我们最近面试了一位候选人，岗位方向偏 Infra / System Engineering，需要同时覆盖底层实现与架构设计能力。流程两轮：

1. Coding（in-memory data store）
2. System Design（multi-tenant CI/CD platform）

第一轮：Coding —— In-Memory Data Store

开场我给了一个比较模糊的提示：“可能会考到 Python 序列化”。

很多候选人听到这个提示后，往往会先入为主地以为是 serialization demo 或 cache 设计题，但我们实际想考的更偏工程化抽象。

题目实际是：

实现一个 KV Store，支持基本的 set / get，并要求能序列化落盘，在进程恢复时重新加载。

这道题我们在 infra 岗出得比较多，考察点不在算法，而在工程思维与抽象能力，核心看：

• 能否把问题拆成清晰的两层：内存层（读写路径）与 持久化层（落盘与恢复）
• 是否熟悉 Python 对象序列化机制：pickle、json、以及自定义 __getstate__ 等
• 是否会主动确认需求边界：
  • 线程安全要不要？
  • 需不需要版本化？
  • TTL 要不要？
  • 文件格式怎么定？
  • 时间是否需要 mock？
  • 错误处理/一致性预期是什么？

候选人写代码前花了比较久在理解题意，这本身没错，但他一直没有及时建立核心抽象：

“我到底要做的是一个 cache、一个数据库、还是一个可恢复的字典？”

最终代码是写出来了，逻辑结构也还不错，但由于时间控制偏弱，自写的 test case 没有完整跑通，导致测试没过。

这轮结束后，我们的记录大致是：

理解偏慢；实现基本正确；测试未跑完；属于 borderline case。

通常更优秀的候选人会在前 3–5 分钟快速通过反问把范围锁定，比如：

“这个 KV store 需要持久化吗？需要支持多线程吗？要不要考虑 TTL？”