大概六周前走完了 Anduril data engineer 的面试 loop，面的是他们 Costa Mesa office 的 senior DE role。拿到 offer（接了，上个月入职）。分享下笔记，因为他们的 pipeline 侧确实跟我在更典型的产品公司见过的很不一样。
Recruiter screen 很常规：30 分钟，聊岗位 scope，签证问题（我不需要签证，但他们一开始就问了，我反而挺欣赏）。然后是一个 take-home SQL challenge。他们发了一个 schema，看起来是简化版的物流/供应链数据集，三张表，给 72 小时做五道题，从 window functions 到一些很难的递归 CTE。不是 LeetCode 风格，是那种真实的脏数据，有 null、有 edge cases 得自己处理。认真做大概 4 小时。
Technical phone screen：一小时，面试官是 team 里的 senior DE。前 20 分钟深挖我的 take-home 答案，包括为什么我选了某种 join 顺序。后 40 分钟做 pipeline 设计：他们给了一个场景（基本是：无人机遥测数据高吞吐流入，设计 ingestion layer）。我聊了 Kafka、partitioning strategy、schema registry 里 Avro vs Protobuf，然后他们会专门在 failure modes 上 push back：consumer 如果 mid-batch crash 了怎么恢复，这里的 exactly-once delivery 到底意味着什么。好信号是：他们在意 reliability engineering，不只是「我会 Spark」。
Onsite（4 轮）： 深度 pipeline 设计：跟上面类似但更长。要白板画端到端数据架构，包括 storage tiers、partitioning、以及 backfill 策略。 SQL 和数据建模：给一份比较模糊的需求文档，我要提出 schema，再针对它写 query。没有 IDE，但语法上他们很合理。 跨职能协作：过一个场景，PM 想要一个定义上存在技术歧义的指标。我要怎么澄清、缺什么数据、怎么 push back。 Mission 和 culture：不是走过场。他们会真问你怎么理解你做的系统最终的 use case。
senior 的 comp：base 是 175k，equity 是 RSUs，4 年 vest。总包大概 230k 左右，取决于 equity refresh。南加的 CoL 算起来还行。
主要准备建议：把 Kafka 内部机制、window functions、以及从模糊需求做 data modeling 练到很扎实。Leetcode 在这基本不重要。