Netflix Ads 数据模型：Campaign、Order、Creative 与事件账本

题目重点：多篇 Ads onsite 只给 data modeling 方向；本文把需求侧实体、层级、状态版本、曝光与计费事件的主外键和查询取舍写成训练模型。

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。

训练情境用 advertiser→campaign→order→creative 四层结构；Netflix 实际内部模型未公开，order 也可能位于其他层级。
投放请求、曝光、点击和计费作为不同事件，拥有独立 id、事件时间和接收时间；不是一行广告记录的多个布尔字段。
预算以最小货币单位整数记录，时区、计费货币、投放地域与状态版本都需要明确；题目没有具体计费规则。

先问面试目标查询：根据 order 找可投 creative、追踪订单状态与预算、统计投放/曝光/点击、还是支持 frequency cap？目标不同决定规范化表、索引和预聚合粒度。
规范化主实体：advertiser(id)、campaign(id,advertiser_id)、order(id,campaign_id,start/end,budget,status)、creative(id,order_id,asset_ref,approval_status)。对定向条件建独立 versioned rule set，变更生效时间与审计版本分开保存，避免回写历史曝光时解释不清。
不可变事件 append-only：request_id、impression_id、order_id、creative_id、user pseudonym、event_time、ingest_time、region、pricing_version。用事件 id 幂等去重；曝光账本与预算预占/结算账本分开，撤销或补偿用新事件而非覆盖旧行。
在线服务按状态、地域和时间索引可投 order/creative，再做频控和预算原子预占；分析侧按 order/day/region 增量聚合，迟到事件回补版本。大数据量时按时间与 advertiser/order 分区，但跨 order 的总预算需中心约束或额度分配。

训练例 order O1 隶属 campaign C1，有 creative A/B。A 在 10:00 展示产生 impression I1；10:05 A 因审核停用。查询 09:00–11:00 的展示仍应能将 I1 关联到当时已批准的 A 和 O1，而不因为当前状态停用就改写历史。

这不是单一 Big-O 题。在线路径的多表 join/索引访问与预算事务决定延迟；事件量 E 决定 append log 与聚合成本 O(E)，维度多会增加分区与索引存储。规范化减少更新异常，预聚合换来新鲜度与回补复杂度。