架构与系统设计 / 系统课时
怎样把需求转成设计目标
怎样把需求转成设计目标
系统设计面试中,需求澄清只是开始。下一步需要把业务描述转换为可以验证的技术目标,例如吞吐量、延迟、可用性和一致性要求,从而指导架构选择。
学习目标
- 学会将业务需求转换为技术指标
- 理解吞吐、延迟、可用性和一致性的设计意义
- 能根据目标选择合理的架构方向
从业务语言转换为技术指标
业务需求通常比较抽象,例如“系统要支持大量用户”“页面要快速打开”“订单不能出错”。这些描述无法直接指导技术设计,需要转换成可衡量目标。
转换过程可以理解为:
业务场景 → 用户行为 → 系统压力 → 技术指标
例如“用户可以快速查看商品列表”,需要进一步明确:
- 用户访问量是多少?
- 每秒有多少查询请求?
- 页面允许等待多久?
- 数据是否必须实时更新?
最终可以形成类似“支持峰值每秒 5000 次查询,请求平均延迟低于 200 毫秒”的设计目标。
用吞吐量描述处理能力
吞吐量表示系统单位时间内处理请求或任务的能力,常用 QPS(每秒请求数)或 TPS(每秒事务数)表示。
简单估算时,可以根据用户规模推导压力:
假设一个应用有 100 万日活用户,每个用户每天产生 20 次请求:
平均请求量约为每秒数百次,但真实设计还需要考虑高峰流量,因此通常需要预留数倍容量。
吞吐目标会影响是否需要负载均衡、缓存、分库分表或异步处理。
用延迟描述用户体验
延迟表示请求从发出到收到结果所需要的时间。不同业务对延迟要求不同。
例如:
- 搜索推荐通常关注快速响应。
- 支付确认更关注正确处理。
- 报表生成可以接受较长等待。
设计时需要明确关注平均延迟还是尾延迟。大型系统中,少量慢请求也可能严重影响用户体验,因此通常需要关注 P95、P99 等指标。
用可用性描述故障容忍能力
可用性表示系统能够正常提供服务的比例。
常见表达方式是 SLA,例如一年内允许多少时间不可用。目标越高,系统需要投入更多故障处理机制。
例如提升可用性可能需要:
- 多实例部署避免单点故障。
- 自动故障转移。
- 数据备份和恢复机制。
- 限流保护。
但不是所有系统都需要极高可用性。设计目标应该匹配业务价值,而不是盲目增加复杂度。
用一致性描述数据正确性
一致性描述多个用户或服务看到的数据是否符合预期。
例如银行余额修改通常要求强一致,因为错误数据会造成资金问题;而社交网站点赞数量可能允许短时间延迟,因为最终一致通常可以接受。
需求转换时需要明确:
- 哪些数据必须立即正确?
- 哪些数据允许异步更新?
- 出现冲突时如何处理?
这些问题会影响事务设计、消息队列和数据同步方案。
用目标驱动架构选择
当设计目标明确后,技术方案应该围绕目标展开,而不是提前堆叠组件。
例如:
| 设计目标 | 常见技术方向 |
|---|---|
| 提升读取速度 | 缓存、读副本 |
| 提高处理能力 | 水平扩展、异步任务 |
| 降低故障影响 | 服务隔离、限流 |
| 保证数据可靠 | 事务、日志、备份 |
面试中表达方案时,可以按照“目标 → 问题 → 技术选择”的顺序说明,而不是直接说“这里使用 Redis 和 Kafka”。
一个成熟的系统设计回答,应该先说明为什么需要某种能力,再介绍实现方式。这样即使业务规模或约束变化,也能体现设计思考过程。