Skip to content

summary.fa.md

Latest commit

 

History

History
230 lines (153 loc) · 16.2 KB

summary.fa.md

File metadata and controls

230 lines (153 loc) · 16.2 KB

؜طراحی سیستم (مصاحبه‌ی ماک): Notification Service

این متن، خلاصه‌ی یک مصاحبه‌ی ماک طراحی سیستم است. ؜اگر فرصت دارید، دیدن ویدیو کامل توصیه می‌شود.

  • ؜؜عنوان مصاحبه:؜ طراحی Notification Service برای مقیاس میلیاردی (Billions of users & Notifications)
  • ؜؜کانال/مصاحبه‌گر:؜ codeKarle
  • ؜؜مدت زمان:؜ ۲۰:۱۴
  • ؜؜ویدئو:؜ https://www.youtube.com/watch?v=CUwt9_l0DOg

AI-Powered buttons

Teach Me: 5 Years Old | Beginner | Intermediate | Advanced | (reset auto redirect)

Learn Differently: Analogy | Storytelling | Cheatsheet | Mindmap | Flashcards | Practical Projects | Code Examples | Common Mistakes

Check Understanding: Generate Quiz | Interview Me | Refactor Challenge | Assessment Rubric | Next Steps

؜۱) خلاصه‌ی یک‌صفحه‌ای (۲–۳ دقیقه)

  • ؜؜مسئله‌ی اصلی (یک‌خطی):؜ طراحی یک Notification Service مقیاس‌پذیر برای چند محصول، با پشتیبانی چند کاناله (SMS، Email و قابلیت افزودن سریع کانال‌هایی مثل in-app/WhatsApp).
  • ؜؜دامنه‌ی اصلی:؜ ارسال اعلان‌ها، اولویت‌بندی (OTP/Transactional/Promotional)، Rate limiting (در سطح Client و User)، ترجیحات کاربر/Unsubscribe، ارسال توسط Channel Handlerها، Tracking/Audit، و Bulk Notification با Query Engine روی داده‌های تراکنشی.
  • ؜؜اولویت‌های غیرفرابندی:؜ High availability (SaaS)، Scalability، نسبت‌دهی چند-مشتری (Multi-tenancy) و مدیریت Spikeها.
  • ؜؜معماری در یک نگاه:؜ ورودی → Validator/Prioritizer → صف/Topicهای با اولویت متفاوت (Kafka) → Rate Limiter (Redis) → Handlerها (SMS/Email/…) + Preferences/User Service → Tracker (ثبت برای Audit) → برای Bulk، UI/Service + Parser + Query Engine.

؜معاملات کلیدی:؜
؜Latency در برابر Throughput (با اولویت‌ها)، Throttling سخت در برابر تجربه‌ی مشتری (Drop یا Queue)، سادگی استقرار در برابر ریزسرویس‌ها، افزایش Topicها در برابر پیچیدگی عملیاتی.

؜ریسک‌ها:؜ Hot key روی OTP، کانفیگ نادرست نرخ، Backpressure روی کانال‌های کند (مثل SMS)، و خلاهای Audit در صورت خطای Tracker.

؜فلش‌کارت مرور سریع (سؤال→پاسخ):؜

  • ؜چرا Topicهای جدا بر اساس اولویت؟ برای جلوگیری از Lag روی جریان‌های حیاتی (OTP). ؜
  • ؜؜Rate limiting در دو سطح؟ Client-level quota و User-level cap. ؜
  • ؜مقصدهای کاربر از کجا می‌آیند؟ User Service بر اساس User ID. ؜
  • ؜؜Tracker چه نگه می‌دارد؟ لاگ ارسال‌ها برای Audit/Compliance. ؜
  • ؜انتخاب مخاطب در Bulk؟ از طریق Query Engine روی داده‌های تراکنشی Parse شده. ؜
  • ؜افزودن WhatsApp؟ با یک Handler و Topic جدید؛ بقیه‌ی Pipeline دست‌نخورده می‌ماند.

Ask AI: Executive Summary

؜۲) تگ‌ها و کلیدواژه‌های مصاحبه

  • ؜؜دامنه/صنعت:؜ Messaging، Ecommerce (مثال‌ها)، SaaS Platform. ؜
  • ؜؜الگوی محصول:؜ Notification، Rate limit، Pub/Sub (Kafka)، کمپین‌های Bulk. ؜
  • ؜؜نگرانی‌های سیستمی:؜ High availability، Throttling/Backpressure، Multi-tenancy attribution. ؜
  • ؜؜فناوری‌های ذکرشده:؜ Kafka، Redis (Rate limits)، Elasticsearch/Mongo (Query)، Cassandra (Tracker).

Ask AI: Interview Tags

؜۳) درک مسئله

  • ؜؜Prompt (بازنویسی):؜ ساخت پلتفرم اعلان مقیاس‌پذیر و پلاگ‌ابل برای مشتریان متعدد با پشتیبانی چند کاناله، اعمال اولویت و Rate limit، و قابلیت Audit.
  • ؜؜Use caseها:؜ OTP Login، وضعیت سفارش، Promotional messageها، و Bulk campaign (مثل یادآوری نصب بعد از خرید).
  • ؜؜APIها:؜ در ویدیو به‌صورت رسمی تعریف نشده‌اند.

Ask AI: Problem Understanding

؜۴) نیازمندی‌ها و قیود

؜عملکردی

  • ؜ارسال چندکاناله و پلاگ‌ابل بودن Handlerها (مثلاً افزودن WhatsApp). ؜
  • ؜اولویت‌بندی: OTP > Transactional > Promotional با صف/Topicهای مجزا. ؜
  • ؜؜Rate limiting در سطح Client و User؛ ثبت شمارنده‌ها برای Billing/Report. ؜
  • ؜ترجیحات کاربر/Unsubscribe و Lookup مقصد از User Service. ؜
  • ؜ذخیره‌ی رویدادهای ارسال در Tracker برای Audit.

؜غیرفرابندی

  • ؜؜High availability (SaaS)، Scalability، نسبت‌دهی اجزا به Tenant، تحمل Spikeهای نامتقارن.

Ask AI: Requirements & Constraints

؜۵) تخمین سرانگشتی

در ویدیو وارد اعداد/بودجه‌ی دقیق (QPS/Latency/Storage) نشده است.

Ask AI: Estimation

؜۶) طراحی سطح‌بالا

؜مسیر اولویت‌دار:؜
۱) ؜Client → Notification Service → Validator/Prioritizer → Kafka Topicهای High/Med/Low. ؜ ۲) ؜Consumerها ابتدا High را می‌خورند؛ Rate limiter (Redis) سقف‌ها را enforce می‌کند؛ نقض‌ها Drop می‌شوند. ؜ ۳) ؜Handler با Preferences + User Service مشورت و Payload کانال را می‌سازد. ؜ ۴) برای هر کانال یک صف/Topic جدا تا کندی یک کانال دیگران را بلاک نکند. ؜ ۵) ؜Tracker رکورد «Sent» را برای Audit می‌نویسد.

؜مسیر Bulk/Segmentation:؜
؜UI → Bulk Notification Service → Transaction Parser → Query Engine (روی ES/Mongo-like) → Audience → Notification Service.

Ask AI: High-Level Design

؜۷) مدل داده

  • ؜؜Tracker Store:؜ نوشتنِ Append-heavy از رویدادهای ارسال؛ خواندن کم. ؜
  • ؜؜Audience Store (برای Bulk):؜ داده‌های تراکنشی Parse‌شده در ES/Mongo-like؛ کوئری با DSL.

Ask AI: Data Model

؜۸) طراحی API

در ویدیو شکل Request/Response مشخص نشده است.

Ask AI: API Design

؜۹) قابلیت اطمینان، دسترس‌پذیری و کارایی

  • ؜جداسازی بر اساس Priority برای جلوگیری از Lag روی OTP. ؜
  • ؜؜Backpressure غالباً در Channel Handlerها و Providerهای بیرونی؛ صف‌ها برای جذب Spike. ؜
  • ؜؜Load shedding: Drop درخواست‌هایی که از Threshold عبور می‌کنند. ؜
  • ؜شکل استقرار بر اساس Throughput می‌تواند ادغام شود (Monolith-ish) یا جدا (Micro-components).

Ask AI: Reliability & Performance

؜۱۰) امنیت و حریم خصوصی

؜AuthN/AuthZ، مدیریت PII و جلوگیری از Abuse در ویدیو بحث نشده است.

Ask AI: Security & Privacy

؜۱۱) مشاهده‌پذیری (Observability)

؜Metrics/Logging/Tracing/SLOها پوشش داده نشده‌اند.

Ask AI: Observability

؜۱۲) پرسش‌های پیگیری مصاحبه‌گر

ذکر نشده است.

Ask AI: Follow-ups

؜۱۳) پرسش‌های کاندید (اگر مدل شود)

ذکر نشده است.

Ask AI: Candidate Questions

؜۱۴) نکات کلیدی

  • ؜به Notification به‌عنوان ؜Platform/SaaS؜ نگاه کنید با Quota/Cap برای هر Tenant. ؜
  • ؜؜اولویت‌بندی؜ OTP/Transactional بر Promotional با Topic/Consumer جدا. ؜
  • ؜؜Rate limit؜ در Client/User و ؜Counting؜ برای Billing/Reporting. ؜
  • ؜؜Handlerها ؜Pluggable؜ باشند (افزودن WhatsApp با حداقل تغییر). ؜
  • ؜؜Audit trail؜ را در Store مناسبِ Append-heavy نگهداری کنید.

Ask AI: Key Takeaways

؜۱۵) واژه‌نامه

  • ؜؜OTP:؜ One-Time Password؛ حساس‌ترین به زمان. ؜
  • ؜؜Kafka:؜ لاگ توزیع‌شده برای Fan-out، Priority Queue و Buffering. ؜
  • ؜؜Rate Limiter (Redis):؜ اعمال سقف بر اساس پنجره‌ی زمانی در سطح Client/User. ؜
  • ؜؜Notification Tracker:؜ ثبت ارسال‌ها برای Audit/Compliance. ؜
  • ؜؜Query Engine (Bulk):؜ انتخاب Audience با DSL روی داده‌های تراکنشی Parse‌شده.

Ask AI: Glossary

؜۱۶) برنامه‌ی مطالعه (پیشنهادی)

  • ؜مسیر ؜Priority + Rate limit؜ را در <۳ دقیقه رسم کنید. ؜
  • ؜یک سناریوی ؜Bulk segmentation؜ را انتها به انتها تمرین کنید (Parser → Store → Query → Send). ؜
  • ؜یک افزودنی ؜Pluggability؜ (مثلاً WhatsApp) را Mock کنید و حداقل تغییرات را بگویید.

Ask AI: Study Plan

؜۱۷) ارجاع

  • ؜؜ویدیو:؜ https://www.youtube.com/watch?v=CUwt9_l0DOg
  • ؜؜کانال:؜ codeKarle
  • ؜؜توضیح:؜ این متن خلاصه‌ای از ویدیو است.

Ask AI: Attribution

۱۸) درباره‌ی خلاصه‌کننده

من Ali Sol هستم، یک PHP Developer. بیشتر بدانید: