Netflix DS Intern 最近已经陆续开面了，跟大家分享下大概的流程和考点，总共三轮面试，Netflix DS 面试整体流程包括HR Screen、HM 面（深度围绕项目展开技术细节追问，如算法选择原因、ML/分析系统搭建方式、决策逻辑与 trade-off，同时大量考察团队分工与个人责任等 culture 相关问题）、Tech Screen（45 分钟技术考察，重点覆盖 SQL、A/B Testing、Machine Learning 等核心能力）以及 Onsite（整整一天，包含 lunch break。
面试官来自 DS、PM、Team Leader 等，内容涵盖 product sense、统计与 hypothesis testing、实验设计与 metric design、SQL & Python coding，同时持续评估 culture fit）。Netflix 极其重视 company culture 与 values，建议在所有项目与 behavioral 表达中主动体现 ownership、judgment 与 impact。
Netflix DS Intern 面经
Round 1
从个人介绍开始，接着是对我过去工作经验、项目和某些概念性问题的了解。然后就是一个 coding 问题，让我当场编写完整的代码，并运行多个测试程序以找到最优解决方案。以下是提问的 coding 问题和其它的问题：
- 详细描述 Parquet 文件格式，包括其使用案例、优点和缺点。
- 给定一个包含航班乘客出发地和目的地的表格，编写 SQL 查询以找到已旅行的不同路线。
src dest
A B
C D
B A
D C
Output -
src dest
A B
C D- 询问了 Keys、数据模型关系以及 Normalization tech.
- 写一个 PySpark 代码片段，用于从 CSV 文件中读取数据（该 CSV 文件被挂载到云存储上），进行几个转换操作，然后将结果写回到一个带有时间戳的文件名的日期文件夹中
- 给定一个 numeric elements list，编写一个优化的代码，将所有零移动到列表的末尾 without any extra space
Round 2
在我第一轮面试两周后，我收到了第二轮面试的通知。这轮面试大体上与第一轮相似，只是 SQL 和写查询的问题稍微复杂了一些。
描述各种文件格式，并区分它们的类型和使用场景。
给定一个字符串，返回一个修改后的字符串，其中包含字符及其一致的计数，要求以最小的复杂度实现。
提供了一个订单、客户和产品的表格集，并让我根据多种连接技术编写后续查询，以找到第 N 高和第 N 低的数据。
什么是窗口函数，列出一些。借助现实生活中的例子，区分 RANK 和 DENSE_RANK 之间的区别。
给定一个表格，我需要找到其中一个数据实体的累计和。
Round 3
等待了大约一周后，我迎来了第三轮面试。这次面试官直接开始了技术层面的提问。我发现这轮面试比之前的稍微复杂一些，整体持续了一个小时二十分钟。
Partitioning 和 Bucketing 之间有什么基本区别？
假设有一个数据管道，每天增量加载几 TB 的数据，并需要在特定的小时内可见，那么一天内管道触发的最小频率应该是多少？
RDBMS 和 NoSQL 数据库的属性是什么，哪一个更好，为什么，并解释在哪些情况下应该优先选择使用哪一个。
提供了一个复杂的数据库结构，其中包含未清理的数据。我需要编写查询来解决所有数据问题，例如：缺失数据、错误数据、重复数据等。
编写一个 Python 代码片段，以找到返回目标总和的一对 elements。编写代码时，确保给定的 elements 列表可能已经被排序或未排序，并尽量保持最低的 complexity。
Input -
t = 30
l = [-1, 2, 10, 31, 36] / [-1, 2, 36, 10, 31]
Output -
(-1, 31)准备小结
如果你也在准备 Netflix DS 或其他大厂的 OA／VO，可以直接联系 interviewAid 了解对应的面试辅助和陪跑支持。如果你想找我辅助面试，或者用 Netflix DS 面经 中的原题 mock，感受最真实的 feedback，欢迎戳我。
全网唯一一家支持 L6 以上 system design mock，只放真实面经。
求职辅助服务，是关于时间和品质的较量。咨询interviewAid，获取最专业的Tech求职辅助。