设计一个支持百万级用户并发的用户认证系统，要求响应时间低（<100ms），且具备高可用性和可扩展性。请描述系统架构，包括负载均衡、缓存、数据库等组件的选择及设计思路。
微软Software Engineer Intern难度：中等
答案
1) 【一句话结论】：为支持百万级并发且响应时间<100ms的认证系统，核心采用无状态分布式架构，通过负载均衡分发请求、多级缓存（本地+Redis）减少数据库压力、数据库读写分离提升读性能，确保高可用与可扩展。
2) 【原理/概念讲解】：
老师解释关键概念：
- 无状态服务设计：服务不存储用户会话状态，每次请求都从最新数据源（缓存或数据库）获取信息。类比：快递员每次取件都看最新的地址单，不需要记住之前送过的地址，这样即使增加更多快递员（服务实例），也能独立处理请求，便于水平扩展。
- 缓存分层策略：分为本地缓存（如进程内LRU缓存）和分布式缓存（如Redis）。本地缓存用于高频访问的用户信息（如用户ID到用户名的映射），访问速度极快（纳秒级）；分布式缓存用于存储用户Token、Session等，支持多实例共享，减少数据库查询压力。缓存失效机制（如TTL）确保数据一致性。
- 数据库读写分离：主库负责写操作（如用户登录记录、Token生成），从库负责读操作（如用户信息查询）。主从同步通过异步复制，提高读性能，避免主库因读压力过大导致响应延迟。同时，从库数量可扩展，支持高并发读请求。
3) 【对比与适用场景】：
| 组件 | 定义 | 特性 | 使用场景 | 注意点 |
|---|---|---|---|---|
| 负载均衡器（如Nginx） | 分发请求到后端服务实例的组件 | 轻量，支持健康检查、会话保持、多协议 | 高并发请求分发，保证服务可用性 | 需配置健康检查，避免故障实例接收请求；会话保持需结合无状态设计 |
| Redis（分布式缓存） | 内存数据库，支持高速读写 | 低延迟，支持数据持久化，集群扩展 | 存储用户Token、Session、热点用户信息 | 需考虑数据一致性与过期策略，避免缓存雪崩 |
| MySQL（读写分离） | 关系型数据库，支持事务 | 事务一致性，主从同步 | 存储用户基本信息、认证记录等持久化数据 | 需控制主从同步延迟，避免数据不一致；从库数量需足够 |
4) 【示例】（用户登录流程）：
- 请求：客户端发送登录请求（用户名/密码）。
- 负载均衡：Nginx将请求分发到认证服务实例（如实例1）。
- 本地缓存检查：实例1先查进程内缓存（如
user_cache），若存在用户信息（如用户名->用户ID映射），直接返回Token。 - 分布式缓存检查：若本地缓存未命中，查询Redis（如
user:token:{username}），若存在Token，验证Token有效性（如签名校验），返回用户信息。 - 数据库查询：若Redis未命中，查询数据库（从库，如
SELECT * FROM users WHERE username = ?），获取用户信息并生成Token（如JWT），将Token缓存到Redis（TTL=30分钟），返回Token给客户端。 - 后续请求：客户端携带Token，服务验证Token（先查Redis，再查数据库），若有效则返回用户信息，否则返回错误。
5) 【面试口播版答案】：
“面试官您好，针对百万级并发用户认证系统，核心设计思路是无状态分布式架构，结合负载均衡、多级缓存、数据库读写分离。首先，负载均衡用Nginx分发请求到多个认证服务实例，保证高可用。服务本身是无状态的，这样每个实例可以独立处理请求，便于水平扩展。缓存方面，进程内缓存（LRU）用于高频访问的用户信息，Redis作为分布式缓存存储用户Token和Session，减少数据库压力。数据库采用MySQL读写分离，主库处理认证记录写入，从库处理用户信息读取，提高读性能。认证流程中，用户登录后，服务生成Token并缓存到Redis（TTL设为30分钟），客户端后续请求携带Token，服务验证Token（先查Redis，再查数据库），确保响应时间低于100ms。这样设计能支持百万级并发，响应快，且高可用和可扩展。”
6) 【追问清单】：
- 问题1：如何处理Token过期或失效？
回答要点：通过Redis的TTL自动过期，或客户端主动刷新Token（服务端验证后重新生成并缓存）。 - 问题2：数据库分片或主从同步延迟如何解决？
回答要点：主从同步采用异步复制，设置合理延迟阈值；从库数量足够，减少读延迟影响。 - 问题3：如何保证缓存一致性和数据一致性？
回答要点：缓存预热（初始化时加载常用数据），结合数据库事务和缓存失效机制（如写时失效，读时未命中则从数据库加载并更新缓存）。 - 问题4：服务如何实现无状态？
回答要点：不存储用户会话状态，所有用户数据从缓存或数据库获取，每个实例独立处理请求，不依赖其他实例状态。 - 问题5：高并发下如何处理缓存击穿或雪崩？
回答要点：缓存击穿用互斥锁或分布式锁，缓存雪崩用随机过期时间或热点数据预加载。
7) 【常见坑/雷区】：
- 忽略无状态设计：导致水平扩展困难，实例间状态不一致。
- 缓存策略不当：仅依赖数据库，导致响应延迟；或缓存未分层，影响性能。
- 数据库未做读写分离：读压力过大，主库性能瓶颈。
- 负载均衡配置不当：健康检查不完善，故障实例影响整体可用性。
- Token验证时只查缓存：未考虑缓存失效导致的安全问题（如缓存穿透）。