Meta 帖子与状态搜索：AND/OR、倒排索引与实时删除

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。

• 训练查询由规范化词项组成，只要求AND/OR，不要求相关性排序。AND优先于OR或必须显式括号需约定；示例查询采用AST避免语法含糊。
• 权限、删除状态和索引版本影响可见结果。私密状态不能因词项命中就直接返回给任何搜索者。
• 容量例1亿文档，每篇平均20个不同词产生约20亿posting；docId仅8字节约16GB下限，需另加位置、压缩索引、词表和复制。

解题路线

1. 写入文档事实与outbox，consumer按统一tokenization/case/stemming策略生成unique term→docId posting；query必须使用同样分析器。是否去停用词会改变“全部词匹配”的含义，不能擅自删用户词。
2. 每posting保持docId有序，AND做交集，OR做并集；先交短列表减少中间集，用跳指针/块最大docId跳过不可能块。无ranking时输出稳定docId顺序或明确分页键。
3. 按document分片每shard完整评价AST，聚合匹配；按term分片同一AND可能跨多个shard传输posting做交集，长posting网络重。选择看词频偏斜、更新吞吐和查询组合。
4. 更新携docVersion，旧版本consumer不能覆盖新；删除写tombstone并即时在权威读取过滤，随后移除posting。读后权限过滤要在服务端且检查结果分页回补，避免只返回空洞页。
5. searchAfter携snapshotEpoch与最后docId，固定epoch提供稳定分页，实时模式接受新写不稳定并说明语义。索引延迟用eventTime水位监测，lag恶化降级而非返回“无结果”掩盖故障。

手动走一遍

A=[1,3,5]，B=[3,4,5]，AND=[3,5]、OR=[1,3,4,5]。若doc3已删除但posting尚未移除，返回前应过滤；权威状态与索引状态不能以“最终一致”为由暴露内容。

规模与取舍

两有序posting交并为O(a+b)基线，跳表与短表二分在偏斜长度时改进；查询总成本取决于候选集与shard扇出。写入每文档O(uniqueTerms)追加/更新，索引生命周期需合并与压缩。

易错点与追问

容易失分的边界

• 字面AND词项去重不同于文档去重，OR聚合各shard结果必须去重docId。
• 按term consistent hashing不能消除高频词热点，还可能让交集跨网络传巨量数据。
• 只在离线索引过滤权限无法响应实时权限变更。

继续深挖

• 若加入短语查询，posting需存位置并比较相邻偏移；仅docId交集无法保证词语连续。
• 一条状态修改后如何从旧词posting删掉？存doc→旧terms或可恢复分析输入，用版本化差量更新。