一：容量预估

单个学校课程数量分析：以清华大学为例，共有专业 82 个，由于这类好的大学专业开设多，一般学校或者例如师范等专业类学校学科较少，因此预估平均学科 70 个，假设每个学科每学期开展 20 门课程，有可能存在公共学科，假设部分公共学科是由同一个教师授课和出试题，平均下来每学科每学期有 15 门课，那么一个学校的课程总数为：4（年级数）x 2（学期数）x 70（专业）x 15（课程数）=8400 门课

学校数量分析：该案例是千万学生管理系统，同样以清华大学为例，在校学生 53302 人，由于人数也会存在差异比较大，但是由于扩招，现在大部分大学一年新生人数都在 1 万左右，因此预测每个学校平均在校学生为 45000 人。该系统为千万学生管理系统，假设现在总人数为 2000 万学生，那么学校数量约为 450 所。

单张试卷容量分析：每门考试的答案 20 判断题、20 选择题、4 道大题，预估一道判断题 100 个汉字（符号算在内），一道选择题，题目为 100 个汉字，一道题有 4 个答案，每个答案 50 个汉字，每道大题有 500 个汉字，那么一套试卷所占空间为：（20 x 100 + 20 x（100+4 x 50） + 4 x 500） x 2Byte = 20000Byte 约为 10K。

总是卷容量，450（学校数量）* 8400（单个学校课程数量）*10K（单张试卷所占容量） 约等于 36G。

二、数据结构

1、数据存储读取分析

首先是对于试卷内容的读写场景分析：

写：老师在不同题目类型中录入相应的试题，也有可能对录入好的实体进行修改，重新排序等。

读：学生在考试开始时全量读取试卷内容，也可以分题型多次读取试卷内容，也可以每次只读取一条数据。

如果是一次全量读取试卷内容，在不考虑 Redis 数据压缩的情况下，Value 为整个试卷内容，内容为 10K，在 QPS 为 5W 的情况下，每秒传输的 Value 所占带宽约为 500M。

如果按照试卷类型读取的话，按照上面各类题型存储占用分析，选择题占判断题占 2K，选择题占 6K，大题占 2K。实际场景有人做的快有人做得慢，在最开始请求选择题时，QPS 肯定是 5W，且都是请求的判断题，这时的带宽占用约为 100M；在后续过程中，请求会分散，QPS 按照 2W 预估，那么对于选择题请求的带宽占用约为 100M。

如果按照单条试题访问的话，QPS 最高的是第一道判断题，QPS 5W，内存占用 200Byte，传输带宽约为 5M，占用字数最多的是大题 1000Byte，但是如上分析，QPS 预估为 2W，也是约为 5M。

综上分析，使用单条数据读取的方式对于网络带宽的占用最低，也满足读写业务需求，同时考虑对于数据的压缩，可能更进一步的减少带宽。

2、数据结构分析

数据结构选择分析

采用 String 数据结构：

key 组成逻辑：学校-院系-专业-课程-类型-题号

value：采用 String 数据结构

采用 List 数据结构：

可以全量或者按题型存储，单条查询不太满足。

采用 Map 数据结构：

key 组成逻辑：学校-院系-专业-课程-题型，filed 为题目序号

value 为试卷内容，这样带宽占用和 List 一样；

采用 Set 数据结构：

不满足业务场景

采用 Scored Set 数据结构：

key 组成逻辑：学校-院系-专业-课程，为了满足顺序的频繁调整，分值为添加的顺序乘以 20

value：题目内容

3、数据结构选择

结论：选择 Scored Set。

分析：根据上面分析，使用 String 和 Scored Set 都是可以的，但是如果使用 String，从业务上说，对于调整顺序会比较麻烦，例如把最后一个调整到第一个，可能需要操作所有数据，另外从存储空间占用和查询性能上来说，分散使用 String 存储，会占用更大的空间，查询性能对比与 Scored Set 肯定是会慢一点；而 Scored Set 从业务上来说，调整顺序可以直接调整分数即可，比较简单，且从存储空间占用和查询性能上来说，也会更优。

三、读写流程

新增试题：教师新增一道题，使用根据其所在学校、院系、专业、课程组装 Key,添加题目时，使用 zrevrange key 0 0 withscores 先获取最大分值，使用 ZADD key score member 新增一条试题，score 是原最大 score+20，为后面调整顺序做铺垫，这一步涉及两个操作，可以使用 Redis 事务或者使用 lua 脚本保证原子性。

删除试题：使用 zremrangebyrank key index index 删除指定顺序的题目

修改试题：使用 zrevrange key index index withscores 先获取需要删除的数据和分值，使用 zremrangebyrank key index index 删除指定顺序的题目，然后使用 ZADD key score member，其中 score 还是原值，这里也涉及两个操作，可以使用 Redis 事务或者使用 lua 脚本保证原子性。

调整试题顺序：确定好该条数据调整的位置后，使用 zrevrange key index index withscores 先获取需要原来该数据的 score，使用 zremrangebyrank key index index 删除指定顺序的题目，然后使用 ZADD key score member，其中 score 是调整前指定位置的 score+1，这里也涉及两个操作，可以使用 Redis 事务或者使用 lua 脚本保证原子性。 举例：总共有 10 条，每条间隔数为 20，当前试题在第 2 道，要调整到第 6 道，那么首先查询出第 6 道题的 score，假设为 120，然后删除第二道题，然后再插入改题目，score 为 121，这样不需要调整其他题目。

学生读取具体题目：学生按照学校-院系-专业-课程作为 Key，使用 zrange key 0 0 进行查询查询第一道题，后面的题，是顺序还是跳着做都可以，只要选择题号后，使用 zrange key index index 获取即可

学生读取全量数据展示（学生可以选择题号进行切换）：题目数量固定，直接展示写死展示即可。如果是每门课程试题数量不定，就需要使用 zcard 获取题目数量进行展示，如果要展示更详细的每种题型多少道，可以在写入时 key 加类型或者的方式处理，再或者根据不同的题型，对于 score 值有区间限制，对于不同区间获取总数展示。

四、Sentinel 集群选择

试卷请求 QPS 为 5 万/s，Redis 单机读取性能为 11W，因此单机就可以满足读取性能要求，为了保证高可用和自动切换，使用 Sentinel，为了保证出现出从切换仍然是高可用，可以设计整个 Redis 集群为 3 台服务器，一主两从，同时为了保证 Sentinel 的高可用，也是用三台服务器组成 Sentinel 集群。