声明长度不等于平均实际占用。例如可变长文本允许保存很大的值,并不意味着每条记录都会达到上限。反过来,也不能只统计业务字段而忽略索引和存储格式带来的额外空间。
建议动作
先从生产样本或接近生产的数据集中统计平均值以及高分位记录大小,再计算每日新增量和保留周期。随后单独估算索引、副本、压缩和引擎开销,并用实际数据库表大小、对象大小或日志文件增长速度校准模型。
适用范围
这种估算适合作为容量规划的第一轮量级判断,不替代具体存储系统的空间计算。数据库行格式、页结构、索引实现、压缩算法和副本机制存在产品与版本差异,精确容量应以目标系统对应版本的文档和实测结果为准。
用单位时间新增记录数乘以平均记录大小估算原始数据增长量,适合推算月度或年度规模;删除策略、更新放大和历史版本会改变实际占用。
数据增长量估算
需要快速判断业务每天、每月或每年会新增多少原始数据时,先用新增记录数乘以平均记录大小得到基线,再把结果作为存储容量、备份规模和后续冗余估算的输入。
怎么计算
基础关系为:。例如每天新增 500 万条记录,平均每条 2 KB,则每日原始增长量约为 10 GB;按 30 天粗估,一个月约新增 300 GB。
| 输入 | 含义 | 判读要点 |
|---|---|---|
| 单位时间新增记录数 | 每秒、每天等周期内真正创建的记录数量 | 不要把查询量或重复重试直接算作新增记录 |
| 平均记录大小 | 一条记录平均占用的原始数据大小 | 应从有代表性的样本估算,避免只取最小记录 |
| 估算周期 | 日、月、年等目标时间范围 | 月度和年度换算应明确采用的天数 |
判读实际占用
公式得到的是原始新增数据基线,不等于最终磁盘占用。索引、存储引擎元数据、副本、压缩以及对象或文件系统的额外开销,都可能使实际容量与基线不同。更新型业务还要判断旧版本、MVCC、审计记录或变更日志是否长期保留。
删除也不一定立即释放等量物理空间。若系统存在软删除、延迟清理、墓碑记录或历史版本,容量规划应按真实回收机制估算,而不是简单用新增量减删除量。
建议动作
先分别测量新增记录速率和平均记录大小,计算日增长量,再按目标周期外推。随后单独加入索引、复制、历史版本、备份和安全余量,避免把这些因素混进平均记录大小后重复计算。
适用范围
该方法适合系统设计早期的数量级估算,以及数据库记录、日志、事件等持续新增数据的容量基线计算。具体物理占用仍应以目标数据库、存储格式、压缩策略和复制方式的实测结果为准。
结合每日新增数据量和保留天数推导在线数据规模,常用于日志、事件和时序数据规划;冷热分层、压缩率及过期清理延迟也应计入。
保留周期容量估算
日志、事件或时序数据只保留固定时间时,用每日新增数据量乘以保留天数可以快速得到稳定状态下的在线原始数据规模,再据此规划热存储、冷存储和过期清理能力。
怎么计算
在每日新增量相对稳定且过期数据能够及时删除时,可用 。例如每天新增 80 GB、保留 30 天,则稳定状态下原始在线数据约为 2.4 TB。
| 线索 | 对容量的影响 | 建议动作 |
|---|---|---|
| 保留周期延长 | 在线数据近似按比例增加 | 重新计算热层和总容量 |
| 数据压缩 | 物理占用可能低于原始数据量 | 使用目标数据的实测压缩率 |
| 过期清理延迟 | 实际同时保留的数据超过设定周期 | 为清理滞后预留容量 |
| 冷热分层 | 不同介质承担不同时间范围的数据 | 分别估算各层容量,不只计算总量 |
判读稳定状态
这个公式描述的是保留窗口填满后的近似规模。新系统刚上线时,实际数据量会从零逐步增长;达到完整保留周期后,如果每日新增量和清理速度基本稳定,在线数据规模才会围绕估算值波动。
若每天写入量差异很大,不宜直接采用普通日均值。容量上限更应参考业务高峰、季节性增长和历史分位数据,否则连续多个高流量日可能在过期数据清理前耗尽空间。
建议动作
先计算原始保留量,再按热层与冷层的保留范围拆分。例如最近 7 天进入高性能存储、其余 23 天进入低成本存储时,应分别使用对应天数和各自的压缩、复制策略估算,最后再加入清理延迟和安全余量。
适用范围
该方法适合具有明确时间保留策略的数据集。压缩率、TTL 执行方式、删除后的空间回收以及冷热分层能力依赖具体数据库或存储产品,最终容量应结合目标系统的实际行为校准。
根据原始数据规模和副本数量估算复制后的基础存储需求,适用于数据库、搜索和消息系统;还需为索引、日志及维护操作预留空间。
副本存储开销
在评估数据库、搜索集群或消息系统的磁盘容量时,先确认“副本数量”是否包含主副本,再计算复制后的基础数据量。得到的只是数据副本下限,不能直接当作最终磁盘采购容量。
怎么估算
若系统定义的副本总数包含主副本,可用 ;若配置项表示主副本之外的额外副本数,则用 。
| 已知量 | 含义 | 判读动作 |
|---|---|---|
| 原始数据量 | 去重后需要持久保存的业务数据 | 作为复制计算基数 |
| 副本总数 | 主副本与其他副本的总份数 | 直接乘原始数据量 |
| 额外副本数 | 主副本之外增加的副本 | 先加 1 再计算总份数 |
| 保留周期 | 数据需要保存的时间范围 | 先估算周期内数据量,再计算副本 |
例如原始数据预计为 2 TB,系统明确采用 3 份总副本,则基础副本存储约为 6 TB。若配置文档写的是“2 个额外副本”,结果同样是 3 份数据;关键是先确认厂商对副本参数的定义。
还要预留什么
基础副本量之外,还可能存在索引、事务或提交日志、段合并临时空间、压缩差异、快照以及重平衡期间的临时副本。不同存储引擎的放大比例差异很大,不应套用固定百分比。
判读与动作
容量不足时先区分是业务数据增长、副本策略变化,还是索引与维护空间扩大。副本数调整会直接改变容错能力和存储成本,因此不能只为节省磁盘而降低副本数;应结合目标系统的故障模型和官方副本语义决定。
适用范围
该估算适合做数据库、搜索和消息系统的初步容量预算。实际落盘量还受压缩、编码、索引结构、日志保留、分片布局和系统保留空间影响,最终应使用目标产品的容量指标或样本数据校准。
索引会在主数据之外持续消耗磁盘和内存,容量规划应根据索引字段、基数及引擎实现单独估算,而不是把表数据大小视为全部存储成本。
索引空间预留
在估算数据库或搜索系统容量时,应把索引视为独立的空间消耗项。索引大小不能仅由主数据大小按固定比例推断,可靠做法是根据实际索引结构、字段分布和目标引擎测量后外推。
怎么判读
| 线索 | 对索引空间的影响 | 建议动作 |
|---|---|---|
| 索引字段较多 | 需要维护更多索引项 | 分别统计必要索引 |
| 字段值较长 | 单个索引项可能更大 | 用真实数据抽样测量 |
| 高基数字段 | 不同值数量多 | 重点观察索引实际尺寸 |
| 复合索引 | 同时保存多个键值信息 | 按具体索引结构测量 |
| 数据持续写入 | 索引同步增长并产生维护成本 | 将增长率纳入容量预测 |
同一份业务数据在不同数据库、搜索引擎、索引类型和压缩设置下可能产生明显不同的索引尺寸,因此“索引固定占主数据的某个百分比”只能作为已有实测数据支持下的局部经验,不能当作通用规则。
推荐估算方法
先使用具有代表性的数据样本建立与生产一致的索引,再读取引擎提供的表、索引或分片空间统计。计算样本的索引空间与数据规模关系后,再按预计数据量和增长率外推,并为重建、合并等维护过程保留余量。
例如样本包含 100 GB 代表性数据,实际测得目标索引共占 28 GB,则可以把这一实测关系作为当前数据分布与当前引擎配置下的容量基线。字段分布、索引定义或引擎版本变化后应重新测量,而不是永久沿用 28% 这一比例。
容易漏算的空间
索引容量之外还要区分索引构建或重建产生的临时空间、日志、缓存以及副本带来的额外占用。部分系统还会在后台合并数据结构,维护期间的峰值磁盘需求可能高于稳定状态。
适用范围
该方法适用于关系数据库、文档数据库和搜索系统的初步容量规划,但索引组织方式存在显著产品差异。索引大小、内存驻留需求以及空间回收行为应以目标引擎当前版本的统计接口和实际样本测量为准。
用每秒响应次数与平均响应体大小估算业务出口带宽,适合 API、图片和下载服务的数量级规划;协议开销及峰值流量需要额外留量。
出口带宽估算
在容量规划或上线前评估公网出口时,用峰值每秒响应次数和平均响应体大小先算业务数据量,再为协议开销、流量波动和增长预留余量。这个估算适合判断带宽数量级,不替代压测和生产监控。
核心换算
若峰值响应速率为 次/秒,平均响应体为 字节,则仅计算响应体时:
| 输入或结果 | 含义 | 判读动作 |
|---|---|---|
| 峰值每秒响应次数 | 优先使用峰值或容量目标,不要只用日均值 | |
| 平均响应体字节数 | 按实际传输后的典型大小估计 | |
| 业务响应体所需带宽 | 作为下限,再考虑额外开销和余量 | |
| 峰均比明显偏高 | 流量存在突发 | 按峰值重新估算,并检查短时突发能力 |
例如峰值为 2000 次/秒,平均响应体为 50 KB;若估算时约定 1 KB = 1000 字节,则业务响应体约为 Mbps。
怎么判读
API 的响应体通常较小,请求头、TLS、TCP/IP 等开销相对更值得关注;图片和下载服务的大对象流量通常由响应体主导。若经过 CDN,源站出口还取决于缓存命中率和回源策略,不能直接把终端请求量全部计入源站带宽。
建议动作
先用峰值请求率和实际对象大小得到基线,再结合压测或生产监控观察出口吞吐峰值。容量目标还应保留故障切流和业务增长空间;具体预留比例没有通用标准,应依据历史峰值、扩容速度和服务等级目标确定。
适用范围
该方法适合 API、静态资源、图片和下载服务的早期容量估算。对于视频流、长连接、持续推送或上下行都很大的业务,应按实际字节速率和连接行为建模,而不是只使用“请求次数 × 平均响应体”。
核心组件选型
适合保存图片、视频、备份和归档等大规模非结构化对象,并通过独立元数据记录业务关系;不宜把需要频繁局部更新的数据直接按对象模型处理。
对象存储
需要保存图片、视频、安装包、备份或归档文件时,可优先检查对象存储是否匹配访问模式。它以对象和对象键组织大规模非结构化数据,业务属性、权限关系和检索条件通常由数据库或其他元数据系统管理。
怎么判读
| 线索 | 含义 | 建议动作 |
|---|---|---|
| 数据主要整对象写入和读取 | 符合典型对象访问方式 | 将文件内容放入对象存储 |
| 对象数量大且容量持续增长 | 本地磁盘管理成本上升 | 使用对象存储承担数据层扩展 |
| 需要按用户、订单或标签复杂查询 | 对象键不足以承担业务检索 | 在数据库中保存对象键及业务元数据 |
| 数据需要高频、小范围随机修改 | 与整对象访问模型不匹配 | 评估数据库、块存储或其他适合随机更新的方案 |
典型数据关系
业务系统通常只在数据库保存对象标识和业务关系,对象内容独立进入对象存储。读取时先根据业务记录取得对象键,再按权限策略访问对象。

边界与常见误用
对象存储不是文件系统或关系数据库的直接替代品。不要依赖对象键完成复杂条件查询,也不要把需要频繁局部更新、低延迟随机写的数据强行设计成不断重写整个对象。
大对象上传、下载和分发还应单独考虑分片上传、断点续传、生命周期、版本、访问控制及 CDN 等能力。这些功能的名称、限制、一致性语义和计费方式因具体产品而异,应以所选对象存储服务的当前文档为准。
适合需要事务、一致性约束、关系查询和成熟索引能力的核心业务数据;当单节点容量逼近边界时,应先定位读、写、存储或热点瓶颈再扩展。
关系型数据库
当数据需要事务、唯一性或外键等一致性约束,或者查询依赖索引、连接和聚合时,优先评估关系型数据库。容量逼近边界时,不要直接把“数据库慢”等同于“必须分库分表”,先判断瓶颈究竟来自读、写、存储还是热点。
怎么判读
| 线索 | 含义 | 建议动作 |
|---|---|---|
| 事务内需要同时修改多条相关数据 | 业务要求一组操作原子提交或回滚 | 优先使用数据库事务,并控制事务范围 |
| 依赖唯一性、外键或其他约束 | 正确性需要由持久层持续校验 | 保留数据库约束,不只依赖应用代码 |
| 读负载明显高于写负载 | 主节点可能主要承受查询压力 | 先优化索引与查询,再评估缓存或只读副本 |
| 写入或热点更新成为瓶颈 | 单个节点或少量热点键承受过多写压力 | 定位热点与锁竞争,再评估数据拆分 |
| 数据量持续逼近存储边界 | 单节点数据规模开始影响维护与扩容 | 评估归档、分区或分片策略 |
快速确认
以支持事务的关系型数据库为例,可用一个最小事务验证“全部提交或全部回滚”的核心需求。以下 SQL 使用通用事务语句,具体建表语法与约束能力以目标数据库版本为准。
BEGIN;
UPDATE accounts SET balance = balance - 100 WHERE id = 1;
UPDATE accounts SET balance = balance + 100 WHERE id = 2;
COMMIT;预期结果:两条更新在同一事务成功提交;若业务要求任一步失败时整体撤销,则应用或数据库访问层应执行回滚。实际受影响行数取决于数据是否存在。
扩展前先看什么
先用慢查询、执行计划、锁等待、连接数、CPU、内存、磁盘延迟和存储增长确认瓶颈。如果主要问题是缺索引或低效查询,增加节点或分片只会把低效访问模式复制到更复杂的架构中。
读压力通常可以从查询优化、缓存和只读副本入手;写压力需要进一步区分普通写吞吐、热点行竞争和单节点容量问题。只有确认单节点边界无法通过较低复杂度方案解决后,再评估分区、垂直拆分或水平分片。
适合按稳定主键进行高吞吐读写且查询模式简单的数据模型,可减少复杂查询成本;需要多字段关联、聚合或强关系约束时通常不是首选。
键值数据库
当访问模式可以稳定表达为“给定一个键,读取或写入对应值”,并且目标是高吞吐、低复杂度的数据访问时,可以优先评估键值数据库。若业务经常需要按多个字段筛选、跨实体关联或依赖关系约束,则应先确认目标产品是否真正支持这些查询能力及其成本。
怎么判读
| 线索 | 含义 | 建议动作 |
|---|---|---|
| 请求天然携带稳定主键 | 数据可以直接通过键定位 | 适合采用键值访问模型 |
| 主要操作是按键读取、覆盖或删除 | 查询路径简单且可预测 | 优先评估 KV 数据库 |
| 需要按多个非键字段任意组合查询 | 访问模式超出基础键查找 | 检查二级索引能力,或考虑其他数据模型 |
| 经常需要跨记录关联与聚合 | 应用需要关系型查询能力 | 通常优先评估关系型或分析型存储 |
| 少数键承受远高于平均值的流量 | 存在热点键风险 | 调整键设计、缓存层级或数据拆分策略 |
快速确认
在选型前可先把核心访问路径写成最小键值操作,确认业务是否真的只依赖稳定键。下面是抽象命令,不对应某个具体厂商的 CLI,因此用于建模检查而不是直接执行。
PUT user:<ID> <VALUE>
GET user:<ID>
DELETE user:<ID>预期结果:如果主要业务请求都能先确定 user:<ID>,再完成单键读写,而无需扫描其他记录寻找目标,那么数据模型与典型 KV 访问方式较匹配;<ID> 和 <VALUE> 为实际业务值。
容量与键设计
容量估算不能只看总 QPS。还要检查读写比例、单条值大小、数据总量、增长速度以及访问是否均匀。平均吞吐足够并不代表热点键安全:单个高频键可能先触及某个分区或节点的处理上限。
键应来自稳定、可直接获得的业务标识,并兼顾目标产品的分区机制。不要为了使用 KV 模型而把复杂筛选改成全量扫描,也不要假设增加更多节点一定能消除由单个热点键造成的局部压力。
适合承接高频重复读取、昂贵计算结果或可容忍短暂陈旧的数据,以降低后端压力和访问延迟;必须同时设计失效、穿透和故障降级策略。
缓存
当读请求频繁重复、原始查询或计算成本较高,并且业务允许一定程度的数据陈旧时,可以优先考虑缓存。判读时不要只看访问量,还要同时确认命中率潜力、一致性要求以及缓存失效后的后端承载能力。
怎么判读
| 线索 | 含义 | 建议动作 |
|---|---|---|
| 热点数据被反复读取 | 相同结果存在较高复用价值 | 缓存热点对象或查询结果,并设置合理 TTL |
| 查询或计算耗时明显 | 缓存命中可绕过昂贵处理 | 缓存最终结果,并评估失效与刷新成本 |
| 数据允许短暂陈旧 | 不要求每次读取都立即看到最新写入 | 根据可接受陈旧时间确定 TTL 或主动失效策略 |
| 大量请求查询不存在的键 | 普通缓存无法形成有效命中 | 增加空值缓存、布隆过滤器等穿透防护 |
| 少量热点键同时失效 | 请求可能瞬间回源 | 使用过期时间抖动、互斥重建或提前刷新 |
关键边界
缓存不是持久化数据的默认替代品。强一致读取、每次结果都依赖实时状态,或者数据几乎不会被重复访问时,缓存带来的失效和一致性成本可能超过收益。
还要按缓存不可用来设计系统:如果所有命中请求突然回源,数据库或下游服务必须有明确的限流、熔断或降级方案,否则缓存故障可能直接放大为后端过载。

建议动作
先用实际访问分布估算潜在命中率,再确定缓存对象、键设计、TTL 和失效方式。上线前至少验证正常命中、缓存未命中、热点键失效、查询不存在数据以及缓存不可用这几种路径。
适用范围
这里的判断适用于通用系统设计中的本地缓存或分布式缓存选型。具体一致性模型、淘汰策略、TTL 精度、复制方式和故障行为取决于所选缓存产品及部署方式,应以对应产品版本文档为准。
适合异步解耦、削峰和可靠传递事件,把生产速率与消费速率分离;引入后需要处理重复消费、积压、顺序和失败重试等语义。
消息队列
当生产方不需要同步等待处理完成,或者短时间生产速率可能超过消费者处理能力时,可以考虑消息队列。选型前应先确认业务能否接受异步结果,以及重复、积压、乱序和消费失败分别怎样处理。
怎么判读
| 线索 | 含义 | 建议动作 |
|---|---|---|
| 请求只需确认任务已接收 | 后续处理无需阻塞当前请求 | 将任务或事件异步投递,由消费者继续处理 |
| 流量存在明显峰谷 | 下游不必按峰值同步扩容 | 使用队列缓冲峰值,并按可接受延迟规划消费能力 |
| 多个下游关注同一事件 | 生产方不宜逐个同步调用 | 按消息系统支持的发布订阅模型拆分消费者 |
| 消费可能重复执行 | 投递或重试可能让同一消息再次出现 | 使用业务唯一键等方式实现幂等消费 |
| 队列持续积压 | 消费速率长期低于生产速率 | 检查消费延迟、失败率和处理能力,必要时扩容或限流生产方 |
| 业务要求严格顺序 | 并发消费可能改变处理次序 | 明确顺序范围,并按所选产品的分区或顺序语义设计 |
关键边界
消息队列把同步依赖转化为异步协作,但不会自动解决业务正确性。生产成功、消息持久化、消费确认和业务写入之间都可能发生故障,因此需要明确重试、幂等、死信或人工恢复策略。
削峰也不等于消除容量需求。如果长期平均生产速率仍高于消费速率,积压只会不断增长;容量估算应同时关注生产速率、消费吞吐和允许的最大处理延迟。

建议动作
先定义消息代表的业务事实或任务,再确定投递与消费语义。容量设计至少要估算峰值生产速率、消费者单实例吞吐、可扩展消费者数量、允许积压时间和故障恢复速度,并为积压量、最老消息等待时间和消费失败建立监控。
适用范围
这里描述的是通用消息队列选型原则。是否支持事务、延迟消息、死信、严格顺序、消息保留以及具体的至少一次或其他投递语义,都依赖消息系统、配置和版本,不能把某个产品的行为视为所有消息队列的通用保证。
适合全文检索、多条件过滤和相关性排序等倒排索引场景,通常作为派生查询系统而非核心事实源;需接受索引同步延迟和额外存储成本。
搜索引擎
当需求包含全文检索、关键词匹配、多条件过滤或相关性排序时,可优先评估搜索引擎。判断重点不是“数据能否存进去”,而是查询是否依赖倒排索引,以及业务能否接受索引相对事实源存在短暂延迟。
怎么判读
| 线索 | 含义 | 建议动作 |
|---|---|---|
| 按关键词搜索长文本 | 普通数据库模糊匹配可能难以兼顾性能与相关性 | 评估倒排索引 |
| 需要相关性排序、分词或高亮 | 查询已经具有典型搜索语义 | 使用搜索引擎承担检索 |
| 需要多个字段组合过滤 | 搜索引擎可承担面向查询的派生索引 | 根据实际查询建立字段映射 |
| 写入后必须立即读到最新值 | 索引同步延迟可能违反一致性要求 | 关键读取回事实源,或设计一致性策略 |
| 数据必须作为事务事实依据 | 搜索索引不适合作为唯一事实源 | 保留数据库等权威数据源 |
快速确认
以 Elasticsearch 为例,可先检查目标索引是否能完成关键词检索。以下请求假设本机 <PORT> 上已有 Elasticsearch,并存在 products 索引及 name 字段。
curl -s "http://localhost:<PORT>/products/_search?q=name:keyboard"预期结果:HTTP 请求成功时返回 JSON 搜索结果,可从 hits.total 判断命中数量,并从 hits.hits 读取匹配文档。实际数量、文档 ID 和评分取决于索引中的数据。
选型边界
搜索引擎通常位于事实源之后:业务写入数据库等权威存储,再通过同步链路更新搜索索引,查询流量按用途进入搜索引擎或事实源。这种关系涉及事实数据、同步链路和派生索引三个对象,理解数据流向比只看组件名称更重要。

建议动作
先列出真实查询模式,再判断哪些查询需要全文检索、分词、过滤或相关性排序。若采用搜索引擎,应同时设计索引同步、重建和延迟监控,并明确哪些业务读取不能依赖尚未同步的索引。
适合把静态资源和可缓存内容分发到靠近用户的边缘节点,降低源站带宽与访问延迟;动态、强个性化或不可缓存内容收益通常有限。
CDN
当大量用户跨地域读取相同或可缓存内容时,可评估 CDN。它把内容缓存在靠近用户的边缘节点,使命中请求无需每次回源;判断时重点看缓存命中潜力、内容更新方式和是否允许共享缓存。
怎么判读
| 线索 | 含义 | 建议动作 |
|---|---|---|
| 图片、脚本、安装包等静态资源占流量较高 | 内容重复读取且易缓存 | 优先评估 CDN |
| 用户分布跨地域 | 用户到单一源站的网络距离可能较长 | 使用边缘节点降低访问路径延迟 |
| 大量用户读取相同响应 | 边缘缓存可减少重复回源 | 设计合理的缓存策略 |
| 响应高度个性化 | 不同用户难以共享缓存对象 | 谨慎缓存或绕过 CDN 缓存 |
| 内容更新后必须立即全局可见 | 旧缓存可能造成短暂不一致 | 设计版本化 URL、失效或刷新机制 |
快速确认
已接入 CDN 时,可用响应头检查一次真实资源请求。不同厂商表示缓存状态的响应头不同,因此不要假定存在统一的 HIT 字段。
curl -I "https://<HOST>/<PATH>"预期结果:返回该资源的 HTTP 响应头。读取 Cache-Control、Age、Via 等标准或常见头部,并结合 CDN 厂商定义的缓存状态头判断是否允许缓存、缓存对象存活时间以及本次请求是否命中边缘缓存;具体字段可能因厂商和配置不同而不存在。
请求路径
CDN 的关键关系是用户先访问边缘节点:缓存命中时直接响应,未命中时边缘节点回源获取内容并按策略缓存。源站因此不再承担每一次重复读取。

建议动作
先按资源类型统计请求量、响应大小、缓存命中潜力和地域分布,再决定哪些路径进入 CDN。对更新频繁的资源,应同时确定缓存有效期和失效策略;静态资源采用内容哈希或版本化 URL,通常更容易安全地设置较长缓存时间。
用于把入口流量分配到多个健康实例,并承担健康检查、连接管理等职责;选择四层或七层转发时应结合协议、路由和性能需求判断。
负载均衡器
需要判断入口流量如何分摊、故障实例如何摘除,或该选四层还是七层转发时查这里。核心是先确认协议和路由需求,再决定负载均衡层级与健康检查方式。
怎么判读
| 线索 | 含义 | 建议动作 |
|---|---|---|
| 只需按 IP、端口和连接转发 | 不需要理解 HTTP 路径、Host 等应用层信息 | 优先评估四层负载均衡 |
| 需要按 Host、路径等 HTTP 信息路由 | 转发决策依赖应用层请求内容 | 评估七层负载均衡 |
| 单实例故障会影响入口请求 | 后端缺少自动摘除机制 | 配置健康检查并验证故障实例能退出转发集合 |
| 后端实例负载明显不均 | 分配算法、长连接或实例容量可能影响流量分布 | 检查连接持续时间、算法和实例容量差异 |

选择边界
四层负载均衡主要依据传输层连接信息进行转发,适合不需要解析 HTTP 内容的场景。七层负载均衡理解 HTTP 等应用层协议,可执行基于 Host、路径等信息的路由,但功能、协议处理和资源开销也更复杂。
负载均衡器并不自动解决所有高可用问题。若自身只有单实例,或健康检查不能反映业务是否真正可用,入口仍可能成为故障点。设计时还应确认负载均衡器自身的冗余方式以及健康检查的判定条件。
快速验证
在测试环境中可连续请求负载均衡入口,观察响应来自哪些后端实例。以下示例假设测试服务会通过响应头 X-Backend 返回实例标识;这不是负载均衡器的通用标准字段,需要由测试服务自行提供。
for i in 1 2 3 4 5; do
curl -sS -D - -o /dev/null http://<HOST>:<PORT>/health | grep -i '^X-Backend:'
done预期结果:可以看到请求被分配到健康实例;具体顺序取决于负载均衡算法、连接复用和产品实现。
X-Backend: <ID>
X-Backend: <ID>
...随后停止一个测试实例并重复请求,确认该实例在健康检查判定失败后不再收到新流量。摘除所需时间取决于检查间隔、失败阈值等配置。
适用范围
“四层”和“七层”描述的是转发所依据的网络层级,不代表固定产品能力。健康检查类型、调度算法、会话保持、连接复用和故障摘除行为均可能因云厂商、代理软件及版本而异,最终配置应以目标产品文档为准。
扩展与分片判断
通过复制数据把只读查询分散到多个节点,适合读多写少且能容忍复制延迟的场景;需要读己之写或强一致读取时应明确路由策略。
读副本
需要扩展数据库读取能力,或排查“刚写入却读到旧值”时查这里。读副本可以分担只读查询,但复制延迟意味着副本上的数据可能暂时落后于写节点,因此必须先确认业务的一致性要求。
怎么判读
| 线索 | 含义 | 建议动作 |
|---|---|---|
| 读流量远高于写流量 | 查询可能成为主要数据库压力 | 评估把可容忍延迟的查询路由到读副本 |
| 写入后立即查询必须看到新值 | 存在读己之写要求 | 将相关读取路由到写节点,或采用数据库明确支持的一致性等待机制 |
| 偶尔读到旧数据 | 副本可能尚未追上最新写入 | 检查复制延迟和请求路由 |
| 副本延迟持续增长 | 副本应用变更的速度落后于写入速度 | 排查写入突增、慢查询、资源瓶颈及复制链路 |

一致性边界
读副本通常用于把读取压力从写节点移开,但“副本”本身并不保证读取最新数据。具体一致性取决于数据库复制模式、复制状态以及读取发生时副本已经应用到哪个位置。
对订单创建后立即展示、密码修改后立即校验等要求读己之写的链路,不应无条件把下一次读取随机发送到可能滞后的副本。常见设计是短时间路由到写节点、保持会话粘滞,或使用目标数据库明确提供的复制位置等待能力。
快速确认
可在测试环境对写节点写入唯一值,然后分别从写节点和读副本读取。以下 SQL 使用通用关系数据库语法表达验证思路,表结构需提前创建;复制拓扑、连接地址和延迟查询方式因数据库产品而异。
INSERT INTO replica_probe (id, value) VALUES (1001, 'new-value');
SELECT id, value FROM replica_probe WHERE id = 1001;预期结果:在执行写入的节点上,查询应返回刚写入的记录。
id value
1001 new-value随后立即通过读副本连接执行同一条 SELECT。如果记录暂时不存在或仍是旧值,而稍后再次查询出现新值,就说明该读取链路存在可观察到的复制延迟。不要把测试中的具体延迟数值直接当作生产环境保证。
建议动作
先按一致性要求分类查询,再决定路由:允许短暂陈旧的数据可优先使用读副本;要求读己之写的请求应采用明确的一致性路由或等待机制;必须强一致的关键读取,则应依据所用数据库提供的事务与一致性能力设计,而不是假定所有副本都已同步。
适用范围
“读副本”是通用架构概念,不同数据库在同步或异步复制、复制位置、故障切换、只读限制和一致性读取方面差异很大。判断延迟和选择等待机制时,应使用目标数据库及具体版本提供的状态指标和官方语义,不能把某一产品的复制字段或命令视为通用标准。