计划：9 周系统设计面试备战

大多数系统设计备战都是无章法的零散涉猎——这里看一篇演练，那里读一篇博客， 分不清什么是根基、什么只是变体。本计划把本站的系统设计资料库按依赖顺序编排进 九周：先建立词汇，再攻锚定题，接着是你最可能被问到的产品系统，专门化题目放到 最后。基础设施原语——“设计你自己的键值存储 / 队列 / 锁”——被抽进一条可选的深入 专题线，供真正会考它们的面试环节使用。每一周都会告诉你读什么、练什么、以及如何 判断自己已经练到位。

适合谁

一位在未来一到三个月内即将迎来系统设计面试轮次的后端软件工程师，目标是资深 IC 岗位：

• Google L5
• Meta E5
• Amazon L6
• Stripe、Datadog、Airbnb 及类似公司的 Senior SWE

你做过真实的后端系统，但不一定从一块白板设计过一个系统，而你上一次接触 “设计 Twitter”可能还是一段没看完的视频。本计划假设这场面试重要到值得你在 9 周里 每周投入约 6 个专注小时。

资深系统设计面试到底考什么

一场资深系统设计面试不是一场分布式系统考试。面试官评估的是你能否：

• 澄清模糊需求 — 在动笔画任何东西之前问对问题；识别出塑造整个设计的 1–2 个约束。
• 把需求转化为容量假设 — 估算负载、存储和带宽；让数字驱动架构决策。
• 做出有意识的权衡 — 在多个备选方案间做选择，并通过点明你所牺牲的东西来 为这个选择辩护。
• 识别瓶颈和故障模式 — 什么最先崩溃、你如何检测、如何恢复。
• 为运维和演进而设计 — 部署、监控、回滚、迁移，以及在 10× 规模下什么会变。
• 在时间压力下沟通决策 — 组织一场 45 分钟的对话，根据面试官的信号校准深度， 并且主导节奏而不被牵着走。

目标不是完美的架构，而是让扎实的工程判断力被看见。

系统设计评分标准

无论面试官是否使用正式的评分表，他们打分的都是这些信号：

大多数资深候选人失败，是因为某一类停留在 0–1，而其他类别都还不错。评分标准告诉 你该聚焦哪里：每次模拟面试后给自己打分，把精力投到拖后腿的那个维度上。

公司校准

系统设计轮次在不同公司之间的差异，比编码轮次大得多：

你应该已经掌握的

本计划从分布式系统开始，而不是从零开始。在第 1 周之前，你应该对以下内容感到自如：

• HTTP 和 API。 请求/响应、状态码、REST 大致意味着什么、JSON 负载。你在工作中 构建过或调用过 API。
• 至少一个用过真章的数据库。 你设计过表或文档、写过真实查询，并至少遇到过 一个不得不修的慢查询。你知道索引是什么，也大致知道它为什么有用。
• 缓存是什么、为什么存在。 你用过 Redis 或 memcached，或者至少用过进程内缓存， 并且至少被陈旧数据坑过一次。
• 消息队列是干什么的。 即使你从没运维过 Kafka，你也说得出为什么要把工作从 请求路径上挪走。
• Big-O 直觉。 不是面试级算法——只是那种反射：每个请求扫描 1 亿行和读一行是 两回事。
• 一个生产事故的故事。 你构建过、搞坏过或修复过的某件事，能不看笔记讲上 五分钟。面试会用到它；本计划也会。

如果这几点里有两点或以上不牢靠，先花一两周补上这些缺口——本计划会立刻建立在 它们之上。

你不需要的：预先的分布式系统理论、“网络级规模”的经验，或读过任何经典论文。 这些计划里都会覆盖。

每周计划如何运作

三条让每小时都算数的规则：

1. 先尝试再阅读。 对每一篇标记为先练的演练，设一个 25 分钟计时器，在打开 文章之前先自己设计这个系统——大声地、在纸上或白板上。然后把文章当作对你尝试的 差距分析来读。先读会把演练变成睡前故事；先尝试会把它变成教练指导。
2. 大声就是真的大声。 面试是说出来的。练习对着空房间讲出你的澄清问题、你的 容量算术和你的权衡。这只在头两次感觉很傻。
3. 每个系统一页笔记。 每篇演练之后，凭记忆用两句话写下这个系统的一个核心张力 和一个隐藏陷阱。到第 9 周，这一页就是你的复习提纲。

约 6 小时/周 ≈ 两个阅读块加一个练习块。计划可伸缩：5 周每周 11 小时可行；18 周 每周 3 小时也可行。不要重排各周——后面的周依赖前面建立的词汇。

每周计划

第 1 周 —— 词汇、估算与热身

出现在每一道题里的概念——分区、容量算术、故障模式、运维词汇——外加经典的热身 演练，让你立刻应用它们。这一周搭建起其他一切所依赖的共同语言，然后把它落在整套 题里最温和的一道上。

阅读：

• 框架：思考系统设计中的权衡 —— 推理过程（坐标轴 → 上下文 → 成本）。读它是为了学如何做决定。
• 参考：常见系统设计决策 —— 它的配套速查表：默认选择以及何时切换。现在略读，面试前回来做快速复习。
• 参考：容量估算
• 参考：分区策略
• 演练：设计短链接系统 —— 经典热身：读多的缓存、ID 生成正确性。先练；它足够短，可以在一个块里既尝试又阅读， 它把第 1 周的词汇变成一个具体的第一个设计。

练习：对你使用的三个产品（一个聊天应用、一个照片应用、一个打车应用）跑一遍容量 估算方法——QPS、存储、读写比，以及每个数字所迫使的设计结论。每个十分钟，大声地。

完成标志：你能不用纸做出 1M/天 ≈ 12/秒 的算术，凭记忆走一遍短链接的读路径，并 凭记忆说出 5 个故障模式及其触发场景。

第 2 周 —— 锚定演练与数据层词汇

根基题（News Feed），外加它迫使你去推理的复制/一致性/schema 参考。后面的一切都会 回指到这一周。

阅读（先在信息流上练）：

• 演练：设计信息流系统 —— 根基：扇出、大V问题、排序、容量驱动的架构。读它两遍；它的结构就是你应该如何 走任何一道题的模板。

配套参考：

• 参考：复制策略
• 参考：一致性模型
• 参考：SQL vs NoSQL Schema 设计
• 参考：数据库索引 —— B-tree vs LSM-tree 以及复合索引的列顺序；一旦你报出一个数据库，这就是几乎必然的 追问。接着 SQL-vs-NoSQL 停下的地方继续讲。
• 参考：缓存访问与失效模式
• 参考：NoSQL 热点键缓解模式

完成标志：你能凭记忆画出混合 push/pull 信息流，解释为什么是粉丝数分布——而不是 平均值——决定了它，用两句话分别说清 leader-follower 和 leaderless 复制的区别，并用 B-tree vs LSM-tree 和复合列顺序回答”你会怎么给它建索引？”。

第 3 周 —— 实时系统

信息流之后频率最高的面试题簇：连接、投递、限流和实时位置。

阅读（先在聊天和限流器上练）：

• 演练：设计聊天系统
• 演练：设计通知系统
• 演练：设计限流器
• 演练：设计地理空间匹配系统 —— Uber/Yelp 的”附近”题：geohash 索引、高 QPS 的位置火水管、以及边界问题。一个独立的 题目家族，不能归约成其他任何一道；打车和配送公司的最爱。

配套参考：

• 参考：实时连接模式
• 参考：限流算法

完成标志：你能解释 WebSocket vs SSE vs long-poll 并为每个给出一个用例，用一个算好的 例子走一遍 token bucket 算法（容量、补充、第 101 个请求看到什么），并解释为什么一次 geohash 邻近查询必须扫描 9 个格子，而不是 1 个。

第 4 周 —— 分布式存储与一致性谱系

杠杆率最高的单独一周：KV 存储引入了每个后续系统都依赖的词汇（consistent hashing、 quorum、复制机制）——它被保留为一道”构建原语”的练习，因为没有别的东西能迫使你从 第一性原理推理 quorum 和冲突解决。然后你把那套词汇应用到一个真实产品上，同样的思想 以同步和去重的形式出现，而不是学院派的 quorum 数学。

阅读（先在文件存储服务上练）：

• 演练：设计分布式键值存储 —— consistent hashing、quorum、vector clock、hinted handoff。本计划中杠杆率最高的 单篇文章。这是谱系的 AP 端——可用性和分区容忍优先于强一致性。如果有任何地方 感觉不牢靠就读两遍；后面每个系统都依赖这套词汇。
• 演练：设计文件存储与同步服务 —— 分块、内容寻址、delta sync、去重、冲突处理。KV 存储的复制和冲突词汇，现在被应用 到一个人们真正在用的产品上——一道常见的 Dropbox/Drive 式面试题。

配套参考：

• 参考：分布式事务模式

完成标志：你能做 quorum 算术（R+W>N 买到什么、买不到什么），用 vector clock 走一遍 一次冲突，解释虚拟节点修复了什么，并说出 delta sync 如何检测和解决一次并发编辑。

第 5 周 —— 竞争下的事务与正确性

面试官想看你能否在并发下把系统保持正确、而不只是快时，会伸手去拿的应用题簇。 这两道题都是穿着产品外衣的强一致性（CP）问题——第 4 周 AP 存储的对照面。一个 资深信号是：识别出问题何时要求强一致性，并伸手去拿正确的机制，而不是硬拴上一个。

阅读（两道都先练）：

• 演练：设计订单处理系统 —— saga 编排、幂等、库存预留、支付补偿。真实世界里的分布式事务：当任何一步都可能失败 时，你如何保持一个多步骤工作流的正确。
• 演练：设计秒杀系统 —— 库存竞争、防超卖、洪峰处理、降级。整套题里最纯粹的”极端写竞争下的强一致性”题目。

配套参考：

• 参考：队列投递语义 —— at-least-once 和幂等是两个设计的骨干。

完成标志：你能走一遍带补偿路径的 saga，说出 at-least-once 投递的失败窗口在哪里、 为什么幂等能关上它，并解释两种截然不同的防超卖方式以及各自的成本。

第 6 周 —— 流式与聚合管道

异步、高吞吐的题簇：系统如何摄入火水管级的事件、正确地聚合它们、并保持可运维。 这里是队列和流处理词汇落地为应用形态的地方——窗口、exactly-once、背压，以及把基数 当作一等的容量上限。

阅读（先在广告点击聚合器上练）：

• 演练：设计广告点击聚合系统 —— 摄入、流式窗口、exactly-once 语义、反熵。队列和流语义的应用之家：消费者组、顺序、 以及服务于一个真实聚合管道的背压。
• 演练：设计指标与监控系统 —— 时序建模、每秒数百万样本的摄入、基数、降采样、告警。

配套参考：

• 参考：API 设计模式

完成标志：你能解释一个流式窗口如何在重试下实现 exactly-once，说出 at-least-once 投递的失败窗口在哪里、为什么幂等能关上它，并把基数点名为指标系统真正的容量上限。

第 7 周 —— 搜索、排序与数据管道

读侧智能题簇：系统如何查找、排序和计数东西。

阅读（先在搜索和推荐上练）：

• 演练：设计帖子搜索系统
• 演练：设计推荐系统 —— 召回/排序漏斗；与第 2 周的信息流配对。
• 演练：设计 Top K 系统 —— Count-Min Sketch 和 heavy hitters；它的流式窗口加深了第 6 周的聚合管道。

完成标志：你能解释为什么推荐需要一个漏斗（延迟算术），并且对倒排索引的理解具体到 足以重新实现一个玩具版。

第 8 周 —— 投递，与模拟练习

大规模投递题目，然后是模式的转变：从学习到表演。

阅读（先在视频流上练）：

• 演练：设计视频流平台 —— 上传管道、ABR 转码、CDN 投递；是前几周存储和投递词汇的一次组合。
• 演练：设计 CDN

然后是两次完整的模拟——各 45 分钟，大声地，不许偷看，之后再把演练当作你的复盘来读：

• 演练：设计协同编辑器 —— OT vs CRDT、在线状态、离线编辑。
• 演练：设计分布式任务调度器 —— cron、延迟队列、DAG 编排、规模下的 tick 问题。

这两道是组合题——它们考验第 1–7 周是否组装成了判断力。这就是为什么它们是模拟， 而不是阅读。

模拟节奏标准（每次 45 分钟模拟都用它）：

你练的不是画图，你练的是节奏。大多数候选人在架构上花 35 分钟，把最后 10 分钟仓促 带过——而那恰恰是资深信号所在（深度、故障、运维）。如果你的模拟总是在讲到故障模式 之前就用完时间，下次把架构压缩 5 分钟。

完成标志：两次模拟都在 45 分钟内到达了一个完整的设计——从需求到故障模式——即便不完美。

第 9 周 —— 整合与收尾

巩固、如果与你的面试环节相关则加上 AI 时代的差异化题目、以及休息。

• 重读你的笔记页（每个系统一个张力 + 一个陷阱）。这现在就是你的整个复习面—— 抵制重读完整文章的冲动。
• 用一道你没见过的题跑最后一次模拟：设计拍卖系统 或设计完整排序系统。
• 如果你的目标公司与 AI 相邻，读其中两篇： LLM Serving、 RAG 系统、 向量数据库、 Agent 编排。
• 面试前两天：指南：临阵系统设计复习清单 和指南：管理面试连轴期的精力。

完成标志：那份清单读起来像是确认，而不是新闻。

基础设施深入专题（可选线）

有些面试环节会让你构建原语本身——“设计一个键值存储”、“设计 Kafka”、“设计一个 分布式锁”。这些是整套题里最深的分布式系统题目，也是 consistent hashing、quorum、 共识和 fencing 以最纯粹形态存在的地方。但它们不是资深面试的中位数：多数公司考 产品系统（信息流、聊天、订单处理），并通过它们来探基础设施概念。所以这些被围进 它们自己的专题线，而不是放进每周主干。

如果你的面试环节聚焦基础设施或存储团队（Google、数据库/存储/平台组织，或任何 把”分布式系统”点名为核心胜任力的 JD），就做这条线。如果你面的是产品或应用团队， 就跳过它——每周计划已经以应用形态锻炼了这些概念，而第 4 周的 KV 存储足以应付 你实际会遇到的追问所需的词汇。

把其中一两个放进一个较轻的周里代替，或作为额外的练习块加进来。每一个都和其余部分 一样是先练的演练。

• 演练：设计分布式数据库 —— range + Raft、在共识之上的分布式事务、MVCC。第 4 周 KV 存储的 CP 镜像：同一个 岔路，相反的契约。如果你只有时间做一个深入，这是最有价值的一个。
• 演练：设计分布式队列 —— log vs queue 语义、分区顺序、消费者组、replay、背压。把第 6 周的聚合管道加深到它 底层的引擎。
• 演练：设计分布式锁 —— fencing token、leader 选举；GC 停顿时间线是许多”如果它是慢、不是死呢？“探问的可 复用答案。
• 演练：设计分布式缓存 —— 较轻的一读；直接复用 KV 存储的 hashing 和淘汰词汇。
• 演练：设计限流器 —— 如果你在第 3 周跳过了它，分布式计数器和多租户部分本身就是一个紧凑的基础设施深入。

完成标志：你能从一张白纸设计出第 4 周 KV 存储的 CP 镜像（数据库），并能从需求出发 论证 queue-vs-log。

里程碑一览

如何回答追问问题

大多数候选人处理主设计都还行。追问才是资深面试胜负所在的地方。面试官升级追问是为 探判断力——而大多数候选人要么僵住，要么给出肤浅的”加更多服务器”式答案。

追问阶梯（对任何”如果……会怎样”问题都用这个模式）：

1. 澄清故障。 复述什么在崩、在什么规模上崩。
2. 陈述权衡。 点出你会牺牲什么来修它。
3. 提出一个改动。 具体到：哪个组件、什么机制。
4. 解释新的成本。 这个修复搞坏了什么、或让什么变得更难？
5. 点名你会盯的指标。 你如何知道它奏效了？

示例追问以及如何应用这个阶梯：

• “如果一个大V发帖呢？” → 扇出写变成热点分区（1） → 用写延迟换读延迟（2） → 对高粉丝账号切换到基于 pull（3） → 现在大V粉丝的读路径变慢了（4） → 盯大V粉丝的信息流渲染 p99（5）。
• “如果 Kafka 落后 2 小时呢？” → 消费者跟不上、队列深度在增长（1） → 用处理顺序换吞吐（2） → 扩容消费者组、对生产者加背压（3） → 可能会乱序处理一些事件（4） → 盯消费者 lag 指标和端到端延迟（5）。
• “如果一个 region 挂了呢？” → 那个 region 的所有流量都丢了（1） → 在故障切换期间用一致性换可用性（2） → 异步复制到备用 region、DNS 故障切换（3） → 切换期间可能提供陈旧读（4） → 盯跨 region 复制 lag 和故障切换期间的错误率（5）。

这个模式之所以奏效，是因为面试官考的是判断过程，而不是背下来的答案。一个有结构 的回应——哪怕是对一道你没见过的题——就传递出资深级别的思考。

生产思维

每一个系统设计答案最终都应该谈到你会如何真正地运维这东西。这是把”纸面上的好架构” 和”我真的运维过分布式系统”分开的维度。把这些编织进你的设计里，而不是作为事后补充：

• 你如何部署它？ Canary → 百分比放量 → 全量。一次坏部署的爆炸半径有多大？ 你要多久才能检测到它？
• 你如何监控它？ 哪些 SLI 重要？你把 SLO 设在哪里？你会先建哪个 dashboard？
• 你如何知道它坏了？ 对症状告警（错误率、延迟）而不是对原因。on-call runbook 条目是什么？
• 你如何回滚它？ 代码回滚容易。数据回滚难。schema 迁移更难。说出你的改动落在 哪一类。
• 你如何迁移数据？ 双写、回填、影子流量、切换。你的兼容窗口是什么？你如何验证？
• 你如何从操作员失误中恢复？ 软删除、审计日志、时间点恢复。一条坏的手动命令的 爆炸半径有多大？

资深后端 ≠ 架构画师。资深后端 = 系统所有者。运维过生产系统的面试官能立刻分辨出你 是不是也运维过。

常见的失败模式

• 完美主义者。 读完全部 25 篇演练、一篇也不练，然后在面试里发现：认出一个好设计 和产出一个好设计是不同的技能。修复是机械的：计时器、白纸、大声，然后再读。
• 背诵者。 把 News Feed 的答案当作一个脚本来学，然后遇到”为一家医院设计一个通知 系统”却没有脚本。演练教的是一套流程——需求、估算、核心选择、故障模式——而不是 答案。在陌生题上练这套流程；那正是第 8 周要做的。
• 深潜者。 消失在基础设施深入线里读 Raft 实现，到第 8 周还从没在 45 分钟内完成 过一个完整设计。面试深度是有界的；带判断力的广度胜过一个角落里的深度。深入线和 扩展阅读都被围在每周主干之外，正是为了不让它们吃掉主干——只有当你的面试环节确实 要求那种深度时才进去。
• 沉默的设计者。 在脑子里练一切、在那里表演流畅，然后在被观察下讲述时磕绊。说 出来才是交付物；训练交付物本身。
• 跳过估算者。 直接上框和箭头，被问”多少台服务器？“，然后拙劣地即兴发挥。第 1 周存在的意义就在于：估算才是让后面每个选择都站得住脚的东西——它是花两分钟为接下 来的四十分钟买到权威。
• 运维盲的架构师。 画出一个漂亮的架构，然后答不出”你会怎么部署这个？“或”你会 盯哪些指标？“。被标记为缺乏生产深度。生产思维那一节存在，就是因为这是资深级别最 常见的无声失败。

扩展阅读

网上最好的一手来源，映射到它们所加深的那一周。每一个都因为是面试官自己也读过的东西 而赢得它的位置。

基础（第 1–2 周）

• Latency numbers every programmer should know —— 交互版本。把 RAM/SSD/网络 的比例内化；它们是每一次容量估算里的常数。
• Notes on Distributed Systems for Young Bloods —— Jeff Hodges。一篇文章讲透那个心态转变（“故障是稳态”）；后面一切最好的预读。
• Timelines at Scale —— Twitter 的扇出演讲。News Feed 演练混合设计背后的一手来源；听运维者亲口说出来，感受 是不同的。

基础设施核心（第 4 周和基础设施深入线）

• Dynamo: Amazon’s Highly Available Key-value Store —— 如果你只读一篇论文，就是这篇。quorum、consistent hashing、hinted handoff、vector clock——第 4 周的词汇，来自源头。
• The Log: What every software engineer should know —— Jay Kreps。为什么 log 是队列、复制和流处理背后统一的原语。它重构了第 6 周，并悄悄 解释了第 7 周的一半。
• How to do distributed locking —— Kleppmann。fencing-token 论证。也读对 Redlock 的反驳， 形成你自己的观点——有一个观点就是一个资深信号。
• Raft, visualized —— 交互式演练。十五分钟 就能对 leader 选举和日志复制建立持久的直觉；不需要论文。
• Jepsen: Consistency Models —— linearizable/ sequential/causal/eventual 以及谁蕴含谁的可点击地图。当面试官问”但那是 linearizable 的吗？“时你会回头查的参考。

大规模运维系统（第 6–8 周）

• The Tail at Scale —— Dean & Barroso。为什么 p99 才是重要的那个数字、扇出对它做了什么。改变你在每个设计 里谈延迟的方式。
• Timeouts, retries, and backoff with jitter —— Marc Brooker，AWS Builders’ Library。每个”如果它慢了呢？“追问都在钓的故障处理机制。
• Avoiding insurmountable queue backlogs —— AWS Builders’ Library。把背压和 lag 当作一等的设计输入；直接与分布式队列演练的容量 故障配对。
• Google SRE Book — Chapters on SLOs and Monitoring —— SLI/SLO/error-budget 思维的权威来源。第 4 章（Service Level Objectives）、第 6 章 （Monitoring Distributed Systems）和第 10 章（Practical Alerting）是生产思维的根基。 如果你还不能流畅解释错误预算或基于症状的告警，就读这些。

专门化（第 7–9 周）

• Deep Neural Networks for YouTube Recommendations —— Covington 等。来自将其正典化的团队的两阶段漏斗；读架构部分，略读 ML。
• A Brief Primer on Anycast —— Cloudflare。来自押注 anycast 的运维者的 CDN 路由；十分钟，永久的直觉。

DDIA 问题

你不需要在面试前把《Designing Data-Intensive Applications》从头到尾读完。但如果你想 大幅加深第 4–7 周，关于复制（第 5 章）、分区（第 6 章）、事务（第 7 章）和流处理 （第 11 章）的章节是这些主题上最好的单一资源。把它们当作补充读，而不是前置条件。 官方页面有章节摘要。

可以毫无愧疚地跳过：聚合器式的”系统设计入门”（上面这些的二手版本）、YouTube 模拟 面试马拉松（看不等于练），以及任何在第 9 周新发现的资源（收尾就是收尾）。

时间紧张时该砍什么

四周而不是九周：完整保留第 1、2 和 4 周——它们是主干。把第 5 和第 6 周压缩成一周 （订单处理 + 广告点击，只练订单处理），把第 3 周降到只略读一篇聊天。把第 7 周降到 两篇略读（搜索、推荐）。保留第 8 周的两次模拟——永远先砍阅读再砍练习。除非你的面试 环节聚焦基础设施，否则整个跳过基础设施深入线。扩展阅读收缩到三项：Dynamo、The Log 和延迟数字。

永远不要砍：先尝试再阅读的规则、第 8 周的两次模拟、追问阶梯的练习，或收尾。最常见 的自我破坏是在面试连轴期的前一晚读新材料。

北极星

到第 9 周，你应该能够：

• 快速澄清需求并识别最难的子问题。
• 自信地估算容量，并让数字驱动决策。
• 在节奏标准内构建一个连贯的架构。
• 为权衡辩护——你选了什么、拒绝了什么、为什么。
• 流畅地讨论故障、运维和生产问题。
• 用追问阶梯应对陌生的追问而不惊慌。

那正是资深系统设计面试所考的。框和箭头只是可见的部分。底层的技能是工程判断力—— 被说出来。

通过之后

系统设计判断力在面试之外也会复利增长——同一套权衡词汇驱动着设计评审和晋升材料。 当 offer 到手时，职业发展资源会从这份计划停下的 地方接着讲。