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。
第一轮是算法题。题目是给定一棵树，每个节点有一个权重，要求写出算法计算所有从根到叶路径中的最大平均值。基础解法完成之后，面试官的 follow-up 是让优化内存使用，并解释在大规模树的情况下如何减少递归栈深度。这里我从递归写法切换到迭代 DFS，并且通过局部变量复用避免过多对象分配。
第二轮是系统实现题。题目是实现一个异步的消息队列接口，支持 subscribe(topic, callback) 和 publish(topic, message) 两个核心功能。完成基本实现之后，面试官直接把问题带到了并发场景，要求分析如果有多个线程同时订阅和发布，如何保证线程安全。我解释了在实现层面使用读写锁来保证订阅表的并发访问，同时在发布时避免全局锁争用。最后还讨论了锁分粒度与无锁队列（CAS 操作）的取舍，以及在高并发下如何通过批量推送提升吞吐量。
第一轮是 coding。题目是实现一个数据流处理器，输入是一条条乱序到达的日志记录，每条记录带有时间戳和数值，要求实时输出最近一分钟窗口内的 top-K 元素。完成后，follow-up 是在内存受限情况下如何保证结果正确性。我在实现中用最小堆维护窗口内的 K 个元素，并在 follow-up 时提出用 Count-Min Sketch 做近似统计，在日志规模很大时保持可用性。
第二轮是纯 BQ。全程都是行为面试，没有任何技术追问。面试官问到了团队合作中如何解决冲突、在资源有限的情况下如何排优先级、以及一次失败的经历和复盘。我用之前项目里的例子回答，重点强调清晰沟通和快速迭代。
第三轮是 system design。题目是设计一个分布式文件存储系统，需要支持高可用、容错和快速恢复。我在白板上分了两部分：metadata 和 data blocks。metadata 使用一致性协议（我答的是 Raft）来保证 leader election 和日志复制；data blocks 采用三副本分布到不同节点，并支持异地多机房冗余。面试官进一步追问如何做 failover，我解释了心跳检测、超时剔除和副本补齐机制；还问到快照和 checkpoint，我补充了如何定期生成快照以加速恢复，而不是从头回放日志。最后讨论了扩展性，我讲了如何通过一致性哈希在节点扩容时最小化数据迁移。