深色模式
02 · 工程落地 5 个「能」:能跑、能用、能稳、能测、能讲
学完你能说出:
- 「工程落地能力」具体指什么:5 个能检查的问题。
- 幂等、降级、输入校验这几个词的意思,以及为什么要做。
- 怎么用这 5 个「能」检查自己的项目,补出面试里能讲的工程设计。
先看地图
系统设计骨架里的「难」和「评」,很多人答不出来,是因为没想过「代码写完以后,在真实环境里会出什么问题」。本篇把「工程落地能力」拆成 5 个可以检查的问题:
① 能跑 → ② 能用 → ③ 能稳 → ④ 能测 → ⑤ 能讲
一句话本质
写出能跑的代码只是第一步。落地要回答:换台电脑能不能跑?用户乱输入会不会崩?出了错能不能发现、能不能恢复?怎么证明它是对的?别人能不能接手?
生活类比
自己在家做一道菜 vs 开餐厅卖这道菜:
| 在家做 | 开餐厅要多想的 | 对应 |
|---|---|---|
| 我会做 | 换个厨师也能按菜谱做出来 | 能跑 |
| 自己吃 | 客人说「不要辣」「少盐」也能处理 | 能用 |
| 失败了重做 | 停电、缺货时有备用方案,不能让客人干等 | 能稳 |
| 尝一口觉得行 | 有标准:每份多少克、出餐几分钟,可检查 | 能测 |
| 只有自己知道 | 菜谱写下来,新员工能学会 | 能讲 |
一步步看
1. 五个「能」的检查表
| 检查项 | 问自己 | 具体要做的事 |
|---|---|---|
| 能跑 | 换一个环境还能跑起来吗? | 依赖清单(requirements.txt、pom.xml)、一键启动脚本、README 写清运行步骤、固定随机种子 |
| 能用 | 面对真实、混乱的输入会出错吗? | 输入校验、清楚的错误提示、边界情况(空值、超长、非法格式) |
| 能稳 | 出了问题能发现、能恢复吗? | 日志、失败重试、降级、任务幂等可重跑 |
| 能测 | 能证明它是对的吗? | 单元测试、验证数据集、结果可复现、上线前后对比 |
| 能讲 | 别人能看懂、能接手吗? | 架构图、关键设计和取舍的理由、接口文档 |
2. 用一个课程项目走一遍
以一个匿名的「中风风险预测」课程项目为例(Spark 建模 + 网页预测):
| 检查项 | 这个项目里的做法 |
|---|---|
| 能跑 | 一个脚本从原始数据跑到模型和统计结果;固定随机种子,重跑结果一样 |
| 能用 | 预测接口做输入校验:BMI 超过 60、年龄超过 120 直接拒绝并提示;批量导入时不合格的行跳过并记录原因 |
| 能稳 | 原始数据单独保留,清洗规则改了可以从头重跑,不会越洗越乱 |
| 能测 | 挑几条已知标签的样本验证预测结果;批量预测输出混淆矩阵 |
| 能讲 | 架构图 + 每个设计的理由(为什么用中位数填缺失、为什么看召回率) |
面试时把这些说出来:「预测接口对输入做了校验,BMI 超过 60 直接拒绝;整个流程可以一键重跑,结果可复现。」这比只说「用了逻辑回归」有分量得多。
3. 三个关键词用数字讲清
幂等(Idempotent):同一个操作做 1 次和做 N 次,结果一样。
- 反例:每天的同步任务用「追加」写入。任务失败重跑一次,当天数据就变成两份,销售额翻倍。
- 正例:按天分区「覆盖」写入,或者按 id「有就更新、没有就插入」(upsert)。重跑 3 次,结果还是一份。
降级(Degradation):主方案失败时,退到一个差一点但可用的方案,而不是直接报错。
- 例子:AI 生成的摘要没通过校验(太长、含「保证」这类承诺词),就换成固定模板;向量检索服务挂了,就退回关键词检索。用户拿到的结果差一点,但不会是一片空白。
输入校验(Validation):在数据进入系统的第一道门就拦住不合法的数据。
- 例子:年龄填了 300、BMI 填了 -5,在接口处就拒绝,而不是让模型算出一个荒唐的预测。
为什么这么设计
为什么要幂等?
- 问题:分布式环境里失败重试是常态(网络抖动、机器重启)。不幂等的任务重跑一次,数据就重复,报表翻倍。
- 方案:覆盖写(按分区)或 upsert(按主键),让重跑不产生副作用。
- 好处:出了错可以放心重跑,运维成本大大降低。
一句话答法
重试和重跑是常态,任务必须幂等:按分区覆盖写或按主键 upsert,跑几次结果都一样,出错才能放心重跑。
为什么要降级,而不是直接报错?
- 问题:依赖的服务(大模型、检索、第三方接口)总有失败的时候,直接报错用户体验极差,还可能拖垮整条链路。
- 方案:提前准备一个简单可靠的备用方案,主方案失败或结果不合格时自动切换。
- 好处:系统总能给出可用的结果;同时把失败记进日志,方便事后排查。
一句话答法
依赖总会失败,降级就是提前准备好退路:主方案失败或结果不合格时,自动切到更简单可靠的方案,保证用户拿到可用结果。
为什么输入校验要放在最前面?
- 问题:脏数据一旦进了系统,会在下游层层放大:错误的统计、离谱的预测,而且很难追查源头。
- 方案:在入口处按规则检查(范围、格式、必填),不合格就拒绝或单独记录。
- 好处:问题在最便宜的地方被拦住,下游可以信任输入。
一句话答法
脏数据越往下游越难查,所以在入口就按规则拦住:范围、格式、必填不对就拒绝,并告诉用户哪里错了。
英文术语拆解
| 术语 | 拆开看 | 一句话意思 |
|---|---|---|
| Idempotent | Idem 相同 + potent 有效力的 | 幂等:做一次和做多次效果相同 |
| Degradation | De 向下 + grade 等级 | 降级:主方案不行时退到简单方案 |
| Validation | Valid 有效的 + ation 名词 | 校验:检查输入是否合法 |
| Reproducible | Re 再 + produce 产生 + ible 能 | 可复现:别人按同样步骤能得到同样结果 |
| Retry | Re 再 + try 尝试 | 重试:失败后再做一次 |
面试怎么问
Q:你觉得什么是工程落地能力?
让系统在真实环境里稳定可用,可以用 5 个「能」来检查:能跑(换环境能部署)、能用(真实输入不出错,做输入校验)、能稳(有日志、重试、降级,任务幂等可重跑)、能测(有测试和验证集,结果可复现)、能讲(有架构图和设计理由,别人能接手)。再举一个自己项目里做过的例子。
Q:什么是幂等?在你的项目里怎么保证?
同一个操作做一次和做多次结果一样。数据任务里常用两种办法:按天分区覆盖写,重跑只会覆盖当天那份;或者按主键 upsert,有就更新、没有就插入。这样任务失败可以放心重跑,不会产生重复数据。
容易混的地方
- 重试 ≠ 幂等:重试是「再做一次」,幂等是「再做一次也没副作用」。没有幂等的重试会制造重复数据。
- 降级 ≠ 熔断:降级是换一个简单方案继续服务;熔断是检测到下游连续失败后,暂时不再调用它,避免拖垮自己。两者常一起用。
- 能测 ≠ 写了测试:关键是「能证明对」,验证集、可复现的结果、上线前后对比都算。
和其他知识的连接
- ← 来自 系统设计骨架:「难」和「评」常从这 5 个角度挑。
- ← 来自 怎么介绍一个项目:项目里的「关键设计」可以从这里找。
- → 影响 Agent 安全与评估:不可逆操作的确认、权限,是「能稳」在 AI 应用里的样子。
自测 3 问
Q1:5 个「能」分别是什么?每个说一个具体做法。
点开看答案
能跑:依赖清单 + 一键启动脚本;能用:输入校验;能稳:日志、重试、降级、幂等;能测:测试用例、验证集、结果可复现;能讲:架构图和设计理由。
Q2:每天的同步任务失败后重跑,销售额翻倍了,原因是什么?怎么改?
点开看答案
任务不幂等:用的是追加写入,重跑一次数据就多一份。改成按天分区覆盖写,或按主键 upsert,重跑多少次结果都一样。
Q3:举一个降级的例子,并说出它的好处。
点开看答案
AI 生成的文字没通过校验(超长或含承诺类词语)就换成固定模板;向量检索不可用就退回关键词检索。好处是用户总能拿到可用结果,不会因为一个依赖失败整个功能不可用。
✅ 验收清单
- 能说出 5 个「能」,每个配一个具体做法
- 能用一句话解释幂等、降级、输入校验,并各举一个例子
- 能拿 5 个「能」检查自己的一个项目,说出至少 2 个已经做到的点和 1 个缺口
下一步该懂什么
- 数据任务的幂等和重跑 → 大数据开发与治理里的「ETL 与增量同步」
- 回到骨架练习 → 系统设计骨架