上个月刚结束 Apple data engineer 面试 loop，目标是 E4 level，AppleID / IAM data platform 团队。写下来是因为我准备时网上几乎没有有用的信息。
一共 5 轮：1 个 recruiter screen，1 个 technical phone screen，然后 3 个 onsite（2026 年都是线上，但他们还是叫 onsite）。
Technical phone screen。 一小时，面试官是 staff DE。一半 SQL，一半 system design lite。SQL 是多步骤题：找过去 7 天里每个国家活跃 session 数最高的 top 3 设备，还带一些去重细节。window functions、CTE。不是简单题，但也不是故意绕你。另一半是聊我做过的一个 pipeline，我怎么处理 late-arriving data，我们的 SLA 是什么。
Onsite 轮。 第 1 轮是纯 SQL 和数据建模。给一个 schema（events 表、user 表、device 表），让我回答 4 个逐步加难的问题。最后一个要算 rolling retention 指标。window functions 要烂熟。 第 2 轮是 pipeline 架构。"Design a real-time anomaly detection pipeline for App Store purchase events at Apple's scale. (为 Apple 这个规模的 App Store 购买事件，设计一个实时异常检测 pipeline。)"（为 Apple 这个规模的 App Store 购买事件，设计一个实时异常检测 pipeline。）他们很在意 exactly-once semantics、Kafka consumer 批处理中途挂了会怎样、你怎么处理 schema evolution。我讲了 Flink/Spark Structured Streaming；他们觉得用哪个都行。 第 3 轮是 behavioral。常规问题，但带 Apple 风格：他们会猛追「owning the outcome」和跨团队协作。想想你什么时候 push back 过 product，或者说服过怀疑的 stakeholder。他们很爱挖你是否能自主推进。
我没想到的点。 几乎没有 Spark 细节背诵题。比起纯吞吐，更强调数据质量和 pipeline 可观测性。他们会问你怎么监控一个 pipeline，以及要对哪些指标报警。
从 recruiter 第一次联系到拿 offer 总共大概 7 周。debrief 花了快两周，真的很煎熬。
如果你在面那边的 DE 岗，欢迎来问更具体的。