题目重点：把看板设计落到受众决策、指标契约、可追溯数据层、查询性能和质量提示。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 训练看板服务产品经理观察手机应用使用趋势；具体原题指标和决策场景未知。
- 看板展示聚合事件，不默认允许下钻到个人数据；指标的分母、去重单位和时间区间必须形成明确契约。
解题路线
- 先问看板使用者要做什么决策：告警、实验分析或运营日报？明确访问频率、刷新 SLA、历史深度与维度下钻需求。
- 为每个指标写定义：事件来源、去重键、用户/设备单位、分子分母、时区、过滤条件、归因窗口与数据截至时间；语义层复用定义，避免各图表各自 SQL。
- 底层用可回放事实表与按常见维度/时间粒度预聚合的读模型。查询 API 用可授权的过滤维度、分页与缓存，缓存键包含租户/权限和指标版本。
- 展示数据新鲜度和质量状态：晚到修正、分区缺失或回填中时标识不完整；权限小样本阈值、防推断与导出审计保护个人数据。
- 监控查询 P95、看板可用性、刷新延迟、源表到汇总对账及指标定义变更；上线前让业务方用已知样本验算。
手动走一遍
‘日活用户’若按本地时区还是 UTC、按 user_id 还是 device_id 去重，数值会不同。看板卡片显示定义与‘数据截至 14:00 UTC’，晚到回填时显示修订提示；避免用户误把未完整的当天数当业务下降。
规模与取舍
原始事实表 E 行直接扫描代价随查询范围增长；按固定时间/维度预聚合能降低常用查询，但维度组合数量可能组合爆炸，须按真实使用频率选择物化层。
易错点与追问
容易失分的边界
- 先画图表而不定义决策和指标口径。
- 不同卡片的时区/分母不一致。
- 缓存未带权限或指标版本，泄露或返回旧定义值。
- 数据延迟却不显示截至时间。
- 任意维度细分到极小人群，产生隐私推断风险。
继续深挖
- 实时数据与日终修正不一致时如何呈现？
- 支持用户任意维度筛选时如何限制查询成本？
- 指标公式变更如何做版本迁移和历史比较？
- 哪些图表需实时，哪些可以批处理？
