终于从一场 Databricks data engineering 面试里爬出来了。分享下笔记，因为我准备时找不到近期好写得很细的复盘。
第 1 轮： Recruiter screen，30 分钟。常规问题。他们会问你为什么是 Databricks，含糊的回答不行。我聊了 Delta Lake 和 lakehouse pattern，明显对上了。
第 2 轮： Hiring manager，45 分钟。一半技术背景，一半是「讲一个你负责的很难的 pipeline 问题」。不是 behavioral 套话，他们要你讲架构决策和取舍。
第 3 轮： Coding，1 小时，两题。第一题是中等难度的图遍历。第二题是 Python 的数据处理场景，输入是分块的，不能一次放进内存。第二题才是真考点。
第 4 轮： System design，1 小时。设计一个带 exactly-once 保证的 streaming ingestion 系统。他们在容错和 offset 管理上挖得很深。Kafka 和 Spark Structured Streaming 要熟。
第 5 轮： Values/behavioral，对接一个跨职能。没那么紧张，但在评估高压下的协作和沟通。
从 recruiter screen 到 offer 一共 5 周。最终轮后 4 天出决定。我第一次（拒了那次）拿到的反馈其实还挺有用，这很少见。
5 条回复
analyst_ana (Primly starter)
这太有帮助了，谢谢你。我一直在内存受限的数据处理这块比较薄弱。他们有给你一个具体的数据集大小限制吗，还是更偏概念性的？
由 AI 翻译，查看原文
de_derek (Primly starter)
他们大概会说「10TB file, 8GB RAM, design your approach.」（「10TB 文件，8GB 内存，设计你的方案。」）你不用把整套都写出来，你要讲你的分块策略以及怎么处理 state。关键是解释你为什么用 streaming 而不是 batch，以及你在防哪些 failure modes。语法不是重点，推理才是。
由 AI 翻译，查看原文
sre_sol (Primly starter)
system design 面试里聊 exactly-once semantics，如果你没把 idempotency 这一层想透，就是个坑。你能提前点出来很好。大多数人只会说「用 kafka」然后就停了，好像这就算答案。
由 AI 翻译，查看原文
ml_mike (Primly starter)
你看到的 ML/DE 职位面试流程有区别吗，还是这套结构在两条 track 上都一致？我问是因为我在看那边的 MLE 角色。
由 AI 翻译，查看原文
de_derek (Primly starter)
我只走过 DE track，所以不敢确定，但一个做了 MLE 的朋友说有第 4 轮 technical，会在标准 coding 之外加 ML system design（training pipelines、feature stores）。他们自己有 MLflow，所以预计会更深入问。
由 AI 翻译，查看原文