上周刚面完 Two Sigma data engineer 的 loop。发出来是因为网上关于他们的内容 SWE 多得多，DE 几乎没有，我只能东拼西凑。
先说结论：他们确实很像 quant shop，但我面试的 DE 岗位（Systematic Trading infra team）是真正的工程活，不是只给 quants 写查询。所以如果你是传统 DE 背景，不用被「很数学」的名声吓退。
流程（NYC，2026）： Recruiter phone screen，然后跟一个 engineer 45 分钟。基本都是 SQL。他们给了一个类似带时间戳的 order book schema，让我写 query 算 rolling averages、找 time series 的缺口、以及做 self-join 找匹配事件。不算奇葩，但有些小技巧。Window functions 很关键。 Virtual onsite：4 轮。一轮纯 coding（Python，数据处理，基本是带点 Pandas 味道的 LeetCode medium）。一轮 system design，重点是 pipeline 架构：让我设计 market event streams 的 ingestion layer。他们非常在意 latency guarantees、exactly-once 语义、以及怎么处理 schema evolution。一轮 SQL deep dive，比 phone screen 难。最后一轮 behavioral / cross-functional。
System design 里他们怎么追问： 他们一直问「what breaks first under load」（负载上来时最先崩的是什么）和「what do you sacrifice when you can't have all three of consistency, availability, latency.」（当一致性、可用性、延迟三者不能兼得时，你牺牲什么）。感觉非常 quant 取向。他们要的是对 tradeoffs 有心智模型的人，而不是只会 buzzwords 的人。
SQL 的话，把递归 CTE 和 window functions 练到条件反射。也要知道 RANK、DENSERANK、ROWNUMBER 的区别，他们明确问了。
Behavioral： 挺标准的 STAR。他们想听 cross-functional 协作，以及我如何 push back stakeholders。面试官都很 sharp 也很投入，不是那种敷衍的状态。
总 timeline 大概 5 周，从 recruiter reach-out 到 verbal offer。
如果有人要面，想问 system design 那轮细节我也愿意聊。