我 1 月走完了 Lyft 的 data engineering 面试。我是 senior DE（7 年经验），面的是 senior IC 岗。下面是实际结构和他们在乎什么。
Loop 结构： SQL/data modeling 轮（1 小时） Pipeline design / system design 轮（1 小时） Coding 轮（Python，45 分钟） Behavioral（45 分钟） HM chat
SQL 和 data modeling： 这是最硬的一轮。分两部分：先一道 SQL 题，然后一道 data modeling。
SQL：window functions、聚合、以及一个子查询，题目用的是 Lyft 的核心业务域（rides、drivers、timestamps）。题目是：计算过去 30 天里，每个城市司机在 10 秒内接单的 rides 占比，然后按这个指标给城市排名。听起来很直接，但 schema 里有一些坑，和取消单是怎么记录的有关。
Data modeling：设计一个 schema，用来支撑一个 dashboard，展示每周司机收入，并按 ride type 和 market 拆分。他们想看你是否理解 normalized 的 OLTP schema 和你在 Snowflake 或 Redshift 里为了分析查询实际会怎么建表的区别。我画了一个 fact-dimension 模型，然后他们追问我会怎么处理司机属性的 slowly changing dimensions。
Pipeline design： 给了一个很贴近 Lyft 的场景：来自活跃司机的一条 GPS pings 流，构建一个 pipeline，近实时计算 ETA accuracy。这就是经典 streaming：Kafka ingestion，一个有状态的处理层（他们特别问了 Flink，但 Spark Streaming 也可以），windowing 策略，latency 和 throughput 的取舍，以及如果下游服务挂了你怎么 backfill。
他们不只是问你会用什么技术，还会问 SLA 会怎么定，以及你怎么知道自己有没有没达标。监控一定要有答案：你会埋哪些指标，alert 在哪里触发，谁会被 paged。
Python coding： 更像数据处理题，而不是纯算法题。给你一组 trip records（dict 列表），算一些聚合指标，并处理一些脏数据（null、重复）。他们希望代码干净、可读。他们还让我写了两三个 unit tests。
整体来说：Lyft 的 DE 面试挺扎实。他们考的是实际 DE 技能（streaming、建模、SQL 深度），不是泛泛的 SWE 算法。如果你 pipelines 很熟，也会为分析查询建模，这个 loop 是可控的。对我来说最难的是 SQL 轮，主要是因为 schema 的坑。