我最近浏览了一些系统设计视频，偶然发现了 youtube 系统设计。视频中提到的一些规格让我想知道 YouTube 如何处理其平台上的所有评论。 “评论”表中每天肯定有数十亿条条目。
所有这些都存储在一个表中吗？包含数万亿条目的表是否可以维护？
如何获取特定视频的评论？考虑到要查看的数据，延迟不应该非常高吗？
如果有一些基于video_id的索引，索引是否可以维护？
10 年前的视频可以有 10 年前的评论以及 1 天前的评论。那么，分区在这里有什么作用吗？
另一个重要的事情是评论线程。这些是如何维护的？
我尝试用谷歌搜索这些内容，但找不到任何相关内容。任何帮助将不胜感激。
首先，我建议查看 https://github.com/donnemartin/system-design-primer 作为系统设计的良好起点。
对于您的特定问题，没有单一的正确答案，但这是一种方法：
表是一个逻辑结构。在引擎盖下，引擎将完成所有必需的复制和分区。因此，即使从应用程序的角度来看它是单个表，数据本身也是分布式的。
系统倾向于以不同的方式对待较受欢迎和较不受欢迎的资源。对于不太受欢迎的，可以有更高的延迟，这是一个合理的权衡。对于更流行的资源，广泛使用两种方法：a）缓存和 b）将相关数据相邻存储（例如，将全部或部分评论存储在单个逻辑记录中以进行单次读取）。
这些数据系统通常是 NoSQL，这意味着它们针对特定用例进行了设计优化。请在此处查看此类设计的教程：https://cassandra.apache.org/doc/latest/cassandra/data_modeling/index.html我建议阅读整个部分，注意 sql 和 nosql 之间的不同方法。
索引可以被视为任何其他数据，例如正在分发。
如上所述，评论可以存储为单个实体，也可以在读取和缓存操作中捆绑在一起。很大程度上取决于实施和权衡的细节。
我会将顶级评论保留在单个数据结构中（数据库中的同一记录）以便于检索。我会单独保留每个线程并按需阅读。