Microsoft 广告 Impression 校准微服务：可信来源、去重与汇总

题目重点：现有数据库中广告曝光信息可能有误；设计校验、纠正和按广告商汇总的流水线，明确没有独立证据就不能凭空纠错。

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。

训练版每次曝光有 eventId、advertiserId、campaignId、occurredAt、ingestedAt、schemaVersion；这些字段是为方案定义的契约，非题目给定字段。
系统另有不可变原始日志/投递回执作为核对依据；若只存在一份可能错误的数据库，没有第二证据，无法判定某行真伪。
汇总示例按 advertiser/campaign/UTC 天聚合有效曝光次数；计费有效性和时区口径须再问。
纠错以版本化修正事件保留审计，而不直接覆盖唯一原始事实。

先和面试官确认错误来源：重复写、漏写、字段映射错、迟到、机器人流量还是计费规则变化；并指定能信赖的原始事件或第三方对账源。
采集层按 schema 校验、eventId 幂等和字段归一，把原始事件写 append-only 日志；异常进隔离表而非静默丢弃。
校准 worker 对数据库与可信源按 eventId/业务键做 join，产出差异：missing、duplicate、fieldMismatch、invalid。每个 correction 带原因、源版本和处理状态；需要人工审核的歧义单独排队。
聚合从‘已判定有效’的版本化事实流计算 advertiser/campaign/时间窗计数；迟到事件与撤销使用 upsert/retraction 更新物化结果，批量重算可从原始日志重放。
API 提供按维度查询计数、数据新鲜度水位和差异审计；监控源到汇总的 reconciliation gap、重复率、迟到率、待处理异常、回填影响。
如果这套汇总参与广告计费，须另外定义账单冻结、版本锁定和补差流程；题目未明确计费语义，不把聚合等同财务结算。

原始日志有 eventId=E 的一次有效曝光，数据库误写两行 E。去重后有效曝光数是 1，差异台账记录 duplicate；若数据库缺少 E，校准补入一条版本化事实并让该 campaign 的日汇总 +1。没有原始日志或其他可信证据时，系统只能标疑似异常，不能断言正确次数。

若每天 N 条曝光，去重/校准按 eventId 预期 O(N) 状态处理，保留窗口 W 天所需键状态近 O(N_W)；按 advertiser/campaign 热度分片但热点 campaign 可能需要局部聚合再合并。回填成本与受影响窗口的原始事件量成正比，需按来源保留期和 SLA 规划。