DE 面试考什么 2026：SQL、Pipeline、Data Modeling 全轮次拆解

💡 核心要点 (Key Takeaways)

• DE 面试主轴是 SQL（业务口径）+ DE Coding + Pipeline / Data Modeling Design + Behavioral / 项目深挖四块，部分公司加 take-home；四块是同一条生产数据链路，不是四个孤立知识模块。
• SQL 考的是口径不是语法：留存、漏斗、归因、late event 和重复事件是高频追问点，先讲口径再写查询，讲不出表怎么来、怎么增量基本等于没做过生产数据。
• Pipeline Design 考的是失败路径：迟到数据、回填、schema 变更、成本要主动交代，只报「Airflow + Spark + warehouse」工具名不够。
• 不要漏掉 Coding 轮：Databricks / Snowflake 的 coding 轮是标准算法，部分公司第一面也是 coding，先确认目标公司题型簇再决定刷题时间分配。
• 7 / 14 / 30 天三档路线：7 天保 SQL 口径 + pipeline 失败路径下限，14 天补回填专项与标准算法，30 天加目标公司雷达和真人 mock。

这篇适合谁：先回答「DE 面试考什么」

这篇写给准备 2026 年北美科技公司 Data Engineer（DE）面试的候选人，覆盖 Analytics Engineer、Data Platform、Data Infra 等方向，级别以 3-5 年经验的中级为主（大致对应 L4 / L5），NG / Intern 的结构差异会在流程部分说明。文章基于 2026 年公开面经信号和站内已有 DE 专题整理，不同公司、团队、级别的轮次结构会有出入，以实际收到的面试邀请为准。

先给「DE 面试考什么」一个直接答案：主轴是 SQL（数据提取 + 业务口径）、Data Engineering Coding（事件流处理、窗口聚合、带 DE 味的算法题）、Pipeline / Data Platform System Design（含 Data Modeling）三块技术方向，外加 Behavioral 和项目深挖；部分公司会加一轮 1-2 周的 take-home，配比因公司和 team 而异。DE 面试和 SWE / DS 最大的区别在于「追问链」——一道 SQL 题会追到表从哪来、late event 怎么处理、历史怎么回填；一道 pipeline 题会追到失败路径、回填幂等和成本。准备的关键不是把四块当孤立知识模块刷，而是把它们当成同一条生产数据链路来练。

读完这篇你会带走：全流程轮次地图、6 个高频题型方向的可执行方法、4 个代表题型的答题骨架、中国 / 海外候选人各自的常见挂点，以及 7 / 14 / 30 天准备路线。DE 岗位的整体备战路线和题型雷达，可以配合 DE 岗位指南 一起看。

整体框架：2026 年 DE 面试的全轮次结构

DE 的主线流程一般是：简历筛选 → Recruiter Screen → OA（部分公司）→ Phone / Technical Screen → Onsite loop → HM / Team Match → offer。轮次结构因公司、团队、级别而异，以下是 2026 年公开信号归纳出的「典型区间」，不是对某一家公司的精确描述。

• Recruiter Screen / OA：30-45 分钟电话沟通。OA 部分公司必考（NG 和 Intern 基本都有，社招多数情况可跳过直接进 Phone）。DE 的 OA 常见 1-2 道 SQL 题加 1 道 medium coding 题，限时作答，读题要完整——题面经常带业务背景，边读边写容易漏口径条件。
• Phone / Technical Screen：约 30-45 分钟，通常 1 道 SQL 题 + 1 道偏基础的 Coding 题（部分公司第一面就是纯 coding，DE 和 SWE 一样考），外加背景与动机沟通。考的是你能不能在无提示下把口径讲清、把代码写对，很多候选人死在这轮「小题大做」或口径漏讲。
• Onsite loop：通常 4-5 轮、45-60 分钟一轮，常见组合是 1-2 轮 SQL + 1-2 轮 DE Coding + 1 轮 Pipeline / Data Modeling Design + 1 轮 Behavioral 或项目深挖；部分 team 会把技术方向混进每轮（一轮里 SQL + coding + 一串 pipeline 追问）。可以一天面完，也可以拆两天。
• 公司差异明显：Google / Meta / LinkedIn / Amazon / Microsoft 的组合接近上述典型结构，SQL 占比高（Google 的 SQL 约占题库一半）；Databricks 是两轮标准算法的 CoderPad coding + 数据建模 / API design + HM，多位候选人明确指出 design 轮不要求分布式 scale；Snowflake 的算法强度明显高于一般 DE 岗位；Netflix 最常加 1-2 周 take-home；PayPal / Uber 偏事件、fraud 和业务对象。
• HM / Team Match：Onsite 通过后不再考技术，重点是确认方向、level、location 和双向预期；部分公司（如 Meta）的 HM 也是价值观故事面试，DE 的证据要偏数据——跨团队口径对齐、数据质量修复、事故复盘、成本与 SLA 改进。
• 时间线：从投递到 offer 典型区间 4-10 周，NG 高峰期偏慢；每轮反馈典型 3-10 个工作日，超过 2 周没消息可以主动问 recruiter。
• 2026 年的变化：越来越多公司在 SQL 轮明示是否允许 AI 工具辅助，评分重心从「能不能写出来」转向「能不能讲清口径、能不能 review 代码和结果」；take-home 岗位考的是「能不能像真工程师一样交付」——README、假设清单、测试、backfill 与质量方案都会被评分，不是只交能跑的代码。

高频题型与核心方法：6 个方向，每个都有可执行动作

以下按出现频率展开 2026 年公开信号里反复出现的 6 个方向。每个方向给一个可执行动作，不空谈。

• SQL 业务口径题（最高频，多数公司占 1-2 轮）：不考语法点，考业务口径——留存（cohort、day 1 / day 7、event time、时区）、漏斗（步骤顺序、同一用户多次触发、session 定义）、归因（attribution window、last / first touch、late event）、实验（bucket 表、曝光口径、跨组污染）。可执行动作：按留存 / 漏斗 / 归因 / 实验四个场景各做 1-2 道 SQL 题，每道先口头讲表结构、去重逻辑、时间窗口和脏数据处理，再写查询。深入方法见站内 SQL、ETL 和 Pipeline Design 准备顺序。
• Data Modeling（Design 轮高频）：fact / dimension、star schema、SCD、主键、分区、clustering、增量更新和 metrics layer。核心是「从使用场景出发，不是从画表出发」：先明确业务实体和查询模式，再决定分层（raw / staging / mart），再讨论建模风格（维度建模 vs 规范化）和分区生命周期。可执行动作：给「为什么不建大宽表」「上游迟到 / 缺失怎么办」「怎么验证数据质量」「这个 pipeline 在延迟谱系里位于哪」四个追问各准备一句标准答案，mock 时练到 60 秒内答完。展开见 DE SQL / Data Modeling 面试。
• Pipeline / Data Platform System Design（社招必考）：一个稳的回答覆盖 source → ingestion → raw → staging → mart → quality → serving → observability 八层，并主动交代失败路径：迟到数据（watermark、重算窗口）、回填（分区、幂等 merge、资源隔离、下游通知）、schema 演进（契约和监控）、成本（计算、存储、查询）。可执行动作：做一轮「失败演练」——挑一张你真正处理过的表，模拟迟到数据、schema 变更、重复事件三种失败，每种 10 分钟写出「怎么发现、怎么处理、怎么通知」。
• DE Coding（1-2 轮，最容易被低估）：不是 LeetCode 式纯算法，而是带数据味的题——事件流去重、sliding window 聚合、sessionization、top k、DAG 遍历、回填任务调度；但 Databricks / Snowflake 的 coding 轮是标准算法（2D BFS、Dijkstra、前缀和 + 二分、二分答案 + 贪心），难度不能低估。可执行动作：做 2 道事件流题 + 1 道 sliding window 聚合题，每道必须能讲清 event time vs processing time、去重键、复杂度和取舍；目标公司属于算法密集型的话，再加 3-5 道 medium 标准算法。
• 回填与数据质量（Design 轮高频追问）：口径变更之后历史怎么回填、怎么保证幂等、质量检查做哪四个（行数波动、主键唯一、空值率、分布漂移）、下游怎么通知（SLA、公告、lineage）。可执行动作：基于一次真实回填经历写一页「回填 SOP」——分区范围、资源隔离、校验方式、下游通知、回滚方案，用它回答所有回填类追问。
• 项目深挖 / Behavioral（穿插或单独 1 轮）：DE 的证据要偏 owner 视角——原来链路有什么痛点、你决定了什么、拒绝了什么、数据质量 / SLA / 成本怎么改进的、下游团队因此受益了什么。可执行动作：准备 2 个项目各一页纸（范围、角色、质量机制、SLA 和监控、事故复盘、业务影响），外加 5-6 个 STAR 故事（一次口径冲突、一次生产事故、一次主动补位），每个能接两层追问。

代表题型：4 个高频骨架（只归纳题型，不复刻原题）

以下是公开信号里反复出现的题型和答题骨架，只归纳题型方向，不复刻任何候选人的私人原题。

• 类型一：多步留存 / cohort 计算（SQL）：「算上个月各渠道新用户的 day 1 / day 7 留存」。骨架：先定义新用户（首次事件时间）和留存（第 N 天有活跃事件）→ 建 cohort 表 → 处理时区和迟到事件 → 按渠道 × cohort 周输出留存率。常见 follow-up：换口径（活跃 = 打开 vs 活跃 = 下单）、重复事件如何去重、机器人账号是否过滤。
• 类型二：事件流 sliding window 聚合（DE Coding）：「给一条事件流（user_id, event_time），输出每个窗口内的活跃用户数 / 订单金额」。骨架：先澄清窗口语义（tumbling 还是 sliding、event time 还是 processing time）→ 选结构（排序 + 双指针 / 堆 / hash map）→ 处理乱序和重复事件（去重键、迟到阈值）→ 讲复杂度与取舍（内存 vs 重算）。常见 follow-up：数据量涨 10 倍、窗口从 1 小时缩到 1 分钟、增量输出怎么做。
• 类型三：端到端 Pipeline Design：「从 raw clickstream 搭 T+1 报表 + 实时监控」。骨架：source 与量级估算 → ingestion（batch / stream 选择，raw 层保留原始 payload）→ staging（类型转换、去重、时区）→ mart（业务口径、指标版本和 owner）→ 质量检查与报警 → serving（dashboard / API，展示数据截至时间）→ 回填与变更公告 → 成本。关键：主动交代两条失败路径（上游延迟、schema 变更），别等面试官问。
• 类型四：Pipeline 资源优化题（算法密集型公司）：「预算有限，给 pipeline 各阶段分配算力，使整条链路的最小吞吐量最大」。骨架：识别为瓶颈最优化问题 → 二分答案（猜一个最小吞吐量，贪心验证可行性）→ 讲复杂度（O(n log max)）和边界条件（单阶段独占、预算不足）。这类「算法 + 数据场景」题是 Databricks / Snowflake 信号里的高频真题，考的是算法能力和数据语境的结合。

常见挂点：中国 / 海外候选人最容易失分的地方

把公开面经里的挂因信号和模拟面试复盘对照，DE 的失分点集中在以下几处，中国 / 海外候选人各有各的坑：

• SQL 写对但讲不清口径：查询能写出来，但「重复事件怎么办」「时间窗口怎么定」「时区按哪个算」答不上，面试官会判断你没处理过真实数据。对策：每次练习先强制口头讲 1 分钟口径再动笔。
• 只报工具名，没有 owner 视角：「Airflow + Spark + Snowflake」是项目的全部内容，被问「昨天移动端事件晚到 6 小时，重算哪个分区」就发散。工具只是背景，工程判断才是核心。
• 失败路径答不出：只讲 happy path，late arrival、重复事件、schema 变更、回填冲突一追问就断片。规模、幂等、回填、下游通知这四样要主动交代，别等问。
• Coding 轮没准备：以为「DE 只考 SQL」不刷算法，结果 Databricks / Snowflake 的 coding 轮是标准算法，或第一面也是 coding 时直接卡壳。准备前先确认目标公司属于哪个题型簇（算法密集 / 建模密集 / 事件实验），再决定时间分配。
• 中国候选人常见：不主动给假设：面试官期望你主动声明假设和取舍（数据缺失怎么办、口径选哪个、分区键怎么选），国内候选人习惯等被问到再说。对策：每题开场主动说出 2-3 个关键假设。
• 海外候选人常见：口径概念不对齐：不同公司、不同地区对曝光、归因窗口、cohort、business day 的定义差异不小，直接用前司口径回答容易被判「没有 sense」。对策：回答前先用一句话确认「这道题里 X 的定义是……对吗？」
• 节奏与表达：45 分钟一轮，前 10 分钟读题澄清占掉 8 分钟，后面必然赶工。DE 面试看重「边想边说」——为什么这么拆层、为什么选这个分区键、为什么这个检查能抓住这类错误，闷头写不说话是减分的。

准备路线：7 天 / 14 天 / 30 天

按距 Onsite 的天数选路线。三档共同原则：SQL 口径和 pipeline 失败路径永远优先，DE Coding 次之（按目标公司调整），Behavioral 最后，最后两天只留 mock 和状态调整，不学新东西。

• 7 天（保下限版）：D1-D2 按留存 / 漏斗 / 归因 / 实验四个场景做 5 道 SQL 题，练「先讲口径再写」；D3 做 2 道数据建模题（SCD、「为什么不建大宽表」追问）+ 1 次失败演练（迟到 / schema 变更 / 重复事件）；D4 做 2 道 DE coding 题（事件流去重、sliding window 聚合），每道讲清复杂度和取舍；D5 写 2 个项目深挖一页纸 + 5 个 STAR 故事，英文口述录音回听；D6 完整 mock 一场（SQL + pipeline design + 10 分钟 Behavioral，60 分钟），录音复盘；D7 列出 3 个扣分点各补一段，缓冲日。
• 14 天（标准版）：在 7 天基础上——D8-D9 补 2 道 pipeline design 标准层题（含成本和回填），每道练到 45 分钟讲完；D10 回填专项：基于真实回填写一页 SOP，补三个追问（怎么校验、怎么回滚、怎么通知下游）；D11 把 D1-D2 的 SQL 题重做一遍，强制接住换口径、加维度的 follow-up；D12 目标公司属于算法密集型的话加 3 道 medium 标准算法；D13 完整 mock（含 1 个 15 分钟项目深挖）；D14 缓冲日，检查设备日程，早睡。
• 30 天（系统版）：在 14 天基础上——D15-D18 目标公司雷达：每个目标公司查 2-3 篇最近的面经信号，确认它的轮次组合和题型簇（算法密集 / 建模密集 / 事件实验），按高频方向各补 1 道；D19-D22 弱项专项：从最近两次 mock 的扣分点里选 3 个，每个补 2 道同类题；D23-D25 故事库扩到 6-8 个，练三层追问（approach → 细节 → reflection）；D26-D28 连续两场完整 mock（尽量真人），重点看追问接没接住、表达节奏；D29 复盘两场 mock，把断片点各补一段；D30 缓冲日。
• 只有 1 周且是社招：优先做目标公司雷达 + 1 场 mock——这个阶段「知道对方怎么出题」比泛刷更值。

FAQ：关于「DE 面试考什么」的 5 个高频问题

Q1：DE 面试考什么 2026？各占多少？
主轴是三块技术方向：SQL（业务口径）、DE Coding、Pipeline / Data Modeling Design，外加 Behavioral / 项目深挖。典型 Onsite 是 4-5 轮：1-2 轮 SQL、1-2 轮 Coding、1 轮 Design（pipeline 或建模）、1 轮 Behavioral；部分 team 把技术方向混进每轮。少数公司加 take-home。配比因公司和 team 而异，正文的「典型区间」供参考，以实际邀请为准。

Q2：DE 面试几轮？时间线多久？
简历 → Recruiter Screen → OA（部分）→ Phone（SQL + Coding）→ Onsite（4-5 轮）→ HM / Team Match → offer。从投递到 offer 典型 4-10 周，NG 高峰期偏慢；每轮反馈典型 3-10 个工作日。超过 2 周没消息可以主动问 recruiter。

Q3：DE 面试考算法 / coding 吗？
比 DS 考得多，比 SWE 少，但绝对不能漏。FAANG 的 DE coding 轮多为带数据味的 medium 题（事件流、窗口聚合、去重、top k）；Databricks / Snowflake 的 coding 轮是标准算法（BFS、Dijkstra、DP、二分答案），难度明显高于一般 DE 岗位；部分公司第一面也是 coding。先查目标公司的题型簇再决定刷多少算法，不要按「DE = 只考 SQL」准备。

Q4：DE 面试考 SQL 考多深？
第一考点是口径不是语法：留存、漏斗、归因、rolling metric、sessionization、top k、递归、SCD 是高频题型，窗口函数、去重、方言（如 BigQuery）是硬门槛。真正考的是追问：这张表怎么生成、是否增量、主键是什么、late event 怎么处理、口径变更后怎么回填、怎么验证结果。「讲得出口径 + 讲得清表设计 + 讲得动增量计算」才算完整答案。

Q5：公开面经（一亩三分地等社区）有用吗？怎么读？
有用，读法决定价值：按「年份 + 级别 + 岗位」筛选，只看最近的 2-3 篇；找共识，两到三篇独立帖子提到同一轮次结构才可信；只提取「轮次结构 + 题型方向 + 挂点」，忽略剧情。本站内容只归纳公开信号，不复刻任何人的逐字面经，也不与任何面经社区存在合作或转载关系。