
Hello,我是小兔大白糖。 这篇整理面试口述与高频追问要点,方便对照站内同主题通识文。
目标岗位:大型加密货币交易所(大型加密货币交易所)高级后端开发 — 风控(Risk)
用途:面试前 48 小时背诵 + 现场即查即用
原则:所有模板可直接背诵或填空,拒绝空泛理论。
1. 开场话术模板
1.1 30 秒电梯版 —— 面试官说「你有 45 分钟」
「好的。在画框图之前,我先快速对齐一下问题范围。
我们要做的是 [系统名,例如:实时风控决策引擎],
服务 [用户规模,例如:1.5 亿用户]。
峰值 QPS 我假设大约是 [__ 峰值 QPS,例如:5 万写/秒、20 万读/秒],
[关键路径] 的延迟要求是 [__ 毫秒,例如:p99 < 50ms]。
可用性目标是 [__ 个 9,例如:99.99%]。
我的高层思路是:接入 → 特征 enrichment → 规则/ML 评估 → 决策 → 执行动作。
我会先讲数据流,再估容量,然后深入热路径。
这个范围您觉得可以吗?」记忆锚点:4 个数字 + 1 条 pipeline + 1 个确认问题。
1.2 1 分钟标准版 —— 绝大多数场景
「谢谢这道题。动手画之前,我先对齐范围和约束。
**功能范围**:系统需要对 [做 X,例如:实时评估提现风险],
覆盖 [Y 用户/事件,例如:每一笔订单和提现请求]。
**非功能**:峰值吞吐 [__ QPS/TPS]、延迟 SLA [__ ms p99]、
可用性 [__ %]、数据一致性要求 [例如:至少一次 / 恰好一次]。
我假设的架构分 4 层:
1. **接入层(Ingestion Layer)**:Kafka / 事件总线,异步、高吞吐收事件。
2. **特征平台(Feature Platform)**:从 Redis / Feature Store 取预计算风控特征(用户画像、24h 成交量、设备指纹)。
3. **决策引擎(Decision Engine)**:规则引擎 + 可选 ML 模型做风险打分。
4. **动作层(Action Layer)**:通过 / 拦截 / 转人工;审计日志写入 OLAP。
我会画端到端流程、估容量,然后深入决策引擎(风控关键路径)。
有希望我优先或弱化讲的部分吗?」记忆锚点:功能 + 4 个非功能数字 + 4 层架构 + 主动求确认。
1.3 2 分钟深度版 —— 面试官想看你结构化思维
「好问题。我分 5 个阶段来做,方便全程对齐。
**阶段 1 — 问题澄清(约 2 分钟)**:
确认一下:我们在设计 [系统],服务 [用户数],事件类型 [A、B、C]。
峰值负载:[__] events/sec。同步路径延迟 [__] ms,异步 [__] 秒。
有没有合规要求?例如 AML 是否要在 24 小时内上报?
**阶段 2 — 高层设计(约 5 分钟)**:
画 4 个框:接入 → 特征库 → 决策引擎 → 动作/审计。
数据流:API Gateway 推事件 → Kafka → 流处理 → Redis 查特征 → 规则/ML → 下游系统。
**阶段 3 — 容量估算(约 3 分钟)**:
快速心算存储、内存、带宽,让数字有依据。
**阶段 4 — 深入设计(约 10 分钟)**:
聚焦决策引擎:热路径延迟、规则评估 DAG、特征新鲜度 vs 陈旧度权衡、
ML 不可用时的熔断。
**阶段 5 — 权衡与扩展(约 5 分钟)**:
多区域、灾备、如何无停机上线新规则。
我先画阶段 2,还是您想先调整范围?」记忆锚点:5 个阶段 + 每阶段时间预算 + 最后让面试官选择。
2. 容量估算速查表
2.1 核心公式与心算规则
| 指标 | 公式 | 心算规则 |
|---|---|---|
| 由 DAU 推 QPS | DAU × 人均操作次数 / 86400 | 100 万 DAU ≈ 10 QPS 均值;1000 万 ≈ 100;1 亿 ≈ 1k |
| 峰值 QPS | 平均 QPS × 3~5(峰均比) | 交易所高峰取 5x;普通系统 3x |
| 日存储(原始) | 日事件数 × 平均事件大小 | 10 亿条 × 1KB = 1TB/天 |
| 年存储(含副本) | 日量 × 365 × 副本因子 × 压缩 | 先用 日量 × 400 粗算,再除以压缩率(Kafka ~3x,Parquet ~5x) |
| 入站带宽 | 峰值 QPS × 平均 payload | 1 万 QPS × 2KB = 20 MB/s = 160 Mbps |
| 内存(缓存) | 热数据量 × 1.5 | 若 10% 为热数据,缓存 ≈ 总量 × 10% × 1.5 |
| Kafka 单分区吞吐 | 1 分区 ≈ 10MB/s 写 或 ~1 万条/秒(小消息) | 要 10 万条/秒 → 约 10 个分区 |
| Redis 单节点 QPS | 读约 5~10 万/秒;写约 2 万/秒 | 要 20 万读 → 约 4 节点集群 |
2.2 大型加密货币交易所级交易风控算例
题目:设计实时交易监控系统,日处理 15 亿条事件,求峰值 TPS、Kafka 分区数、年存储。
60 秒心算过程:
步骤 1:平均 TPS
15 亿 / 86400 ≈ 15 亿 / 10 万 ≈ 1.5 万 TPS
(精算:1.5e9 / 8.64e4 ≈ 1.74 万 TPS)
步骤 2:峰值 TPS(交易所有明显高峰,取 5x)
1.7 万 × 5 ≈ 8.5 万 ~ 10 万 peak TPS
步骤 3:单条事件大小(成交 + 订单 + 提现元数据)
平均约 1.5 KB(含 userId、symbol、amount、timestamp、ip、deviceId)
步骤 4:入站带宽
10 万 × 1.5KB = 150 MB/s = 1.2 Gbps
(Redis 读:假设每事件查 5 个特征,均值 5 万 read/s,峰值约 25 万 read/s)
步骤 5:Kafka 分区数
目标吞吐:10 万条/秒。单分区约 1 万条/秒(1.5KB 消息)。
→ 每 topic 约 10~12 分区,取 12 留余量。
若 3 个 topic(raw、enriched、alert)→ 共约 36 分区。
步骤 6:日原始存储
15 亿 × 1.5KB = 2.25 TB/天
步骤 7:年存储(Kafka,副本=3,保留 7 天)
热存储:2.25TB × 3 × 7 ≈ 47 TB
冷存储(S3/Parquet,压缩 5x,存 3 年)
年归档:2.25TB × 365 / 5 ≈ 164 TB/年;3 年约 500 TB。
步骤 8:内存(热特征缓存)
假设 1 亿用户,每人 100 特征,每特征 16 字节。
全量 = 1 亿 × 100 × 16 = 160 GB。
热数据 20% → 32 GB。Redis 集群:6 节点 × 8GB = 48GB(含 overhead)。一句话总结(说给面试官):
「峰值 TPS 大约 10 万,每个 topic 约 12 个 Kafka 分区,入站带宽 150 MB/s, 热 Kafka 存储约 50TB,3 年冷存储约 500TB。热特征缓存放在 6 节点 Redis 集群 足够。」
3. Trade-off 表达模板(填空句式)
3.1 一致性 vs 可用性(CAP)
「在风控场景里,[组件,例如:规则引擎评估路径] 存在一致性与可用性的张力。
若优先 **强一致** [例如:Paxos/Raft 同步复制],
代价是 [延迟上升 / 分区时写不可用]。
在这条路径上我选择 [最终一致 / 强一致],
因为 [原因,例如:『风险分陈旧 100ms 可接受,但分区时拒绝所有交易是不可接受的收入损失』]。
具体实现:[例如:『本地缓存 TTL 100ms + 异步失效』/『规则更新用主从同步复制』]」风控领域例子:
「风控特征读取选最终一致:用户近 1h 交易额缓存允许 1 秒延迟,但决策引擎必须保持可用,不能因特征存储网络分区就拒绝所有提现。」
3.2 延迟 vs 准确度
「这里的张力是 **延迟 vs 准确度**。
[复杂 ML / 全量历史图遍历] 能把检出率提到 [__]%,但增加 [__]ms 延迟。
在 p99 SLA [__]ms 下,我建议 **分层(tiered approach)**:
- **快路径**:轻量规则 + 小模型,< [__]ms,覆盖 [__]% 流量。
- **慢路径**:重 ML / 图分析,异步,处理边缘 case。
这样 [__]% 流量满足延迟,其余在不妨阻塞热路径的前提下提高准确度。」风控领域例子:
「提现风控:简单规则(24h 额度、黑名单)10ms 内拦 95% 明显风险;图神经网络查关联交易环走异步,不阻塞用户。」
3.3 成本 vs 可靠性
「要把可靠性从 [__ 个 9] 提到 [__ 个 9],
成本通常 [翻倍 / 约 3 倍],因为要 [多区域 / 跨 AZ 复制 / 专用硬件]。
我的做法是 **分级可靠性(graded reliability)**:
- 一级路径(如提现拦截)→ [__ 个 9],多活,值得投入。
- 二级路径(如事后异常报表)→ [__ 个 9],单区 + 备份即可。
避免对 [低影响组件] 过度工程,同时保护 [收入关键路径]。」风控领域例子:
「充值提现决策链路必须 4 个 9,多活部署;而每日批量风控报表允许 2 个 9,单区 + S3 冷备即可。」
3.4 同步 vs 异步
「对 [操作,如:充值风控打分],同步能带来 [即时反馈 / 强一致],
但带来 [耦合 / 队头阻塞 / 紧 SLA 依赖]。
用 [Kafka / 内部队列] 异步可解耦 [生产方与消费方]、提高 [韧性],
但引入 [延迟 / 恰好一次处理的复杂度]。
我的选择:[同步 / 异步 / 混合]。
- **同步**:需要即时用户反馈的路径(如登录 2FA)。
- **异步**:可容忍延迟的路径(如成交后 AML 扫描)。
- **混合**:API 先返回 [默认通过],异步 worker 在风险信号晚到时更新决策。」风控领域例子:
「提现请求:同步走到规则引擎(p99 < 50ms),返回 allow/block;同时发 Kafka 触发异步 AML 深度分析,若 5 分钟后发现异常,触发事后冻结并推送通知。」
3.5 SQL vs NoSQL
「[数据类型,如:风控事件日志] 是 [写多读少 / 时序 / 半结构化],
[NoSQL,如 MongoDB/ScyllaDB] 适合 [水平扩展 / 灵活 schema]。
但 [SQL,如 PostgreSQL] 更适合 [复杂聚合 / ACID / JOIN]。
我的决策:**多语言持久化(polyglot persistence)**。
- 热事务状态:[SQL / Redis],要 [ACID / 低延迟]。
- 审计与时序事件:[NoSQL / OLAP,如 ClickHouse],追加写、快扫描。
- 特征库:[Redis / 内存库],亚毫秒读。」风控领域例子:
「风控规则配置和审批工单存 PostgreSQL(ACID + JOIN);事件流水存 ClickHouse(列式 + 高吞吐聚合);用户实时特征存 Redis(Hash + 过期策略)。」
3.6 Kafka vs RabbitMQ
「在 [吞吐,如:10 万 events/秒] 和 [持久化] 要求下对比 Kafka 与 RabbitMQ:
- **Kafka**:吞吐高、可回放、日志型保留,适合 [事件溯源 / 流处理]。
代价:延迟毫秒级、运维复杂(ZooKeeper/KRaft)。
- **RabbitMQ**:延迟更低、路由丰富(topic/exchange/queue),适合 [任务队列 / 类 RPC]。
代价:吞吐较低、回放较难。
[风控事件接入] 选 **Kafka**,因为 [吞吐与回放做回测] 比 [亚毫秒路由] 更重要。
[告警分发] 可用 **RabbitMQ** 或内存队列,因为要按 severity、渠道(SMS、email、webhook)灵活路由。」风控领域例子:
「交易事件总线用 Kafka(高吞吐 + 回放,支持离线模型训练);风控告警分发用 RabbitMQ(按严重级别 + 渠道路由)。」
3.7 规则引擎 vs ML 模型
「**规则引擎** 提供 [可解释性、快速迭代、确定行为、低延迟],
但难以处理 [未知攻击模式 / 高维特征交叉]。
**ML 模型** 能抓 [细微异常 / 新模式],
但有 [黑盒、训练成本、冷启动、漂移]。
生产风控常用 **级联混合(cascading hybrid)**:
1. **规则层**:硬拦截(黑名单、限速、监管阈值)— 确定、可向审计解释。
2. **ML 层**:灰区风险分 — 抓演化中的欺诈模式。
3. **人工层**:模型不确定时进入审核队列。
规则秒级上线;模型 [日/周] 重训,全量前 [shadow 模式] 跑 [1 周] 再切换。」风控领域例子:
「大型加密货币交易所提现风控:规则层拦已知黑名单和超速交易;XGBoost 对其余交易打 0–100 分;score > 80 且规则未命中 → 人工审核。新模型先 shadow 一周,对比 F1 后再切换。」
4. 白板画图节奏指南
4.1 四阶段画法
阶段 1 — 大框(约 30 秒)
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ Client │─────▶│ Gateway │─────▶│ Kafka │
└─────────────┘ └─────────────┘ └─────────────┘
│
┌─────────────┐ │
│ Feature │◀────────┘
│ Store │
└─────────────┘
│
┌─────────────┐
│ Decision │
│ Engine │
└─────────────┘
│
┌─────────────┐
│ Action │
│ / Audit │
└─────────────┘
要做:画 5~6 个大框并命名。
不要:数据库主从细节、内部线程池、具体字段。
阶段 2 — 数据流箭头(约 30 秒)
加单向箭头表示流向。
用实线/虚线区分:实线 = 同步,虚线 = 异步。
要做:标出 write vs read 方向。
不要:写端口号、协议细节。
阶段 3 — 数字与 SLA(约 30 秒)
在箭头旁写 QPS/带宽/延迟:
Gateway → Kafka: 100k TPS, 150 MB/s
Feature Store lookup: p99 < 5ms
Decision Engine: p99 < 30ms
要做:写面试官最关心的 3 个数字。
不要:纠结小数点。
阶段 4 — 放大(被问到再做)
只展开一个框,例如 Decision Engine:
┌─────────────────────────────┐
│ Decision Engine │
│ ┌─────┐ ┌─────┐ ┌──────┐ │
│ │Rule │─▶│Score│─▶│Action│ │
│ │Eng │ │Merge│ │Router│ │
│ └──┬──┘ └──┬──┘ └──┬───┘ │
│ └────▶┌───┴──┐ │ │
│ │ML Svc│◀──┘ │
│ └──────┘ │
└─────────────────────────────┘
要做:只画被问到的组件。
不要:一次展开所有组件。面试官视角:先见森林(阶段 1),再见树(阶段 4)。不要一开始就画树叶。
4.2 进阶:Mermaid 版(线上白板)
5. 面试现场建议
5.1 题目是「设计 URL 短链」但你准备的是风控
不要:「我只准备了风控,没准备这个。」
要:
「可以。URL 短链很有意思,我先快速 scope:
- 写负载:[X] 新 URL/分钟,读负载:[Y] 重定向/秒。
- 延迟:重定向应 < [Z] ms。
- 可选:统计、自定义别名、过期。
我的设计:
1. **编码服务**:自增 ID 的 Base62 或 MD5 前缀。
2. **存储**:KV(Redis 热数据 + DB 持久化)。
3. **读路径**:缓存优先重定向。
4. **冲突**:MD5 则 check-until-free;DB 自增则无冲突。
若您愿意,我也可以关联风控角度:
- 创建短链限速防滥用。
- Bloom filter 黑名单拦截恶意目标 URL。
- 合规审计轨迹。
您希望我深入哪一块?」核心策略:快速回答 + 展示可迁移能力 + 主动拉回安全/风控/高并发强项。
5.2 如何问澄清问题
| 时机 | 问题模板 |
|---|---|
| 刚听题 | 「这是绿地项目还是从现有系统迁移?」 |
| 「主要用户是散户、机构还是内部运营?」 | |
| 「有监管约束吗?例如日志是否要保留 5 年?」 | |
| 估算阶段 | 「有目标 DAU 或峰值 TPS,还是由我来估?」 |
| 「这是同步阻塞决策还是可以异步?」 | |
| 深入阶段 | 「深入部分您更关心延迟还是检出准确率?」 |
| 「先设计单区,还是默认多区域?」 |
黄金法则:最多问 3 个澄清问题,然后进入设计。不要变成你在面试面试官。
5.3 如何与面试官 check-in
每 5~7 分钟说一句:
「目前我讲了接入和容量。在深入决策引擎之前,
这个方向可以吗,还是需要我 pivot?」
或者:
「特征库有两种设计:拉取模型(请求时查)和推送模型(流式预物化 join)。
您更想听哪种?」目的:避免你讲了 20 分钟,面试官其实想听别的。
5.4 发现错误如何 recovery
场景 A:QPS 算错(例如把 15 亿当成 1500 万)
「等一下我重算 — 15 亿条事件,日均约 1.5e9 / 1e5 ≈ 1.5 万 TPS,不是 1.5 千。
谢谢停顿,Kafka 分区应从 2 个改成约 12 个。」
场景 B:发现架构根本缺陷
「其实这里存在竞态:两个处理器同时读同一特征会重复计数。
我加上 [分布式锁 / 原子计数 / 事件时间窗口] 来修。」
场景 C:面试官 challenge 你
「这个质疑合理。若 [假设 X] 不成立,[设计点 Y] 会失效。
替代方案是 [Z],权衡是 [A vs B]。生产里我倾向 [选择 + 原因]。」核心:自信纠正,不要慌。面试官想看的是你如何处理不确定性。
5.5 如何收尾总结
最后 2 分钟:
「我总结一下今天的设计:
- **范围**:[系统],规模 [__],峰值 [__ TPS],延迟 [__ ms]。
- **架构**:四层 — 接入(Kafka)、特征(Redis)、决策(规则+ML)、动作(审计+拦截)。
- **关键权衡**:特征用 [最终一致] 以保证 [决策引擎可用];ML 走 [异步] 保护 [热路径延迟]。
- **瓶颈**:[特征读取] 约 25 万 QPS;缓解:[本地 LRU + Redis 集群]。
- **若有更多时间**:会做 [多活]、[规则金丝雀]、[ML 降级混沌演练]。
还有希望展开的部分吗?」6. 常见追问应对(10 题 + 参考答案)
F1:「如何扩展 10 倍?」
「10 倍意味着峰值从 [__] 到 [__]。扩展策略:能水平就水平,必要时垂直。
1. **Kafka**:分区 12 → 120,加 broker 即可。
2. **流处理**:无状态,按 consumer lag 用 K8s HPA 扩容。
3. **特征库**:Redis 6 节点 → 60 节点,注意热 key 倾斜(如 BTC-USDT)。
缓解:本地缓存(Caffeine/客户端缓存)、key 分片 vol:BTCUSDT:0..N。
4. **决策引擎**:规则评估 CPU 密集,扩 pod + 规则编译成 DAG 批量评估。
ML:CPU → GPU 或 ONNX/Triton + batch inference。
5. **数据库**:审计日志按时间分区或 userId 分片。
不易线性扩展的是 [跨 pod 全局计数],
可改为 [近似计数 / 本地批量 + 异步刷写],而不是全局同步 Redis INCR。」风控要点:热 key 分片(交易对维度)、规则 DAG、ML batch。
F2:「某组件挂了怎么办?」
「假设 [特征库 Redis] 宕机:
1. **发现**:健康检查失败 → 熔断(Sentinel/Hystrix)在 [连续 5 次失败 / p99>100ms] 后打开。
2. **降级**:决策引擎切 [默认模式 / 本地缓存兜底]。
- 本地缓存有数据且 < [TTL,如 1 分钟]:用略陈旧但安全的值。
- 缓存 miss:保守默认(如 >$1k 提现拦截)并异步重试。
3. **告警**:立即 on-call;指标 [redis_failure_fallback_rate]。
4. **恢复**:Redis 恢复后熔断半开 → 探测 → 关闭。
若 [决策引擎] 本身故障:
- 异步:consumer lag 上升 → 告警。
- 同步:Gateway 超时 → 默认 [拦截/人工](风控原则:**fail-closed**,不要 fail-open)。」F3:「如何处理热 key?」
「风控里热 key 很常见,例如 [全局 24h 市场量]、[BTC-USDT]、
或 [正在被攻击的用户产生海量事件]。
三种手段:
1. **读侧**:每实例本地 LRU,热 key 命中率通常 80–90%,TTL 短(如 1s)限制陈旧度。
2. **写侧**:key 分片,vol:BTCUSDT → vol:BTCUSDT:0..N,读时聚合;或用 Redis Streams 写分片。
3. **架构侧**:推送替代拉取 — 单流处理器更新内存值,经 [pub-sub / 本地缓存失效] 广播,
避免 1000 个 pod 每 10ms 读同一 key。
大型加密货币交易所规模下,先看 Redis slowlog 定位热 key,再逐级上手段。」F4:「瓶颈在哪?」
「当前瓶颈很可能是 **[特征库读延迟]**。
推理:10 万 TPS × 每事件 5 特征 = 50 万 Redis 读/秒;
平均 2KB payload ≈ 1 GB/s 读带宽;跨 AZ 每跳 1–3ms,p99 尾部会抖。
生产证据:
- Redis INFO instantaneous_ops_per_sec
- 客户端读延迟直方图、缓存命中率
- 决策引擎 CPU profile:FetchFeatures vs EvaluateRules 占比
设计里已有:本地缓存 + 异步特征预物化。
仍不够则 **特征嵌入**:在接入时把物化特征写入事件,决策引擎只读本地内存。」F5:「如何做多区域?」
「风控多区域有两种:
**A — 用户亲和(数据主权)**:欧盟用户在 EU,美国在美国。
- Kafka:MirrorMaker 2 / Replicator 跨区同步。
- 特征库:分区 Redis,全球名单(如制裁)异步同步。
- 决策引擎:本地化;仅全球规则要跨区一致。
**B — 多活**:任意区域处理任意用户。
- 难在特征跨区一致性;非关键特征可用 CRDT / LWW;
关键特征(如可用余额)用 [Spanner 类外部一致] 或
[按 userId 固定路由到一区](用可用性换正确性)。
建议先做 A:多数规则区域性;避免全球强一致 CAP 难题;
故障切换:DNS + 健康检查,备区 Kafka lag < 1s。」F6:「如何保证数据一致性?」
「取决于数据类型与一致性级别:
1. **审计日志(恰好一次)**:Kafka 生产者幂等 + 消费者「处理 + 提交 offset」在同一 DB 事务。
2. **风控计数(强一致)**:Redis INCR/HINCRBY;跨分片用 Lua 或 etcd/ZK 全局锁(吞吐差)→ 按 userId 分片使单分片原子。
3. **规则配置(最终一致)**:规则变更发 Kafka config topic,各处理器更新本地规则缓存,传播延迟 < 100ms 可接受。
4. **ML 特征回填(至少一次)**:幂等写(同时间戳覆盖)。
我总问:『业务真正要哪种一致?』强一致很贵,只在涉钱/合规处买。」F7:「监控策略是什么?」
「四支柱,结合风控场景:
1. **指标(RED + USE)**:
- Rate:决策 QPS、规则命中率、ML 调用率。
- Errors:漏放率、误拦率、超时率。
- Duration:evaluate p50/p99、特征读取 p99、Kafka lag。
- USE:Pod CPU/内存、Redis 内存、带宽。
2. **日志**:结构化 JSON,OpenTelemetry traceId/spanId;
每次拦截提现记录 ruleId、特征快照、模型分、原因;热 7 天 ES/Loki,冷 3 年 S3。
3. **链路**:Gateway → Kafka → Processor → Redis → Decision → Action;
定位延迟尖刺;标签含 userId、symbol、decisionOutcome。
4. **告警**:
- P0:决策 p99 > SLA×2 持续 2 分钟 → 电话。
- P0:consumer lag > 10 万 → 电话(决策陈旧)。
- P1:误拦率 > 1% 持续 10 分钟 → Slack。
- P2:日模型漂移超阈值 → 工单(需重训)。
看板:Grafana 顶层放『每分钟拦截金额』和『每分钟漏放金额』— 业务指标优先。」F8:「新人如何上手这套系统?」
「三阶段,安全优先:
**阶段 1 — 只读跟班(第 1 周)**:
Runbook、架构图、on-call 手册;只读 Grafana;跟 10 条生产决策全链路。
目标:知道正常长什么样。
**阶段 2 — 安全贡献(第 2–3 周)**:
沙箱加低风险规则(如 UA 为空则拦);强制 senior CR + 自动化测试;
金丝雀 1% 流量,观察误拦 24h 再全量。
**阶段 3 — 可值班(第 2 月)**:
跟 incident(模拟 Redis 宕机、Kafka lag);主导 minor 事故 post-mortem;
清单:能解释 CAP 选择、5 分钟内回滚坏规则、能读 CPU profile。
原则:在 staging 见过失败前,不许单人改生产 block/allow。」F9:「如何从旧系统迁移?」
「双写 / shadow,风控不能停机:
1. **Shadow(2–4 周)**:旧系统决策并执行;新系统复制流量只算不执行;
对比 agreement_rate、latency_delta、误拦_delta;对齐 >99.9%。
2. **Parallel(1–2 周)**:新系统算、旧系统执行;不一致告警但仍执行旧的。
3. **Reverse shadow(1 周)**:新系统执行,旧系统 shadow;误拦可秒级回滚。
4. **下线**:旧流量为 0;只读保留 1 月(合规)后归档。
数据:审计 ETL 到新 OLAP;特征双写 + Spark 回填;规则导出转换语义验证。」F10:「如何测试?」
「风控五层测试金字塔:
1. **单元(约 70%)**:每条规则参数化 [正常、边界、null、极值];
mock Redis/Kafka,隔离测决策引擎。
2. **集成(约 20%)**:Docker Compose:Kafka+Redis+PG+引擎;
真实事件进 Kafka → 验证 DB 决策;崩溃中途消费验证无重复决策。
3. **契约(约 5%)**:特征 API 陈旧 TTL 时引擎优雅处理;ML 输入 schema 与训练一致。
4. **混沌(约 3%)**:杀 Redis 节点、Kafka 分区不可用、特征读取注入 100ms 延迟。
5. **生产验证(约 2%)**:规则 1% 金丝雀;ML champion vs challenger,看 fraud_detected 与 user_complaint。
风控特别做 **属性测试/模糊测试**:随机合法事件,保证不 panic、不负金额、不全站误拦。」7. 附录:速查卡
┌─────────────────────────────────────────────────────────────┐
│ 大型加密货币交易所风控系统设计 — 速查卡 │
├─────────────────────────────────────────────────────────────┤
│ 数字(背诵) │
│ • 100 万 DAU ≈ 10 均值 QPS | 峰值 3~5x │
│ • 1 分区 ≈ 1 万条/秒 或 10MB/s │
│ • Redis 单节点 ≈ 5 万读 QPS │
│ • 10 亿条 × 1KB = 1TB/天 │
├─────────────────────────────────────────────────────────────┤
│ 开场(30 秒) │
│ 「峰值 __ QPS,p99 __ ms,__ 个 9。四层:接入→特征→决策→动作。 │
│ 可以继续吗?」 │
├─────────────────────────────────────────────────────────────┤
│ Trade-off 万能句 │
│ • 「我选 X,因为这条路径 [延迟/可用性] 比 [准确/一致] 更重要。」│
│ • 「分层:快路径 __ ms,慢路径异步。」 │
│ • 「安全 fail-closed,体验上优雅降级。」 │
├─────────────────────────────────────────────────────────────┤
│ 画图顺序 │
│ 1. 大框 → 2. 箭头(同步/异步)→ 3. 数字 → 4. 被问再放大 │
├─────────────────────────────────────────────────────────────┤
│ 纠错话术 │
│ • 「我重算一下…」 │
│ • 「这个质疑合理;替代方案是…」 │
│ • 「其实这里有竞态,修复方式是…」 │
├─────────────────────────────────────────────────────────────┤
│ 迁移口诀 │
│ Shadow → 并行 → 反向 Shadow → 下线 │
├─────────────────────────────────────────────────────────────┤
│ 测试口诀 │
│ 单元(规则)→ 集成(Docker)→ 混沌 → 金丝雀(1% 生产) │
└─────────────────────────────────────────────────────────────┘面向大型加密货币交易所高级后端(风控方向)及高频/金融科技类系统设计面试。模板适用于现场背诵与填空。英文原版见 i3-system-design-speech-and-whiteboard.md。