美國大資料工程師面試攻略有哪些？

大家好，我是來自矽谷的董飛，應國內朋友邀請，很高興跟大家交流一下美國大資料工程師的面試攻略。

個人介紹

先做一個自我介紹，本科南開後，加入了一個創業公司kuxun，做即時資訊檢索，後來進入百度基礎架構組，搭建了Baidu App Engine的早期版本，隨後去Duke大學留學，在攻讀碩士期間， 做跟Hadoop大資料相關的研究專案Starfish，之後在Amazon EC2部門實習，瞭解它們的內部架構，畢業後加入Linkedin，做廣告組的架構，涉及Hadoop調優，Data Pipeline, Offline/ Online, 即時系統。 最新是在Coursera從事資料工程師工作。

在多年工作中，除了對技術的不懈追求，也積累了大量的面試經驗，從國內的一線互聯網公司百度、阿裡巴巴、奇虎、人人，到美國一線公司Facebook、Google、Linkedin、Twitter、Amazon， 到熱門Startup、Uber、Pinterest、Airbnb、Box、Dropbox、Snapchat、Houzz，拿到10+ offer，並且在Linkedin期間也面試過100+候選人，參與面試題制定， 樂於分享並説明很多人成功求職，實現目標。

矽谷高科技公司介紹

我們看一下這張矽谷地圖，它坐落于美國加州，從聖約瑟到三藩市的狹長地帶，中間是San francisco bay，簡稱灣區。 它的由來是這邊有電腦核心處理器中離不開的矽，30年來，矽谷就發展成為無數技術性創業公司的搖籃。 在20多年前，這裡就有很多硬體公司成功上市，如Intel、Oracle、Apple、Cisco。 10年前，互聯網的興起，造就了Yahoo、Google、Ebay的神奇。 而如今Tesla、Facebook、Twitter、Linkedin正扶搖直上，成為美股高科技股的領頭羊。 這些公司的市值從幾十billion到幾百billion，PE從負數到上千，瘋狂的估值背後也改變了世界。

如果說矽谷成功是有原因的，我覺得有兩點：

一方面，地理位置是得天獨厚吸引大量人才，這裡有Stanford和加州州立高校提供智力庫的支援，在矽谷可以看到來自全世界的最聰明的人，中國、印度人、猶太人是構成這些Engineer的主力。 雖然國內做技術自嘲為碼農，但在矽谷成為一個優秀工程師還是收穫頗豐的。

另一方面，創業是一個永恆的話題，在Stanford有個說法——空氣中都飄揚中創業的味道，一些早期員工通過上市套現又積累經驗成了天使投資，Y Combinator、各種技術Forum、Meetup、創業導師等都很活躍。 資本的力量功不可沒，早年VC通過投資、收購、上市放大形成一個雪球效應。 大家總喜歡問什麼是next big thing，哪一個是下一個Facebook，下一個Musk，根據統計10年能成就一個千億以上的公司，目前這個進程正在縮短。

我就拿Linkedin作為例子，介紹高科技公司(FLG)是什麼樣子。 它是成立于2003年的職業社交網站，在10年的發展中，也不是一下子爆發的，目前有3億的全球使用者，雖然跟Facebook、Google 10億+使用者沒法比，但是它有很好的護城河，使用者定位高端精准，單位價值高。 這張照片中左邊這位是創始人Reid Hoffman，是Paypal黑幫成員，在矽谷也是呼風喚雨的大佬，目前是董事和投資人。 中間這位是CEO Jeff，2013年被Glassdoor評為最佳CEO，作為職業經理人，成功説明linkedin高速成長，他最喜歡提到transformation，希望我們每個員工能挑戰自我，在各自崗位上進化。

Linkedin提供了員工很好的福利，有號稱灣區最佳的免費食堂，每個月一次的In day，Hack day，説明員工內部創業的Incumbator計畫。 它特點是資料驅動的開發產品，比如 People you may know, Job you may be interested。 我做過Sponroed Ads 都是需要很強資料背景和Data scientist的支援。 它的Biz model也很獨特，有3個line，面向公司的招聘服務，面向廣告商的市場服務，面向個人的訂閱服務，還有最新Sales Solution，因為這麼多可能性，成為華爾街的寵兒。

矽谷最新的創業動向

說矽谷，除了那些已經成功的大公司，不得不說一下現在最新的創業動向，這些代表了未來下一個FLG。 我總結了一些領域和代表公司：雲計算(Box, Dropbox)、大資料(Cloudera)、消費互聯網(Pinterest)、健康(Fitbit)、通訊(Snapchat)、支付(Square)、生活(Uber)。

這裡是華爾街網站更新的最新融資規模，比如Uber就達到18Billion的估值，我當時拿到Offer沒去，還是覺得很瘋狂，如果細看這張表，大家可以看到矽谷(藍色)尤其是三藩市它們的融資規模遠遠大於其他地區，還是地理決定論。 而在國內的兩家小米，京東都是在北京，而最近大家看到一些泡沫論，說什麼阿裡巴巴上市是否美股到頂，經緯VC創始人也提醒我們泡沫的風險，我無法判斷。 如果能參與到下一波浪潮裡面去是很過癮的。 我推薦大家去看看 《浪潮之巔》、《奇點臨近》，我還是很期待未來20年的技術革命。

大資料相關技術

我個人熱愛大資料，在矽谷這也是大家津津樂道的，有個笑話，big data is like teenage sex: everyone talks about it, nobody really knows how to do it. 其實大家還是興趣驅動就好，不要那麼功利，大資料技術涉及太多，平常工作中也是慢慢積累，有無數的坑和技術細節需要克服。 並不是說那個技術最熱就要用哪個，如果你用不好，你的壓力很大的，舉個例子，你用某個開源資料庫，發現它偶爾有資料丟失怎麼辦，如果這是線上服務，你不斷收到報警，這時候你當時選用它的優點 scalable，容錯性都沒意義了。

接著說大資料，這裡面Hadoop作為行業標準，我面過的除了Google，微軟不用，幾乎所有的公司都在用，建議大家利用這個機會。 這裡面有三巨頭，Cloudera是老牌Hadoop諮詢公司，Hadoop的創始人做CTO，Hortonworks也是很多Hadoop的committee，MapR是提出hdfs的erasure 編碼方式高效而著名， 它們都是融了鉅資，模式也很像，先推出社區免費版，但有個商業版提供更好的管理。 而今年出現一匹黑馬Spark，簡單說就是記憶體級別的計算，比Hadoop框架裡能節約IO，利用緩存，能適應批次處理，反覆運算，流式計算。

這裡看一下它的生態系統，如何學Hadoop是個循序漸進過程，先要理解學習它的Core系統，HDFS, MapReduce, Common，在週邊有無數的系統工具方便開發，我個人用過的是Avro作為資料格式， Zookeeper作為選主的高可靠性的元件，Solr作為搜索介面，Pig搭建工作流，Hive 資料倉儲查詢，Oozie管理工作流，HBase 作為KV分散式存儲，Mahout資料採礦的庫，Cassandra nosql 資料庫。 我建議初學的考慮Chinahadoop的課程。

而Hadoop本身也是個進化過程，幾年前0.19版本，到0.20、0.23分流成Yarn架構，最後進化成Hadoop2.0, Hadoop1.0 和 2.0 它們的介面和元件是完全不同的，但總體上Hadoop 2.0 是趨勢， 因為它有Yarn這樣分離的資源管理平臺，可以以外掛程式的方式開發上面的Application，解放了生產力，而像Spark，Storm這些新型處理器也是支援Hadoop 2.0的。

這裡是Hortonworks它們提出來的社區版本架構，可以說標準的制定者，一流的公司制定標準，其他的公司一般用只能用它們提供的穩定版，沒有多少話語權。 但從事大資料，並不見得是要去這些制定標準的公司，大量的應用也是非常考驗架構的靈活性，並且能看到實際的產品，很有成就感。

說到2014年火的，還是要看Spark。 已經開了2屆Spark大會，上千人的規模，無數人對比Hadoop 100倍的性能提升而興奮。 這裡說它的背景是誕生於Berkeley的Amplab，它們有個很有名的BDAS(Berkeley Data Analytics Stack)，目前Spark已經成為Apache的頂級專案。 去年這個實驗室的教授跟學生出去成立Databricks公司，拉到兩輪上千萬的風投，有人問Spark是Hadoop的終結者嗎?我看2014年Spark大會上，所有的Hadoop大佬公司都是鼎力支援， 像Cloudrea甚至放棄Impala的一線支援而轉變成Spark。

如果這麼發展下去，星星之火可以燎原啊。 它裡面用到Scala是一種函數式語言。 裡面的元件也很多，有Shark支援SQL類似Hive，有Spark Streaming、MLlib、Graphx、SparkR、BlinkDB。 它的核心資料結構是RDD，可以跑在各種分散式系統上。 總體上是個包容性+侵略性的系統。 我個人也很看好它們的發展。

我在Linkedin做過一些大資料的廣告系統，我就簡單提一些我學到的。

Linkedin有特有的開來源資料系統，包括Voldermort (分散式KV存儲), Kafka (分散式即時訊息佇列)，Espresso (基於mysql的海量存儲)，Databus(資料變化捕捉)，可以查看HTTP:// data.linkedin.com

Lambda架構，離線使用Hadoop做pipeline，near online做高效聚合，提供混合式架構，達到即時和一致性的妥協。

Kafka在linkedin起到奠基作用，一方面所有即時tracking都是通過它，另一方面 data bridge，比如圖中通過kafka可以實現資料的無縫銜接，否則很難想像每個資料來源異構系統，它們的通信將是 n^2 級別的複雜度。

分散式並不酷，如果考慮到高可靠性，強一致性而資料量並不是想像的大，不見得要使用;否則自討苦吃。 儘量使用成熟的，可靠的，例如MySQL, Memcached

求職經驗

根據我的求職經驗，我給出幾點建議：

如果面試的話，我先看他們的經驗是不是match，對應屆生看有沒有實習經歷，如果你在Google、Linkedin實習，絕對加分，學校當然也需要，比如我們招人UC Berkeley是要機會大一些。

我看過很多簡歷，不推薦用DOC，因為在不同系統中排版不一樣。 簡歷也不要寫太長，不是大牛就不超過2頁。 儘量突出你的技能如何匹配公司的職位，比如這個公司都是用C++，你上面都沒C++，是不大合適。 我也很不喜歡看到精通，如果你這樣寫，就很容易引起麻煩，最好寫多少年經驗，對具體技術的掌握。

面試當然需要準備，但到底是事倍功半，還是事倍功半。 我建議把你的經歷精選1、2個準備熟練，包括如何團隊分工、技術細節、遇到困難、如何克服。 不要貪多，就把你現在用的東西準備好，沒人關心你5年前幹啥的。

社交很重要，最簡單是去招聘會就可以跟人混個臉熟，如果你在網路多利用有些網路招聘網站，如dice，indeed，你還要巧妙利用Linkedin，加入高級帳號，可以查看有些校友的資源，發站內信， refer比你網上瞎投效率要高很多。

如何找到面試題?

網上有很多資源，比如Glassdoor是個匿名發佈網站，經常有面試題，有些技術論壇Stackoverflow、Careercup也會有很多參考題。

如何知道一些靠譜的公司?

可以看你知道的牛人都選擇去哪些公司，如果名氣不大，可以去流量排名上去看他處於什麼地位，如果沒有上市，可以看它的融資規模，還可以從Linkedin看它的員工是否優秀。

什麼時候才知道準備好面試?

演算法是否過關，是否能寫出遞迴和動規;

Coding是否過關，是否能在IDE中寫出Bug Free;

Design是否過關，是否能給出Tradeoff;

專案經歷整理，能夠流利說出架構、難點、自己的貢獻;

加分項：Github、Blog、參與Open source。

如何回答行為面試問題?

比如你有沒有過失敗的經歷，如果你老闆給你不喜歡的任務怎麼辦，你想像中成為什麼樣的人。 這裡一方面可以結合自身精力，另一方面多關注公司的介紹頁面，包括公司創始人背景、企業文化、招聘的要求。 這些都是可以提前做好功課，儘量體現出來你的激情、負責、勤奮等優秀品質。

如何拿到美國工作簽證?

要來美國工作，一般是要求H1B的身份，是有雇主向勞工局提出申請Sponsorship，根據現在的形式，每年的名額都是一搶而空，那麼這樣就需要抽籤決定。 在4月1日之前提出申請，4月1日之後開始抽籤，如果是在美國獲取碩士以上的學位，可以有優先順序，抽取概率更高，而根據2014年情況，普通的抽中幾率是50%。

如果沒有抽中，如果是美國有碩士學位，可以使用OPT照樣工作，並且可以省社會安全稅。 而如果是海外的，只能等來年在抽。 像Google、FB這種全球性公司，他們也會提供其他國家辦公室的機會，然後比如工作一年後再通過L1或者H1B繼續到美國工作。 另外如果你抽中名額，再跳槽期間是可以transfer而不需要依賴名額，每3年可以續一次，最多6年。 如果H1B期間申請綠卡，還是可以延長的。

面試流程

如果你拿到面試機會，下面的流程是先電面，對於engineer，演算法coding基本功是必須的。 還是準備好你的小白板，根據面試官的題給出思路和代碼，說起來容易，但就是那10多行的代碼，80%以上的人都掛了。

然後就是onsite，美國公司為了體現人才為先，都會來一次onsite，如果是遠端過來，報銷機票、車費、酒店、吃飯，聽起來也是免費旅遊的機會。 但onsite也不容易，基本上4-6輪，每輪45min到1小時，也會讓你挑戰極限的，經常是頭痛欲裂，我最狠的一次10天面7家onsite，連續飛，連續面，真是折磨。

他們都考察什麼呢，簡單說是你到底聰不聰明，是否經過工程訓練，是否能夠合作。 總體分成3塊，一類是技術問題，比如演算法，系統經驗;一類是交流能力，你個人經驗，興趣;一類是hr喜歡問的行為面試，比如你有沒有過失敗的經歷，如果你老闆給你不喜歡的任務怎麼辦，你想像中成為什麼樣的人。

面試準備

技術面試這裡面涉及面也挺廣。 看似簡單的coding不見得能過關，不信，你寫個字串查找，我不需要你知道KMP，就是暴力解法，可是90%的人都掛在這道題上面。 演算法方面，常見的hashtable、heap、trie。 系統設計也是很多同學害怕的，很多人說我沒設計過那些系統。

如果大家演算法都過關，系統設計就能繼續篩選，體現出來你的層次。 還要一些很隨機的問題，數學上的概率組合，Linux的常見命令都有可能觸及。

我這裡列出考察Hadoop的一些基本問題，都比較簡單，大家Google一下，知乎上也有我的詳細題目。

對於演算法，是考察的重中之重，我總結了一些高頻題目，同樣參見我的知乎。

這兩道題是我真實中被問道的，雖然不是常規，大家可以思考一下。 其中求面積的，是Apple當時問的，同學們能在15min內演算出來嗎?

選擇工作

假設你經歷過面試的考驗，拿到offer，下面就要面對如何選擇的問題。 在考慮offer之前，先對公司做個研究，比如這公司是什麼規模?產品是什麼? Glassdoor員工如何評價的?你的職位你喜歡嗎?這就跟選學校一樣，如果選錯了，也是需要走很多彎路。

我個人的參考是，首先這公司是不是上升期的，產品是否有愛，團隊是否比較強，學到東西。 對公司分類，Hortonworks這種是純技術性的，面向企業級的可能沒多少人知道;而Uber是大眾消費性，很多朋友都用過。 現在的熱點是移動互聯網，大家也可以多考慮這一塊。

大家都很關心矽谷公司的待遇福利，這邊我也做個介紹，待遇分成基礎工資，根據Glassdoor排名，大概在每年10w刀-20w刀，矽谷目前也是水漲船高，獎金有些大公司有(Google， FB 15% - 20%)。 如果是上市公司，會給限制性股票，分3-4年行使，創業公司一般給期權，不同就是限制性股票是白送的，不需要自己掏腰包，期權需要自己買入，不同時期價格不同。 但股票交的稅非常高，期權是有些長期避稅。

最後也要考慮你的興趣和對風險的承受能力，如果去大公司做個螺絲釘，實現共產主義生活也無可厚非。 去小公司壓力大，成長快。 但也要做好失敗的準備，看看當年zynga教訓。

職場感觸

矽谷生活著一群不在乎別人怎麼看，但有很瘋狂的想法的人。 大家在這談創新、談技術、談創業，資本湧入，人才競爭，導致大家都是很高的期望值，迫不及待的去改變。 這種浮躁也許是社會進步的動力。

我這上面的都是最熱的話題，每個領域都是百億甚至千億的價值。 最近阿裡巴巴的成功上市創造最大IPO，讓大家看到中國互聯網的野蠻成長，中國的發展速度和廣闊市場讓大家想像無限。 而百度在矽谷設立人工智慧研究院，阿裡巴巴也準備在矽谷招上千人研發團隊，越來越多的人才拼搶。 中國的一些互聯網產品也走出國門，微信、小米、360都在廣泛佈局投資未來。 有時候會想當大家都是談論技術改變世界，做個小App就值上億，甚至上百億，但真的世界因為你改變了嗎?我們也要多些獨立性思考。