使用 System Design Trainer 练习系统设计面试

什么是系统设计训练器？

系统设计训练器是一个用于练习系统设计面试的交互式白板。你可以选择一个场景，将 AWS 或 Azure 组件拖到画布上，把它们连接成一个架构，并运行确定性的容量模拟。

模拟器会估算每个组件能够支持的流量，识别系统瓶颈，并突出显示架构风险。设计完成后，Jev 可以评估无法仅通过容量计算判断的因素，包括可扩展性、可靠性、数据设计以及你的书面说明。

主要功能

• 交互式架构画布：白板通过 React Flow 和 @xyflow/react 构建。
• 结构化练习：项目包含四个章节共 15 个关卡。
• 实时容量建模：每个节点都会显示利用率及其可支持用户数的估算值。
• 架构诊断：模拟器会标记单点故障、缺少负载均衡器以及客户端直接连接数据库等问题。
• 成本和可用性估算：系统会在吞吐量计算之外提供其他指标。
• 面试官式评估：Jev 会对可扩展性、可靠性、数据设计和书面说明进行评分，然后建议下一步需要改进的内容。
• 自定义技术：你可以输入 Kafka、MongoDB 或 NGINX 等技术。Jev 会识别它们在架构中的作用，以便应用分配容量配置。
• 本地进度：设计和场景进度会存储在浏览器中。
• 自由练习：在结构化关卡之外，还提供一个开放式白板。

安装并运行项目

1. 安装依赖

克隆或下载仓库，在终端中打开其目录，然后安装 npm 依赖：

npm install

2. 创建本地环境文件

将随附的环境模板复制为 .env.local：

cp .env.example .env.local

3. 配置 Jev

如需接收真实的 Jev 回答，请将 TYPESAFE_API_KEY 值添加到 .env.local。Jev 在 lib/server/jev.ts 中通过 @typesafe-ai/sdk 实现。

没有 API 密钥时，应用仍然可以运行。在这种情况下，Jev 的回答会回退为明确标注的模拟结果，让你无需外部评估也能体验其余工作流程。

4. 启动开发服务器

npm run dev

打开开发服务器报告的本地地址，即可开始使用训练器。

完成你的第一个系统设计练习

1. 选择提示。选择一个场景，例如为一百万用户设计基础设施。每个场景都会提供固定的用户数和要求。
2. 阅读目标。关卡包含必需目标和可选加分目标，这些目标会在运行设计时进行检查。
3. 添加云组件。将合适的 AWS 或 Azure 组件拖到白板上。
4. 连接架构。根据场景需要，在客户端、网络组件、应用服务、缓存、队列和数据库之间创建请求路径和数据路径。
5. 运行设计。查看利用率、支持用户数估算、可用性、成本和架构警告。
6. 解决瓶颈。根据过载组件或结构性警告更新设计，然后再次运行。
7. 请求 Jev 反馈。准备好后，提交设计和书面说明进行评估。

关卡评分方式

完成所有必需目标可获得一颗星。每个加分目标可额外获得一颗星。星星会提供 XP 并计入你的等级，进度则会保留在浏览器中。

第 4 章要求你根据 Azure Architecture Center 重建参考架构。完成其中一个关卡后，训练器会链接到原始架构。

了解容量模型

容量引擎位于 lib/simulate.ts 中。它具有确定性，不使用 AI。峰值负载根据场景通过以下关系计算：

DAU × 每日请求数 ÷ 86,400 × 峰值系数

模型会将该负载分为读取和写入，然后从 Users 节点开始沿连接的图传播。

常见组件如何影响流量

• CDN：吸收场景标记为可在边缘缓存的那部分流量。
• 缓存：根据命中率吸收读取请求。模型支持旁路缓存的同级放置和内联放置。
• 队列：将写入请求从同步路径中移除，并使其平滑地趋近平均请求速率。
• 同级组件：同类组件会平均分配负载。例如，连接到两个应用组的负载均衡器会在它们之间分配流量。
• SQL 数据库：写入容量受单个主节点限制。
• NoSQL 数据库：写入容量会随分区数量扩展。

每个节点都会报告利用率以及一个 supports ~N users 估算值，该估算值根据场景用户数除以利用率计算得出。整个系统的容量由支持用户数估算值最低的瓶颈决定。

设计迭代示例

假设某个设计将所有客户端流量直接发送到一个应用组件，然后再发送到数据库。运行模拟可能会发现应用或数据库是瓶颈，同时还会出现可靠性警告。

随后，你可以通过添加合适的流量分配、缓存、异步处理或数据组件来修改架构。例如，置于负载均衡器后的同级应用组可以分担应用流量；缓存可以根据命中率减少数据库读取；队列则可以将写入操作移出同步路径。每次修改后都重新运行模型，查看瓶颈是否转移到了其他位置。

更高的容量估算值并不会自动让设计变得正确。使用 Jev 评估可靠性、数据设计、可扩展性方面的权衡，以及你做出这些选择背后的依据。

有效使用 Jev

确定性模拟器会将计算出的数值作为事实提供给 Jev。Jev 随后负责处理无法简化为吞吐量公式的判断。

• 评估分数：评审可扩展性、可靠性、数据设计以及书面说明。
• 改进选择：选择下一步应改进的内容。
• 检查清单判断：针对场景检查清单中的每一项生成一个 Noul。
• 自定义组件分类：为你输入的技术分配架构角色，使训练器能够应用相应的容量配置。

要获得更有价值的反馈，请让书面说明足够明确。描述流量流向、扩展假设、故障处理、读写模式，以及每个主要组件存在的原因。

高级技巧

优化瓶颈，而不是每个组件

系统最多只能支持其限制性组件所能支持的用户数。先从显示最低支持用户数估算值的节点入手。修改设计后再次运行模拟，因为缓解一个瓶颈可能会暴露出另一个瓶颈。

比较同步与异步路径

队列会将写入操作移出同步请求路径，并使其平滑地接近平均负载。当场景允许异步处理时，使用模型比较直接写入路径与队列架构。

测试缓存位置

模拟器能够识别缓存旁路模式中作为同级组件使用的缓存，以及以内联方式放置的缓存。观察缓存位置和命中率如何影响下游读取流量。

留意结构性警告

不要只关注利用率。检查单点故障、缺少负载均衡器以及客户端直接连接数据库等问题。即使原始容量足够，这些警告也可能揭示可靠性或安全性方面的设计缺陷。

检查目录数值背后的来源

容量、可用性和成本数据定义在 lib/catalog.ts 中。每个数值的来源都会显示在组件属性卡片中。这些数值分为官方限制、官方 SLA、供应商基准、假设值，或没有公开限制的服务。

• 官方限制：已发布的 AWS 或 Azure 配额，例如账户级请求限流。
• 官方 SLA：供应商承诺的月度正常运行时间。
• 供应商基准：已发布但不提供保证的性能数据。
• 假设值：在没有供应商数据可用时采用的建模值。项目也将所有成本视为假设值。
• 没有公开限制：按可独立扩展建模的服务，因此不会成为瓶颈。

README 说明这些来源最后于 2026 年 9 月核查。云配额会发生变化，而且其中许多配额可以申请提高，因此模拟结果应被视为估算值，而非保证。

探索或扩展场景

场景定义存储在 lib/scenarios.ts 中，15 个结构化关卡定义在 lib/levels.ts 中。扩展可用练习提示时，请在 lib/scenarios.ts 中添加场景。

了解浏览器持久化

画布设计会按场景保存到 localStorage 中，进度也会保存在浏览器中。请记住，浏览器存储仅适用于当前浏览器配置文件和环境。

结论

系统设计训练器结合了交互式云架构画布、确定性容量建模、结构化目标以及基于 Jev 的设计评审。使用模拟器测试可衡量的行为，利用警告发现结构性问题，并使用 Jev 改进系统设计面试中所要求的推理和权衡分析。