设计一个支持百万级用户并发注册和登录的用户系统，请从架构设计、数据存储、缓存策略、高可用方案等方面进行阐述。
答案
1) 【一句话结论】采用微服务拆分（用户服务、认证服务）+ 分布式ID生成（Snowflake）+ 缓存分层（Redis读写缓存+本地缓存）+ 数据库读写分离+ 多机房主从复制，确保百万级并发下的性能与高可用。
2) 【原理/概念讲解】
首先讲微服务拆分：把用户注册登录拆成独立的“用户服务”（处理业务逻辑，如校验用户名、生成用户信息）和“认证服务”（处理鉴权逻辑，如生成Token、验证密码），通过API网关统一入口，降低服务耦合，提升扩展性。
接着讲分布式ID生成：使用Snowflake算法（由Twitter开源），通过时间戳、机器ID、序列号组合生成ID，保证全局唯一且有序，避免高并发下ID冲突（类比：像给每个用户发一张“唯一序号票”，无论多少用户同时操作，都能按时间顺序分配不重复的票）。
然后讲缓存策略：Redis作为读写缓存，存储高频访问数据（如用户信息、Token），减少数据库压力；本地缓存（如Java的ConcurrentHashMap）处理更频繁的访问（如用户登录后的Token验证），提升响应速度。
再讲数据库设计：采用“读写分离+分库分表”模式，主库负责写操作（如注册时写入用户数据），从库负责读操作（如登录时查询用户信息），按用户ID哈希分库（如id%1000=0到999对应不同库），按时间分表（如按月分表），应对数据量增长。
最后讲高可用方案：Redis用“哨兵模式”实现主从切换（主节点故障时自动切换到从节点）；数据库采用“多机房主从复制”（如北京、上海机房，通过VPC连接，实现跨机房容灾），确保单点故障不影响业务。
3) 【对比与适用场景】
| 方案 | 定义 | 特性 | 使用场景 | 注意点 |
|---|---|---|---|---|
| 分布式ID生成（Snowflake） | 基于时间、机器ID、序列号的ID生成算法 | 全局唯一、有序、低延迟 | 用户注册、订单生成等需要全局唯一ID的场景 | 需要协调中心或分布式方案，避免单点故障 |
| 缓存策略（Redis读写缓存） | 使用Redis存储高频访问数据，如用户信息、Token | 高速读写、支持数据过期、分布式 | 减少数据库压力，提升并发性能 | 需要设置合理的过期时间，避免缓存穿透/雪崩 |
4) 【示例】
用户发起注册请求（POST /api/user/register）：
- API网关路由到“用户服务”；
- 用户服务调用Snowflake生成ID（如ID=1234567890123456789012345）；
- 向数据库主库写入用户信息（INSERT INTO users(id, username, password) VALUES(1234567890123456789012345, 'testuser', 'hashedpwd')）；
- 同时将用户信息写入Redis（SET user:1234567890123456789012345 3600 s {id:1234567890123456789012345, username:'testuser'}）；
- 返回成功响应（{"code":0, "msg":"注册成功"}）。
登录流程类似：验证密码后生成Token（存储在Redis的token:testuser键中），返回Token给客户端。
5) 【面试口播版答案】
面试官好，针对百万级用户并发注册登录系统，我的设计思路是围绕架构拆分、分布式ID、缓存分层、数据库优化、高可用这几个核心点展开。首先，架构上采用微服务拆分，把用户注册登录拆成独立的用户服务和认证服务，通过API网关统一入口，降低服务耦合。然后，分布式ID生成用Snowflake算法，保证全局唯一且低延迟，避免ID冲突。缓存策略上，Redis作为读写缓存，存储用户信息、Token等高频数据，减少数据库压力；同时结合本地缓存处理高频访问。数据库层面，采用读写分离+分库分表，主库负责写，从库负责读，按用户ID哈希分库，按时间分表，应对数据量增长。高可用方面，Redis用哨兵模式实现主从切换，数据库采用多机房主从复制，确保跨机房容灾。这样整体方案能支撑百万级并发，同时保证性能和稳定性。
6) 【追问清单】
- 问题1：分布式ID生成器如果出现故障，如何保证ID不冲突？
回答要点：采用多节点部署，节点间通过协调中心同步状态，避免单点故障。 - 问题2：缓存击穿/雪崩如何处理？
回答要点：缓存设置过期时间（如TTL），并采用互斥锁或分布式锁防止热点key同时过期；Redis集群分片，避免单点雪崩。 - 问题3：数据库分库分表的具体方案？
回答要点：按用户ID哈希分库（如id%1000=0到999对应不同库），按时间分表（如按月分表），结合读写分离提升性能。 - 问题4：高可用方案中，如何处理跨机房延迟？
回答要点：通过VPC连接多机房，设置合理的延迟阈值，避免跨机房请求影响性能。 - 问题5：注册时如果用户名已存在，如何快速响应？
回答要点：在Redis中缓存用户名-用户ID映射，先查询Redis，若存在则快速返回错误，减少数据库查询。
7) 【常见坑/雷区】
- 坑1：未考虑分布式ID冲突，直接用UUID，导致ID重复。
- 坑2：缓存未设置过期时间，导致数据不一致。
- 坑3：数据库未做读写分离，所有请求都打到主库，导致性能瓶颈。
- 坑4：高可用方案只考虑单机房，未考虑多机房容灾。
- 坑5：缓存与数据库数据不一致，未处理缓存穿透/雪崩。