6周刷了200道LeetCode，面試時(shí)大腦空白8秒。拒信48小時(shí)后送達(dá)，比我任何一次AC（Accepted，通過(guò)）都值錢(qián)。

第一題：百萬(wàn)并發(fā)的匹配系統(tǒng)

面試官開(kāi)口就是：「設(shè)計(jì)一個(gè)支持100萬(wàn)并發(fā)用戶的打車(chē)匹配系統(tǒng)?！?/b>

我準(zhǔn)備了6周的分布式事務(wù)、一致性哈希、CAP定理（Consistency一致性、Availability可用性、Partition tolerance分區(qū)容錯(cuò)性）。全是錯(cuò)的。

真正考察的不是知識(shí)點(diǎn)背誦，而是你在壓力下的決策鏈條。100萬(wàn)并發(fā)不是數(shù)字，是場(chǎng)景——早高峰暴雨天，司機(jī)和乘客的時(shí)空坐標(biāo)每秒都在變，匹配算法要在300毫秒內(nèi)算出最優(yōu)解，還要考慮取消率、司機(jī)偏好、動(dòng)態(tài)定價(jià)。

我當(dāng)時(shí)的思路：先分片，再緩存，最后消息隊(duì)列削峰。聽(tīng)起來(lái)對(duì)，但漏了最核心的問(wèn)題——匹配的本質(zhì)是雙邊市場(chǎng)的實(shí)時(shí)博弈，不是簡(jiǎn)單的鍵值查詢。

面試官追問(wèn)：「如果司機(jī)同時(shí)收到兩個(gè)訂單，怎么防沖突？」我答了分布式鎖。他又問(wèn)：「鎖的粒度？」我卡住了。粒度太粗，吞吐量崩；粒度太細(xì)，復(fù)雜度爆炸。這題沒(méi)有標(biāo)準(zhǔn)答案，看的是你權(quán)衡的維度。

第二題：故障時(shí)的用戶體驗(yàn)

第二題更刁鉆：「匹配服務(wù)掛了，用戶端該怎么表現(xiàn)？」

我下意識(shí)說(shuō)降級(jí)到人工調(diào)度。面試官搖頭：「Uber沒(méi)有人工調(diào)度員?！?/p>

正確思路是熔斷后的優(yōu)雅降級(jí)——保留核心功能（展示附近車(chē)輛、預(yù)估價(jià)格），關(guān)閉非核心（實(shí)時(shí)路徑規(guī)劃、動(dòng)態(tài)定價(jià)），同時(shí)用本地緩存的最后一幀數(shù)據(jù)撐住界面，不讓用戶看到白屏。

我漏了關(guān)鍵一環(huán)：故障時(shí)的用戶預(yù)期管理。直接說(shuō)「系統(tǒng)繁忙」和說(shuō)「附近車(chē)輛較少，預(yù)計(jì)等待5分鐘」，留存率差出一個(gè)數(shù)量級(jí)。產(chǎn)品經(jīng)理的直覺(jué)在這里比架構(gòu)圖重要。

第三題：數(shù)據(jù)一致性的陷阱

最后一題關(guān)于賬單對(duì)賬：「乘客扣款成功，司機(jī)沒(méi)到賬，怎么查？」

我講了最終一致性、對(duì)賬任務(wù)、補(bǔ)償機(jī)制。面試官打斷我：「如果這筆訂單涉及優(yōu)惠券、平臺(tái)抽成、司機(jī)獎(jiǎng)勵(lì)，三個(gè)系統(tǒng)數(shù)據(jù)對(duì)不上，你先信誰(shuí)？」

這是我在6周準(zhǔn)備里完全沒(méi)碰過(guò)的領(lǐng)域——業(yè)務(wù)語(yǔ)義優(yōu)先于技術(shù)正確。財(cái)務(wù)系統(tǒng)的設(shè)計(jì)原則不是追求絕對(duì)一致，而是可追溯、可審計(jì)、可人工介入。我背了一肚子分布式理論，沒(méi)想過(guò)錢(qián)的事。

復(fù)盤(pán)：我練錯(cuò)了什么

拒信里有一句話：「候選人對(duì)技術(shù)細(xì)節(jié)掌握扎實(shí)，但缺乏對(duì)業(yè)務(wù)場(chǎng)景的抽象能力?！?/p>

翻譯成人話：我把系統(tǒng)設(shè)計(jì)當(dāng)成了填空題，而Uber要的是應(yīng)用題。

LeetCode的6周訓(xùn)練讓我對(duì)時(shí)間復(fù)雜度脫口而出，但面試問(wèn)的是——這個(gè)復(fù)雜度在真實(shí)業(yè)務(wù)里值不值得。100萬(wàn)并發(fā)的匹配系統(tǒng)，用Redis（Remote Dictionary Server，遠(yuǎn)程字典服務(wù)）集群扛讀，用Kafka（一種分布式流處理平臺(tái)）緩沖寫(xiě)，用Geohash（地理哈希）做空間索引，這些技術(shù)選型不是難點(diǎn)。難點(diǎn)是你怎么向面試官證明，你理解「匹配延遲」和「司機(jī)空駛率」之間的 trade-off（權(quán)衡）。

我后來(lái)翻遍了Uber的工程博客，發(fā)現(xiàn)一個(gè)細(xì)節(jié)：他們的匹配引擎每2秒重算一次全局最優(yōu)，而不是實(shí)時(shí)響應(yīng)每次位置更新。這是業(yè)務(wù)決策，不是技術(shù)限制。省電、省流量、省算力，犧牲的是理論上的「最優(yōu)」，換來(lái)的是可落地的「足夠好」。這種取舍，刷題刷不出來(lái)。

另一個(gè)盲區(qū)：我沒(méi)準(zhǔn)備「反向設(shè)計(jì)」——如果讓你改造現(xiàn)有的Uber系統(tǒng)，你會(huì)動(dòng)哪？面試官暗示我，他們最近在做多模態(tài)匹配（拼車(chē)+專(zhuān)車(chē)+外賣(mài)騎手資源共享），這需要重構(gòu)調(diào)度層的抽象。我當(dāng)時(shí)的回答停留在「加緩存、擴(kuò)集群」的層面，沒(méi)觸及架構(gòu)演進(jìn)的核心矛盾。

給后來(lái)者的清單

如果你也在準(zhǔn)備大廠系統(tǒng)設(shè)計(jì)，這幾件事比刷題重要：

第一，用真實(shí)產(chǎn)品的數(shù)據(jù)量級(jí)做假設(shè)。Uber日均3000萬(wàn)單，峰值每秒10萬(wàn)次匹配，這些數(shù)字不是背景知識(shí)，是你算QPS（Queries Per Second，每秒查詢率）、分片策略、緩存命中率的起點(diǎn)。脫離業(yè)務(wù)談技術(shù)，面試官一眼識(shí)破。

第二，準(zhǔn)備三個(gè)「如果」：如果主庫(kù)掛了、如果流量漲10倍、如果業(yè)務(wù)要擴(kuò)展新場(chǎng)景。不是背答案，是練決策速度。我面試時(shí)8秒的空白，就是平時(shí)沒(méi)練過(guò)壓力下的快速取舍。

第三，找到你目標(biāo)公司的工程博客，讀最近兩年的架構(gòu)演進(jìn)。Uber的Ringpop（分布式節(jié)點(diǎn)發(fā)現(xiàn)）、Schemaless（無(wú)模式數(shù)據(jù)庫(kù)）、以及他們?cè)趺磸膯误w遷移到微服務(wù)，這些不是八卦，是面試官的隱性題庫(kù)。我后來(lái)才發(fā)現(xiàn)，第三題的對(duì)賬問(wèn)題，直接對(duì)應(yīng)他們2018年的一篇博文。

48小時(shí)的拒信周期，比我想象中快。據(jù)說(shuō)Uber今年收緊了系統(tǒng)設(shè)計(jì)的通過(guò)標(biāo)準(zhǔn)，同一批面試者里，有5年經(jīng)驗(yàn)的老兵也掛在這一輪。

我的200道LeetCode沒(méi)白費(fèi)，但它們只是入場(chǎng)券。真正決定能不能拿到offer的，是你能不能在8秒內(nèi)，把「技術(shù)正確」翻譯成「業(yè)務(wù)價(jià)值」。我僵住的那8秒，不是知識(shí)盲區(qū)，是思維習(xí)慣的盲區(qū)——刷題讓我學(xué)會(huì)了怎么答對(duì)，但沒(méi)教會(huì)我怎么想對(duì)。

你現(xiàn)在準(zhǔn)備系統(tǒng)設(shè)計(jì)，花多少時(shí)間在業(yè)務(wù)場(chǎng)景上？