快手每天产生海量短视频（TB级数据），请设计一个分布式视频存储与检索系统，满足快速检索（如按关键词、标签、时间）和低延迟访问需求。

1) 【一句话结论】
针对快手TB级短视频的存储与检索需求，设计分层分布式系统，通过对象存储（冷热分离）+ 块存储（低延迟写）+ 分布式索引（倒排+时间）+ 多级缓存（CDN+本地），实现快速检索（关键词、标签、时间）与低延迟访问（延迟<100ms）。

2) 【原理/概念讲解】
老师解释关键概念：

• 分布式存储：对象存储（如S3）适合大文件（视频），高并发读，冷数据（历史视频）；块存储（如Ceph）适合随机写，低延迟，热数据（近期热门）。类比：对象存储像云硬盘，块存储像本地SSD，热数据频繁读写用块存储，冷数据用对象存储节省成本。
• 分布式索引：倒排索引（关键词/标签→视频ID列表，快速查关键词/标签）；时间索引（按时间范围组织视频，快速查时间范围）。比如查“春节”标签的视频，倒排索引直接返回视频ID，时间索引按日期筛选，两者结合快速定位。
• 缓存层：CDN（就近节点缓存视频，降低用户访问延迟）；本地缓存（应用服务器缓存热门视频，减少后端压力）。比如用户访问热门视频，CDN直接返回，无需到后端。
• 负载均衡：分发用户请求到不同节点，确保高可用，避免单点故障。

3) 【对比与适用场景】

• 存储方案：

  类型	定义	特性	使用场景	注意点
  对象存储（冷）	存储大文件，高并发读	适合冷数据，成本较低	历史视频、低频访问视频	写操作延迟较高
  块存储（热）	低延迟随机写，高吞吐	适合热数据，频繁读写	近期热门视频、视频编辑	成本较高，写密集场景

• 索引方案：

  类型	定义	特性	使用场景	注意点
  倒排索引	关键词/标签→视频ID列表	快速关键词检索	关键词/标签搜索	需定期增量更新
  时间索引	按时间范围组织视频	快速时间范围检索	时间范围查询	按时间粒度划分（如日/月/年）

• 缓存方案：

  类型	定义	特性	使用场景	注意点
  CDN	内容分发网络，就近节点缓存	降低用户访问延迟	用户访问热门视频	需动态更新缓存内容
  本地缓存	应用服务器缓存热门内容	减少后端压力	高频访问视频	需定期清理过期数据

4) 【示例】
用户查询“2023年春节#家庭”标签的视频，流程：

• 请求：GET /videos?keyword=春节&tag=家庭&time=2023-01-01%20%3E%3D&time=2023-02-28%20%3C%3D
• 流程：
  1. 负载均衡器分发请求到CDN节点（就近访问）；
  2. CDN检查本地缓存，无则转发到应用服务器；
  3. 应用服务器查询倒排索引（#家庭标签）+时间索引（2023年春节），获取视频ID列表；
  4. 从块存储（热数据，近期热门）或对象存储（冷数据，历史视频）获取视频，返回给用户。

5) 【面试口播版答案】
“面试官您好，针对快手TB级短视频的存储与检索需求，我的核心设计思路是构建分层分布式系统，通过对象存储（冷热分离）、块存储（低延迟写）、分布式索引（倒排+时间）和多级缓存（CDN+本地），实现快速检索与低延迟访问。具体来说：底层存储采用对象存储（如S3）存储TB级视频，冷数据（7天内访问量<100次）迁移至对象存储，热数据（近期热门）用块存储（如Ceph）低延迟读写；中间层是分布式索引，倒排索引处理关键词/标签检索，时间索引处理时间范围查询，两者结合快速定位；缓存层用CDN就近节点缓存视频，本地缓存应用服务器缓存热门视频，降低用户访问延迟；通过负载均衡确保高可用。这样设计既能处理TB级数据，又能实现关键词、标签、时间的快速检索（延迟<100ms），满足低延迟需求。”

6) 【追问清单】

• 如何保证数据一致性？（回答要点）：通过对象存储的版本控制（如S3的版本号）和块存储的Paxos协议，写操作先写入块存储，再更新对象存储的版本号，确保数据一致性。
• 冷热数据分离的具体策略？（回答要点）：根据视频访问频率（如7天内访问量<100次为冷数据），热数据存块存储（低延迟），冷数据存对象存储（高并发读），定期（如每周）迁移冷数据。
• 索引更新延迟如何控制？（回答要点）：采用增量更新（每分钟更新一次倒排索引），结合应用服务器缓存索引结果，缓存失效时再查实时索引，确保检索延迟低。
• 系统扩展性如何？（回答要点）：对象存储和块存储支持水平扩展（增加节点），索引层用分布式数据库（如Elasticsearch）分片扩展，缓存层用CDN节点扩展，整体可随数据量增长而扩展。

7) 【常见坑/雷区】

• 忽略数据一致性机制，导致写操作后数据不一致，影响系统可靠性；
• 冷热分离策略不具体，如未给出访问频率阈值，导致冷热数据混合，性能下降；
• 索引结构单一，未区分关键词检索和时间检索，导致检索效率低；
• 未考虑延迟优化（如CDN、缓存），导致用户访问延迟高；
• 未平衡成本与性能，如过度使用块存储导致成本过高。