Prompts de Práctica

Dado un Flow<String> de texto de caja de búsqueda, produce un stream que solo emite después de que el usuario pausa la escritura por 300ms y omite consultas consecutivas duplicadas. Luego explica por qué flatMapLatest es la forma correcta de ejecutar la búsqueda real.

Escribe un suspend fun <T> retry(times, initialDelay, maxDelay, factor, block) genérico que reintente un block suspend en fallo con backoff exponencial, se rinda después de times intentos, y nunca trague cancelación.

Implementa un LRU cache de capacidad fija con get/put O(1). Hazlo seguro para acceso concurrente de coroutines. ¿Qué evita, y cómo mantienes O(1)?

Modela una pantalla de contador con MVI: un UiState inmutable, un Intent sealed, y un reduce(state, intent): state puro. Muestra por qué la pureza e inmutabilidad ayudan al testing.

Escribe un ViewModel que exponga un contador como StateFlow<Int> que sobreviva tanto rotación como muerte del proceso, con increment/decrement. ¿Qué APIs garantizan cada uno?

Implementa un repository donde la UI observa Room (fuente de verdad) y un refresh() lo actualiza desde la red. ¿Por qué esto da stale-while-revalidate gratis?

Parsea una respuesta de API en un modelo tipado con kotlinx.serialization, tolerando campos desconocidos/extras, y retorna un Result en lugar de lanzar a la UI. ¿Por qué validar en el límite?

Animas la posición horizontal de un elemento desde un estado que cambia rápido. Muestra la versión que se recomposición cada frame y la que no, y explica por qué.

Diseña chat 1:1: entrega en tiempo real, historial de mensajes, envío offline, y acuses de lectura. Cubre transporte, capa de datos, ordenamiento, y compensaciones.

Los usuarios seleccionan fotos que deben subirse de forma confiable incluso si la app se mata o está offline. Diseña la cola, reintentos, progreso, y restricciones.

Diseña feature flags de lado cliente y experimentos A/B: cómo se obtienen, cachean, evalúan, y mantienen consistentes — además de kill switches y analíticas. ¿Compensaciones?

Diseña un pipeline de analíticas del cliente: capturar eventos, agruparlos, sobrevivir offline y muerte del proceso, y evitar bloquear la UI o agotar la batería. ¿Compensaciones?

Debes limitar las solicitudes salientes a N por segundo en toda la app, seguro para coroutines. Diseña un token-bucket y cómo se integra con OkHttp/coroutines. ¿Compensaciones vs limitación del lado del servidor?