架构决策与系统设计:从需求、假设到可证伪的方案
围绕企业知识助手澄清范围、估算容量、画数据边界,比较方案并写出带验证计划的RFC与ADR。
系统设计面试问“设计企业知识助手”,直接画模型、向量库和Agent框架还没有回答最关键的问题:服务谁、能读什么、是否执行写操作、知识多久更新、成功如何定义。技术组件必须服务明确约束,否则任何架构图都可能看起来合理,却无法验收。
先把需求变成可测条件
区分功能范围与非功能要求。本例只读问答,支持引用与无依据拒答,租户隔离为硬约束;假设峰值20QPS、平均响应3秒、目标端到端延迟待测。真实项目要询问数据规模、文件类型、更新率、语言、任务复杂度、隐私、预算与可用性,不把面试中临时假设冒充用户确认。
列出待确认项与影响:是否要写业务系统决定审批、幂等与补偿设计;是否历史政策问答决定有效时间索引;数据驻留限制影响模型与部署选择。需求不清时可先采用保守假设继续推演,并明确哪些结论随假设变化。
数据流比组件名单更能揭示风险
离线流为源文档身份与权限→解析→结构块→embedding与索引版本发布;在线流为认证→问题约束→检索与权限过滤→候选组织→生成→引用校验。审计和trace关联版本,缓存包含权限与知识版本,删除传播到派生状态。
标出每条跨信任边界的数据:用户输入、外部文档、模型输出、工具提案都不能直接当授权。组件内部可以先同进程实现,只有吞吐、隔离、独立扩展或团队边界确有需要时再拆服务。队列可削峰和异步处理,但增加状态、重试、幂等与运维成本。
完整实验:先过硬约束,再做偏好选择
Python 3.13执行 python -X utf8 architecture_decision.py。延迟与费用是明确给定的假设,不是部署测量。串行100+400+500+1600=2600ms;可独立的两段并行后100+max(400,500)+1600=2200ms。候选表沿用这个关键路径估算,但没有计入并发争用、排队与网络尾延迟,实际选择需要测量校准。
"""硬约束先于偏好评分;明确假设,不冒充真实系统测试。"""
OPTIONS=[{'name':'串行同步','latency_ms':2600,'cost':1.0,'isolation':True},
{'name':'并行只读检索','latency_ms':2200,'cost':1.2,'isolation':True},
{'name':'共享无租户缓存','latency_ms':1700,'cost':0.6,'isolation':False}]
def decide(options,max_latency):
eligible=[x for x in options if x['isolation'] and x['latency_ms']<=max_latency]
return min(eligible,key=lambda x:x['cost'])['name'] if eligible else '没有满足约束的方案'
if __name__=='__main__':
serial=100+400+500+1600;parallel=100+max(400,500)+1600
print('理论关键路径串行/并行',serial,parallel)
print('SLO阈值2300ms',decide(OPTIONS,2300))
print('SLO阈值1800ms',decide(OPTIONS,1800))
print('验证项',['真实负载尾延迟','跨租户隔离','候选质量','取消与失败传播','费用'])实际输出:
理论关键路径串行/并行 2600 2200
SLO阈值2300ms 并行只读检索
SLO阈值1800ms 没有满足约束的方案
验证项 ['真实负载尾延迟', '跨租户隔离', '候选质量', '取消与失败传播', '费用']2300ms阈值下只读并行方案满足假设限制;1800ms下看似最快的共享无租户缓存违反隔离,必须报告无可行方案。不能把安全权重设得很低后,让廉价越权方案通过综合评分。下一步是调整约束、优化可行方案或补充实验,而不是伪造一个满足所有目标的数字。
RFC讨论方案,ADR记录决定
RFC可包含背景、需求、假设、数据流、方案A/B、成本与故障模式、迁移回滚和验证计划,供团队评审。ADR记录一个重要决策的上下文、已选方案、理由、代价、状态与日期,并链接相关证据。后续事实变化时用新记录替代旧决定,保留历史,而不是无痕改写过去的理由。
例如决定并行执行两个独立只读检索器,接受更多并发与复杂取消逻辑,目标是缩短关键路径;不并行有数据依赖或写副作用的工具。替代方案是单路检索加缓存,优势是简单,代价是长尾覆盖。验证计划包括相同问题集候选质量、峰值负载p95、超时降级、取消传播、跨租户反例和每成功任务费用。
回答面试时保留推理链
先讲需求与硬约束,再算容量、说明数据流与组件边界,然后讨论失败、取舍与验证。承认未测的性能并给出实验方法,比堆砌组件更可评估。若面试官改变更新频率或QPS,沿着假设重算,不必推翻所有设计。AWS ADR流程说明决策记录的上下文、决定、后果与生命周期;本篇没有部署完整知识助手。
综合边界推演与面试追问
只读企业知识助手先确认谁可读、文档更新频率、引用拒答标准与20QPS假设。串行100+400+500+1600=2600ms,独立检索并行为2200ms;阈值2300时并行可行,1700ms的无租户缓存因隔离失败不可选。
先筛权限、数据范围与延迟硬约束,再比较费用;无可行方案应修改假设或优化,不用加权总分抵消安全。组件同进程简单,独立解析服务隔离更强但增加队列重试状态。明确离线入库与在线证据流、版本和删除边界。
RFC列需求、候选、迁移回滚与实验;ADR记录决定、原因、后果和替代历史。验证相同任务质量、峰值尾延迟、取消、跨租户与费用;实际延迟偏高先查排队和资源争用。面试给可证伪假设和反例,不把估算说成已部署成绩。
课后练习展开习题收起习题
先独立作答,再展开参考思路。检查自己的解释是否包含机制、条件和反例。
设计企业助手时首先应澄清什么?
参考思路与常见误区
用户与任务、读写范围、数据与权限、时效性、成功定义、流量、延迟、预算和可用性,明确未确认假设及其影响。
常见误区:先列所有流行框架。
数据流图比组件名单多揭示什么?
参考思路与常见误区
揭示数据从哪里来、经过哪些信任边界、身份和版本如何传播、在哪里产生副作用及如何删除,帮助发现遗漏的约束。
常见误区:画出向量库和模型即可说明完整系统。
串行100+400+500+1600,两个检索独立并行后是多少?
参考思路与常见误区
理论关键路径100+max(400,500)+1600=2200ms,未计争用和尾延迟;有依赖的步骤不能这样并行。
常见误区:并行一定使所有耗时相加变成最小值。
低价方案违反租户隔离,可以用加权评分选它吗?
参考思路与常见误区
不能,硬约束先过滤,偏好评分只在可行集合内比较。没有可行方案时说明缺口并调整或验证假设。
常见误区:把安全权重调低就可以满足总分。
RFC与ADR各应承载什么?
参考思路与常见误区
RFC展开问题、候选、风险、迁移和验证供讨论;ADR记录重要决定的上下文、理由、后果、状态和日期,后续用新记录替代并保留历史。
常见误区:只写我们使用某框架,不记录为何与代价。