第 4 周 · 用生产演练准备高级开发面试
本周 22 小时,覆盖第 22–28 天。 你已经有教案、生成任务、RAG 问答、受控工具调用和一份能启动的部署。接下来给系统安排几次可重复的故障,观察哪些承诺经得住真实运行。所有演练使用本地练习环境、合成数据及模拟上游。每次先记录预期,再看任务、日志、数据库的实际变化。
复习入口 第 1 周的并发提交测试、第 2 周的问题集、第 3 周的 Agent 场景集以及首次部署说明。准备一张结果表,记录版本、环境、输入规模、步骤、预期、实际、差异和修复后的重复验证。空白项留空,保存实际测到的数字。
本篇目录
第 22 天 · 接受第三方 API 会失败(2 小时)
分配 15 分钟画出调用链,45 分钟加入可控响应,45 分钟跑测试,15 分钟总结。
用已有模拟器按请求序号返回 429、暂时性服务错误、超时、无效数据和成功五种情景。让调用层设置连接和总超时。对可重试错误设置次数与总耗时上限,对 429 按服务端给出的合理 Retry-After 延迟,其他暂时性错误加入退避和抖动。剩余预算不足时终止并给出明确状态。先限制单任务并发;若调用层和 worker 都会重试,明确各自职责并计算最坏调用次数。
实验 模拟“第一次 429,第二次成功”和“持续超时”。记录每次调用的开始时间与终止原因。第三方已执行而客户端超时属于结果未知,核对上游是否支持幂等键、查单或对账,再决定是否自动重放。请求次数与结果份数分别统计。
证据与追问 保存两段调用时间线。解释“单次请求超时 5 秒,最多重试 2 次,整个操作还要预留哪些等待时间”。如果观察不到预期延迟,核对测试时钟与重试逻辑是否在同一层。
第 23 天 · worker 重启、租约与迟到结果(2 小时)
分配 20 分钟标故障窗口,50 分钟实现或完善租约,35 分钟模拟重启,15 分钟复盘。
让领取任务时写入 attempt 和 lease_until。允许回收过期且仍 running 的任务,由新执行者原子递增 attempt。耗时操作使用有界超时,若采用续租,续租同样要验证持有者。成功、失败两条写回路径都带领取时的 attempt 和预期状态。例如,下面的写回影响零行时,应记录迟到结果并结束本次执行。
UPDATE jobs
SET status = 'succeeded', result = :result
WHERE id = :job_id
AND status = 'running'
AND attempt = :claimed_attempt;
两轮演练。第一轮在生成前停掉 worker,等缩短的测试租约到期,启动新 worker,观察任务被重新领取。第二轮用两个模拟执行者,让较旧的一方最后才返回。核对任务结果来自最新有效 attempt。说明租约、重试和条件写回各自保证什么。如果存在外部收费或写入动作,还要单独记录供应商侧的执行情况。
证据与追问 留下领取次数、最终结果行数和迟到写入影响行数。解释“数据库里只有一个结果,为什么仍可能产生两次外部调用”。遇到任务一直卡住,检查租约时钟来源、回收扫描条件和最大尝试次数。
第 24 天 · 看一次索引、执行计划与事务边界(2 小时)
分配 20 分钟采样,40 分钟看计划,35 分钟尝试索引并对比,25 分钟说清取舍。
选任务详情页常用的“查看某用户最近 20 条任务”。用种子脚本向隔离的练习库填充能体现数据分布的记录,记下总数、用户数和该用户的任务量。先用 ANALYZE 更新统计。使用同一用户、同一返回字段和相近缓存条件,对只读查询运行下列示意 SQL。把参数换成测试用户真实 ID。
EXPLAIN (ANALYZE, BUFFERS)
SELECT id, status, created_at
FROM jobs
WHERE owner_id = :owner_id
ORDER BY created_at DESC, id DESC
LIMIT 20;
尝试复合索引 (owner_id, created_at DESC, id DESC)。对比扫描方式、实际行数、排序、缓冲区访问和执行耗时。各运行数次,说明数据量和缓存条件。小表选择顺序扫描可以是合理结果,保留原始证据。再回看第 3 天的版本事务和第 6 天的领取事务,解释二者保护的业务不变量。EXPLAIN ANALYZE 会实际执行语句,本练习限定为 SELECT。PostgreSQL 执行计划指南
证据与追问 留一份前后计划和三句解释。思考“索引变多对写入成本有什么影响”“按创建时间排序为什么还要带 id”“锁住数据库行为什么不能解决外部服务重复执行”。
第 25 天 · 把 RAG 和 Agent 的指标接到同一条链路(2 小时)
分配 20 分钟定义口径,45 分钟回放场景,40 分钟归类失败,15 分钟选出一项改进。
每次运行记录 request_id、job_id(若有)、模型和提示版本、检索片段 ID、工具名、开始与结束时间。日志省略凭证和完整私有资料。按一次用户操作汇总模型调用次数、输入输出 token 和总耗时。若使用估算单价,把单价来源、日期和币种与用量分开记录。
从第 2 周已冻结的开发题中选 5 题做回归,从第 3 周选 5 个工具场景。RAG 对有参考证据的问题统计“前三个结果命中参考片段的题数 / 可回答题数”,无答案题单独记录是否合理拒答。Agent 分别看任务是否成功、是否选对工具、参数是否合法、是否触发未经确认的写操作。小样本保留分子和分母,延迟给出每次耗时或中位数。
今天留下 一张逐条评测表、一条从输入到输出的完整调用链,以及一例归因。“检索未命中”和“检索命中但生成引用错误”应有不同改动。面试追问“如果只能降低成本或提高正确率中的一个,你会先看什么业务条件”。
第 26 天 · 发布、迁移与回滚(2 小时)
分配 20 分钟写兼容矩阵,45 分钟发布新版本,35 分钟切回旧版本,20 分钟更新文档。
从当前正常版本打一个本地标记 V1。给 jobs 增加一个可空的错误分类列,迁移到 V2,再发布使用新列的应用。先部署数据库兼容变更,应用读取旧记录时处理空值。开发机使用独立项目名和数据卷。启动检查应验证数据库能接受查询,部署说明应明确迁移成功后才启动依赖新列的程序。Docker Compose 启动顺序
让 V2 写入一条任务后,把应用和 worker 切回 V1,保留兼容的数据库结构,再用旧版本读旧任务、读新任务、创建一条新任务。恢复 V2,查这三条记录。另起一个本地数据库演练从备份恢复,核对一条历史记录和一条生成结果。回滚程序和恢复数据库是两类操作,应分别记录其触发条件与影响。
今天留下 一个版本兼容表和可执行的回滚步骤。回答“为什么删除旧列应安排在兼容期结束后”“数据库恢复到备份时点会影响哪些后来写入的数据”。时间吃紧时,优先验证应用回滚和关键查询,备份恢复放到第 28 天。
第 27 天 · 做一场完整故障演练(6 小时)
分配 45 分钟定场景与观察点,75 分钟构造负载和基线,90 分钟运行故障与恢复,75 分钟改一项并复测,45 分钟写复盘,30 分钟口述。可以分三段完成。
场景设为“5 个用户先后提交教案,模拟上游开始限流,其中一个任务运行时 worker 退出”。把两种故障分别跑通后再组合。测试种子固定、模拟器可切换模式。先用并发 1 跑一轮,再用并发 5 跑同批任务。测试环境资源有限时记录实际配置。
| 观察量 | 计算方法 | 如何解释 |
|---|---|---|
| 提交延迟 | 从 POST 发出到收到 202 | 反映前台提交与持久化是否顺畅 |
| 排队时间 | 首次领取时间减提交时间 | 观察增加并发是否超过后台处理能力 |
| 完成时间 | 最终终态时间减提交时间 | 反映重试、排队和执行的总影响 |
| 结果一致性 | 预期任务、实际记录、最终结果和外部调用次数分别计数 | 可以定位重复请求与重复执行发生在哪一层 |
| 恢复耗时 | 从注入故障到队列恢复正常的时间 | 结合退避、租约与剩余任务量判断原因 |
演练顺序 保存正常基线 → 注入 429 → 观察任务积压及日志 → 停掉负责执行的 worker → 重启并等待回收 → 查同一任务的多次尝试 → 对比结果和基线。只改一个变量,如 worker 并发或重试预算,用相同输入复测。演练结束后撤销故障开关,确认下一项任务可以正常完成。
复盘产物 一页记录包含现象、用户影响、时间线、直接原因、放大因素、临时恢复措施、长期修复和复测。数字取自实际运行,标明模拟环境、样本规模及限制。面试官追问“再加两个 worker 会不会更快”时,先根据上游限流与队列时间分布作答。
第 28 天 · 干净部署、交接与面试证据(6 小时)
分配 60 分钟独立环境启动,90 分钟完成验收,60 分钟让新使用者体验或更换测试身份盲跑,75 分钟修掉最大阻塞,45 分钟整理证据,30 分钟做一次口述面试。
- 从空目录、新数据库和新的上传目录开始,只依赖 README、示例环境变量和固定依赖。先走模拟模型,再用一例真实模型调用验证配置。记录启动耗时和每一步缺失的信息。
- 验证两个账号、旧版本冲突、同键重放、刷新后恢复、资料问答引用、无证据回答、Agent 未确认时零写入、worker 恢复和版本回滚。测试结果标注通过、失败或未测,失败项落到具体步骤。
- 邀请试用者从“创建教案”走到“查到资料出处”。记录其停顿位置和原话。独自练习时可用全新会话按文档盲跑,把启用的替代方式写进报告。
- 保留接口时序图、一次性能前后对比、一份 RAG/Agent 评测、一次故障复盘。每份证据写明你独立决定了什么,AI 提供了什么,你如何复核。
- 准备 90 秒口述。用 15 秒交代用户与问题、25 秒说设计和取舍、30 秒讲一次失败及修复、20 秒交代实测结果与局限。直接使用“本地演练”“样本量”等口径,保留真实经历与练习项目的边界。
面试追问卡
| 问题 | 动手回看 | 回答里应覆盖 |
|---|---|---|
| 两人同时保存大纲会怎样? | 第 3 天两条请求和 SQL 行数 | 旧版本条件、同事务写入历史版本、冲突后用户操作 |
| 重复提交与 worker 再执行有何联系? | 第 7 天提交测试、第 23 天重启时间线 | 幂等键的作用域、外部结果未知、迟到结果保护 |
| 任务积压时如何扩容? | 第 27 天两档并发的排队和执行时间 | 瓶颈所在、上游限流、连接池和并发上限、复测方法 |
| 一条问答引用错了,如何定位? | 第 25 天失败样本和检索片段 ID | 访问范围、召回、排序、上下文和生成逐层核对 |
| 新版本让旧记录读取出错如何处理? | 第 26 天版本兼容表 | 优先恢复服务、兼容迁移、验证旧记录与新写入 |
| 哪块你会在真实上线前重新设计? | 第 28 天报告里的限制 | 业务规模及约束、现有证据、两种可行方案和验证成本 |
本周结束标准 你能独立演示问题、定位原因、拿出修复后的实际结果。若一个知识点还只能背定义,就标记为“需补练”,连到一条具体实验。第 29、30 天可选补强时直接从这些项目中挑选。