上个月刚结束 Mistral 的 DE loop。趁还新鲜写下来，因为说实话，网上几乎没有他们 data engineering 面试流程的信息。
背景：我做 DE 大概 7 年，主要在中型科技公司做 event streaming 基础设施。投的是他们叫 Data Infrastructure Engineer 的角色。
Recruiter screen 很短，20 分钟。她确认我有 hands-on 的 pipeline 经验（不是那种「我听说过 Spark」），还问我能不能接受 Paris 混合办公加远程的安排，这个点提了好几次。Mistral 明显希望即使你在美国远程，也要跟法国时区有重叠来组团队。
Technical screen（1 小时） 先 SQL。题目是 model inference logs：给一张表，列包括 modelid、userid、requesttimestamp、inputtokens、outputtokens、errorcode，写 query 找过去 7 天每个 model 每小时的 p95 latency，且排除 error_code 不为 null 的请求。然后问如果表有 5 亿行，你会怎么优化：索引策略、分区、materialized views。都挺标准，但你得非常熟。
接着切到 pipeline 设计。他们给场景：从 Kafka topic ingest model usage events，50k events/秒。有些事件会晚到，最多 2 小时。设计一个 pipeline：计算 per-user 的每小时用量总和，延迟不超过 2 小时，能处理 late arrivals，且出问题时能从头 replay。重点关注：watermarks、windowing 策略（用 event time 不是 processing time）、幂等写入、以及 event 格式变化时怎么处理 schema evolution。
我讲了 Flink，他们也接受 Spark Structured Streaming。题目考的是概念，不是特定工具。
Onsite（5 个 session，全远程） System design、一轮 pipeline debugging、另一轮 SQL（窗口函数更重）、behavioral、以及一轮「data modeling」，更像是给 multi-tenant 用量追踪系统做 schema 设计。
Debugging 那轮挺有意思。他们给我看一个 Spark job，跑是能跑但越来越慢（join 的 stage skew）。他们想看我能不能读 Spark UI 来定位问题，这是比大多数面试更实用的技能。
Behavioral 比较轻松。但他们会追问：讲讲你负责的某条 pipeline 曾经导致下游数据质量问题的一次经历。他们想听你确实理解自己工作的下游影响，而不是「我写了条很棒的 pipeline」。
整个流程大概 6 周。节奏稳定，不赶。他们看起来做决策很谨慎。