Meta DE 面试：SQL、Data Modeling 和 Pipeline 怎么准备

💡 核心要点 (Key Takeaways)

• Meta DE 面试会从 SQL 追到数据链路、口径治理和生产稳定性。
• 事件数据题要主动讲 event time、processing time、dedup、late arrival 和 backfill。
• 项目深挖要把工具使用转成 owner 视角：数据质量、SLA、事故复盘和业务影响。

为什么 Meta DE 不能只刷 SQL

很多候选人准备 Meta DE 时会集中刷窗口函数和 join，但真实技术面通常会继续追问表从哪里来、指标口径如何定义、事件乱序怎么办、历史回填如何保证幂等。只会写查询，不能证明你能负责生产数据链路。

SQL 题要带业务口径讲

Meta 的数据题经常围绕用户行为、内容互动、广告或推荐日志。回答前先确认事件定义、用户去重、时间窗口、session 口径、重复埋点和 NULL 处理，再进入 SQL。

• 留存和活跃：cohort、day N、用户时区、机器人过滤。
• 内容互动：曝光、点击、停留、负反馈和重复事件。
• 广告指标：impression、click、conversion、attribution window。
• 实验指标：bucket、曝光口径、guardrail 和 sample ratio mismatch。

Pipeline Design 的必备回答层次

一个稳的回答要覆盖 source、ingestion、raw layer、staging、mart、quality、serving 和 observability。Meta 这类大规模场景下，还要补 partition、backfill、schema evolution、late data 和下游契约。

Data Modeling 题怎么组织答案

Meta DE 的建模题通常从一个使用场景开始：报表、特征、机器学习训练或 ad-hoc 分析。稳定的答题顺序是先明确场景和查询模式，再决定分层（raw、staging、mart），然后讨论建模风格（维度建模还是规范化）、分区和生命周期，最后讲补数和下游契约。不要直接跳到建星型模型。如果场景不清晰，先问一个澄清问题，不要猜。Meta 规模场景还要补分区策略、数据生命周期和成本意识，说明 mart 层如何服务多个下游报表。面试官给出具体表结构时，先指出候选键和分区字段，再谈分层。

• 为什么不用一张大宽表：讨论查询性能、更新成本和团队 ownership 的取舍。
• 缓慢变化维：用户或产品属性变化时如何处理，对历史指标有什么影响。
• schema 演进：上游字段变化如何避免打挂下游，契约和监控怎么设计。

合成复盘：候选人为什么会被追问卡住

一个常见场景是候选人说自己做过 Airflow + Spark + warehouse，但面试官问“如果昨天的移动端事件晚到 6 小时，dashboard 是否要改历史口径”时回答发散。训练时要把这类问题固定成链路表达：如何识别、如何重算、如何通知下游、如何防止再次发生。

项目深挖怎么准备

项目深挖是 Meta DE 面试里变化最多的部分。准备 2 个项目，每个项目写一页纸：范围、你的角色、数据质量机制、SLA 和监控、事故复盘、业务影响。用固定结构回答：背景、我的决策、取舍、结果、如果重来会改什么。提到 Airflow 或 Spark 时要回到 owner 视角：决定了什么、拒绝了什么、规模扩大 10 倍会改什么。被问为什么选那个方案时，先给判断标准，再给数据或证据。一页纸要真的控制在一页，写不下一页说明重点没收敛。

• 数据质量：校验做什么、问题怎么发现、通知谁。
• 事故复盘：讲一个真实事故，包含发现、影响、修复和预防。
• 业务影响：把 pipeline 稳定性接到报表时效和业务决策上。
• 规模估算：先说数据量和任务数量级，再谈资源分配。

Meta DE HM 轮怎么准备

Meta 的 HM 也是故事面试，但 DE 岗位的证据要偏数据：跨团队口径对齐、数据质量修复推动、事故处理和复盘、成本与 SLA 改进。准备 4-6 个映射到核心价值的故事，每个故事带量化结果，并能说清楚如果重新决策会有什么不同。HM 问到为什么选 Meta 时，回到数据规模和 product impact，不要用泛泛的夸奖回答。

• 准备一个冲突故事：如何和产品或其他团队在数据口径上对齐。
• 准备一个事故故事：如何处理一次生产数据事故并防止复发。
• 准备一个取舍故事：自建还是复用，如何决策，结果如何。
• 准备一个跨团队故事：如何推动一个影响多团队的口径或数据质量变化。

一轮 mock 怎么搭配

准备 Meta DE 时，可以用 2 道 SQL + 1 道 pipeline design + 1 次项目深挖组成一轮 mock。SQL 负责暴露口径问题，pipeline design 负责暴露链路问题，项目深挖负责暴露 owner 视角问题。三段合在一起，比单独刷 SQL 更接近真实 VO。