今年早些时候走了 eBay data engineer 的全套流程，面的是 San Jose 办公室的 senior DE。总共四轮：一轮 recruiter phone screen、一轮 technical screen，然后两轮 onsite（一个 data/SQL，一个 system design + behavioral）。可以远程，但我选了线下。
Technical screen 是 Coderpad 上的 SQL 轮。他们给了一个很乱的 schema，像真实的电商 orders/items/sellers 结构，说实话感觉跟真实 eBay 数据很像。题目包括：window functions、一个多步骤聚合题，还有一道需要你推理数据质量的（null 处理、去重）。没有 LeetCode，没有算法，就 SQL。SQL 难度中等偏难，不是那种随便写写。
Onsite 的 SQL 轮类似，但更深入。要能聊 query 优化、索引策略，而且他们问到如果某个 pipeline 在 100 亿行数据时变慢了你会怎么重构。我讲了分区、增量加载、materialized views。他们点头但没表态。
System design 轮是 pipeline 架构。我抽到的是：为 eBay listings 设计一个实时 search indexing pipeline。卖家发一个 item 后 60 秒内可搜索。我讲了 Kafka 做事件流、Flink 做转换/富化、写入 Elasticsearch，以及如何处理 schema evolution。面试官在这轮很投入，追问了 backfill 策略和 delete 怎么处理。
Behavioral 比较标准：讲一次你在 prod 里处理坏数据的经历、一次你如何在没有职权的情况下推动影响。两题，合计大概 30 分钟。
他们提到的内部技术栈：Spark、Airflow、Kafka、Hive，还有一些我不认识的内部工具。他们看起来正在做 Hadoop 到云（AWS）的迁移，所以可能会问这类转型问题。
从 recruiter 联系到 offer：大概 6 周。offer 是 L5 对标。准备的话，把 SQL window functions 练到闭眼能写，并且准备一个真实的 pipeline design 故事。