FDE Times 数据在招 FDE 职位 881▼8 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 55在招公司 185支持远程 25%美国薪资中位数 $201k招聘最多 Databricks 98
ENVI

前线部署工程师(FDE)的专业媒体

书籍与课程

Alex Xu 的系统设计 30 章,没有一章讲 ML

这本书仍值得 FDE 候选人一读:它的四步答题框架,几乎就是与客户的第一次工作会议。

封面: System Design Interview – An Insider's Guide
System Design Interview – An Insider's Guide · Alex Xu · 封面图片:Open Library
分享微博

要点速览

  • 全书 30 章,从“Scale From Zero To Millions Of Users”到“Stock Exchange”,没有一章涉及 ML 或 LLM 系统。
  • 值得留下的是四步框架:明确范围;画出初步设计并征求反馈;有选择地深入;收尾时绝不说自己的设计完美无缺。
  • 面对偏重 AI 的 FDE 面试题,要补上数据、模型、服务三层,并说明准确率与延迟之间怎样取舍。
大号数字“每秒 3.5 次查询”:一家有 2,000 名员工的保险公司,其内部文档问答助手的峰值负载估算值。平均负载不到每秒 1 次,因为 20,000 次查询分布在 28,800 秒内。
一分钟的估算就能看出:在这种负载下,难点不在规模,而在准确率和模型延迟。来源:文中的示意计算,假设每名员工每天提 10 个问题。

ByteByteGo 官方课程页面列出了《System Design Interview》的 30 章,从“Scale From Zero To Millions Of Users”到“Stock Exchange”。这些章节教你设计信息流、聊天系统、YouTube 和支付系统,但 30 章里没有一章涉及 ML 或 LLM 系统。

前线部署工程师(FDE)候选人一开始就该知道这个缺口,面试里有 AI 题时尤其如此。这本书讲的是产品和基础设施问题,ML 系统不在其中。

这本书仍然值得读。不过对 FDE 来说,它的主要价值不在 YouTube 或 Stock Exchange 的设计,而在讲答题方法的那一短章。这套方法与 FDE 和客户第一次工作会议的做法非常接近。

这本书教什么,谁称赞过它?

章节可以分成两组。基础部分包括快速估算(Back-of-the-envelope Estimation)、限流器、一致性哈希和键值存储。第二组是产品类设计题,如信息流、聊天、YouTube 和支付。

Sandor Dargo 于 2022 年 2 月在 DevReads 上独立评测了这本书。他写道,这本书提供了一套系统的方法,帮助读者准备和应对这类问题。在他看来,经验丰富的工程师同样能受益,因为书中是从面试官的角度来呈现问题的。

需要注意,这只是一篇正面评价,而且没有指出任何不足。

如果想复习这些章节所依赖的分布式系统概念,Swimm 的综述是不错的辅助材料。它重述了 CAP 定理:一个分布式系统只能同时提供三项保证中的两项。

文中还介绍了 Saga:由一系列本地事务组成,每一步都有对应的补偿操作。支付和数字钱包的章节里会遇到这种模式。Swimm 是一家推广自家产品的公司博客,所以这篇文章只适合用来复习。

四步框架就是一次客户需求调研

第 1 步要求理解问题、确定设计范围。书中的建议很直接:放慢节奏,仔细思考,通过提问澄清需求和假设。第 2 步是画出第一版高层设计并征求反馈,把面试当作一次协作。

第 3 步深入设计,同时避免不必要的细节。第 4 步是收尾,此时绝不要说自己的设计完美无缺、没有可改进之处。

现在把这四步放到真实工作中对照。在客户现场,FDE 会先提问再动笔,尽早给相关方看草图,让大家对方向达成一致,只深挖风险最高的部分,最后列出待解决事项。

所以,准备 FDE 面试的合理方式,是把这套框架当作一次简短的客户需求调研,而不是一份需要背诵的脚本。

一个数字可能改变整个设计

看这道题:“为一家有 2,000 名员工的保险公司设计一个内部文档问答助手。”背熟了全部 30 章的人,可能一上来就想到分片和多级缓存。先做第 1 步,并用上估算那一章。

假设每名员工每天提 10 个问题,那就是在 8 小时工作日、即 28,800 秒内共 20,000 个问题:每秒不到一个。即使峰值是平均值的五倍,也只有每秒约 3.5 个问题。

在这样的负载下,规模并不是难点。难点转移到了答案的准确率,以及等待模型的时间。

这一分钟的计算能让面试官看到,你在解决客户的问题,而不是你习惯解决的问题。这也是一项值得写进简历的技能。一行写明“先估算负载,再决定不构建某样东西”的经历,比五行罗列技术栈更有分量。

这本书缺什么:AI 系统的三层

要补上 AI 这块缺口,可以把 System Design Handbook 的 AI 系统设计指南与这本书搭配阅读。它同样从澄清问题开始,但点明了具体要问的问题:数据类型、延迟和规模。这部分与 Alex Xu 的第 1 步一致。

区别在于高层设计。这份指南建议把架构分成数据、模型、服务三层,并说明你如何在可扩展性与成本、准确率与延迟之间取舍。

回到保险公司的题目,画出这三层。数据层是保单、条款和内部流程文档的存储。要问的是:文档是什么格式,多久更新一次,哪些员工可以查看哪些文档。

模型层负责找到相关段落,并据此起草答案。第 3 步应该在这里深入,因为理赔条款答错造成的危害,远大于多等几秒钟。

至于服务层,前面的计算已经给出了答案:峰值每秒约 3.5 个问题,不需要分片或多级缓存。由于负载低,好的回答会接受稍慢一些的模型来换取准确率,然后在第 4 步明确指出哪些部分仍需用客户的真实数据来衡量。

应该按什么顺序读?

如果只有两周时间,先读框架那一章,再读估算那一章。接着读限流器、一致性哈希和键值存储,打好基础。产品类章节中,聊天和支付比 YouTube 更接近企业系统。

把支付一章和 Saga 的资料一起读,理解为什么需要补偿操作。然后加上数据、模型、服务三层,把书中任意两道题改成 AI 版本重新解一遍,就像上面的保险公司例子那样。

合上书之后,有三个习惯值得保留:先问再画,尽早求反馈,绝不声称设计完美。它们能帮你通过面试,也应该从第一天起带到客户现场。

这篇文章对你有帮助吗?

5 个信源
路线图上的下一篇 · 阶段 8: 职业发展Educative 的 FDE 课程瞄准面试,不适合 AI 新手课程先教向客户提出第一个问题,再教做设计,而刷 LeetCode 出身的候选人往往跳过这一步。