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。
这两年 Meta 招的 NG 数量确实少的可怜。Meta 26ng 的岗位已经开放，我抱着试水的心态帮客户投了一份简历，没想到很快就收到了面试邀请。这篇笔记主要分享 coding round 的完整流程、我的真实体验，以及两道真题的详细回顾。
面试是在 Zoom 上进行的，写代码的环境是 CoderPad（做系统设计用 Excalidraw）。和一些公司不同，Meta 的 coding round 要求你真正跑代码通过测试，而且更强调你的思维过程和代码的严谨性。有些时候写完之后必须自己 dry run，一行一行走数据，把边界情况讲出来。这其实考验你对题目的把握程度，以及是否真的能做到从逻辑上保证正确性。
整个环节持续四十五分钟，要完成两道题，平均每道题大约二十分钟，剩下五分钟做缓冲。节奏非常紧张，如果第一题卡住太久，第二题基本就会做不完。所以心态要放稳，碰到熟悉的 tag 题就果断下手，别犹豫太久。
第一题是经典的区间合并问题。题目给出一组区间，需要把有重叠的区间合并成一个。我的做法是先按照起点进行排序，然后扫描一遍，如果当前区间和上一个区间有重叠，就合并成一个更大的区间，否则就直接加入结果集。这题属于非常典型的 tag 题，一旦见过几次，思路就很直观，写起来也很快。重点是在 dry run 的时候，一定要举一个多个区间重叠的例子，比如 [1,3], [2,6], [8,10], [15,18]。走完之后你要明确告诉面试官：前两个区间因为重叠合并成 [1,6]，后两个保持不变，最终结果是 [1,6], [8,10], [15,18]。面试官其实很在意你能不能主动验证边界，比如当区间完全相邻的时候算不算重叠，当输入为空的时候该如何处理，这些都要在 dry run 里交代清楚。
第二题难度明显上升，是课程表问题的套壳版本。题意是有若干门课，每门课可能依赖其他课程，问你能不能完成所有课程。换句话说，就是要判断一个有向图里是否存在 cycle。如果有环就没办法完成所有课程。这个题的常见解法是拓扑排序。我用的是 BFS 的写法，先统计每个课程的 in degree，然后不断找入度为零的课程，把它从图里移除，同时减少相邻节点的入度。如果最后能遍历所有课程，说明没有环，否则就存在循环依赖。