我在 2026 年 1 月走完了 Roblox 的 DE loop。网上几乎找不到他们针对 data engineering 面试的内容，所以我写一下。
流程（DE 向）： Recruiter screen（30 分钟，常规） Technical phone screen（60 分钟，SQL + pipeline design 混合） Onsite loop：SQL deep-dive，数据系统设计，behavioral，hiring manager
SQL 轮： SQL 比我预期难。不只是 aggregation 和 join。他们给了一个游戏里 user sessions 的 event-stream 数据场景。我需要写 query 计算 session 时长，处理缺失 end event（玩家崩溃或直接关 app），并找出行为异常的用户。window functions 是必须的。他们还让我通过讲 query plan 的方式优化一条慢 query，这阶段在别的公司我没见过。
要会：CTE，window functions（LEAD、LAG、ROW_NUMBER），partition by，处理 event 数据里的 null，写 query 时避免在超大表上 full table scan。
Pipeline design 轮： 这是最 Roblox-specific 的部分。他们描述了一个场景：你需要搭一条 pipeline，接入来自数百万并发 session 的实时玩家活动事件，做转换，同时服务实时 dashboard 和批量 ML 特征生成。经典的 lambda vs kappa 架构取舍。
他们在意：exactly-once 语义（或者你为什么会接受 at-least-once），实时链路的 latency 要求，批处理链路的 idempotency，以及当游戏事件变化时你如何处理 schema evolution。
我提到的工具：Kafka 做 ingest，Spark Structured Streaming 做实时链路，dbt 做批处理层。他们提到内部用 Spark，所以这点感觉很加分。
Behavioral： 主要围绕跨团队合作、以及如何应对来自分析方 stakeholder 的模糊需求。主题和 SWE 的 behavioral 很像，都是 ownership。
Comp：我最后拿到的是 senior DE 的 $195k base，RSUs 更高但我不想具体说。感觉比同级别 senior SWE 略低，但 DE band 就那样。