题目重点：从两个有序 docID 列表的交集扩展到分片索引、查询合并、更新和高频词缓存。
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。
- 训练设计每个 term 对应按 docID 升序、无重复的 posting list；AND 查询取所有词都出现的文档。实际 source list 的 99 同时出现在 orange 与 juice，题目却给交集只写 13、25，说明示例缺失过滤/拼写规则，不能照抄为数学交集。
- 文档有版本和删除标记；词项标准化、权限过滤、排序/分页是系统扩展而非题目明示约束。
解题路线
- 两条有序 posting list 用双指针：相等输出并双移，小的一侧前进；多词先按 posting 长度从短到长交，避免先扫超长高频词。长短差异大时用较短表驱动对较长表做 galloping/binary search。
- 分片方案要比较按 term 分片与按 doc 分片：term 分片单词读取集中但热门词会成热点、多词查询跨分片；doc 分片写入与权限/更新局部化，但查询必须广播各文档分片再合并。可按 term 热度复制热点 posting、缓存常见查询中间交集。
- 新增/删除文档先写可恢复变更日志，异步构建 segment posting；查询合并热增量和不可变 segment，按文档版本过滤 tombstone。热点 term posting 使用压缩、跳表/block-max 索引减少 IO。
- 安全层在结果 docID 上或 posting 阶段做授权过滤；只缓存无权限信息的公共交集，租户/权限相关结果要隔离缓存键。监控查询 p95、fanout、热门词命中和索引滞后。
手动走一遍
orange=[1,13,20,25,74,99]，juice=[10,13,14,15,25,99]，纯集合交集应为 [13,25,99]。题目示例回答只列 [13,25]，若 99 被删、无权限或有上限必须另给规则；题解先说明矛盾。
规模与取舍
两表长度 A、B，双指针 O(A+B) 时间、输出 O(R)；短表驱动长表二分 O(A log B) 当 A≪B。分布式查询成本还含分片数 P 的网络 fanout、压缩 posting IO 和结果合并，题目未明确规模数字。
易错点与追问
容易失分的边界
- 照抄题目漏掉共同 docID 99 却称纯 AND 交集。
- 两个有序 list 先转巨大 set，丢掉顺序和压缩优势。
- 所有关键词都按相同处理，不利用短 posting 先过滤。
- term 分片热门词集中却无复制/缓存方案。
- 权限不同的用户共享同一结果缓存。
继续深挖
- 若 99 被删除或权限不可见，过滤放在哪层？
- 词条每日更新数亿次如何维护 segment？
- AND/OR 查询混合时规划器怎么选？
- 热门单字词如何分散读负载？
