Maaari ko bang gamitin ang AI sa pagsasanay para sa mga panayam sa system design?

Kapag agad na nagbigay ang AI ng kumpletong arkitektura, mawawala ang pagkakataon mong magsanay sa paggawa ng mga desisyon. Pinananatili kang responsable ng setup sa ibaba para sa sagot, gamit ang konkretong prompt para sa tagapanayam at mga tuntunin sa pagpapaliban ng mga pahiwatig.

Gamitin ang prompt na ito sa isang AI tool na tumatanggap ng mga tagubiling pang-usapan:

Kumilos bilang tagapanayam sa system design para sa isang senior na tungkulin sa backend engineering. Hilingin sa akin na magdisenyo ng serbisyo sa paghahatid ng webhook. Hayaan akong linawin ang mga kinakailangan bago magmungkahi ng mga component. Magtanong nang paisa-isa at hintayin ang aking sagot. Hamunin ang mga palagay ko tungkol sa traffic, mga garantiya sa paghahatid, at mga kabiguan. Huwag magpakita ng sangguniang arkitektura o magbigay ng mga pahiwatig maliban kung hihilingin ko. Pagkatapos kong matapos, tukuyin ang mga nakaligtaan at kaduda-dudang pahayag gamit ang mga tiyak na halimbawa mula sa aking mga sagot.

Palitan ang tungkulin at problema ayon sa iyong target. Kung sisimulang kumpletuhin ng AI ang disenyo para sa iyo, hilingin ditong bumalik sa pagtatanong. Sumagot nang malakas at gumuhit kasabay ng pag-uusap, kahit kailangan mong mag-type ng buod sa tool.

Para sa alok na pagsasanay ng SubcueAI, bisitahin ang pahina ng mock interview.

Magtakda ng oras para sa pagsasanay bago magsimula. Ang iminungkahing 40-minutong balangkas na ito ay isang plano sa pag-eensayo, hindi pahayag tungkol sa format ng panayam ng sinumang employer:

• Mga kinakailangan, 5 minuto: Tukuyin ang mga user, mahahalagang operasyon, mga tampok na hindi kasama, at katanggap-tanggap na pagkaantala. Para sa mga webhook, linawin kung mahalaga ang pagkakasunod-sunod at kung ano ang ibig sabihin ng matagumpay na paghahatid.
• Mga pagtataya, 5 minuto: Sabihin ang dami ng event, laki ng payload, mga destinasyon sa bawat event, at palagay sa peak load. Panatilihing nakikita ang mga unit.
• Paunang disenyo, 15 minuto: I-sketch ang pagpasok ng event, durable storage, delivery queue, mga worker, at mga endpoint ng customer. Sundan ang isang event sa buong system at ipaliwanag ang bawat acknowledgment.
• Masusing pagtalakay, 10 minuto: Pumili ng panganib tulad ng dobleng paghahatid, overloaded na mga destinasyon, o pagkabigo ng worker. Ipaliwanag ang tugon at ang kapalit nitong gastos.
• Paglalagom, 5 minuto: Ibuod ang disenyo, ang pinakamahinang palagay nito, at ang susunod mong sisiyasatin.

Hayaang bigyang-katwiran ng mga kinakailangan ang mga component. Halimbawa, ipaliwanag kung ano ang kailangang manatili matapos ang pag-crash ng proseso bago piliin kung paano pananatilihin ang mga event. Kung may matukoy na kakulangan sa kaalaman ang mock, tapusin ang pagsubok, pag-aralan ang kakulangang iyon, at sanaying muli ang pagpapaliwanag.

Isipin ang isang backend engineer na naghahanda para sa senior na tungkulin sa platform gamit ang mock tungkol sa paghahatid ng webhook. Ang ipinapalagay na workload ay 10 milyong event bawat araw, isang destinasyon sa bawat event, at 1 KB na payload. Itatanong ng AI kung ano ang mangyayari kapag hindi magamit ang endpoint ng isang customer sa loob ng isang oras.

Magsimula sa aritmetikang maipapaliwanag mo: Ang 10,000,000 na hinati sa 86,400 ay humigit-kumulang 116 na event bawat segundo sa average. Ang hiwalay na piniling palagay na ang peak ay sampung beses ng average ay nagbibigay ng humigit-kumulang 1,160 paunang pagtatangka sa paghahatid bawat segundo. Nagdaragdag ang mga retry ng traffic bukod sa mga paunang pagtatangkang iyon.

Gamit ang mga decimal unit, umaabot ang kabuuang event payload sa humigit-kumulang 10 GB bawat araw, bago isama ang metadata, mga index, replication, at iba pang overhead. Mga palagay lamang ito para sa pagsasanay, hindi mga sukat mula sa production. Upang matantya ang backlog ng customer na hindi magamit, tukuyin muna kung anong bahagi ng mga event ang nakalaan sa customer na iyon.

Pagkatapos, hilingin sa AI na isa-isang siyasatin ang mga kasong ito:

• Nawalang acknowledgment: Pinoproseso ng receiver ang isang event, ngunit hindi kailanman natatanggap ng sender ang tugon nito. Ipaliwanag kung paano maaaring ulitin ng retry ang isang side effect at kung saan dapat ilagay ang deduplication.
• Mabagal na destinasyon: Nauubos ng isang customer ang kapasidad ng mga worker. Ipaliwanag kung paano mapoprotektahan ng mga concurrency limit, retry backoff, at isolation ang ibang mga customer.
• Pag-crash ng worker: Humihinto ang isang worker habang naghahatid. Tukuyin kung ano ang nananatiling durable, kung kailan maaaring subukang muli ang gawain, at kung paano pinangangasiwaan ang mga duplicate.

Para sa isa pang problema sa pagsasanay, tingnan ang mga gabay sa bangko ng tanong sa panayam.

Humingi ng ebidensya bago tumanggap ng score. Tinutukoy ng kapaki-pakinabang na pagsusuri ang isang bagay na sinabi o nakaligtaan mo, ipinapaliwanag ang bunga nito, at nagbibigay ng tiyak na isyung dapat mong balikan.

• Mga kinakailangan: Natugunan ba ng iyong disenyo ang napagkasunduang saklaw at mga inaasahan sa paghahatid?
• Mga numero: Pare-pareho ba ang mga unit, at naiba mo ba ang average load, peak load, at mga retry?
• Arkitektura: Masusundan mo ba sa diagram ang isang matagumpay na request at isang kabiguan?
• Mga trade-off: Naipaliwanag mo ba ang isang makatwirang alternatibo at ang bunga ng hindi pagpili rito?
• Komunikasyon: Naipaliwanag mo ba kung bakit kailangan ang isang component bago talakayin ang pagpapatupad nito?

Maaaring mag-imbento ang AI ng mga kakayahan ng serbisyo, magkamali sa pagkalkula ng mga pagtataya, o magrekomenda ng component na hindi lumulutas sa nakasaad na problema. Kalkulahin mong muli ang matematika at suriin ang pinagtatalunang teknikal na pahayag gamit ang awtoritatibong dokumentasyon. Hilingin sa tagasuri na ibukod ang nilabag na kinakailangan mula sa pagpili sa pagitan ng mga wastong disenyo.

Patuloy na gumuhit sa buong pagsasanay. Hindi masusuri ng text-only feedback ang diagram na hindi nito natanggap, at maaari pa ring hindi mapansin ng image-capable feedback ang mga hindi pagkakatugma. Tiyaking nagtutugma ang iyong mga arrow, data store, acknowledgment, at pasalitang paliwanag.

Ulitin ang pinakamahinang bahagi nang walang mga pahiwatig, pagkatapos ay subukan ang kaugnay na problema na may binagong constraint. Subaybayan kung kaya mong ipaliwanag nang mag-isa ang iyong mga desisyon. Makapagbibigay ang isang peer o bihasang tagapanayam ng isa pang pagsusuri sa hindi malinaw na pangangatwiran; hindi sapat ang AI score lamang upang matiyak na handa ka.