Skip to content

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
IdempotentIdem 相同 + potent 有效力的幂等:做一次和做多次效果相同
DegradationDe 向下 + grade 等级降级:主方案不行时退到简单方案
ValidationValid 有效的 + ation 名词校验:检查输入是否合法
ReproducibleRe 再 + produce 产生 + ible 能可复现:别人按同样步骤能得到同样结果
RetryRe 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 ​

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