System design interview এ একটা "সঠিক উত্তর" নেই; interviewer দেখে তুমি requirement পরিষ্কার করো কিনা, trade-off বোঝো কিনা, আর গুছিয়ে ভাবতে পারো কিনা। Mid level এ ছোট design, senior level এ এটাই মূল round।
৪৫ মিনিটের framework
- Requirement (৫ মিনিট): functional (কী করবে) আর non-functional (কত user, latency, availability, consistency)। প্রশ্ন করো, ধরে নিও না।
- Estimation (৫ মিনিট): DAU, QPS (১ দিন ≈ ৮৬,৪০০ সেকেন্ড ≈ 10^5), storage, read:write ratio।
- API আর data model (৫ মিনিট): মূল endpoint, entity, কোন database।
- High-level design (১০ মিনিট): client → CDN → load balancer → service → cache → database → queue/worker।
- Deep dive (১৫ মিনিট): bottleneck, scaling, failure, consistency।
- Wrap-up (৫ মিনিট): trade-off, monitoring, ভবিষ্যতে কী বদলাবে।
[embedded content: একটা typical scalable web architecture · ৯টা অংশ]
বেশিরভাগ design এই কাঠামো দিয়ে শুরু হয়: request load balancer হয়ে stateless app server এ যায়, যা cache, primary database আর queue ব্যবহার করে। Deep dive এ এর যেকোনো একটা অংশ (cache invalidation, replica lag, queue retry) নিয়ে আলোচনা হয়।
Building block
- Scaling: vertical (বড় machine) বনাম horizontal (বেশি machine)। Horizontal এর জন্য service stateless হতে হবে (session Redis এ)।
- Load balancer: round robin, least connections; health check।
- Cache: cache-aside (সবচেয়ে common), write-through, write-back। Eviction: LRU। সমস্যা: invalidation, cache stampede (lock বা jitter TTL দিয়ে সমাধান)।
- CDN: static file আর image user এর কাছের server থেকে।
- Message queue: ধীর কাজ async, spike শোষণ, service decouple। At-least-once delivery মানে consumer কে idempotent হতে হবে।
- Database scaling: index → cache → read replica → partitioning → sharding (এই ক্রমে)।
- CAP theorem: network partition হলে consistency আর availability এর একটা বেছে নিতে হয়। Payment এ consistency, social feed এ availability (eventual consistency)।
- Consistent hashing: node যোগ/বাদ হলে কম data সরাতে হয় (cache cluster, sharding)।
- Reliability: retry with exponential backoff + jitter, timeout, circuit breaker, graceful degradation।
- Monolith vs microservices: শুরুতে modular monolith; team আর scale বাড়লে পরিষ্কার boundary ধরে service আলাদা করো। Microservice এর খরচ: network failure, distributed transaction (Saga pattern), জটিল deployment।
উদাহরণ ১: URL shortener
- API:
POST /urls {longUrl}→shortCode;GET /{code}→ 301/302 redirect। - Code তৈরি: auto-increment ID কে base62 encode (7 অক্ষরে 62^7 ≈ 3.5 trillion), অথবা random + collision check।
- Read-heavy (মেলা অনুপাত 100:1): Redis cache এ popular code, CDN/edge এ redirect।
- Analytics click count queue দিয়ে async, redirect কে ধীর না করে।
উদাহরণ ২: Chat application
- WebSocket gateway; user কোন server এ connected তা Redis এ; server এর মাঝে Redis pub/sub বা Kafka।
- Message ডাটা write-heavy: Cassandra/ScyllaDB, বা ছোট scale এ Postgres (conversation_id + created_at index)।
- Offline user এর জন্য push notification; delivered/read receipt; message ordering এর জন্য per-conversation sequence number।
উদাহরণ ৩: E-commerce checkout
- Inventory oversell আটকাতে atomic decrement বা reservation (১০ মিনিটের জন্য hold)।
- Payment এ idempotency key; payment gateway (SSLCommerz, Stripe) এর webhook দিয়ে order status update।
- Order, payment, inventory আলাদা হলে Saga + outbox pattern (DB write আর event publish একসাথে নির্ভরযোগ্যভাবে)।
অনুশীলনের তালিকা
News feed, notification system, rate limiter, file storage (Google Drive), video streaming, ride sharing (অবস্থান tracking), food delivery, search autocomplete, ticket booking।