前段时间被 Pinterest 的 recruiter 捞了，数据方向 Staff SDE，base 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 CAD（vest 50/35/15 三年），第一年 TC 接近 500K CAD，fully 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 OA（90min 3题）→ recruiter call → 5轮 VO（一周内面完）→ offer
全程约 4-5 周OA 三题
T1（Medium）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。
T2（Hard）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。
T3（Medium）Session 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 Onsite
R1 Coding
Heap 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 BQ
HM 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。