八月份 Pinterest 的 recruiter 主动 reachout，说有个数据方向的 Staff SDE 挺适合我。说实话我好多年不做 data engineer 了，第一反应是凶多吉少，但对方给的包裹实在诱人——可以说是我在加拿大遇到的 IC 顶包了。本着不能对不起钱的精神，面！
结局先剧透：五轮全过，offer 到手。但过程绝不轻松，尤其最后一轮差点翻车，OA 和每轮的题目细节都记下来了，给后面的人铺路。
流程和时间线
整体流程：OA → recruiter call → 5 轮 virtual onsite。OA 是 HackerRank 平台 90 分钟 3 题，通过后两个工作日内收到 recruiter 电话，onsite 集中在一周内面完，从 OA 到 offer 大概四五周。
OA：90 分钟 3 题
三道题都很有 Pinterest 特色——题面全是他家的真实业务场景。
第一题：Top K Frequent Boards in Stream（Medium）
给一个事件流 (board_id, engagement_score)，实时返回当前 top K 个 board 的总 engagement，带 5 分钟滑动窗口。核心是 heap 的 topK 问题套一层滑动窗口：哈希表维护每个 board 的窗口内总分，队列维护窗口内事件按时间过期，topK 用堆或者直接排序取。
第二题：Deduplicate Near-Identical Pin Titles（Hard）
给 n 个 pin title，把”大小写不敏感 + 去标点后互为 anagram”的标题分到一组。思路是规范化 + 哈希分组：每个标题转小写、去标点、字符排序，得到的规范形作为 key 分组——等价类问题转规范形计数的经典套路。
第三题：Sessionize User Actions（Medium）
按时间戳排序的用户行为列表，gap 超过 30 分钟就切一个新 session，返回每个 user 的 session 数量。按 user 分组后线性扫一遍数时间差就行，是三道里最送分的。
另外提一句我自己 OA 撞到的：白人小哥出的表达式求值 backtrack 题。虽然是常见题，但题干和地里面经不太一样，导致解法也不同——所以面经只能参考，不能太依赖，基本功才是底气。follow-up 不用写代码，口述解法，就是经典 LC calculator 的 stack 思路。
Onsite 五轮实录
第一轮：Coding
华人小哥。面经题但不常见，题干略有改动，本体是 heap 的 topK，难度不大。follow-up 加了 timestamp 维度，变成 sliding window 类型——和 OA 第一题一个血统，看来这是他家的招牌题型。我最后没时间 run test，好在思路表达得清楚，这轮还是过了，大家注意控制节奏。
顺带一提，其他轮次还有 Merge Overlapping Campaign Windows（合并区间的业务皮）和 Search Suggestions System（前缀匹配/Trie）这类高频题，Pinterest 的 coding 题库整体不深，但都套着广告、搜索这些业务场景。
第二轮：System Design
华人大叔，题目是设计典型的 analytics 系统，属于 derived data 场景。深挖点在 partitioning 和 consistent hashing，尤其是 hot spot 问题——某个爆款 board 的流量倾斜怎么处理。这轮准备时建议把 DDIA 里 derived data 那几章过一遍，Pinterest 的业务性质决定了他家 SD 必考数据管道。
另一个高频 SD 题是设计 Personalized Home Feed 服务，feed 流 + 个性化排序，准备一个也能覆盖。
第三、四轮：BQ
分别和 HM、PM 聊。因为是 Staff 级别，BQ 占比明显比 Senior 以下重。问题围绕 Pinterest 的 values 展开，比如”讲一个你简化复杂系统的经历””当业务指标和用户利益冲突时你怎么 put Pinners first”。Staff 级别的 BQ 要往影响力、跨团队推动这个层面答，纯执行者视角撑不起来。
第五轮：技术深挖 + BQ
笑面虎华人大哥，开场像聊天，聊着聊着开始问很深的 Kafka 和 Spark 内部实现机制。我六七年没碰 Spark 了，好几个问题记忆已经模糊。救回来靠两点：一是提前一周押中了这个方向，把 Kafka 的 consumer group rebalance、Spark 的 shuffle 和内存管理这些核心机制突击复习了一遍；二是记不清的地方不硬编，坦白说这块细节需要查证，然后从原理层面推演给他看。面完自我感觉五五开，最后居然过了——事后琢磨，Staff 级别他考的可能不是你背得多熟，而是知识断层时的诚实度和推理能力。
复盘几句
给后来者三条建议：一、面经题干经常有变体，背题不如练基本功；二、Pinterest 的 coding 招牌是流式 topK、近似去重、session 切分这三板斧，SD 招牌是 derived data 和 feed，针对性准备收益很高；三、数据方向的高级别岗位，中间件内部机制不能只停在”用过”的层面，Kafka/Spark 的核心实现提前过一遍，这轮救了我的命。
备考路上我找了 InterviewShow 做备考规划，Pinterest 的题库专题和 SD 模拟面试都做了，从 OA 刷题规划到 VO 模拟他们全流程都有对应服务，有需要的可以去看看。