前段时间被 Pinterest 的 recruiter 捞了数据方向 Staff SDEbase 加拿大。本来觉得自己多年不碰 data engineering 凶多吉少但包实在给得大硬着头皮面了结果五轮全过。整个流程的题目和考点都记了下来发出来给准备北美面试的兄弟们参考。先报包base 250K CAD第一年 RSU 240K CADvest 50/35/15 三年第一年 TC 接近 500K CADfully remote 可选。对照 levels.fyi 的公开数据这个数在加拿大 IC 里基本是顶了。流程概览网申/内推 → HackerRank OA90min 3题→ recruiter call → 5轮 VO一周内面完→ offer 全程约 4-5 周OA 三题T1Medium流式 Top K事件流 (board_id, engagement_score)5 分钟滑动窗口内实时返回 top K board 的总 engagement。解法哈希表存窗口内各 board 累计分 双端队列按时间戳过期 堆取 topK。没什么坑注意过期时同步扣减哈希表。T2Hard近似标题去重n 个 pin title大小写不敏感 去标点后互为 anagram的归为一组。解法规范化 哈希分组。每个 title → 转小写 → 去标点 → 字符排序规范形作 key 进 dict。等价类问题转规范形和 cyclic string 分组是同一个模子。T3MediumSession 切分按时间戳排序的用户行为gap 30min 切新 session返回每个 user 的 session 数。解法按 user 分组线性扫数相邻时间差超阈值的次数 1。送分题。三道题的共同点全是业务皮 经典模型读题剥壳能力比算法深度重要。五轮 OnsiteR1 CodingHeap topK 变体题干和网上面经不完全一样。follow-up 加 timestamp 变 sliding window——和 OA T1 一个血统流式 topK 是 Pinterest 的招牌题务必练熟。我最后没时间 run test靠思路表达清晰救回来的时间管理引以为戒。R2 System Design设计 analytics 系统derived data 场景。深挖 partitioning 和 consistent hashing重点是 hot spot爆款 board 流量倾斜怎么办。备考建议DDIA 第 10-12 章batch/stream/derived data过一遍他家业务性质决定 SD 必考数据管道。另一个高频题是 Personalized Home Feed一起准备。R3/R4 BQHM 和 PM 各一轮。Staff 级别 BQ 权重明显加大围绕公司 values 问简化过什么复杂系统业务指标和用户利益冲突怎么办。答题要点往影响力、跨团队推动层面答执行者视角撑不起 Staff。R5 技术八股差点翻车的一轮打着 BQ 旗号实际是 Kafka/Spark 内部机制深挖consumer group rebalance、shuffle 实现、内存管理问到实现层。我六七年没碰 Spark能过靠两点提前一周押中方向做了突击复习记不清的地方不硬编明说细节需要查证然后从原理推演复盘下来Staff 级别考的不是背诵熟练度是知识断层时的诚实度和推理能力。但前提是你得有原理层的底子可推。总结三条给后来者面经题干常有变体背题不如吃透模型Pinterest coding 三板斧流式 topK、近似去重、session 切分SD 两大件derived data、feed数据方向高级别岗中间件内核Kafka/Spark/Flink必须过到实现层用过不够备考期间的题库规划和 SD 模拟面试我是在 InterviewShow 做的R5 那波八股突击就是他们提醒数据岗要覆盖中间件内核才加上的回头看这个提醒值回全款。全流程备考服务都有需要的自取。