形式内容有什么不同？

亚麻的系统设计面试一般安排在 30 分钟左右，因为还要留出约 30 分钟给 BQ。标准的系统设计流程包括 Requirement Clarification → API Design → Architecture → Database Schema → Control Flow → Deep Dive。不过在亚麻的时间限制下，想完整走完整个流程几乎是不可能的。因此面试的重心通常会放在架构设计（Architecture）和 Deep Dive 。对于 Mid-level，只要能够把功能性需求设计得合理、可行、可扩展，基本就能达标；但对于 Senior 及以上级别，则需要在回答中展现对 Non-functional Requirements 的理解与tradeoff，比如可扩展性、高可用性、一致性、延迟优化等。

另外，要牢记一点：在系统设计面试中，做出面试官想要的设计，比做出“最优”的设计更重要。亚麻的面试官非常看重沟通与协作，因此每一步都应与面试官确认方向，比如说：“我接下来准备从data flow 的角度画一个high level architecture，可以吗？” 或者 “你希望我接下来重点讲解哪个 component？比如 cache 层还是 message queue？”

亚麻内部使用的画图工具是自家平台，功能不如 Excalidraw 流畅，建议提前熟悉基本的框图绘制方式，比如如何画 service box、arrows、load balancer、cache 层、以及数据库分区图等。面试时可以快速画出「核心组件 + 数据流」的结构，而不是追求完美布局。

最后一点，亚麻的系统设计题目范围非常宽。面试官拥有极高的出题自由度。很多题目与亚麻业务无关，属于经典老题；但也有面试官会选择与自己所在团队相关的业务场景。比如：来自 Payment 团队的面试官可能会让你设计一个 Payment Gateway；DynamoDB 团队可能会让你设计一个 Distributed Key-Value Store；Logistics 团队可能会问 Order Tracking / Delivery System；Alexa 团队可能会问 Event-driven or Real-time Pipeline。

高频面经

以下是最近亚麻面试中出现频率极高的若干系统设计原题：

1. Design a Rate Limiter for an API Gateway：设计一个可扩展的限流系统，支持不同级别（IP、user、endpoint）的流量控制。重点在于分布式计数（Redis + Token Bucket / Leaky Bucket）、滑动窗口算法实现、全局同步机制与防御恶意请求的策略。

2. Design a Distributed Cache System (like Redis)：要求支持高可用、分片与副本机制。关键讨论包括 consistent hashing、master-replica replication、failover、TTL 机制、以及数据恢复策略。

3. Design an Online Ticket Booking System：核心挑战是 no double booking 与并发库存控制。需要讲清楚数据库事务、分布式锁（Redis / ZooKeeper）、虚拟队列、Seat Assignment、以及高峰流量下的可扩展方案。

4. Design a Notification Service (like Amazon SNS)：要求设计一个异步、多渠道（SMS、Email、Push）的消息通知系统。关键点在于 Pub/Sub、message fan-out、delivery retry 机制、幂等性处理，以及监控与延迟指标。

5. Design a Payment Gateway (like Stripe or Amazon Pay)：要求实现可靠的支付处理服务，确保交易安全、幂等性和一致性。重点包括交易生命周期管理、外部银行接口整合、Retry + Dead-letter Queue、幂等 Token、ACID 与 BASE tradeoff、以及 Payment Reconciliation（对账流程）。

6. Design a Real-time Chat Service：要求支持私聊与群聊，消息实时传递与离线存储。关键包括 WebSocket / Long Polling、Message Queue 解耦、消息顺序与去重、用户状态同步（Presence）、以及消息持久化与分片。

7. Design a News Feed System：要求设计一个动态生成用户个性化内容流的系统。关键包括 Push vs Pull 模型、Fan-out on Write vs Fan-out on Read、缓存策略、Ranking Pipeline、Timeline 去重、以及延迟优化与批处理更新。

8. Design a File Storage System：设计一个可扩展的文件上传、下载与同步系统。关键包括 Object Store、Metadata Service、Chunking + Hashing + Deduplication、版本控制、分区与复制策略，以及一致性模型（Strong vs Eventual）。

9. Design a Metrics Collection and Monitoring System (like Prometheus)：要求支持大规模指标采集、聚合与查询。关键包括时间序列数据库（TSDB）设计、标签索引（Label-based Indexing）、多层 Aggregation Pipeline、采样与压缩策略、实时告警、以及高可用架构（Sharding + Federation）。