面试中遇到的设计题
1. 如何设计秒杀系统
前端：
a. 一些防刷单校验，拉长整个交易流程，起到一个削峰作用
b. 静态资源多CDN部署
c. 前端缓存，有些页面的切换，不需要调用后端接口
后端：
接口性能优化：使用缓存，异步，多线程，功能降级等手段
还有些高并发时保证系统稳定性的手段：扩容， 升配，限流，降级
还有是想做系统隔离/数据隔离的方案 这种成本很高。
2. 红包系统怎么设计
1. 模型设计
红包池表，红包账户表，红包池表
2. 怎么支持高并发?
高并发需要考虑这个并发是有多高？拿redis可支撑的写入速度作为分界线，8万/秒。
如果并发低于这个值？这个场景较好处理，使用redis作为主要的存储介质，需要使用lua脚本完成红包金额生成，红包扣减等动作。
如果高于这个值？可以考虑下吗几种方案？
一是. 使用消息队列，异步的方式，处理抢红包的请求，起到一个削峰的作用。配合的玩法，用户抢到红包后，需要一定的时间后才能打开红包。
二是. 将一个大红包均分成多个副本，每个副本分布在不同的redis节点上。再有一个前置的负载均衡器，可以将请求均匀的打在不同的节点上。解决单点瓶颈。
最后，为了保证系统的稳定，一定要做限流。预期外的流量，不要接受。
3. 怎么做一个唯一id的生成器
雪花算法
41位的时间戳 + 10位机器码 + 12位序列号
时间戳是毫秒级；机器码由用户指定可能有重复的风险；12位序列号的范围是0～4096；
4. 分布式限流怎么做
使用令牌桶。原理：算法以固定的速度向桶中存放令牌；桶有一定的容量，如果桶满了，则将新生成的令牌丢弃；有请求过来会消耗令牌。
主要有4种算法：
固定窗口：边界值，无法精确限流，不可控。
滑动窗口：更为精确，但是没办法处理短时的高峰流量。
漏桶：处理请求的速度是恒定的，没有办法快速处理短暂的高峰流量
令牌：可以处理短暂的高峰流量，并且后面可以做到匀速的处理请求
如何选择QPS限流算法和令牌桶算法_金融分布式架构-阿里云帮助中心
5. 100万考生，高考排名怎么做？
思路1：计数排序
假设最高分是700
700，699，698.。。500。。。。4，3，2，1，0
每个分数一个bucket，然后存储分数对应的学生数量
6. 10亿数组去重排序
思路1：如知数组中的范围，可以按数值范围分成多个组，比如1-10000，10001-20000等。遍历原数组将每个数投递到对应范围的数组中。当然最极致的做法就是每个组一个元素，这样不需要排序就是有序的了。
如果不知道范围：
借助hash算法思想，把一个大文件哈希分割到多个小文件中，而哈希冲突的数字
一定会在同一个小文件中，从而保证了子问题的独立性，小文件可以使用set结构去重，然后就可以单独对小文件通过快速排序来排序。最后再通过多指针的方式进行全局范围的排序
7. 游戏top实时排行榜
思路1：小顶堆
8. 设计微信摇一摇功能（设计微信附近的人功能）
假设自己的位置的经纬度是j,w, i 表示范围。那么附近的人的原理就是检索范围在j-i<经度<j+i, w - i<维度< w + i;
使用数据库来做也是可以的。但是如果直接这么做的话，当用户数上亿后，检索效率会很差。
幸运的是redis中的geo结构，可以解决这个问题。
redis中的geo接口，直接提供附近x公里内，最近的n个人，并支持排序和显示实际距离。
geo，底层实现，使用二刀法，将整个地球切成无数的小块。每个小块都有固定的编码，每个编码都有负责的经纬度范围。当向geo结构中加用户时，会根据用户的经纬度确定用户在的区域块，在同一个块上的用户就会有一样的编码。所以，后面搜索附近的人的时候，就可以减少搜索的范围，在自己的小块或者周围的小块进行搜索。