Design Uber

我们来设计一个类似 Uber 的网约车服务，对标 Lyft、OLA Cabs。

What is Uber?

Uber 是出行平台，用户叫车、司机接单并完成行程，支持 web 与移动端。

Requirements

Functional requirements

两类用户：Customers 与 Drivers。

Customers

• 查看附近车辆、ETA 与价格
• 预约/下单
• 查看司机位置

Drivers

• 接单或拒单
• 查看接客位置
• 到达后完成行程

Non-Functional requirements

• 高 reliability
• 高 availability，低 latency
• 可扩展、高效

Extended requirements

• 评价
• 支付
• Metrics & analytics

Estimation and Constraints

注意：和面试官确认规模假设。

Traffic

假设 100M DAU、1M drivers、10M rides/day。每个用户 10 次动作 => 1B requests/day：

$$ 100 \space million \times 10 \space actions = 1 \space billion/day $$

RPS

$$ \frac{1 \space billion}{(24 \space hrs \times 3600 \space seconds)} = \sim 12K \space requests/second $$

Storage

每条 400 bytes：

$$ 1 \space billion \times 400 \space bytes = \sim 400 \space GB/day $$

10 年约 1.4 PB：

$$ 400 \space GB \times 10 \space years \times 365 \space days = \sim 1.4 \space PB $$

Bandwidth

$$ \frac{400 \space GB}{(24 \space hrs \times 3600 \space seconds)} = \sim 5 \space MB/second $$

High-level estimate

Data model design

customers：用户

drivers：司机

trips：行程

cabs：车辆信息

ratings：评分

payments：支付

选什么 database？

建议拆成多服务，各自拥有表，避免单库瓶颈。可用 PostgreSQL 或 Apache Cassandra。

API design

Request a Ride

requestRide(customerID: UUID, source: Tuple<float>, destination: Tuple<float>, cabType: Enum<string>, paymentMethod: Enum<string>): Ride

Cancel the Ride

cancelRide(customerID: UUID, reason?: string): boolean

Accept / Deny

acceptRide(driverID: UUID, rideID: UUID): boolean
denyRide(driverID: UUID, rideID: UUID): boolean

Start / End Trip

startTrip(driverID: UUID, tripID: UUID): boolean
endTrip(driverID: UUID, tripID: UUID): boolean

Rate the Trip

rateTrip(customerID: UUID, tripID: UUID, rating: int, feedback?: string): boolean

High-level design

Architecture

采用 microservices：

Customer Service：客户信息

Driver Service：司机信息

Ride Service：匹配 + quadtree

Trip Service：行程管理

Payment Service：支付

Notification Service：通知

Analytics Service：指标分析

Inter-service communication

REST/HTTP 或 gRPC，配合 Service discovery。

How it works

1. 用户发起请求
2. Ride service 找附近司机 + ETA
3. 广播给司机
4. 司机接单后推送位置
5. 开始行程
6. 完成行程并收款
7. 用户评价

Location Tracking

Pull model：Long polling

Push model：WebSockets / SSE（推荐 WebSockets）

后台需有 GPS ping。

Ride Matching

SQL：范围查询，scale 差

Geohashing：用 geohash 索引

Quadtrees：范围查询高效

结合 Redis 缓存位置。用 Hilbert curve 提升 range query。

Race conditions

用 Mutex + transactions 保障一致性。

Best drivers

按 rating/反馈做排序。

High demand

用 Surge Pricing。

Payments

用 Stripe 或 PayPal + webhook。

Notifications

用 Kafka / message queue + FCM/APNS。

Detailed design

Data Partitioning

按区域/分片存储，配合 Sharding + Consistent hashing。

Metrics and Analytics

Apache Spark。

Caching

缓存司机/乘客位置，LRU eviction。

Identify and resolve bottlenecks

提升 resilience：多实例、load balancers、DB replicas、分布式 cache 多副本、Kafka/NATS。