引用：
系统设计入门
通过分类特性设计 Amazon 的销售排名
第一步：通过讨论，明确限制及用例，确定Scope
支持的用例：
- 系统计算最近一周来，每个分类里最热门的商品
- 用户可以看到最近一周来，每个分类里最热门的商品
- 系统高可用 high availability
不支持的用例：
- 不涉及整个电商系统的其他部分
Constraints and assumptions：
- 访问不均匀
- 商品可能属于多个分类
- 没有子分类
- 结果要每小时计算更新一次
- 10 million 个商品
- 1000 个分类
- 每月 1 billion 笔交易，每秒400笔
计算规模：
每笔交易：
- created_at：5 bytes
- product_id：8 bytes
- category_id：4 bytes
- seller_id：8 bytes
- buyer_id：8 bytes
- quantity：4 bytes
- total_price：5 bytes
- 总共： ~40 bytes
每月：40 bytes * 1 billion = 40G
第二步：高层次设计
通过分类特性设计 Amazon 的销售排名
第三步：设计核心组件
加入交易信息遵从一下的格式，存储在 Object Store 中
timestamp product_id category_id qty total_price seller_id buyer_id
t1 product1 category1 2 20.00 1 1
t2 product1 category2 2 20.00 2 2
t2 product1 category2 1 10.00 2 3
t3 product2 category1 3 7.00 3 4
t4 product3 category2 7 2.00 4 5
t5 product4 category1 1 5.00 5 6
...
Service Rank Service 的主要工作：
- 从 Object Store 中读取交易信息，通过 MapReduce 计算每个分类中每个商品的销量，并根据销量进行排序。
- 将结果存储到数据表
sales_rank中
id int NOT NULL AUTO_INCREMENT
category_id int NOT NULL
total_sold int NOT NULL
product_id int NOT NULL
PRIMARY KEY(id)
FOREIGN KEY(category_id) REFERENCES Categories(id)
FOREIGN KEY(product_id) REFERENCES Products(id)
提供一个REST 形式的 Read API 供用户查看：
- 查询数据表
sales_rank并返回。
第四步：扩展设计
通过分类特性设计 Amazon 的销售排名
- 为了服务不同区域的用户，加快访问的速度，使用CDN加速，并缓存商品内容。
- 为了同时响应更多请求，对服务器水平扩展，并使用Load Balancer做负载均衡。
- 存储分析结果的数据 SQL Analytics 可以使用数据仓库，例如Amazon Redshift 或者 Google BigQuery.
- BigQuery 是 Google 推出的可扩展性强、成本低廉的无服务器企业数据仓库，可让您的所有数据分析人员更加高效地工作。不到一分钟便可设置好您的数据仓库并立即开始查询您的数据。Google BigQuery 可对 GB 级到 PB 级的数据执行极快速的 SQL 查询，并可轻松地将公共数据集或商业数据集与您的数据融合在一起。
- 为了加快读取效率，使用Memory Cache。
- 由于是读多写少，可以采用主从复制的数据库模式。主库同时负责读取和写入操作，并复制写入到一个或多个从库中，从库只负责读操作。
