F undamentos de System Design

Introducción

Notas del libro “System Design Interview” de Alex Xu. Este libro es una referencia excelente para entender cómo diseñar sistemas a escala.

Framework para System Design

1. Entender el Problema (5-10 min)

Preguntas clave:

• ¿Cuáles son las features principales?
• ¿Cuántos usuarios?
• ¿Cuál es la escala esperada?
• ¿Qué restricciones existen?

2. Proponer Diseño de Alto Nivel (10-15 min)

graph TD
    C[Clients] --> LB[Load Balancer]
    LB --> WS[Web Servers]
    WS --> Cache[Cache Layer]
    WS --> DB[(Database)]
    WS --> MQ[Message Queue]
    MQ --> Workers[Workers]

3. Diseño Detallado (10-25 min)

Profundizar en componentes críticos según los requisitos.

4. Wrap-up (3-5 min)

• Identificar bottlenecks
• Proponer mejoras futuras

Conceptos Fundamentales

Escalabilidad Vertical vs Horizontal

Aspecto	Vertical	Horizontal
Definición	Más recursos a un servidor	Más servidores
Límite	Hardware máximo	Virtualmente ilimitado
Costo	Exponencial	Lineal
Complejidad	Baja	Alta
Downtime	Requerido	No requerido

Load Balancing

Distribuye tráfico entre múltiples servidores.

Algoritmos comunes:

• Round Robin
• Least Connections
• IP Hash
• Weighted Round Robin

Caching

“There are only two hard things in Computer Science: cache invalidation and naming things.” - Phil Karlton

Estrategias de invalidación:

1. TTL (Time To Live): Expira después de X tiempo
2. Write-through: Actualiza cache al escribir
3. Write-behind: Actualiza cache, escribe DB async
4. Cache-aside: App maneja cache manualmente

Database Sharding

Distribuir datos entre múltiples bases de datos.

graph TD
    App[Application] --> Router[Shard Router]
    Router -->|user_id mod 4 = 0| S0[(Shard 0)]
    Router -->|user_id mod 4 = 1| S1[(Shard 1)]
    Router -->|user_id mod 4 = 2| S2[(Shard 2)]
    Router -->|user_id mod 4 = 3| S3[(Shard 3)]

Consideraciones:

• Resharding complexity
• Celebrity problem (hot shards)
• Join queries across shards

Números que Todo Desarrollador Debe Saber

Operación	Latencia
L1 cache reference	0.5 ns
L2 cache reference	7 ns
RAM reference	100 ns
SSD random read	150 μs
HDD seek	10 ms
Network round trip (same datacenter)	500 μs
Network round trip (cross-continent)	150 ms

CAP Theorem

En un sistema distribuido, solo puedes garantizar 2 de 3:

graph TD
    CAP((CAP)) --> C[Consistency]
    CAP --> A[Availability]
    CAP --> P[Partition Tolerance]

• CA: Bases de datos tradicionales (RDBMS)
• CP: MongoDB, Redis, HBase
• AP: Cassandra, DynamoDB, CouchDB

Recursos

• System Design Interview - Alex Xu
• Designing Data-Intensive Applications - Martin Kleppmann
• System Design Primer