Streams, metrics & aggregation

设计广告点击聚合系统。请覆盖High-throughput ingestion of K-M clicks/sec via a log/stream (Kafka) before aggregation, Exactly-once vs at-least-once delivery and idempotent aggregation sinks, Windowed aggregation...

设计监控平台背后的指标管线——从部署在数千台主机上的 SDK 发出数值测量值开始，经过流式预聚合，写入持久的时序存储，让仪表盘能在超大规模下快速查询的整条路径。

设计一套监控平台的告警与可观测性层——这套系统会用规则比对进来的信号、决定要呼叫谁，并在事故期间避免值班的人被噪声淹没。

设计Top K Songs (Spotify)。请覆盖Framing top-K as a heavy-hitters/frequency-estimation problem over a play-count stream, Count-Min Sketch + heap (bounded error, memory trade-off) vs exact per-partition...

设计一套实时的 ML 欺诈／风险评分系统，在 100 ms 内为支付交易评分。涵盖特征类型（velocity、graph、device）、流式特征计算、标签延迟与反馈回路、分数阈值与成本的权衡、模型加规则的混合架构，以及对抗性漂移。