问题：
从300万字符串中找到最热门的10条搜索的输入信息是一个字符串，统计300万输入信息中的最热门的前10条，我们每次输入的一个字符串为不超过255byte，内存使用只有1G。请描述思想，写出算法（c语言），空间和时间复杂度。
答案：
300万个字符串最多（假设没有重复，都是最大长度）占用内存3M*1K/4=0.75G。所以可以将所有字符串都存放在内存中进行处理。
可以使用key为字符串（事实上是字符串的hash值），值为字符串出现次数的hash来统计每个字符串出现的次数。
并用一个长度为K的堆来的数组/链表存储目前出现次数最多的10个字符串。
设计要点：
长链接接入网关
设计一个带有有效时间TTL的KV存储系统，包含set（key，value，ttl）、get（key）方法、怎么优化
首先是KV存储，可以使用levelDB作为我们的存储引擎；
另外，需要考虑数据的复制与分片、去中心化等
把TTL当作value，当进行compaction时，过期的数据会被忽略。
设计要点：
如何才能更好地理解秒杀系统呢？
一个秒杀系统的架构，包括CDN，反向代理，session共享，由于分布式数据库我不熟，所以数据一致性那部分没有解决。
主要技术点：
（1）缓存
（2）独立秒杀系统、独立集群
（3）验证系统，防秒杀器
主要技术点：
（1）动静分离
（2）本地缓存
（3）热点隔离
权衡点：要想获得极致性能，必然会牺牲通用型、易用性等
“动态数据”和“静态数据”的主要区别就是看页面中输出的数据是否和 URL、浏览者、时间、地域相关，以及是否含有 Cookie 等私密数据
第一，你应该把静态数据缓存到离用户最近的地方。
第二，静态化改造就是要直接缓存 HTTP 连接。
第三，让谁来缓存静态数据也很重要。（一般是web服务器来做，而不是应用服务器）
URL 唯一化；分离浏览者相关的因素；分离时间因素；异步化地域因素；去掉 Cookie
动态内容的处理通常有两种方案：ESI（Edge Side Includes）、CSI（Client Side Include）
Cache 分成若干组，是希望能达到命中率和访问热点的平衡。Hash 分组越少，缓存的命中率肯定就会越高，但短板是也会使单个商品集中在一个分组中，容易导致 Cache 被击穿，所以我们应该适当增加多个相同的分组，来平衡访问热点和命中率的问题。
不容易运维；浪费CPU
网卡瓶颈、丢失数据
CDN：失效问题、命中率问题、发布更新问题
二级cache是指cdn设置了多级回源机制，就是如果缓存没有命中再到二级缓存中去取，而不是直接回服务端来请求。本质是减少回源的请求量
热点：热点操作（读操作、写操作）、热点数据（静态热点数据、动态热点数据）
热点发现：对于静态热点（人工标识、大数据统计计算），以及实时热点发现方案
热点处理：
（1）优化：缓存、LRU
（2）限制：hash分桶，避免相互影响
（3）隔离：从上到下三个层次，业务隔离、系统隔离、数据隔离
常见做法：
（1）排队-对发出来的请求进行缓冲（消息队列、文件缓存、内存队列、线程池加锁等）
（2）答题-少发请求（两个功效：防止秒杀器；延缓请求，将请求峰值按照时间分片-从1s延长到2~10s）
（3）分层过滤-不符合条件的请求进行过滤（交易性的写请求）
分层校验的目的是：在读系统中，尽量减少由于一致性校验带来的系统瓶颈，但是尽量将不影响性能的检查条件提前，如用户是否具有秒杀资格、商品状态是否正常、用户答题是否正确、秒杀是否已经结束、是否非法请求、营销等价物是否充足等；在写数据系统中，主要对写的数据（如“库存”）做一致性检查，最后在数据库层保证数据的最终准确性（如“库存”不能减为负数）。
首先是“发现短板”，比如考虑以下因素的一些限制：光速（光速：C = 30 万千米 / 秒；光纤：V = C/1.5=20 万千米 / 秒，即数据传输是有物理距离的限制的）、网速（2017 年 11 月知名测速网站 Ookla 发布报告，全国平均上网带宽达到 61.24 Mbps，千兆带宽下 10KB 数据的极限 QPS 为 1.25 万 QPS=1000Mbps/8/10KB）、网络结构（交换机 / 网卡的限制）、TCP/IP、虚拟机（内存 /CPU/IO 等资源的限制）和应用本身的一些瓶颈等。
其次是减少数据。事实上，有两个地方特别影响性能，一是服务端在处理数据时不可避免地存在字符到字节的相互转化，二是 HTTP 请求时要做 Gzip 压缩，还有网络传输的耗时，这些都和数据大小密切相关。
再次，就是数据分级，也就是要保证首屏为先、重要信息为先，次要信息则异步加载，以这种方式提升用户获取数据的体验。
最后就是要减少中间环节，减少字符到字节的转换，增加预处理（提前做字符到字节的转换）去掉不需要的操作。
此外，要做好优化，你还需要做好应用基线，比如性能基线（何时性能突然下降）、成本基线（去年双 11 用了多少台机器）、链路基线（我们的系统发生了哪些变化），你可以通过这些基线持续关注系统的性能，做到在代码上提升编码质量，在业务上改掉不合理的调用，在架构和调用链路上不断的改进。
减库存的三种时机：
（1）下单后
优点：体验好，不超买
不足：恶意下单
（2）支付后
优点：不会被人恶意刷单
不足：存在付款后超卖的情况
（3）预扣库存（为用户保留一段时间）
优点：一定程度上缓解上面的问题
不足：没有根治，需要结合风控策略来综合考虑
解决大并发读问题，可以采用 LocalCache（即在秒杀系统的单机上缓存商品相关的数据）和对数据进行分层过滤的方式。
像减库存这种大并发写无论如何还是避免不了，这也是秒杀场景下最为核心的一个技术难题
一般的电商系统，通常采用第三种减库存的方式；
而对于秒杀系统，我们更多的采用第一种方式。原因在于：
（1）秒杀系统的商品对库存都有比较严格的管控
（2）下单后不支付的概率比较小
秒杀商品和普通商品的减库存还是有些差异的，例如商品数量比较少，交易时间段也比较短，因此这里有一个大胆的假设，即能否把秒杀商品减库存直接放到缓存系统中实现，也就是直接在缓存中减库存或者在一个带有持久化功能的缓存系统（如 Redis）中完成呢？
应用层做排队。按照商品维度设置队列顺序执行，这样能减少同一台机器对数据库同一行记录进行操作的并发度，同时也能控制单个商品占用数据库连接的数量，防止热点商品占用太多的数据库连接。
数据库层做排队。应用层只能做到单机的排队，但是应用机器数本身很多，这种排队方式控制并发的能力仍然有限，所以如果能在数据库层做全局排队是最理想的。阿里的数据库团队开发了针对这种 MySQL 的 InnoDB 层上的补丁程序（patch），可以在数据库层上对单行记录做到并发排队。
在活动开始之前一段时间，把商品库存放在Redis中。
手段：通过Redis来抗，Lua脚本来完成CAS操作
https://www.yuque.com/chenboxue/kb/gmy24m
运行时：
体验降级：牺牲了一部分次要的功能和用户的体验效果
限流
拒绝服务，避免打死长时间无法恢复
熔断
网站的高可用建设是基础，可以说要深入到各个环节，更要长期规划并进行体系化建设，要在预防（建立常态的压力体系，例如上线前的单机压测到上线后的全链路压测）、管控（做好线上运行时的降级、限流和兜底保护）、监控（建立性能基线来记录性能的变化趋势以及线上机器的负载报警体系，发现问题及时预警）和恢复体系（遇到故障要及时止损，并提供快速的数据订正工具等）等这些地方加强建设，每一个环节可能都有很多事情要做。
解决秒杀这种特定业务场景，可以使用 CDN 的边缘结点来扛流量，然后过滤用户请求（限流用户请求），来保护数据中心的系统，这样才让整个秒杀得以顺利进行。
有些时候，确认需求比思考方案更加重要、更加困难。
在设计一个短网址系统时，我们需要考虑：
302(临时重定向)更合适。永久重定向的话，浏览器会缓存重定向结果，造成某些依赖重定向的统计结果不准。
地图最短路径
概括下来，那业务系统对ID号的要求有哪些呢？
全局唯一性：不能出现重复的ID号，既然是唯一标识，这是最基本的要求。
趋势递增：可以作为排序字段