面试题 | 设计文件托管服务dropbox/google drive

题目

Use Cases

• 用户上传/下载文件

• 用户分享文件/文件夹给其他人

• 用户浏览自己账户下的文件

• 同一用户多个终端之间文件同步，一个设备修改文件，其他设备都同步

• 离线编辑功能

• 快照功能，回到文件的任意历史版本

约束

• 500M用户， DAU 1M
• 单个用户存储总量默认10GB，扩展可达到TB，根据付费扩容
• R/W = 100， 每天，每个用户写入（上传）文件（平均100MB）一个，1M，qps = 11
• 文件存储总量 500M * 10GB = 5000 PB ；文件总数量 50G
• 元数据存储总量 500M * 10GB/100MB * 2KB = 100 PB

High Level Design

• 本题关键在于 1）如何保证多客户端的一致性 2）如何优化大文件的传输效率，尤其是当只修改文件的一部分

• 分布式存储系统S3 + metadata service + synchronize service + upload service + download service + 消息队列服务 + client + api service

• sync服务的定位是保证多个device的一致性；主动通知all clients

DB 设计

• 读多写少，读写都耗时，qps不高，数据库load不会很高
• 记录数量多，单条记录小
• 数据库关系不强，考虑到扩展性，使用NOSQL

DB schema

file_info:table

• PK: file_id:int
• name:varchar(20)
• file_path:varchar(256)
• file_size:int
• user_id:int
• private:int
• version_id:int
• created_at:datetime
• update_at:datetime

file_version_info:table

• PK: user_id, file_name, version_id
• user_id:int
• file_name:varchar(20)
• version_id:int
• file_id:int
• created_at:datetime

user:table

• PK:user_id:int
• name:varchar(20)
• email:varchar(20)