OfferForge 导师 Dr. W. — 博士毕业，前 FAANG Senior MLE。研究方向为大规模分布式机器学习系统，曾在顶级国际学术会议发表多篇论文。负责团队学术方向把控与 MLE 面试辅导。
OfferForge 导师 Dr. S. — 前大厂 Senior SDE，精通分布式系统与大规模数据处理。曾在顶级技术会议发表多篇技术报告，专注于系统可扩展性与可靠性。负责课程体系设计与 System Design 面试辅导。
OfferForge 导师 Dr. L. — 前大厂 Senior SDE，深耕分布式系统与微服务架构。在服务治理、事件驱动架构方面有丰富实战经验。负责求职策略制定与 SDE 面试辅导，已帮助多位候选人斩获 Senior 级别 Offer。
东欧口音的 senior engineer，一上来从简历切入，聊了大概不到十分钟。看到我几个项目都有用到分布式缓存，而且他自己也做这一块，就直接聊到了 Redis + Memcached 混合架构的设计。问得非常细：如何在高并发写场景下避免双写不一致；热点 key 被打穿时怎么保护 backend；Redis cluster 的 slot rebalance 过程中如何保持可用性。
coding 部分是两题。第一题是 word ladder（最短单词转换序列），我用 BFS 做的，写得很顺。面试官 follow up 问如果词表特别大（上百万级），怎么优化？我提了预处理邻接表、用双向 BFS 减少搜索空间的方案。第二题是 LRU cache + LFU cache 混合实现，要求能支持动态 eviction policy。我用了两个 hash map + 双向链表组合，手写了完整数据结构。讲的时候强调了 O(1) 时间复杂度保证。最后跑完 sample case 一遍过。面试官很满意，临走前让我多讲讲我之前做的高并发服务。
最后五分钟反向提问，我问了他组在 Redis 和 RocksDB 之间的数据分层策略，他详细讲了一下内部的 memory quota policy。
二面是一个白人 tech lead + 一个印度小哥 shadow。开场还是从简历入手，但这次重点聊系统层面的问题。他先问我在分布式系统中怎么实现 exactly-once semantics，我讲了两阶段提交（2PC）+ 幂等写的 tradeoff，又讨论到 Kafka + transactional outbox 的落地方案。
接着 coding 环节两题。第一题是 K 个排序链表的合并，我用 min heap 实现，一遍过。follow up 问如果数据量非常大（几千万节点）怎么办，我说可以用外部归并的思路分块处理，还能利用多线程分片 merge。第二题是实现一个支持删除任意元素的优先队列（O(log n) 复杂度）。我手写了堆 + hash map 的双索引结构。面试官很感兴趣，问我为什么选择这种结构，我解释了时间复杂度和内存 tradeoff。