我会写得比常见那种「设计一个 URL shortener」更具体点，因为我觉得 PIMCO 的 system design 面试和大厂流程差别挺明显，大家应该知道自己会面对什么。
我面的是 senior infrastructure 岗，大概 L5 对标。设计轮 60 分钟，一个面试官，自称是 data platform 侧的 tech lead。
题目：设计一个实时投资组合风险聚合系统。你有几百个 portfolio，每个持有上千个 position，覆盖 fixed income、equities、derivatives。需要在 market data 持续流入时，持续计算所有 portfolio 的风险指标，比如 VaR 和 duration。portfolio manager 需要低延迟读取，价格跳动带来高写入吞吐。
这不是标准的分布式系统设计题，更贴近 PIMCO 实际在做的事。
他不要求我懂 VaR 的具体数学，但要求我能推理：事件流（Kafka 很自然就提到了）、内存聚合 vs 持久化计算、market data 乱序到达时的一致性取舍，以及怎么分区数据，避免热 portfolio 把冷 portfolio 饿死。
我画了一个比较标准的事件驱动架构：price ticks 进 Kafka，一组 stateful consumers 更新 portfolio snapshots，一个由 Redis 支撑的低延迟读层给 PM dashboard，用一条独立的 batch 路径做 end-of-day 对账。
他追问了故障模式：如果某个 consumer 在市场剧烈波动时跟不上会怎样？我们聊了 lag 监控、dead letter queues，以及你是选择 replay 还是近似。
看起来重要的点：我一开始就量化了延迟目标（PM dashboard 要 sub-second），我承认自己在做假设，他 push back 时我也没变得防御。
不重要的点：知道 PIMCO 内部的具体工具。全程都在看推理。
我希望当时多准备一点的：cache invalidation 模式，以及在价格变化比计算更快的情况下，你到底要怎么处理 stale data。我在那里有点翻车。