上个月刚做完 Walmart Global Tech senior 的 SWE loop，总共五轮。想重点写一下系统设计那轮，因为我按纯 FAANG 备考的预期来看，这轮还挺不一样的。
这轮 60 分钟，两位工程师。一位基本全程主导，另一位主要记笔记，整个过程中可能只问了三四个问题。
题目。 他们给我的是：「Design a real-time inventory tracking system for 4,000+ stores.（为 4,000+ 家门店设计一个实时库存追踪系统。）」。嗯，很符合他们风格。但实际重点不在于多“聪明”的分布式架构，而在一致性和可用性的取舍，特别是：门店离线、库存数据变陈旧时会发生什么？
我一上来就用 CAP theorem 的基础框架，他们看起来挺认可。我们 60 分钟里大概有 20 分钟都在聊不同消费者对“实时”的定义到底该是什么：线上查库存的客户 vs. 门店里拣货的店员 vs. 做需求预测的模型。这段交流挺加分。他们明确说很看重你怎么界定和收敛模糊性。
他们在意什么。 画出一个基础的事件驱动架构（Kafka 做库存事件，线上层单独一个读库）就挺受用。他们会追问：黑五这种场景流量 10 倍飙升你怎么处理？如果服务在更新中途失败，你的回滚方案是什么？一定要练故障模式推理，不只是 happy path。
他们没有问任何 Walmart 内部特定技术。他们确实跑很多 GCP 和一些 Azure，但这轮设计完全是 cloud-agnostic 的。
级别信号。 对 senior / principal 这条 track，他们希望你能主导对话，而不只是回答问题。我一开始因为在画图，出现了 5 分钟的沉默，后来才知道面试官把这解读成「对模糊性很自在」，而不是尴尬。不确定所有 panel 都这样，但值得一提。
不想说这轮比 Google E5 或 Amazon L5 更难或更简单。就是风格不同。Walmart 更偏实用（零售运营语境），更少 CS 理论。如果你在为这个准备，就从零售规模下的分布式写入开始思考，然后反推设计。