Databricks SWE 26NG 的终面走完了，整个流程是 BQ 加 Coding，面试官特别好聊，全程没有那种紧绷感。题目难度不算大，但细节要对——coding 那道 300 秒滑动窗口，边界写错就会有 case 过不了；系统设计那道问得很细，CAP 和价格实时性都要说清楚。按顺序把每轮写下来。
VO 第一轮：Algorithm——House Robber
题目是经典的 House Robber——给一排房子，每间有若干金额，不能抢相邻两间，求能偷到的最大金额。
DP 解法：dp[i] = max(dp[i-1], dp[i-2] + nums[i])，O(n) 时间 O(1) 空间，比较干净。
Follow-up 是环形版本——首尾房子也算相邻，不能同时抢。拆成两个子问题：一次去掉第一个房子、一次去掉最后一个房子，分别跑 House Robber I，取两者最大值（LC 213）。
写完之后面试官追问了测试用例的设计——空数组、单个房子、两个房子、全是 0 这几个边界，他想看你会不会主动覆盖。这是 Databricks 比较有特点的地方：边界和测试的权重和代码本身差不多。
VO 第二轮：Coding——Tic-Tac-Toe
题目是实现井字棋，然后要写 testing。
逻辑本身不难，DSU 做法顺利过了。但是写测试的时候有点费时间——面试官让我选一个矩阵大小，我选了 3×4，然后发现”一人走一步”的落子顺序没有给定函数，得自己想怎么下棋才能满足那个 test case。
建议提前想好测试用例的设计思路，不要等进了面试才现场想——先想好哪些边界需要覆盖（某人连线、平局、棋盘填满但无人赢），再据此设计测例，比临时凑要从容很多。
加面：System Design
设计一个服务，用户搜一本书，系统整合多个书商的库存和价格，返回最便宜的购买选项。
主要考察点是怎么和不同书商 API 集成（推还是拉、失败重试怎么处理）、搜索功能怎么设计（全文索引）、购买流程怎么走（第三方跳转还是自建购买流）。
面试官用的是 Google Docs 而不是白板工具，这一点比较特别，提前知道能少分心。
追问集中在两个方向：如果某个书商的价格更新有延迟怎么处理（缓存 TTL 和回源策略）、高并发下怎么保证价格的实时性。这两个追问的逻辑是一致的——不能让用户看到的价格和实际购买时的价格出入太大，所以缓存的失效策略要想清楚。
终面：BQ + Coding
BQ
问的是：分享一个你做过的最复杂或最有挑战性的数据项目，过程中遇到了哪些难题，你是怎么解决的。
这道比较开放，把逻辑捋顺、传递正向思路就行。Databricks 的 BQ 不追求完美故事，更在意你能不能清楚地说清楚自己在项目里做了什么、遇到了什么、怎么判断的。
Coding：300 秒内平均访问频率
可以用 Python 的 time 库获取当前秒数。
思路是用双端队列记录每一秒的访问次数。每次有访问请求时，若当前秒已经在队列尾部，就增加对应计数；如果没有，新增一条记录。然后清理超过 300 秒的旧数据，保证窗口范围。计算平均访问率时，用总访问次数除以 300。
Follow-up 两道：
一是时间跨度很大但访问请求很少，怎么优化内存——不用把每一秒都存进队列，只存有访问的那些秒，其他的空秒跳过，查询时再按实际有记录的时间点计算。
二是系统要部署到多台机器上，怎么统计全局访问频率——每台机器本地维护窗口，再用一个聚合层（比如 Redis）做跨机器的合并统计，或者用流处理（Kafka + Flink）做实时聚合。
这道题的边界一定要盯住：超过 300 秒的记录要及时清掉、避免对队列做重复操作、队列空了或时间回退的情况都要处理。这几个细节写漏了就会有隐藏 case 过不了。
Databricks 面试怎么准备？InterviewShow 面试辅助服务
如果你已经拿到 Databricks VO，但对 Coding、System Design 或 BQ 没什么把握，可以提前做一轮针对性的面试辅助准备。InterviewShow 会结合具体岗位和面试轮次，帮助梳理高频题型、追问方向和答题思路，也可以提供面试辅助。尤其是这种题目本身不难、但 follow-up 很细的公司，提前熟悉面试节奏会轻松很多。