Casos de estudio para entrevistas senior

Colección de casos de system design e incidentes en producción al estilo de entrevistas senior/staff. Cada caso sigue el mismo formato: enunciado del entrevistador, respuesta resumen (el “elevator pitch” de la solución) y respuesta detallada con aclaración de requisitos, estimaciones, arquitectura con diagramas, trade-offs razonados y “qué espera oír el entrevistador”. Los incidentes incluyen además cronología de diagnóstico, hipótesis descartadas, root cause, fix inmediato vs definitivo y postmortem.

🎓 ¿Te faltan bases para responder esto? El curso System design e incidentes enseña exactamente lo necesario, con laboratorios y autoevaluación. Ver también: índice completo · plan de estudio · glosario · inicio

Archivos

Archivo	Contenido	Casos
01-system-design.md	Diseño de sistemas	10
02-incidentes-en-produccion.md	Incidentes en producción	10

Índice de casos

01 — System Design

1. Sistema de pagos idempotente multi-proveedor — idempotency keys end-to-end, máquina de estados, timeouts como estado desconocido, failover entre pasarelas, outbox y conciliación.
2. Rate limiter distribuido — comparación de algoritmos, Redis + Lua atómico, caché local de presupuesto para p99 < 2 ms, fail-open, multi-datacenter y hot keys.
3. Sistema de notificaciones (push/email/SMS) a 50M usuarios — colas separadas por prioridad y canal, pacing de campañas, dedupe, rate limits de proveedores, DLQ y feedback loops.
4. Carrito de compras con inventario en tiempo real (overselling) — reserva con TTL al iniciar checkout, update condicional atómico, SKU caliente con Redis/Lua o serialización, waiting room.
5. Plataforma de pedidos tipo delivery con tracking en tiempo real — separación plano de pedidos (garantizado) vs plano de ubicación (best-effort), matching geoespacial, WebSockets con coalescing.
6. Autenticación/autorización para 100 microservicios — OIDC, JWT validado localmente (el problema de los 5 hops), revocación con TTL corto + denylist, authZ en dos capas, mTLS servicio-a-servicio.
7. Feed de actividad — híbrido fan-out on write / on read, el umbral de celebridad, bandejas como caché reconstruible, paginación por cursor, separación candidatos/ranking.
8. Sistema de reservas con alta concurrencia (asientos/citas) — hold temporal con TTL, operación atómica anti doble-venta, waiting room justa, el caso borde pago-vs-expiración.
9. API pública con tiers de rate limiting y facturación por uso — rate limiting aproximado vs metering exacto, pipeline de uso con dedupe y reproceso auditable, aislamiento entre tiers.
10. Migración de un monolito de e-commerce a microservicios — strangler fig por fases, qué extraer primero y por qué, CDC y shadow traffic, la transacción de checkout como saga, la BD como la migración real.

02 — Incidentes en producción

1. El checkout cae cada día a las 12:00 exactas — la periodicidad como firma de scheduler, correlación con trabajo programado, aislamiento de cargas analíticas.
2. La latencia p99 se degrada tras cada deploy, pero p50 está bien — pods fríos (JIT, caches, pools), segmentación por edad de pod, slow start y readiness-como-warmup.
3. Un retry storm tumbó la plataforma completa — amplificación de retries en capas, fallo metaestable, por qué el rollback no basta, retry budgets, jitter, circuit breakers y load shedding.
4. Datos inconsistentes entre pedidos e inventario (saga rota) — dual write, consumidores no idempotentes, compensaciones que fallan en silencio, outbox + dedupe + DLQ + conciliación.
5. La caché se cayó y la base de datos no aguantó — el ×50 del hit-rate invertido, cache stampede y dogpiling, single-flight, stale-while-revalidate, warmup antes de readmitir tráfico.
6. Un canary pasó todas las métricas pero rompió a un cliente enterprise — enmascaramiento en agregados, cobertura del canary, métricas segmentadas, contract tests desde tráfico real.
7. Duplicación de cobros a clientes — idempotencia end-to-end, el alcance de la key (intención vs request), timeout como resultado desconocido, conciliación con la pasarela.
8. Funciona en staging pero degrada en producción — taxonomía datos/concurrencia/entorno/estado acumulado, EXPLAIN comparado, deriva de memoria, qué valida cada entorno.
9. Una pasarela de pagos lenta arrastra todo el sistema — “lento es peor que caído”, ley de Little, contagio por pools compartidos y health checks, bulkheads, timeouts y fallbacks.
10. Pérdida de mensajes detectada por conciliación — bisección productor/broker/consumidor, dual write y auto-commit como fugas clásicas, re-emisión idempotente, conciliación como control continuo.

Cómo usar este material

• Como entrevistado: lee solo el enunciado, resuelve en voz alta 30-40 minutos (requisitos → estimaciones → diseño → trade-offs, o síntoma → hipótesis → diagnóstico → root cause), y compara después con la respuesta detallada, en especial con la sección “qué espera oír el entrevistador”.
• Como entrevistador: el enunciado es el guion inicial; las secciones de trade-offs e hipótesis descartadas sirven como banco de repreguntas (“¿y si te exijo exactitud estricta?”, “¿por qué no reservas al añadir al carrito?”).