对于一个给定的问题，你怎么判断哪个设计是最优的呢？举个例子，比如现在给你问题，需要生成一个包含30张缩略图的搜索结果页面，你会怎么做？按顺序一个一个读取图片？或者是并行读取？你会使用缓存吗？你会怎么决定？
如果你可以利用“power of the multiverse”，你可以尝试每种设计，最终确认哪个设计是最优的。但是这是不可能的，对吧？
另外一个选择是你可以考虑各种算法替代的顺序（order of various algorithm）。作为Computational Thinking黄金时代的先驱者，Google绝对会这么做，但是还可能会怎么做呢？
使用 Back-Of-The-Envelope 方法评估不同的设计
作为Google基础建设学院院长（该学院在Google的很多关键系统起到了重要的作用，包含：广告系统、Big Table、搜索、MapReduce、ProtocolBuffers），Jeff Dean 倡导使用 back-of-the-envelope 方法来评估不同的设计。他在 Stanford video presentation 该演讲里面讲述了他的完整的想法。
Back-of-the-envelope 估算法是使用思想实验和常见的性能数字组合而成的估算法，以便更好地估算哪些设计可以满足你的需求。Dr. Dean 认为有一个重要的技能是每个软件工程师都必须掌握的，那就是用 Back-of-the-envelope 估算法评估每个替代系统的性能，而不是构建好系统再去测试性能。
他在视频中给出了一个非常好的例子，但是首先……
你得知道这些数字
要评估备选设计方案，首先你得对这些典型的操作的耗时有个基本了解。Dr. Dean 给出了下面的列表：
L1 cache 的引用耗时 0.5ns
分支的错误预判的耗时是 5ns
L2 cache 的引用耗时 0.7ns
互斥的锁与解锁耗时 100ns
Main cache 的引用耗时 100ns
使用Zippy压缩 1K bytes 数据耗时 10000ns
使用1G 带宽的网络发送 2K bytes 数据耗时 20000ns
从 memory 串行读取1MB 的数据耗时 250000ns
从同一个数据中心往返耗时 500000ns
磁盘寻道耗时 10,000,000ns
串行从网络读取 1MB 数据耗时 10,000,000ns
串行从磁盘读取 1MB 数据耗时 30,000,000ns
从 CA到 Netherlands 再到CA，传输网络包 耗时 150,000,000ns
以下是需要注意的事项：
注意不同选项的性能表现的量级差异
各个数据中心都是相隔比较远的，因此传输数据耗时很久
相对来说，内存读取很快，磁盘比较慢
通过使用廉价的压缩算法，可以节省很多的网络带宽（2倍）。
写数据的代价是读数据的40倍
全局共享数据的代价是昂贵的。这是分布式系统的基础决定的。大量共享对象的写入操作带来的锁竞争会导致性能下降，transaction变得序列化而且缓慢。
支持动态扩展写操作的架构
对较低的写操作的竞争的优化
大范围的优化。尽量让写操作并行处理。
例子：生成一个包含30张缩略图的搜索结果页面
这个是视频里面提及的例子。两种设计方案被用在了设计思想实验。
第一种设计：串行
串行读取图片。磁盘寻道。读取一张256K的图片接着再去读取下一张。
性能：30 次寻道 * 10ms/seek + 30 * 256K / 30MB/s = 560ms
第二种设计：并行
并行读的问题
性能：10 ms/seek + 256K read / 30MB/s = 18ms
磁盘寻道的速度都不一样，所以合理估算为 30 - 60 ms
哪一种设计更好？取决于你的需求，但是使用 back-of-the-envelope 估算法你可以很快的这两种方案而不是真的去构建系统。
现在，你有了一个框架，你可以问你自己其他的设计问题，并且比较不同的设计变化：
有必要做缩略图的缓存吗？
应该在一个entry里缓存好一整套的图片吗？
有必要对缩略图进行预计算吗？
你必须了解你的设备的性能，才能让你的估算更贴近现实。如果过程有一个未知的变量，那么你可以快速的原型化那个变量以解决该问题。比如，你要知道缓存是否是一个好的设计，你必须了解你的缓存写入耗时是多久。
学习总结
通过 back-of-the-envelope 估算法你可以大致了解不同设计的变化
当设计你的系统的时候，你应该在大脑里不断地进行这些计算。
对于你的系统的模块，必须了解上文提及的 back-of-the-envelope 估算法必备的一些基本数字。了解基本的性能指标数字还不够，你还必须了解你的子系统的表现。不了解系统的运转，就不可能做好 back-of-the-envelope 估算。
监控并且测量你的系统的每个部分，这样你才能从实际数据中进行不同类型的projections。
我个人非常喜欢这种方法。这种方法在 end-to-end nature 系统中更加接地气（ It seems much more grounded in the end-to-end nature of a system than is common.）。The practice today is to focus on the trickeration of various algorithms, which are really a researchable and pluggable part of this larger, more holistic analysis.
