题目重点：编码键值后任意字节分块，用manifest完整验证再恢复。
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KV键值均string，UTF-8编码，uint32大端记录数/字节长度；不支持4GiB单字段。
- save返回manifest/chunks模拟已有文件接口；所有chunks顺序稳定，restore先验证再产生新map，不原地半覆盖。
解题路线
- 序列化recordCount，然后每key/value写byteLength+rawBytes。分隔符、 、NUL、emoji都可包含，len应按UTF-8字节而非字符计。
- 整个blob按limit切分，header或UTF-8字符可跨chunk，因为restore按manifest顺序重连才decode。若要求不能跨文件记录，遇单记录>limit就需要新的fragment合同，本模型不混用。
- manifest含size/count/SHA256，恢复校验丢片/换序/截断，再检查每length、UTF-8、重复key与尾随字节。生产持久化须先写chunks/fsync，再原子发布manifest，旧版本保留到新版本可验证。
手动走一遍
键a|b和值中含换行都不影响边界；中文字符长度应由encode结果算。limit1仍可恢复但metadata/文件数巨大；丢一片即拒绝，不恢复部分map。
Python 参考实现
下面的代码按上文假设实现，适合本地运行并追加自己的测试用例。
代码区可横向滚动；使用键盘时，先聚焦代码区再按方向键查看。
import struct,hashlib
def encode(values):
parts=[struct.pack('>I',len(values))]
for key,value in values.items():
if type(key) is not str or type(value) is not str:raise ValueError("string KV")
for string in (key,value):
data=string.encode('utf-8');parts.extend((struct.pack('>I',len(data)),data))
return b''.join(parts)
def decode(blob):
position=0
def number():
nonlocal position
if position+4>len(blob):raise ValueError("truncated length")
result=struct.unpack_from('>I',blob,position)[0];position+=4;return result
def string():
nonlocal position
length=number()
if position+length>len(blob):raise ValueError("truncated text")
result=blob[position:position+length].decode('utf-8');position+=length;return result
count=number();result={}
for _ in range(count):
key,value=string(),string()
if key in result:raise ValueError("duplicate key")
result[key]=value
if position!=len(blob):raise ValueError("trailing bytes")
return result
def save(values,limit):
if limit<=0:raise ValueError("positive chunk limit")
blob=encode(values);chunks=[blob[i:i+limit] for i in range(0,len(blob),limit)]
return {'size':len(blob),'count':len(chunks),'sha256':hashlib.sha256(blob).hexdigest()},chunks
def restore(manifest,chunks):
blob=b''.join(chunks)
if manifest['count']!=len(chunks) or manifest['size']!=len(blob) or manifest['sha256']!=hashlib.sha256(blob).hexdigest():raise ValueError("snapshot integrity")
return decode(blob)
复杂度
总编码B，save/restore O(B+recordCount)时间/O(B)内存含blob/chunks；示例不是流式O(1)恢复。实际文件数量ceil(B/limit)，打开/metadata开销不可忽略。
易错点与追问
容易失分的边界
- 用str(map)或JSON却不声明字节格式，会与给定integer codec不兼容。
- hash验证只检测完整性，不是对不可信文件的授权机制。
继续深挖
- 流式跨chunk decoder怎样保留不完整length/text状态？
- KV并发更新时如何取得一致snapshot并原子切换restore？
