三个月前我走了 Walmart Global Tech data engineer 的面试，面的是一个 senior DE 岗位。Bentonville 团队，远程。下面是完整拆解。
先说一个前提：Walmart 有一个巨大的内部数据平台。从收购 Jet.com 那会儿开始，他们就一直在大力投入自研数据基础设施。DE 面试也反映了这一点：他们很看重落地的 pipeline 设计，不是只刷 LeetCode。
面试阶段： Recruiter screen（30 分钟，聊背景） 技术代码轮（60 分钟，SQL + Python） 系统设计 / pipeline 架构轮（60 分钟） Behavioral 轮（60 分钟，STAR 比重很高）
代码轮。先 SQL，再 Python。SQL 题：交易表上的复杂聚合，一个用 row_number()（按 customer + timestamp 分区）做去重的问题，还有一个查询优化题，他们给了一条很慢的 query，让我说要加哪些 indexes。Python：一个数据转换任务，给一个表示门店库存的嵌套 JSON，把它高效地 flatten 成表格格式。不难，但你得懂 Pandas，也要能讲清楚为什么这么做。
Pipeline 设计轮。「Design an end-to-end pipeline to ingest point-of-sale data from 4,600 stores in real-time, transform it, and make it available for downstream analytics and ML models.（设计一条端到端 pipeline，把来自 4,600 家门店的 POS 数据实时接入、完成转换，并提供给下游分析与 ML 模型使用。）」
我讲了：边缘端用 Kafka 做事件流，Spark Streaming 做转换，Delta Lake / Iceberg 做存储层，Airflow 做批处理编排叠在上面。他们追问：怎么处理 late-arriving data？如果某家门店断网会怎样？怎么监控 pipeline 的 SLA？
Schema evolution 是明确出现的。他们问了一个场景：某一家店的 POS 系统开始发一个新字段，但其他门店还没有。我讲了 Avro schema registry 和 backward compatibility。这个点加分。
Behavioral 轮。常规问题：一次你在时间压力下排查生产环境 pipeline 故障的经历；一次你在没有权限的情况下影响决策的经历；一次你把一个不必要复杂的东西简化掉的经历。
总体来说：这一套更偏应用、没那么算法化，和 Google 或 Meta 的 DE loop 不一样。如果你做过真实生产环境的 pipelines，见过脏数据，这些经验会很对口。如果你只刷 LeetCode，在系统设计轮会明显感觉到差距。
我的时间线：OA 到 offer 总共 6 周。不快，但也不算太离谱。