设计 Youtube（第一部分）

原文：How to Design Youtube (Part I)

译者：飞龙

协议：CC BY-NC-SA 4.0

自豪地采用谷歌翻译

系统设计面试问题最常见的类型之一，是设计一个现有的流行系统。例如，过去我们已经讨论过如何设计 Twitter，设计 Facebook 聊天功能等等。

部分原因是这个问题通常足够普遍，所以有很多领域需要讨论。另外，如果候选人一般有好奇心，他们更有可能去探索现有产品的设计。

所以这个星期，我们将讨论如何设计 Youtube。这是一个广泛的问题，因为构建 Youtube 就像是从头构建一座摩天大楼，有太多东西需要考虑。因此，我们将从面试官的角度，涵盖大部分“主要”组件，包括数据库模型，视频/图像存储，可扩展性，推荐性，安全性等。

概述

面对这个问题，大多数人的脑子都是空的，因为这个问题太广泛了，他们不知道从哪里开始。仅仅是存储本身并不重要，因为无缝地向数亿用户提供视频/图像是非常复杂的。

《系统设计面试之前需要知道的八件事》中建议，最好先从设计的概要描述入手，然后再深入探讨所有细节。对于这样的问题，尤其如此，有无数的事情要考虑，你永远无法澄清一切。

基本上，我们可以将系统简化为几个主要组件，如下所示：

存储。你如何设计数据库纲要？使用什么数据库？视频和图像可以是一个子话题，因为它们的存储非常特殊。
可扩展性。当你有了数百万甚至数十亿用户时，你如何扩展存储和整个系统？这可能是一个非常复杂的问题，但我们至少可以讨论一些概要思想。
网络服务器。最常见的结构是前端（移动和网页）与 Web 服务器通信，Web 服务器处理用户认证，会话，获取和更新用户数据等逻辑。然后服务器连接到多个后端，如视频存储，推荐服务器等等。
缓存是另一个重要组件。我们之前已经详细讨论过缓存，但是这里还是有一些区别。我们需要多层缓存，像 Web 服务器，视频服务器等。
还有推荐系统，安全系统等其他重要组件。正如你所看到的，每个功能都可以作为一个独立的面试问题。

如果你正在使用像 MySQL 这样的关系数据库，那么设计数据模型可能很简单。实际上，Youtube 从一开始就使用 MySQL 作为主数据库，并且工作得很好。

首先，我们需要定义用户模型，它可以存储在一个表中，包括电子邮件，名称，注册数据，配置文件信息等等。另一种常见的方法是将用户数据保存在两个表中 - 一个用于与电子邮件，密码，姓名，注册日期等身份验证相关的信息，另一个用于附加的个人信息，如地址，年龄等。

第二个主要模型是视频。一个视频包含了大量的信息，包括元数据（标题，描述，大小等），视频文件，评论，查看次数，计数等等。显然，基本的视频信息应该保存在不同的表格中，这样我们才能有视频表。

作者与视频的关系将是另一张表，将用户 ID 映射到视频 ID。用户与视频的喜欢关系也可以是一个单独的表格。这里的想法是数据库规范化 - 组织列和表来减少数据冗余并提高数据完整性。

建议将大型静态文件（如视频和图像）分开存储，因为这样性能更好，并且更容易组织和扩展。 Youtube 有更多的图像而不是视频，这是非常不直观的。想象一下，每个视频在不同屏幕上都有不同大小的缩略图，其结果是比视频多出四倍的图片。所以我们不应该忽视图像存储。

最常用的方法之一是使用 CDN（内容交付网络）。简而言之，CDN 是在多个数据中心部署的全球分布式代理服务器网络。 CDN 的目标是向最终用户提供高可用性和高性能的内容。这是一种第三方网络，许多公司正在 CDN 上存储静态文件。

使用 CDN 的最大好处是，CDN 可以在多个地方复制内容，因此内容离用户更近，跳数更少，内容将通过更友好的网络运行。另外，CDN 负责处理可扩展性等问题，你只需要为服务付费。

如果你认为 CDN 是最终的解决方案，那么你是完全错误的。考虑到今天 YouTube 的视频数量（819,417,600 小时的视频），将它们全部放在 CDN 上将是非常昂贵的，特别是大多数视频是长尾的，这些视频每天只有 1-20 次观看。

然而，互联网最有趣的事情之一通常是那些吸引了大多数用户的长尾内容。原因很简单 - 那些流行的内容随处可见，只有长尾的东西才能使产品变得特别。

回到存储问题。一个简单的方法是，在 CDN 中托管流行的视频，而不太流行的视频则按照位置存储在我们自己的服务器中。这有两个好处：

对于“如何设计 Youtube”这个问题，我们想讨论的话题太多了。在下一篇文章中，我们将更多讨论可伸缩性，缓存，服务器，安全性等等。

顺便提一下，如果你想得到资深的面试官的更多指导，可以查看 Gainlo，以便与 Google，Facebook 等公司的工程师进行模拟面试。