Meta

設計一套廣告點擊聚合系統，每秒接收數百萬筆點擊事件，讓廣告主能查詢近即時與歷史彙總指標。

設計一套即時通訊系統，在大規模使用下提供低延遲訊息傳遞、訊息順序保證與多裝置同步，並處理在線狀態、送達回條及加密。

在社交動態上設計搜尋——讓使用者能近乎即時地用關鍵字找到貼文，同時尊重每則貼文的隱私/可見性設定。

為 feed／影片／廣告設計一套大規模的個人化推薦系統。涵蓋候選檢索、排序、序列特徵、冷啟動、實驗、模型健康度、安全性，以及商業指標。

設計搜尋列背後的自動完成／即打即現（typeahead）系統：在 50ms 以內的預算裡，為一個局部前綴回傳 top-K 查詢建議，且要在大型搜尋引擎的規模下做到。

設計 Spotify 的 Top-K 熱門歌曲功能，從大量播放事件中，計算不同滑動時間視窗內播放次數最高的歌曲排行榜。

為多個團隊共用的大型 GPU/TPU 訓練叢集設計排程器，這些團隊都在跑分散式訓練工作；要處理 gang scheduling(整組一起排)、搶佔，以及故障復原。

為廣告排序系統設計一套評估框架。涵蓋離線與線上評估、A/B 測試與實驗互相干擾、反事實與交錯（interleaving）評估法、護欄指標、校準、回饋迴路、延遲轉換、公平性與政策限制，以及帶漂移偵測的指標監控。

設計一套 guardrails 管線，用分層的輸入與輸出安全機制把 LLM 應用包起來。涵蓋 prompt injection 與 jailbreak 偵測、PII 遮蔽、輸出審核、工具呼叫與意圖閘控、檢索污染（retrieval poisoning）防禦、這些檢查所增加的延遲預算，以及 fail-open 與 fail-closed 的抉擇。

設計一套 Redis/Memcached 等級的分散式記憶體快取服務，在 p99 低於 5ms 的前提下扛住約每秒 100 萬次 QPS。涵蓋用於分片的一致性雜湊、複本與故障轉移、淘汰策略(LRU/LFU/TTL)、熱 key 與驚群效應、write-through 與 write-back 的取捨、快取擊穿的防護，以及節點故障時的行為。

設計一套即時留言系統，把單一直播事件的留言即時扇出給數百萬名同時在線的觀眾。涵蓋 pub/sub 扇出、熱分區與名人效應處理、背壓、洪峰下的抽樣與速率整形、順序與吞吐量的取捨，以及短暫式（ephemeral）與持久式儲存。