Amazon 面试题专题

先分岗位

Amazon 的不同岗位和团队可能考不同内容。先核对 JD 与面试邀请，再选对应题型。

合并同题变体

相同核心考点只保留一条，后续的附加约束放在原题里练，避免把同一道题当成多道题刷。

练习顺序

先口述输入、输出和边界，再写核心方案；最后解释复杂度、失败路径和面试官可能追加的约束。

选择偶数台服务器分成 primary/backup，backup 容量至少为 primary

选择偶数台服务器分成 primary/backup，backup 容量至少为 primary；每台只用一次，最大化 primary 容量总和，奇数输入怎么办？

查看上方解题路线 ↑

每次给任意连续算力区间加正整数 x，最小化所有 x 的和，使数组非递减

每次给任意连续算力区间加正整数 x，最小化所有 x 的和，使数组非递减；如何证明下降量之和最优？

解题切入：相邻原始下降量之和是成本下界；每处下降对应一个后缀增量，构造达到下界。任意 x 操作的成本是 x。

从 n 个带宽节点选 K 个不同有序下标对，允许自配对和镜像对，最大化带宽和

从 n 个带宽节点选 K 个不同有序下标对，允许自配对和镜像对，最大化带宽和；K 很大时如何避免枚举？

解题切入：有序对形成单调和值矩阵，堆前沿枚举 K 大；大 K 改为阈值计数与前缀和，保留自配对和镜像对。

不同仓库的两件可以一次发，同仓只能单发

不同仓库的两件可以一次发，同仓只能单发；任意挑选物品，发完全部最少多少次？

解题切入：最少发货次数为 max(最大仓频次, ceil(n/2))；分别证明双下界与可行配对，任意选件是关键合同。

对 1..n 每个数字选择正负号，使总和为 target，并返回排序后字典序最小的排列

对 1..n 每个数字选择正负号，使总和为 target，并返回排序后字典序最小的排列；如何线性构造及判无解？

解题切入：符号转为子集和 (n(n+1)/2−target)/2；连续值域允许从大到小优先取负，输出负数在前的升序排列。

字符串由 0、1、! 组成，替换 ! 最小化所有 i<j 的 01/10 对成本 x·count01+y·count10

字符串由 0、1、! 组成，替换 ! 最小化所有 i<j 的 01/10 对成本 x·count01+y·count10；如何线性枚举切分并正确取模？

解题切入：费用较小的 01 情形下，通配位置最优赋值可先 0 后 1；扫描所有切分更新成本，最小化完整整数后再取模。

百万至千万 HTTP 温度传感器，十秒采样、近实时地图、一天至一年 min/max/current 查询且多年运行，如何拆写入、历史存储与瓦片？

百万至千万 HTTP 温度传感器，十秒采样、近实时地图、一天至一年 min/max/current 查询且多年运行，如何拆写入、历史存储与瓦片？

解题切入：十秒采样先算10万至100万样本/秒；latest、历史极值桶与地图瓦片分开，边缘范围回读原始数据，显示离线年龄。

Kindle Reader 离线和多设备同书阅读，如何同步进度、处理并发与回退重读，并保证重试幂等？

Kindle Reader 离线和多设备同书阅读，如何同步进度、处理并发与回退重读，并保证重试幂等？

解题切入：进度使用稳定内容位置与revision，区分current和furthest；离线并发保留冲突分支，同op_id重试返回同结果。

Amazon Locker 从单尺寸扩展到多尺寸，如何选最小可容纳空柜，防重复分配并处理取件、超时与硬件失败？

Amazon Locker 从单尺寸扩展到多尺寸，如何选最小可容纳空柜，防重复分配并处理取件、超时与硬件失败？

解题切入：Locker分配用原子FREE→RESERVED，最小合适尺寸是当前策略；硬件超时先核验，不能直接复用已占柜格。

多图书馆支持预约、借取还，同一实体副本的借阅不可重叠

多图书馆支持预约、借取还，同一实体副本的借阅不可重叠；如何建模副本、执行事务并处理通知失败？

解题切入：Book与Copy分开；借还事务保护单副本状态，预约hold与Outbox通知衔接，消息失败不回滚已还书。

Checkout Price Engine 支持百分比、固定减免、买赠及会员资格，isEligible/apply如何组合，怎样定义叠加与舍入？

Checkout Price Engine 支持百分比、固定减免、买赠及会员资格，isEligible/apply如何组合，怎样定义叠加与舍入？

解题切入：折扣资格与金额调整分离，先写买赠、基数、叠加和舍入合同；Engine统一汇总且返回可解释明细。

按文件大小与后缀搜索，如何拆谓词与遍历

按文件大小与后缀搜索，如何拆谓词与遍历；跟随 symbolic link 时怎样检测环并定义路径别名输出？

解题切入：目录遍历与size/suffix谓词分开；对象身份用于环检测，祖先集合和全局visited对应不同别名输出政策。

高频check把电量低于50%的机器人送空桩，高于95%离桩，如何保护分配与命令幂等并处理途中状态？

高频check把电量低于50%的机器人送空桩，高于95%离桩，如何保护分配与命令幂等并处理途中状态？

解题切入：充电控制记录EN_ROUTE/CHARGING/LEAVING，预约机器人与桩原子绑定；重复check不重复派单，物理确认后释放。

实现随机Playlist，某歌播出后的N次播放都不能再选它

实现随机Playlist，某歌播出后的N次播放都不能再选它；如何均匀抽取、处理重复歌曲并将每次play优化到O(1)？

解题切入：可播数组均匀抽下标后swap删除，冷却队列长度超过N再释放最老歌曲；去重且独立歌曲数必须大于N。

紧Deadline下完成重要项目时牺牲了什么，如何影响最终质量，怎样验证结果并偿还后续成本？

紧Deadline下完成重要项目时牺牲了什么，如何影响最终质量，怎样验证结果并偿还后续成本？

解题切入：期限交付需说明具体牺牲、风险批准与质量指标，延期范围有偿还计划；个人动作和团队成果分开。

讲一次信息不完整时的决定

讲一次信息不完整时的决定：哪些未知会改变选择，等待成本是什么，如何限定行动范围与止损？

解题切入：信息缺口按是否改变决定排序，比较等待成本与可逆性；限定试验范围、退出阈值并及时更新判断。

讲一次主动承担职责之外的问题

讲一次主动承担职责之外的问题：个人行动、权限、跨组协作、用户结果和长期owner如何说明？

解题切入：跨职责担当从用户风险出发，核对实际owner与权限；结果之后建立监控、文档与交接机制。

系统间歇故障但显眼指标全绿时，你如何定位根因，用了多久，为什么最初假设错？

系统间歇故障但显眼指标全绿时，你如何定位根因，用了多久，为什么最初假设错？

解题切入：故障诊断从用户症状切片，保留错误假设的反证与因果验证；恢复、定位和永久修复分别计时。

讲一次不同意最终方案但仍commit的经历

讲一次不同意最终方案但仍commit的经历：双方理由、决策权、决定后的行动和实际结果是什么？

解题切入：分歧先给双方目标和反证；最终决定后有具体实施、风险补偿和结果验证，commit不等于闭口不提新风险。

明知有风险仍推进的项目，风险怎样量化、谁承担下行、兜底阈值是什么，重来会改什么？

明知有风险仍推进的项目，风险怎样量化、谁承担下行、兜底阈值是什么，重来会改什么？

解题切入：计算风险比较行动与不行动的下行，用范围、批准、试点和兜底阈值说明决策，不靠成功结果倒推。

没有汇报关系时怎样影响peer配合共同目标，被拒后怎么调整，怎样证明实际落地？

没有汇报关系时怎样影响peer配合共同目标，被拒后怎么调整，怎样证明实际落地？

解题切入：无职权影响从对方约束出发，降低协作成本；保留拒绝后的提案调整与owner/期限，实际采用比点头重要。

通用Weighted Random支持add(value,weight)与addWithExpiry，按活跃权重抽样

通用Weighted Random支持add(value,weight)与addWithExpiry，按活跃权重抽样；重复值、到期边界与并发怎样定义？

解题切入：活跃entry占weight张票，先清理到期再统一total抽样；重复值保留独立TTL，大规模可用Fenwick与expiry堆。

给模型图计算memory size并展示AI prompt/debug

给模型图计算memory size并展示AI prompt/debug；怎样定义逻辑张量字节、共享存储、dtype单位与运行峰值？

解题切入：先定逻辑张量还是运行峰值，形状乘元素字节并按storage身份去重；标量、零维、bits/bytes与共享view要核对。

节点有整数值，给边起终点，求各连通分量内最大值减最小值的全图最大差

节点有整数值，给边起终点，求各连通分量内最大值减最小值的全图最大差；DFS和DSU如何取舍？

解题切入：分量范围由全部节点值极值决定，不是边端点最大差；DSU合并root极值，只加边适用，删边须改模型。

设计S3类对象存储

设计S3类对象存储：上传/下载API、分块重试、原子发布、后端备份与数据中心事故恢复怎样衔接？

解题切入：对象上传会话先持久分块再原子发布manifest，重试保持upload身份；副本故障域、持久ACK与容灾RPO须一致。

以图片search设计brand logo infringement候选检测，如何拆区域召回、重排、授权上下文与人工审核？

以图片search设计brand logo infringement候选检测，如何拆区域召回、重排、授权上下文与人工审核？

解题切入：Logo相似检索输出疑似候选，区域检测/ANN/重排分层；授权与人工复核决定处置，评估误报成本与品牌切片。

LLM quality validation平台怎样连接layer/tensor/logits/tokens检查、loss/模型裁判/人工评价和异步推理任务？

LLM quality validation平台怎样连接layer/tensor/logits/tokens检查、loss/模型裁判/人工评价和异步推理任务？

解题切入：评测run固定模型/数据/runtime版本，数值与任务质量分层；裁判校准、失败分母和shard完成状态保留。

Computer Use Agent从pretrain、posttrain、RL到inference如何连接，怎样定义观察动作、任务奖励、验证与恢复？

Computer Use Agent从pretrain、posttrain、RL到inference如何连接，怎样定义观察动作、任务奖励、验证与恢复？

解题切入：Computer Use训练轨迹包含执行后观察，RL需独立任务检查器；推理核观察版本、权限和预算，长任务成功率单独评。

RAG怎样评估？专家ground truth、BLEU/ROUGE和无标签cosine相似度分别衡量什么，如何识别事实反转与缺证据？

RAG怎样评估？专家ground truth、BLEU/ROUGE和无标签cosine相似度分别衡量什么，如何识别事实反转与缺证据？

解题切入：RAG拆检索、正确性、忠实性与覆盖，词面/向量相似仅代理；专家rubric和裁判校准需保留随机总体样本。

Amazon OA

Amazon OA：字符串第一个不重复字符，计数与在线追问：两遍扫描保留原顺序，区分字符索引与字节索引，并解释流式候选队列。

解题切入：第一遍Counter统计全串出现次数，第二遍从头找count=1的字符；频表只负责唯一性，原串负责“第一个”。

Amazon OA

Amazon OA：组内差不超过 maxdiff 的最少分组：排序后从最小未分配值建立最长可行组，以交换论证证明贪心。

解题切入：一维组内任意两值差不超过d等价于max-min≤d。排序后以最小未分配值x为组起点，吸收所有≤x+d的剩余值，再建下一组。

Amazon AS OA

Amazon AS OA：给剩余预算，怎样完成最多任务：将完成时间减已用时间，排序剩余成本，证明最低成本优先并澄清已完成任务口径。

解题切入：构建remaining=max(0,required-spent)。题目给的spent是已经沉没的投入，不应该按required或spent大小排序。

Amazon AS OA

Amazon AS OA：利润和为 target，按数值去重计数：区分位置对与数值对，使用频表约束双元素自配，并以规范顺序避免重复。

解题切入：Counter保留每个值频次。对每个不同a计算b=target-a，仅检查a≤b；b须存在，若a=b须count[a]≥2。

Amazon Coding

Amazon Coding：每位用户订单与广告事件的最近时间对：先按用户拆分两条时间有序流，再双指针求绝对时间差，明确归因方向与并列输出。

解题切入：按user分组，禁止把全局最近的不同用户事件匹配。每组取两个有序数组，双指针比较当前时间，保留最小候选并移动较小时间一侧。

Amazon AWS Coding

Amazon AWS Coding：乱序收包裹，返回最大 ID 和缺失列表：用幂等接收集合表达正确状态，分析查询输出下界及巨大稀疏 ID 的区间压缩。

解题切入：接收时set插入并更新maximum，查询扫描0..maximum并过滤未收到ID。先用最简单状态说明正确性：集合精确表示已收到，最大值是右界，补集就是所需缺失列表。

Amazon Robotics

Amazon Robotics：一滴水从给定点流下，哪些格子会湿？：按有向可达性遍历低处邻格，区分单起点扩散与两海洋逆向搜索。

解题切入：将每个格子看节点，指向高度严格更低的邻格。从给定起点BFS/DFS，首次发现时放visited，最终集合就是所有有向可达节点。

Amazon AS

Amazon AS：不用除法求除自身外乘积，零与溢出怎么处理？：输出数组保存左乘积，再累乘右乘积，解释常数辅助空间与精确整数边界。

解题切入：第一遍out[i]记录所有左侧值乘积，prefix从1起，每次写出之后再乘当前值。第二遍右向左，suffix为严格右侧乘积，将out[i]乘suffix后再纳入当前值。

Amazon 前端 Coding

Amazon 前端 Coding：失败后持续失败，二分找首次失败日志：在False到True的单调状态上做lower bound，明确时间顺序、无失败和可观测起点。

解题切入：以半开[lo,hi)搜索第一条failed。mid失败则答案在mid或左边，hi=mid；mid成功则答案严格在右边，lo=mid+1。收敛位置可能等于n，表示全成功。

Amazon Intern

Amazon Intern：两个有序数组原地合并，为什么从尾部写？：借尾部容量避免覆盖尚未读取数据，说明降序、无序和没有空余空间的合同变化。

解题切入：i指向arr1最后有效值，j指向arr2最后值，k指向arr1尾槽。每次把较大候选放k并移动对应读指针，保持已写后缀为最终排序后缀。

Amazon 课程表

Amazon 课程表：可完成、修课顺序与具体环路径：Kahn给出顺序，失败后用显式DFS栈提取闭环，避免把所有残留节点误当环。

解题切入：建立before到after邻接和入度，0入度课程入队，处理课程后减少后继入度。全部n个出队则顺序满足每条依赖。

Amazon NG

Amazon NG：不用排序签名，按字符计数分组 Anagrams：用完整26维计数元组建立可证明的等价类，说明质数乘积的精度与溢出。

解题切入：每词扫描一次构造26计数元组作为key，追加到对应组。计数key不可用无分隔拼接，否则不同计数可能编码成同串。

Amazon Coding

Amazon Coding：先增后减数组，二分找最大峰值：用相邻斜率排除半区，解释端点、平台以及一般局部峰与全局最大差别。

解题切入：比较mid和mid+1：上升意味着峰在mid右边，lo=mid+1；下降意味着峰在mid或左边，hi=mid。半区始终保留唯一全局峰。

Amazon VO

Amazon VO：行星碰撞，栈与连锁消除的循环不变量：仅处理左侧向右和新来向左的相遇，覆盖相等抵消与多次碰撞。

解题切入：栈保存已处理前缀最终幸存者。新行星只有负数且栈顶为正时会相撞；两个负数、两个正数、左负右正都不碰。

Amazon VO

Amazon VO：合并三个有序数组并去重，再扩展到 K 路：堆维护各流当前最小项，输出去重与推进重复流分别处理。

解题切入：三路可以三个指针比较最小当前值；K路用堆放每个非空流的首项，项包含(value,流号,下标)，避免同值无法区分推进哪个流。

Amazon Coding

Amazon Coding：频率 Top K，桶排序与持续流更新：先统计频次再选K项，固定并列口径，区别元素大小 Top K 与超大日志聚合。

解题切入：Counter统计各值频次，上界为输入长度n，因此n+1桶可直接按freq放值，频率从高到低取够k项。并列用Counter首次插入顺序作为训练政策。

Amazon Customer Obsession

Amazon Customer Obsession：理解用户后，怎样推翻技术方案？：从用户证据到方案改变和效果验证，回答“改善产品”与“推翻原方案”的同题变体。

解题切入：起点说明原方案为什么看似合理、谁是用户、用户的实际任务是什么。用户访谈、支持工单或任务日志要明确样本范围，避免把最高声量用户当全体。

Amazon Are Right A Lot

Amazon Are Right A Lot：判断被证明错误，怎样承认和修正？：把原判断、反证、承认时点和修正后代价串起来，避免事后把错误包装成成功。

解题切入：明确当时假设、可用证据、选择路径和自己承担的决定；不要只用“团队判断失误”遮住个人责任。

Amazon Invent and Simplify

Amazon Invent and Simplify：复杂问题怎样得到简单解法？：用删掉的复杂度、仍保留的要求和失败边界证明“简单”有实际价值。

解题切入：先写问题为何复杂：耦合、手工步骤、状态数量或历史约束；不是故意把简单问题讲复杂。列不可删的核心需求。

Amazon Hire and Develop

Amazon Hire and Develop：怎样帮助同事成长？：定义能力缺口、渐进授权与独立完成证据，把教会和代做区分清楚。

解题切入：先核对对方目标和能力缺口，说明观察依据；将对方贡献与自己的支持动作分开，不能替对方叙述心理状态。

Amazon HM

Amazon HM：最需要提升的地方，怎样讲真实短板？：选择影响过工作的具体短板，展示改进机制、残留问题和未来验证。

解题切入：选真实、相关且自己能改的习惯或能力缺口，明确它何时造成了具体损失；不把“太完美”当万能回答。

Amazon Learn and Be Curious

Amazon Learn and Be Curious：最近主动学了什么，怎样用起来？：从未知问题到学习试验与迁移，回答学新技术及 GenAI 的行为追问。

解题切入：起点从实际未知问题出发，说明为什么必须学和哪些已有技能不够。兴趣可以作动机，但需能展开理解过程。

Amazon Intern BQ

Amazon Intern BQ：Why Amazon 和 Why This Program 怎样回答？：把个人目标、具体岗位信号与已有能力连接，避免编造团队或实习政策。

解题切入：用实际职位描述与已知团队任务明确吸引点：问题规模、工程责任或技术方向。未知team方向就说需要了解，不用网上传闻补齐。

Amazon LP

Amazon LP：收到严厉负面反馈，怎样回应并改变？：讲清具体反馈、核实与行为变化，兼顾有依据的接受和有证据的异议。

解题切入：反馈内容须具体到行为/产物与影响，说明谁在何场合提出；删去不必要个人身份信息。

Amazon Deliver Results

Amazon Deliver Results：错过期限，怎样承担责任和修复？：重建预警与决策时间线，量化延误影响，避免把成功救火当按时交付。

解题切入：说明原承诺、估算依据和依赖，标出自己负责部分。时间线从首次偏离开始，不从最后一天事故开始。

Amazon Customer Obsession

Amazon Customer Obsession：拒绝用户请求，怎样解释和替代？：核对用户真正目标与拒绝理由，提出可用替代并记录影响与后续反馈。

解题切入：先说明用户目标、请求方式、拒绝约束和自己的决策权限。用户想要某实现与想完成某任务不一定相同。

Amazon OA

Amazon OA：安全单位最多左移一格，最大保护人口：把连续单位段转为少保留一个城市的选择，证明相邻段候选范围不重叠。

解题切入：找每段连续1，位置[a,b]含L=b-a+1个单位。若a=0无法向左扩张，全部留下覆盖该段；非负人口保证不制造重叠最优。

Amazon OA

Amazon OA：加法预算下，选 M 个数最大化 Bitwise AND：从高位到低位试掩码，以每个数满足掩码的最小增量及 M 个最低成本判断可行。

解题切入：可行掩码t表示存在m项最终数都包含t的每个1位，即(y&t)==t；它不要求最终数恰等于t，也不要求AND恰等于t。

Amazon Intern OA

Amazon Intern OA：最大 K，使至少 K 个实例评分 ≥ K：降序排序寻找最后合法排名，解释阈值单调性和截断桶的线性优化。

解题切入：降序排序后检查第k项是否≥k。成立时前k项都达标，失败时达到k的项不足k个，后面的更大k也不可能成立。

Amazon Meeting Rooms I

Amazon Meeting Rooms I：一个人能否参加全部会议？：排序检查相邻区间，固定半开边界，说明零时长与时区输入的处理。

解题切入：按start排序，只需比较每个会议与前一个：前end>当前start则冲突；相等不冲突。遇到冲突立即返回false。

Amazon Meeting Rooms II

Amazon Meeting Rooms II：最少房间数与最大重叠：用结束先于开始的事件扫描，证明并发下界可通过复用房间达到。

解题切入：每会议拆成start:+1、end:-1事件，按(time,delta)排序。这样同刻-1先处理，不把刚结束与新开始同时计入。

Amazon Meeting Rooms III

Amazon Meeting Rooms III：延后会议后，哪个房间最忙？：双堆处理最小房号与最早空闲，保持会议时长和原始排队顺序。

解题切入：free最小堆存可用房号，busy最小堆存(actual_end,room)。每会议先把所有结束≤原start的房间转入free，不能仅释放一个。

Amazon OA

Amazon OA：稀疏袋子区间，长度 K 窗口最大价值：将闭区间改为半开边界，前缀质量积分查询窗口，枚举所有斜率变化点。

解题切入：不能展开所有坐标，巨大间隙可能使空间爆炸。将每段变[l,r+1)，前缀数组存完整段质量(length·value)。

Amazon NG

Amazon NG：岛屿数、最大面积与逐行矩阵输入：四邻接遍历完整矩阵，再解释只保留行前沿的连通分量封口与面积累积。

解题切入：完整矩阵遍历每个未访问1作为新岛起点，用栈探索全部四邻1并计area，完成后更新largest。发现时就标seen，避免多父节点重复入栈。

Amazon Cache

Amazon Cache：TTL + LRU，主动过期怎样避免旧计时器误删？：OrderedDict维护访问顺序，最小堆处理过期，版本号识别过时记录并定期压缩。

解题切入：状态分工：OrderedDict从LRU到MRU维护活跃entry，过期堆存(deadline,version,key)。每次put生成全局唯一version，get/put前advance先清到期再做容量判断。

Amazon OOD

Amazon OOD：Keyboard + Mouse 输入系统怎样设计？：先用有序事件流表达键盘与鼠标输入，再拆设备适配、状态与订阅处理。

解题切入：先明确功能边界，InputEvent为不可变事件、DeviceAdapter把原生事件转通用形式，InputHub接收/排队/分发，InputState保留按住键与鼠标状态；不要为每个键建一套继承树。

Amazon OOD

Amazon OOD：日志过滤、错误计数与小时 Histogram：从统一过滤合同出发，保持筛选集合、错误计数和时间分桶一致。

解题切入：LogRecord负责字段解析与合法性，Predicate表达level/type/时间范围等条件，LogAnalyzer先确定匹配集合，再提供filter/count/histogram；三功能共用谓词，避免边界各写一遍而不一致。

Amazon AS ML Coding

Amazon AS ML Coding：手写线性回归与 Backprop：从平方损失推导权重和偏置梯度，用SGD同时更新并通过有限差分验证，不把框架API当推导。

解题切入：计算r_i=w*x_i+b-y_i，J=(1/(2n))Σr_i²。链式法则dJ/dw=mean(r_i*x_i)，dJ/db=mean(r_i)；1/2抵消导数中的2。

Amazon OA

Amazon OA：每个前缀最多分成多少等长同频块？：用总字符频次的GCD筛候选块数，再以精确前缀频次向量核对，避免把必要条件当充分条件。

解题切入：前缀长度i、总计数C_c若分k块，每块字符c计数必须C_c/k，因此k整除全部C_c，候选是gcd(C_c)的约数；所有计数和为i也保证k整除i。

Amazon AS ML Coding

Amazon AS ML Coding：Dropout 为什么除以保留概率？：实现训练和推理分支、复用mask的反向传播，证明期望保持并说明MC Dropout的适用边界。

解题切入：独立mask M_i~Bernoulli(q)，inverted dropout输出Y_i=X_i·M_i/q。因此E[Y_i|X_i]=X_i，训练时除q而普通推理不用再缩放。

Amazon Coding

Amazon Coding：Rotten Oranges，为什么所有源同时入队？：用多源最短传播时间而非依次模拟每个腐烂点，核对无新鲜和不可达。

解题切入：把全部初始2以time=0入同一BFS队列，统计fresh。发现新鲜邻格立刻标2且fresh--，入队time+1。

Amazon VO

Amazon VO：免费公交加步行，怎样判断 K 街以内可达？：把公交边赋零步行成本、站点间步行赋曼哈顿成本，求最小累计步行。

解题切入：顶点为所有站点加start/end，公交连接边权0；任意两点可以步行，边权为Manhattan distance。这是非负权最短路，目标最短步行≤k。

Amazon OA

Amazon OA：IP 黑名单 * 匹配与最近五次请求限频：点号按字面处理，独立核对通配匹配和短请求窗口，不让被屏蔽请求消失。

解题切入：star_match用DP，previous[i]表示此前pattern可匹配text前i字符。普通字符来自previous[i-1]且字面相等；*来自previous[i]（空）或current[i-1]（多吃一个）。

Amazon OOD

Amazon OOD：Doc/Tag 类与多线程反向索引：同一事务维护文档和Tag关联，核对查询快照、删除、重复标签及锁粒度。

解题切入：模型Doc(id,body,version,tags)、Tag(name)、DocumentTag(doc_id,tag)多对多关系；内存可用docs[id]与by_tag[tag]=set(doc_id)。标签独立对象仅在有元数据/rename需求时引入。

Amazon System Design

Amazon System Design：Bookstore 浏览与购买链路：拆书目、库存、订单和支付状态，解释并发抢最后一本、幂等与通知失败。

解题切入：对象分CatalogBook(ISBN,title,edition)、SKU/warehouse stock、Order/OrderLine、PaymentAttempt与库存reservation。书目与物理库存分开，浏览可缓存，而买下库存需要权威写。

Amazon Cache 变体

Amazon Cache 变体：返回某个 Key 的最大时间戳 Value：按事件时间保留最新值，明确同刻策略，避免把类似缓存的描述误写成LRU。

解题切入：Map key→(timestamp,value)。set只有新timestamp≥当前才替换；旧事件不能覆盖更晚事件，访问顺序不参与答案。

Amazon Coding

Amazon Coding：字典中的词能否由可重复使用的词拼成？：按字符位置做分词DP，排除直接用自己一次的平凡答案，并核对重复词与空串。

解题切入：对每个目标word，best[i]记录前i个字符最多可切几块，-1代表不可达，best[0]=0。转移从所有start<end检查word[start:end]是否在dictionary。

Amazon L6

Amazon L6：查询树常量折叠，什么才是“安全节点”？：后序访问projection、predicate与子查询，保留类型、NULL、错误和函数副作用语义。

解题切入：遍历先递归每个nested query，再后序访问projection/predicate里的表达式子节点。表达式子节点先被折成literal，父节点才有机会成为全常量；不靠字符串替换。

Amazon Dive Deep

Amazon Dive Deep：深入分析时，怎样确认研究的是正确问题？：区分目标、症状和假设，以价值、信息增益与反证决定分析顺序。

解题切入：先用用户/业务目标说明问题成本和边界，把症状与根因假设分开。复杂不等于价值高，需解释解决它为什么比其他问题优先。

Amazon Operational Excellence

Amazon Operational Excellence：On-call 告警第一反应是什么？：从用户影响和止损开始，保留升级、值班交接与恢复确认，避免只说看dashboard。

解题切入：先说明值班范围、权限、告警含义与当班动作。分清亲自处置、辅助定位与旁听事故，不能把团队经历当自己主导。

Amazon Cost

Amazon Cost：主动降本或性能治理，怎样证明没有转移成本？：在成本、用户质量与维护负担之间建立基线和护栏，报告按量归一化的实际收益。

解题切入：建立同口径基线：流量、任务量、账期、资源使用与单位成本；全站费用下降可能仅因流量下降，不自动是优化。

Amazon Ownership

Amazon Ownership：自己引入的复杂度导致问题，怎样处理？：承认设计选择、拆除不必要状态，并验证修复没有继续叠补丁。

解题切入：描述当时为何引入复杂度及当时已知的需求，不以结果倒推所有高级设计都错。指出自己作出的具体决定。

Amazon RPN OOD

Amazon RPN OOD：自定义 Operator 与计算逻辑怎样接入？：用arity与compute注册表驱动栈求值，保持操作数顺序并定义错误语义。

解题切入：Parser只负责token分类，Registry负责Operator(arity,compute)，Evaluator负责栈与错误。新增operator不改一串if/else，只加注册项；arity允许0常量、1一元、2二元和更多参数。

Amazon Graph

Amazon Graph：枚举 Start 到 Target 所有路径，遇环怎么办？：按单条路径的访问集合回溯，区别全局visited与有环图无限walk。

解题切入：当前path与active set仅表示这一条正在探索的路径，新增邻点不在active才入。找到target复制path输出再回退，完成分支退出时从active删点。

Amazon Graph

Amazon Graph：连通分量有多少个，孤立节点算不算？：从N个分量开始，DSU只在不同根合并时减一，核对自环、重边和方向。

解题切入：DSU初始每点一个分量，result=n。每边find两个根，不同才按size合并并result--；同根边只形成冗余连接。

Amazon Sliding Window

Amazon Sliding Window：最长无重复子串，左边界为何不能倒退？：用字符最后位置推进窗口，区分连续子串与子序列及Unicode口径。

解题切入：维护last[ch]和left。看到当前ch时left=max(left,last[ch]+1)，再更新last到right，窗口[right-left+1]更新答案。

Amazon LP

Amazon LP：失败项目或最大错误，怎样保留真正损失？：明确成功标准未达成的部分、个人责任与修复结果，区分判断错和整个项目失败。

解题切入：写出项目原目标、期限、用户与验收标准，以及到底什么没有达成。失败不必是全面报废，但须有明确未达目标。

Amazon Project Deep Dive

Amazon Project Deep Dive：最自豪或最有挑战的项目怎么讲？：建立目标、约束、个人技术选择与结果证据，避免把团队成绩写成个人全包。

解题切入：选自己参与深且能追问的项目，不因品牌或规模大就选本人只做边角的一项。说明原始目标和最难约束。

Amazon Ownership

Amazon Ownership：项目职责不清，怎样建立 Owner 与交付边界？：把未认领工作拆成决策、执行和验收责任，先核协调权再推进。

解题切入：列实际出现的模糊点：谁作决定、谁执行、谁接受结果或谁值班。用具体卡住的依赖说明，避免泛讲沟通不好。

Amazon BQ

Amazon BQ：知道任务，却不知道从哪里开始怎么办？：从验收和最小未知出发设计第一个可验证动作，说明求助与试验如何减少不确定性。

解题切入：复述任务目标和验收，把“不会做”拆成领域知识、依赖、工具或路径选择的具体缺口。缺口不同时第一步应不同。

Amazon Coding

Amazon Coding：无限次股票交易含手续费，Cash/Hold 怎样更新？：两状态DP保留旧日状态，每次卖出扣费，避免费用重复和未平仓虚增收益。

解题切入：cash为处理前缀后无股最高现金，hold为持一股最高账面现金。更新new_cash=max(cash,hold+price-fee)，new_hold=max(hold,cash-price)，两个均读取旧状态。

Amazon AS

Amazon AS：前 K 大的数，别和频率 Top K 混淆：小顶堆保留最大的K个位置值，重复值照计并说明排序输出成本。

解题切入：堆未满先push，满后只有当前值>heap最小才replace。堆顶始终是保留项中最小者，因此可淘汰最不值得保留的一项。

Amazon Coding

Amazon Coding：最多翻一格 0，最大岛屿面积是多少？：给现有岛编号，再合并零格四邻不同分量，避免重复加同一岛。

解题切入：先DFS给每个现有岛唯一id并存area；每个0枚举四邻id去重，候选面积=1+Σ不同相邻岛area。

Amazon OOD Coding

Amazon OOD Coding：对象上下左右移动，返回最终坐标：显式方向映射与坐标合同，说明批次验证、非法指令和可交换移动的边界。

解题切入：把指令映射为(dx,dy)，先将整批解析成合法moves，再累加到对象x,y。简单需求不需要每个方向建子类或设计地图导航。

Amazon AS Coding

Amazon AS Coding：按 User 与 Action 统计总次数：用二层频表聚合完整记录，澄清date不参与总量键以及缺字段和重复事件。

解题切入：外层key user，内层key action，逐行+1；日期不用作key，因为目标是全时期总次数。若改每日统计，才增加date维。

Amazon OA

Amazon OA：所有子数组 Top Two 差值，去重后求和：用单调栈提取可成为最高/次高的相邻支配关系，避免二次枚举连续子数组。

解题切入：任意非零差由某子数组唯一最高值u和一个次高v产生。选择最靠近u的v，二者间所有值≤v，所以u是该v在对应方向遇到的首个严格更大值。只需收集这些候选差。

Amazon OA

Amazon OA：查询区间里，恰好 K 个进程运行多少秒？：把闭区间结束移到end+1事件，按并发数建立压缩长度前缀，支持巨大时间与零并发。

解题切入：事件start:+1,end+1:-1；排序事件点后，在at应用变化，得到[at,next)每个整数秒的并发数k，长度next-at。

Amazon OA

Amazon OA：整体反转与左转一格，最少操作不能只数旋转：利用二面体关系证明最多需两次反转，核对可达排列及旋转方向捷径。

解题切入：两个操作只改变环方向和起点，故可达排列恰为升序环的旋转或降序环旋转。验证相邻值模n差+1或-1，不能假设任意排列都可排序。

Amazon OA

Amazon OA：全局替换数值，让每种值只占一个连续块：把同值首末区间的重叠闭包转为最细分段，最少操作等于不同值数减区间分量数。

解题切入：每值v的first..last范围必须在最终同一值块内，因为全局替换永不把原v拆到多个final value。两个原值区间重叠就不能成为两个不同连续块，必须最终合并。

Amazon EM 计算题

Amazon EM 计算题：MLP Batch 1 与 256 的 Roofline 下界：按给定带宽与峰值估算冷权重单次前向，明确融合、缓存和实际kernel效率的限制。

解题切入：主matmul FLOPs=2Bd²，最低冷HBM traffic=2(d²+3Bd+d)字节，分别含W、X/H/Y与bias。与硬件单位一致，不能把bits当bytes或把FMA只算1却仍用双FLOP峰。

Amazon EM LP

Amazon EM LP：怎样处理 Low Performer？：以具体期望和观察确定差距，提供支持与可检验改进，而不是给人贴标签。

解题切入：先定义角色期望、观察周期、实际差距与业务影响，确认目标/资源本身是否清楚且可达；不能因为一个项目延期就给永久能力标签。

Amazon EM LP

Amazon EM LP：高挑战工作与 Team Health 怎么平衡？：定义挑战收益、持续负担和降载阈值，避免用一次冲刺掩盖长期不可持续。

解题切入：明确挑战来自技术未知、时限还是业务责任，说明为什么值得承担；deadline不是自动批准无限负担。

Amazon EM LP

Amazon EM LP：怎样让团队保持动机？：将共同目标连接到个人发展和自主空间，核对激励是否实际改变行为。

解题切入：讲团队目标为何有意义及当时动力下降的具体信号，如目标反复、影响不可见或缺少自主判断；先诊断再选动作。

Amazon AI Coding

Amazon AI Coding：已有 Repo 的失败测试怎样定位与修复？：把Test→Route→Handler→Data→Response连接起来，核对最小补丁与AI建议，原始代码缺失仍待核。

解题切入：先运行最小可复现失败，保存test名称、输入、expected/actual、traceback与代码位置；按endpoint/症状分组，多个失败可能同根，不先改每个断言对应函数。

Amazon OA

Amazon OA：House Robber II 环形相邻约束怎样拆？：将不同时选择首尾转换为两条线性DP，处理单元素与常数辅助空间。

解题切入：n≥2时合法解不能同时选0和n-1，因此至少排除一端。分别算[0,n-2]与[1,n-1]线性最大非相邻和，取max。

Amazon LFU

Amazon LFU：O(1) 频率桶与分布式数据流追问：频率+桶内LRU维护淘汰顺序，明确成功访问、更新和跨分片近似的边界。

解题切入：状态values/frequency两个map，freq→OrderedDict桶，minimum_frequency。桶内从最旧到最新，get/更新把key从f桶移f+1桶末尾。

Amazon ML Coding

Amazon ML Coding：手写 Decoder-only GPT 的四个类：MultiheadAttention、Feedforward、DecoderLayer、GPT：从形状和因果掩码到残差、输出logits与独立验证。

解题切入：先写形状合同：embedding从[B,T]得[B,T,d]，加position；Q/K/V各投影d，再reshape[B,T,h,dh]转[B,h,T,dh]。score为[B,h,T,T]，乘1/sqrt(dh)。

Amazon Coding

Amazon Coding：两个有序数组的第 K 小，二分划分如何证明？：在短数组二分左半部分元素数，处理重复值、空数组和一基k；区分随机访问数组与链表。

解题切入：短数组a划出i个，b划出j=k-i个，左侧正好k个。i范围[max(0,k-n),min(k,m)]确保两边容量合法。

Amazon LC98

Amazon LC98：验证 BST 为什么必须传全局上下界？：用严格开区间校验每个节点，避免只比较父子；迭代实现支持深链和任意大小整数。

解题切入：节点收到祖先约束(low,high)，校验low<value<high；向左缩上界为当前值，向右提高下界。祖先界持续传下去。

Amazon Coding

Amazon Coding：返回重复数据，每个值只输出一次：区分重复值、重复记录和多余次数，双集合保证单次输出，并明确结果顺序。

解题切入：seen记录已见，emitted记录已输出。读到值已seen且未emitted时加入结果与emitted；无论是否重复都更新seen。

Amazon Coding

Amazon Coding：合并区间，端点相接究竟算不算重叠？：先固定闭区间语义，再用排序扫描维持覆盖不变量；与会议室半开区间的边界区别。

解题切入：按start排序，维护已完成结果与最后活动区间。新start≤活动end时相交，扩end到max；否则活动区间不会再被后续start连接，可以定稿。

Amazon Coding

Amazon Coding：普通二叉树 LCA，目标缺失和同一节点怎么处理？：按节点身份求最近公共祖先，后序返回命中数，避免按值混淆重复节点或误用BST路径。

解题切入：后序处理左右子树，每个结果包括candidate与found。found分别统计是否命中目标a和b；节点是a则加1、是b再加1，因此a=b时同一对象可同时满足两个目标。

Amazon ML Coding

Amazon ML Coding：K-means 手写与距离矩阵的维度优化：Lloyd分配/均值更新，处理空簇和停止条件，从双循环到广播或矩阵乘法计算距离。

解题切入：中心C[K,D]；assign每点选择最小平方距离，输出labels[N]。按labels累加sum[K,D]与count[K]，非空簇更新为均值。均值是在固定分配下平方误差最小解。

Amazon Statistics

Amazon Statistics：多维两样本整体分布检验，30 对 30 如何回答？：把用户特征和图像分布归入同一两样本问题，区分均值检验、MMD、分类器检验与低功效结论。

解题切入：先确认问题是均值还是整个联合分布。逐特征t检验只针对均值且需多重比较控制；即使所有边缘相同，相关结构仍可不同，不能答完t-test就宣称整体无差异。

Amazon ML

Amazon ML：Transformer 与 RNN 的长序列和并行取舍：区分训练并行与自回归生成，比较attention二次成本、RNN顺序依赖和长期信息路径。

解题切入：RNN的h_t=f(x_t,h_{t-1})让同一序列跨t存在顺序依赖；仍可跨batch/矩阵操作并行，不能泛说RNN完全不能并行。Transformer在同一层的已知输入上同时构造QKV与attention，causal mask不阻止训练矩阵并行。

Amazon ML

Amazon ML：如何用 Decoder-only 模型生成句子 Embedding？：从因果hidden states选pooling，处理padding/EOS，设计对比训练与检索评估。

解题切入：取得某层hidden[B,T,d]与valid mask。last valid token含整个有效前缀上下文，可作简单起点；右padding不能固定取最后数组位置。EOS需模型训练与tokenizer实际支持，不临时加一个随机新token指望好效果。

Amazon OA

Amazon OA：价格转移限制 x≤y，先证明可达性再谈最少操作：总和守恒、前缀单调与有限状态BFS；给小规模精确答案，标明原帖缺规模时不能承诺高效OA解。

解题切入：每次转移保总和S。定义前缀A_r=前r个值之和，x<y操作只把A_x至A_(y−1)全部增加p，其余不变。因此所有前缀只能增加，后面低价无法向前面高价反方向取钱。

Amazon Coding

Amazon Coding：停车事件峰值与漏扫 Exit，哪些区间能确定？：按车配对生成半开会话、同时间事件批处理，区分完整日志峰值与缺失退出下的上界。

解题切入：事件按时间排序并按车辆ID组装会话状态。一个车先entry1、exit10、entry11意味着两次访问；只按ID去重会删真实第二次。重复扫码需要eventId/业务政策，不按同车全删。

Amazon Coding

Amazon Coding：从阅读顺序推荐下一本书：相邻转移频次模型、确定并列与冷启动政策，保留原帖未给的文件格式和过滤规则。

解题切入：遍历每序列的相邻(source,destination)计数，不连接不同用户序列的末尾/开头。每次A→B为A的候选B加一；一次会话多次转移按本训练合同都计数。

Amazon Coding

Amazon Coding：时钟夹角，时针在分钟内也移动：小时归一化、连续时针位置、较小夹角与整数算术；避免仅按小时整点计算。

解题切入：分钟一圈60分钟，分针角度6m；小时一圈12小时，时针角度30(h mod12)+0.5m。两者都以12点方向为0。

Amazon ML

Amazon ML：全新用户没有历史，推荐模型究竟输出什么？：从未知user embedding的实际行为讲起，设计内容/上下文fallback、探索与新用户偏差评估。

解题切入：先画推理路径：若只用训练中user-id embedding，未知ID可能映射UNK、默认向量或直接报错；不能回答模型自动懂新人。检查真实encoder的lookup/default与特征缺省，给具体输出合同。

Amazon Statistics

Amazon Statistics：新 UI 的 CTR 上升、CVR 不动，先查分母再解释：拆曝光到点击到下单漏斗，核随机化与实验功效，处理小用户层和多重探索。

解题切入：先核样本量比、曝光埋点、点击去重、分组一致性和订单延迟。UI改了事件触发点可能只增加记录点击，不增加用户真实意图；实验被缓存/跨端污染也会失效。

Amazon ML

Amazon ML：为什么选这个 Learning Rate Scheduler？：将warmup、cosine、step与plateau关联到训练证据，明确更新步、恢复状态和比较预算。

解题切入：先解释当前曲线的目的与证据：早期loss/grad/update不稳用warmup逐步增学习率；后期希望缩小更新用decay。先检查bad data、loss scale与归一化，scheduler不能自动修复错误。

Amazon ML

Amazon ML：Gradient Clipping 裁什么，什么时候有用？：区分全局范数与逐值裁剪，解释AMP反缩放、梯度累积和分布式全局范数。

解题切入：全局norm裁剪g'=g·min(1,c/||g||)，g=0保持0；当超阈值统一缩放，保持梯度方向。逐元素clamp(g_i,−c,c)改变方向，两者不混称。

Amazon ML

Amazon ML：预测 Query 与商品相关性，怎样超越 Cosine Similarity？：定义人工相关性等级，区分语义/词法/结构约束、点击偏差和多阶段检索排序。

解题切入：先定义相关性：精确满足、可替代、附件/关联、不相关等等级，并用标注规范处理品牌/型号/尺寸/否定词。查询“iPhone15 case”与手机本体词法相似，却不满足case意图。

Amazon ML

Amazon ML：Bias–Variance Trade-off，先说清误差分解的条件：平方损失分解、训练集重复实验与容量/正则取舍，避免把单次训练差解释成variance。

解题切入：平方期望误差= (E_D[fhat_D(x)]−f(x))² + E_D[(fhat_D(x)−E_D[fhat_D(x)])²] + Var(ε|x)。中间交叉项因中心化/独立而消失，不能忽略假设只背三项。

Amazon ML

Amazon ML：Double Descent 为什么不等于模型越大越好？：区分模型规模、训练epoch与样本轴，讨论插值附近不稳定、正则和验证设计。

解题切入：模型轴：固定数据与训练协议改变容量；epoch轴：固定模型看训练时间；样本轴：固定模型协议改样本。三者图形不能混画后用同一阈值解释。

Amazon ML

Amazon ML：上线比离线差，按什么顺序排查？：从指标/数据合同到特征服务、候选覆盖与实验偏差，逐层对照线上实际输出。

解题切入：先核指标单位、分母、归因窗口、订单成熟延迟和样本选择。离线AUC与线上CTR不是同指标，不能把不同量直接相减当质量掉点。

Amazon ML

Amazon ML：Adam 与 AdamW，Weight Decay 为什么不能只写 L2？：动量、偏差修正与解耦衰减，区分SGD等价条件和自适应预条件下的差别。

解题切入：用真实loss梯度g更新m_t=β1m_(t−1)+(1−β1)g，v_t=β2v_(t−1)+(1−β2)g²；初始0时mhat=m/(1−β1^t)、vhat=v/(1−β2^t)。参数更新减ηmhat/(sqrt(vhat)+ε)，各坐标不同缩放。

Amazon LLM

Amazon LLM：LoRA 的矩阵形状、初始化和合并成本：冻结基座加低秩更新，计算参数量，说明训练内存与量化/多适配器推理边界。

解题切入：shape先逐项核：Ax为r维，B(Ax)为out维；trainable参数r(in+out)，不是r²也不是out×in。r必须相对维度小才省更新参数。

Amazon RL

Amazon RL：PPO Clipping 的 Advantage 正负怎么影响目标？：概率比、旧策略rollout和clip surrogate，解释裁目标不等于强制参数信赖域。

解题切入：最大化mean min(rA,clip(r,1−ε,1+ε)A)。若A>0，提高已采样动作概率有利，但r超过1+ε后这项被截平；若A<0，降低概率有利，r低于1−ε后被截平。正负乘法不能忽略。

Amazon LLM

Amazon LLM：RLHF 与 DPO，比较的是哪一段训练流程？：偏好数据、奖励建模与直接偏好目标，明确reference、log-prob求和和离线覆盖限制。

解题切入：典型reward-model流程先用偏好拟合reward，再让policy采样并优化奖励，同时限制偏离reference；需要考虑rollout/reward/value/策略更新。PPO只是可选策略优化方法之一。

Amazon ML Coding

Amazon ML Coding：PyTorch InfoNCE，正样本下标与梯度怎样核对？：成对双塔embedding、in-batch negatives、稳定cross entropy和对称损失，独立标量与有限差分验证。

解题切入：归一化q/k后score=qkᵀ/τ，shape[N,N]。第i行target=i，loss是−score_ii+logsumexp(score_i*)；对角是正确候选必须保留，不能套自对比mask把正样本删掉。

Amazon LLM

Amazon LLM：RoPE 公式为什么让 Q·K 含相对位置？：二维旋转块、频率与坐标布局，核对KV cache位置偏移和长上下文外推边界。

解题切入：每对(a,b)旋转得(a cosφ−b sinφ,a sinφ+b cosφ)。拼接d/2个独立rotation blocks；因为各块正交，单向量范数不变。

Amazon ML Coding

Amazon ML Coding：PyTorch Training Loop，更新与评估边界怎么写？：train/eval、清梯度、前向loss反传更新和按样本加权指标，用手算SGD独立验证。

解题切入：epoch开始model.train启用dropout/BN训练行为；每批move输入/target，zero_grad(set_to_none=True)，前向CE、backward、step，顺序必须解释。若把zero_grad放backward后step前，会清掉刚算梯度。

Amazon LLM

Amazon LLM：KV Cache 缓存什么，怎样估算内存与 Decode 成本？：区分prefill/decode、K/V与Q，计算GQA缓存规模并核位置、版本和前缀复用。

解题切入：prefill处理已知输入序列，各层历史token投影K/V保存；decode新token生成自己的Q/K/V，把新K/V追加后用当前Q读历史K/V。历史Q无需供未来attention，缓存它不是核心节省。

Amazon LLM

Amazon LLM：FlashAttention 为什么省显存，但不是线性 Attention？：分块与在线softmax合并，避免完整score/probability写回，解释精确性、重计算与测量范围。

解题切入：朴素QKᵀ把T×T score写显存，再读softmax、写probability，再读乘V，多次大矩阵IO。分块将K/V和query tiles尽量在快存计算，避免完整T²中间矩阵在显存物化。

Amazon ML Deep Dive

Amazon ML Deep Dive：为何选这套 Metric，Validation 怎么划分？：将业务目标、标签/样本单位、数学指标与时间/用户划分连起来，区分RAG评测与监督任务。

解题切入：先给业务输出和损失：风险排序、阈值决策或推荐TopK是不同任务。说明label何时成熟、正负定义、评价单位和错判成本，才能解释为何选AUC/PR/precision/recall/calibration/排序指标。

Amazon ML

Amazon ML：一千万条数据，Logistic Regression、Boosting 或神经网络？：由特征形态、交互、校准和部署约束决定候选，样本数不能单独决定模型。

解题切入：LR适合作可解释线性/稀疏基线，优化和增量训练较直接；非线性与交互通常靠特征或更强模型。正则、缺失、类别编码与校准需定义，不把有10M数据当线性模型一定过弱。

Amazon ML

Amazon ML：Random Forest 能不能处理 Time Series？：用只含过去的lag特征构造监督问题，区别序列归纳偏置、滚动验证和外推限制。

解题切入：RF可以输入lag y_t/y_(t−1)、过去rolling统计、已知日历和外生变量做监督预测；它不原生表达顺序/动态记忆，但不等于不能处理任何时序。

Amazon CV

Amazon CV：Edge Detection Kernel 叫什么，为什么能检测边缘？：说明Sobel方向导数核、平滑与差分，区分梯度响应、阈值边缘和Canny完整流程。

解题切入：Gx核=[−1,0,1;−2,0,2;−1,0,1]，Gy为其转置。水平方向差分[-1,0,1]与正交方向平滑[1,2,1]的外积，既抓强度变化又减少部分噪声。

Amazon Statistics

Amazon Statistics：P-value 是什么，它不告诉你什么？：条件于零模型的尾概率、统计量方向与效应大小，解释多重选择和低功效。

解题切入：p=在H0模型和设计成立条件下，得到观察统计量同样或更极端结果的概率；条件在模型而不是对H0本身的后验概率。

Amazon ML

Amazon ML：Causal Inference 从什么问题开始，而不是先选方法？：定义干预与ATE/ATT，区分预测关联、随机实验和观察识别条件，检查混杂/重叠。

解题切入：先说问题是谁在何时接受哪种处理，相比什么、结果何时测，估ATE/ATT/某群体效应。改变目标总体会改变需哪些识别/运输假设，不用一句“算correlation”代替。

Amazon ML

Amazon ML：Gradient Descent 与 Backpropagation 是同一件事吗？：用一层模型解释链式求导和参数更新，核共享参数、batch归一化与计算图。

解题切入：backprop负责沿计算图反向用链式法则求梯度；GD/SGD/Adam用梯度更新参数。反传不等于更新，计算梯度后可累积/检查，optimizer也可读取其他方式得到的梯度。

Amazon ML

Amazon ML：梯度消失/爆炸，Activation 与初始化怎样影响它？：链式乘积、sigmoid饱和、ReLU死区与方差传播，区分norm clipping和结构修复。

解题切入：反传沿路径乘局部导数/矩阵Jacobian，奇异值长期小于或大于1可导致幅值衰减/增长；多路径残差可提供更直接信号，但不是所有Jacobian都一个标量。

Amazon ML

Amazon ML：L1/L2 正则，稀疏性、尺度和 Optimizer 合同：对比绝对值与平方惩罚、近端soft-threshold及多重共线性，衔接AdamW解耦区别。

解题切入：L2导数λw平滑缩小权重，L1非零处subgradient λsign(w)，0处是区间。稀疏性常来自目标几何/近端更新，不把简单减固定sign就说每次必稳定得到精确零。

Amazon Coding

Amazon Coding：Word Search II，Trie 与路径回溯如何共享剪枝？：字典前缀树、路径内visited、终止去重与安全删除空支，明确标准题训练和未知变体。

解题切入：Trie把字典共有前缀存一份，从每格出发沿当前字母分支前进。不存在前缀立即剪枝，不给每个词独立扫描完整网格。终止标记用独立object避免与任意字符键冲突。

Amazon Coding

Amazon Coding：Valid Parentheses，栈顶匹配与前缀不变量：匹配三类括号嵌套，区分只计总数、非括号字符政策与流式验证。

解题切入：读开括号push，闭括号必须有栈顶且与其类型配对，随后pop；扫完栈空才合法。不能只计三种净数量。

Amazon Frontend OA

Amazon Frontend OA：Vanilla JS 愿望清单，状态与 DOM 合同怎么守？：初始5行、每次多5行、30行禁用，同一按钮切换愿望状态；真实DOM动作序列独立验证。

解题切入：唯一source of truth为visible与selected ID集合；DOM只展示，不以button文本猜状态。两不同商品同名也不能用name当key，ID先规范为String并检唯一。

Amazon Frontend OA

Amazon Frontend OA：表单验证全部通过后，再追加一整行：name/phone/email规则注入、逐字段错误状态、submit拦截与原子append；原题正则条件保留待核。

解题切入：监听submit而不只click，键盘Enter也走相同验证路径；preventDefault防浏览器导航。取一次输入快照，交给明确规则层，避免边验边append。

Amazon Frontend

Amazon Frontend：10 个 100px 方块，扩到 100 个并做可访问分页：固定盒尺寸、flex换行、分页状态与原生按钮语义，用React实际DOM交互对照验证。

解题切入：容器flex并允许wrap，item flex不收缩、width/height100px与border-box。不能只写width100却让flex默认shrink后变小；viewport窄于100时须定义overflow/尺寸合同，而非无声破坏固定尺寸。

Amazon AS

Amazon AS：Hyperparameter Tuning，怎样用有限预算找出可靠配置？：Grid、Random、Bayesian与多保真搜索的选择，重点解释验证泄漏、早停偏差与实验可复现性。

解题切入：先定目标与约束：例如固定推理p95/内存下最大验证PR-AUC，而非只找最高训练accuracy。建立可信baseline，记录数据版本、切分、seed、代码、配置、预算、失败原因和完整学习曲线；不稳的基础训练应先修复。

Amazon AS

Amazon AS：Decision Tree 与 Random Forest，分裂、Bagging 和 OOB 如何解释？：从加权不纯度与叶子预测讲到随机森林的方差、树相关性、OOB边界和缺失值合同。

解题切入：节点标签比例p_k，Gini=1−Σp_k²。候选切分把样本分为L/R，收益为G_parent−(|L|G_L+|R|G_R)/n。最大下降只优化当前节点，贪心不保证整棵树全局最优；回归常用平方误差，不能直接用类别Gini解释。

Amazon AS

Amazon AS：CNN、全连接与 ViT，空间结构和规模怎样影响选择？：卷积共享参数、局部感受野、patch注意力与尺度成本，用同一图像输入比较并界定适用条件。

解题切入：全连接把图展平成长度HWC向量，每输出单元都连所有像素，参数为HWC·D+D；不自带空间邻近和共享约束。它仍可学习空间关系，但数据和参数成本与图像结构不匹配时容易浪费。

Amazon AS

Amazon AS：Scaling Laws，固定算力该增参数还是增数据？：把经验幂律、训练算力预算与推理成本分开，说明外推、数据质量和指标转换的边界。

解题切入：先解释经验关系：在可比较训练条件与观测范围内，验证损失随参数、数据、算力变化可拟合为幂律，不是证明模型必有某种能力。一个教学形式L=E+A/N^α+B/D^β，E是拟合下限，A/B/指数由实验估计而非宇宙常数。

Amazon AS

Amazon AS：Pre-training 与 Post-training，数据、Loss 和验收怎样变化？：从next-token NLL到SFT回复mask与偏好优化，给出标签错位、padding和评估边界。

解题切入：预训练先做数据授权/清洗/去重/语言与领域配比、tokenization及污染检查，再把文本序列送入因果模型。目标L=−Σ有效位置log pθ(x_t|x_<t)/有效token数；teacher forcing的输入必须对应上一个token，不能让目标token通过attention泄露。

Amazon AS

Amazon AS：GRPO，组内相对奖励怎样替代 Critic？：以DeepSeekMath outcome监督为范围，解释组内优势、PPO裁剪、零方差组和采样成本。

解题切入：原算法用同一问题的多回复分数估计baseline，省去单独value/critic模型。教学写A_i=(r_i−mean(r))/(std(r)+epsilon)，outcome监督下可把这一序列优势赋到其有效生成token；组内好坏是相对的，不能据A正负判断答案绝对正确。

Amazon Coding

Amazon Coding：滑窗中位数，离窗删除和双堆大小怎样保持正确？：先给精确有序窗口实现，再讲双堆惰性删除、重复值与隐藏空间增长。

解题切入：维护窗口的有序多重集。首窗排序，取rank k//2；偶数另取k//2−1。每次删除一个离窗值，再插入一个新值，重复数删除一个即可，不能把同值全删。

Amazon Coding

Amazon Coding：Regex Matching，点号与星号怎样做完整匹配 DP？：完整匹配、零次重复与一项以上重复的状态转移，明确只含点号星号的训练语法。

解题切入：设D[i,j]表示text前i字符与pattern前j字符完整匹配。D[0,0]=true；空文本可跳过成对atom*，因此a*b*匹配空串，a*b不匹配。普通字符或点号需要当前匹配且D[i−1,j−1]。

Amazon Intern

Amazon Intern：输出奇数，负数和超过 32 位的整数怎么处理？：看似一行的题也要明确整数合同、流式输出、负余数与输入解析。

解题切入：奇数定义是不能整除2，即x%2 != 0。不要用x%2 == 1作为跨语言解释：某些语言负奇数余数为−1。Python负数取模合同下==1成立，但!=0表达整除性质更通用。

Amazon Intern

Amazon Intern：Inheritance 与 Polymorphism，重写方法到底证明什么？：区分代码复用与动态派发，围绕父类合同、替换原则和组合边界组织例子。

解题切入：继承定义类型/实现关系，子类复用或扩展父类；多态让统一操作对不同实际对象产生相应行为。可以有继承但没有所需动态行为，也可用协议/duck typing实现多态而不继承同一父类。

Amazon Intern

Amazon Intern：Constructor、Destructor 与 Python __del__，生命周期怎样回答？：区分创建、初始化、终结与资源释放；解释引用、循环和上下文管理器的确定性边界。

解题切入：constructor常指建立对象及初始化过程；Python __new__负责创建实例，通常返回该类实例后__init__初始化，__init__必须返回None。__new__返回其他类型对象时该类__init__不按通常流程调用。

Amazon AS

Amazon AS：Float 类型与精度丧失，Ablation 怎样找到首个偏差？：FP32、FP16与BF16的范围/有效位，区分溢出、量化与累加误差，给受控精度实验路径。

解题切入：先分范围与精度：FP32 sign/exponent/fraction为1/8/23，FP16为1/5/10，BF16为1/8/7。BF16有较大指数范围但较少有效位，FP16近1时粒度更细但更易大值overflow；同为16bit不等于同误差。

Amazon ML Systems

Amazon ML Systems：Parallelism 与 Collectives，列切后为何接行切？：从矩阵形状解释Tensor Parallel MLP，结合DP、Pipeline、参数分片与通信拓扑取舍。

解题切入：Data Parallel各rank放完整参数处理不同样本，反向同步梯度；batch增加影响优化与学习率合同。参数/梯度/optimizer分片如ZeRO/FSDP改变驻留与all-gather/reduce-scatter调度，不能说DP一定只同步梯度或一定能装下模型。

Amazon Frontend

Amazon Frontend：朋友买过而自己没买过，怎样按产品 ID 求推荐？：从原user/purchase/product结构求集合差，处理重复朋友、重复购买与同名产品。

解题切入：先扫描当前用户购买记录建立own productId集合。购买条数与amount不是同一个计量：本题是是否购买过，不以amount求热度，amount=0是否代表有效交易要业务确认，训练输入全部视作购买记录。

Amazon Frontend

Amazon Frontend：URL 跳转表，怎样判断用户能否到达目标页面？：先确认跨用户是否允许串边，再建有向图、visited与零跳合同。

解题切入：过滤指定用户后建邻接表，以set去重重复记录。初始URL与目标URL是方向，不建无向边；孤立目标若不是start且从邻接找不到，返回false。

Amazon Coding

Amazon Coding：让图全连通，最少移动几条边？：用边预算与连通分量证明c−1，并说明重接操作、重复边和不可行条件。

解题切入：先求连通分量c。每条跨分量新增连接最多让c减1，所以至少需要c−1次移动。这是下界，但还要证明有这么多不破坏原连接的边可借。

Amazon Coding

Amazon Coding：有向图插入一条边，怎样验证不会产生环？：新边source→target前检查target可达source，解释输入DAG前提与原子更新。

解题切入：已有DAG加一条边若产生环，环一定包含新边；因此必须已有target→…→source路径。反之若该路径存在，加source→target闭合成环。先从target做可达搜索即可，没必要每次求所有拓扑排列。

Amazon AS

Amazon AS：RL 的基本成分，状态、动作、奖励和策略怎样连起来？：用一个短任务讲清MDP、return、value与policy，区分即时奖励、探索和部分可观测。

解题切入：Agent观察状态或观测，按policy π(a|s)选动作，环境给下一个状态与reward。转移/奖励可随机，策略也可随机；动作不仅输出一个预测，还影响以后状态及拿到的数据。

Amazon AS

Amazon AS：Surprisal 的单位是什么？Bits、Nats 与 NLL 怎样换算？：从负对数概率到熵与perplexity，给零概率、连续密度及tokenizer比较边界。

解题切入：事件x概率p(x)，I(x)=−log_b p(x)。概率无量纲，所得信息量单位由底定义；p越小越惊讶。p=1时0，p=0事件如果实际出现代表模型给了零支持，surprisal趋于正无穷。

Amazon AS

Amazon AS：Search Agent 多轮怎么做？Context 过长怎样保留证据？：区分消息历史、任务状态与证据库，用预算、检查点和版本化摘要控制多轮搜索。

解题切入：每轮状态至少分当前用户目标/约束、待核问题、已读证据和来源、消息历史、工具调用/结果ID、预算与失败记录。聊天message不是唯一状态库，旧工具结果可外存并用ID引用。

Amazon Frontend

Amazon Frontend：Reusable Dialog，标题、关闭与 Action Buttons 怎么设计？：用可复用接口、受控状态与异步动作说明组件合同，补焦点和生命周期边界。

解题切入：一个open真值决定展示，关闭按钮、Escape、backdrop、action各自给close reason；调用onClose由父层决定是否关闭。不要同时维护内部open与外部open导致点击关闭后状态分裂。

Amazon System Design

Amazon System Design：图片社交网站，大幅用户增长怎样拆容量与瓶颈？：上传、处理、CDN和动态Feed的增长预算，明确发布状态、幂等、删除传播和降级取舍。

解题切入：容量先拆上传写、图片存储、变体处理、Feed读取与图片下载。百万DAU每人每天0.2上传是20万图/day，2MB原图约400GB/day，不含副本/变体；每人读100张图是1亿次/day，两条流量路径数量级不同。

Amazon Principal

Amazon Principal：全球 Metadata，强一致写与低延迟读怎样定合同？：解释读一致性分级、quorum、区域故障与版本回滚，明确跨区延迟无法被缓存抹掉。

解题切入：先问metadata控制什么：访问策略、路由还是展示字段？安全敏感路由/权限可能不可容忍旧值，展示字段可允许有界陈旧。strict writes不能自动推读一定linearizable，也不能自动许可读任意缓存；用业务不变量确认API。

Amazon Principal

Amazon Principal：现有系统六个月后哪里会坏？不增人怎样改？：用约束、证据与风险排序做Architecture Review，给可执行迁移和停止线。

解题切入：先画一条关键请求和一条数据写入/恢复路径，列组件owner、存储真值、重试边界与故障传播。核业务损害最大的状态，不从技术组件清单按个人喜好逐个批评。

Amazon Principal

Amazon Principal：怎样衡量一个平台是否成功？：从消费团队任务成功、可靠性、采用与单位成本建立指标，避免只看调用量。

解题切入：先定关键消费旅程，例如新数据源接入到首个可信产物、业务发布到安全可观测、故障到恢复。逐旅程定义成功条件与分母，再设可靠性/延迟目标，不从平台CPU/请求数反推用户满意。

Amazon Principal

Amazon Principal：怎样防止平台团队成为 Bottleneck？：用支持需求分类、自助接口与可升级边界减少等待，同时守住高风险操作。

解题切入：先分类需求：标准重复请求、未支持能力、事故、信息缺失和高风险例外。测到达率、处理时间、排队年龄、返工与人工触点；降低排队不能靠关闭未解决工单。

Amazon Principal

Amazon Principal：怎样让其他团队采用你的平台？：从真实需求和试点到迁移、兼容与反馈，不用强制采用数字替代价值。

解题切入：先访谈代表团队当前成本、失败点与迁移阻力，区分解决问题的价值与平台统一愿望。选择有明确痛点、愿共同定义成功的试点，而非最容易被要求迁移的团队。

Amazon SA Intern

Amazon SA Intern：什么是 DNS？缓存、权威服务器与故障怎么讲？：按一次查询解释DNS分层解析，区分名称解析、网络连接和服务切换。

解题切入：DNS是分布式分层名称数据库，常用于名字到地址解析，也有MX/TXT/NS等记录；不要只说“URL转IP”，URL还包含scheme/path而DNS主要处理名称。

Amazon SA Intern

Amazon SA Intern：什么是 IP？地址、路由、端口和 CIDR 怎样区分？：解释网络层寻址与尽力而为传递，给子网例和IPv4/IPv6边界。

解题切入：IP在网络层提供地址与分组传递，路由器按目的地址和路由表转发；尽力而为不自动保证可靠、有序或唯一投递。TCP/应用协议在上层提供相应能力，UDP也可以运行其上的应用可靠机制。

Amazon SA Intern

Amazon SA Intern：SQL 与 NoSQL 怎么选？从访问模式和事务范围回答：区分数据模型与查询语言，避免把一致性、schema和扩展能力二分。

解题切入：先列读取/写入模式、关系、事务、索引、增长与团队能力。订单付款/库存的跨记录不变量与用户会话按key读写需求不同，不能只问数据量大不大就选择NoSQL。

Amazon SA Intern

Amazon SA Intern：什么是 ETL？增量、重试和数据质量怎样说明？：从Extract/Transform/Load讲到watermark、late data、幂等和ETL/ELT差异。

解题切入：Extract取源数据，Transform做类型/去重/连接/业务派生/质量校验，Load入目标；ELT先保原始再在目标处理，位置选择受治理、算力、延迟和成本影响，不能称一种绝对更现代。

Amazon SA Intern

Amazon SA Intern：OOP 与 Functional Programming，状态和组合怎样比较？：用同一结算任务解释对象职责与纯函数变换，讨论副作用、不可变性和混合使用。

解题切入：OOP把数据和行为围绕对象职责组织，通过封装与接口让调用者依业务合同操作。不是必须建深继承树，组合/协议也常用；继承与多态单题见q160。

Amazon SA Intern

Amazon SA Intern：为什么做 Solutions Architect？怎样给非技术用户讲方案？：按岗位动机与技术沟通要求准备，连接真实经历、客户目标与方案取舍。

解题切入：动机先说明喜欢解决客户约束下的技术方案与沟通，再用一次真实例证明如何澄清需求、解释取舍、推动理解；不用“喜欢AWS生态”替代岗位职责理解。

Amazon System Design

Amazon System Design：Package Installer，依赖顺序、版本冲突与 Payload 怎么处理？：拆解解析版本、规划DAG、验证下载与原子激活，解释拓扑排序不能解决全部依赖冲突。

解题切入：先分两个问题：选择相容版本与在已解析图上排序。name相同约束可能冲突，拓扑排序只处理依赖先后/环，不能解版本不相容。解析成功产生固定版本/digest lock plan，之后下载/执行不偷偷换最新版。

Amazon Audible

Amazon Audible：阅读事件流识别 Abusive Books，跳读证据与比例分母怎么定？：拆最后5%、先前10%与book事件比率，说明当前位置无法还原真实播放覆盖，给透明训练状态机。

解题切入：先展示信息不足：同样position=100与980、duration=1000的事件，一个人可能正常连续听了中间内容，也可能直接seek到980；只看两个位置无法区分真实覆盖。不能用max position把跳转当听完。

Amazon AS

Amazon AS：CLIP 与 Qwen-VL，双塔检索和视觉语言生成结构怎样比较？：先确认Qwen版本，再比较视觉/文本交互、训练目标、输出与服务成本。

解题切入：CLIP图像和文本分别编码并投影到共享embedding空间，规范化向量相似度衡量配对；两个输入可独立预计算。原模型不是给图像后直接自回归写长回答的decoder。

Amazon Text Editor

Amazon Text Editor：光标两侧栈与编辑成本：实现光标插入、向左删除和左右移动，区分单点编辑与随机跳转。

解题切入：left按正常顺序保存光标左侧，right反向保存右侧。逻辑文本始终为left+reverse(right)，光标位置len(left)；移动只是两个栈间迁移元素。

Amazon 实现Grep

Amazon 实现Grep：逐行过滤与明确匹配合同：从流式行输入返回匹配行和行号，明确literal、空模式与反选。

解题切入：enumerate(lines,1)维护行号，以pattern in line判断字面子串；matched!=invert决定输出。generator逐行产出，不必保存所有匹配结果。

Amazon RLE与Literal Blocks

Amazon RLE与Literal Blocks：八连值阈值和解码边界：按长重复段和八值原样块选择编码，明确标签、短尾段与损坏输入。

解题切入：先找到最大同值run。长度≥8用RLE；较短run依次进literal缓冲，凑足8输出B块。遇长run前先处理残余缓冲，再输出长run，确保输入顺序保持。

Amazon 手写Memcpy

Amazon 手写Memcpy：非对齐字节访问与重叠合同：先实现可移植字节复制，再讨论对齐、宽加载、尾部与硬件优化。

解题切入：unsigned char指针逐字节读写对象表示，不把未对齐地址强转成word指针再解引用。循环第i步之前目标前i字节与源前i字节相同，其他目标字节未修改。

Amazon 停车场OOD

Amazon 停车场OOD：车位、停车票与结算边界：分开车辆匹配、车位占用、停车会话和付费离场，处理并发分配与重复请求。

解题切入：实体分为Vehicle、Spot、ParkingSession、PaymentAttempt；session保存入场时刻、分配车位、状态和费率版本。Spot只管理可用性，不能同时承担价格计算、支付网络和车牌识别。

Amazon Payment LLD

Amazon Payment LLD：支付意图、幂等与账务事实：区分业务支付意图、渠道尝试与账务记录，处理回调重复、超时和退款。

解题切入：PaymentIntent保存订单金额/币种/业务版本，Attempt保存providerRequestId与渠道状态，LedgerEntry记录不可变金额变化；用整数最小货币单位或明确Decimal，避免float。

Amazon TicketMaster

Amazon TicketMaster：座位保留与迟到支付：把指定座位和总量票的库存合同分开，设计短期保留、过期与迟到回调。

解题切入：Event/Seat为静态可售对象，Reservation保存user、seat集合、expiresAt、generation和状态；唯一活跃座位占用在权威存储中控制。多座一起售需事务锁序或一致的原子批操作。

Amazon YouTube TopK

Amazon YouTube TopK：时间窗计数、重放与热点：定义排名指标和窗口，比较精确聚合、候选筛选及近似TopK。

解题切入：事件包含eventId/videoId/eventTime，写持久流后按video分区去重和计数。滚动窗口分成分钟bucket，进入新分钟加新桶，退出旧桶减旧贡献；watermark与允许迟到时限明确。

Amazon Log Scanner

Amazon Log Scanner：采集、检索与告警的不同路径：分开日志持久采集、按时间与关键词查询、持续告警，处理重试和高基数。

解题切入：agent给每条eventId、eventTime、service、host和序号，批量送持久队列；本地buffer有上限及丢弃/背压策略。确认接受不等于索引已经可查，API区分ingested/indexed位点。

Amazon 音乐App

Amazon 音乐App：曲库、播放授权与离线状态：设计搜索曲库、播放清单、媒体投递与多设备播放状态，明确版权区域约束。

解题切入：Track记录媒体版本/演唱者/专辑与授权区域，PlaylistEntry有稳定entryId而非只以trackId唯一，允许同曲多次出现。播放session关联设备与可播授权，不把playlist对象直接当媒体文件。

Amazon GitHub用户社区

Amazon GitHub用户社区：身份、内容与权限Feed：设计开发者社区的身份连接、帖子互动与关注Feed，防止外部API故障阻断站内功能。

解题切入：本站User与ExternalIdentity分开，绑定通过明确验证；public profile缓存可过期刷新，private项目访问仅按授权范围，不因外部API返回过就长期公开。

Amazon 餐馆OOD

Amazon 餐馆OOD：菜单、订单与厨房履约：分开菜单版本、点单、厨房任务与结算，处理改菜和重复发送。

解题切入：实体MenuItem/Order/OrderLine/KitchenTicket/Payment职责分离。订单行有独立lineId、数量、定制选项和状态；同菜两种做法不能仅用itemId合并。

Amazon 招聘网站

Amazon 招聘网站：简历上传与关键词/语义检索：设计异步简历解析、混合检索、候选权限和版本更新，避免索引泄露已删除简历。

解题切入：上传API先给短期上传地址，提交后校验对象、限制大小、解析文件并提取结构化技能/经历与文本。状态uploaded→parsing→indexed/failed，异步job按documentId/version幂等；用户知道未成功解析不会以“搜索没找到”代替错误。

Amazon Code Generation

Amazon Code Generation：上下文、沙箱验证与质量闭环：从编辑器请求到代码候选，设计仓库上下文、测试隔离及可衡量的接受质量。

解题切入：请求包含当前位置、邻近代码、语言、依赖和仓库版本；上下文服务先权限过滤，再用符号/依赖/检索选相关片段，限制token预算。不是把整个私有仓库拼进每次prompt。

Amazon AWS自定义LLM微调

Amazon AWS自定义LLM微调：作业、检查点与租户隔离：设计数据上传、训练调度、失败恢复、模型验收及版本发布的完整闭环。

解题切入：控制面CreateJob校验base version、dataset manifest、训练参数和预算，使用幂等client key生成jobId。状态queued→provisioning→running→evaluating→succeeded/failed/cancelled，worker租约与attempt分开记录。

Amazon torch.distributed.barrier

Amazon torch.distributed.barrier：组同步、顺序与挂起：解释barrier等待的对象，区分进程集合点、梯度归约和设备任务完成。

解题切入：同步barrier形成组集合点，成员全部进入后调用才完成；async返回work，需wait后才能依赖完成。它没有把各rank模型参数或梯度数值合成同一值，数值同步要对应broadcast/all_reduce等操作。

Amazon Encoder与Decoder场景

Amazon Encoder与Decoder场景：表示、生成与Mask：按输出目标选双向表示或自回归生成，说明padding、causal及cross attention。

解题切入：需要全句上下文表示的分类、标签或检索encoder可双向看有效token，padding mask排掉占位符。表示如何池化及监督目标决定embedding质量，不能认为任意hidden mean就是可比较句向量。

Amazon Aurora存储架构

Amazon Aurora存储架构：计算/存储分离与传统实例比较：把SQL执行节点、共享存储和故障域拆开，解释扩展读实例不等于扩展写能力。

解题切入：先拆执行SQL、管理buffer/cache、存储数据和持久化提交四项责任。Aurora cluster中计算实例与cluster volume分离，reader连接相同存储抽象；添加reader主要增加读执行能力。

Amazon 数据库Replication

Amazon 数据库Replication：Ack、读位点与故障切换：明确提交等待的复制条件，区分数据持久、reader可见和新主可恢复。

解题切入：写提交先确定ack意味着日志到内存、持久化副本达到条件还是已应用。durable和visible是不同位点；复制收到了日志不证明reader已经重放到用户刚提交的版本。

Amazon WAL与Redo

Amazon WAL与Redo：持久化顺序和崩溃恢复：用提交日志和数据页的时间顺序解释持久性，区分恢复与复制。

解题切入：WAL核心是数据页持久化前，对应变更日志先持久。这样崩溃后页尚未包含的更新可以由日志恢复，而不必每个小事务都立即flush全部数据页。

Amazon MVCC

Amazon MVCC：版本可见性、快照与隔离级别：解释读者看到哪些版本，说明MVCC如何减少读写争用及仍存在的写冲突。

解题切入：更新生成可见性不同的版本，而不是让并发读者看到半个更新。快照根据事务提交/可见规则选择一个版本；未提交写不是任意读者都可见。

Amazon 高并发写锁冲突

Amazon 高并发写锁冲突：热点、锁顺序与事务长度：定位锁等待来源，比较减少事务范围、分散热点与保持业务不变量。

解题切入：先采集wait graph、持锁事务时长、热点key、执行计划和重试量，区分死锁、长事务阻塞、热点串行化与扫描锁范围大。CPU低不代表服务无瓶颈，线程可能在等锁。

Amazon 数据库引擎设计

Amazon 数据库引擎设计：写路径、放大与恢复预算：从用户写到日志、索引和持久数据，定义写放大并推导崩溃和扩容路径。

解题切入：画出接收→校验→冲突控制→记录日志→持久确认→更新可见数据→后台flush/整理。每条边说明失败后由谁恢复，不能只画组件名称。

Amazon MoE结构

Amazon MoE结构：Router、稀疏专家与负载均衡：解释每个token选部分专家时的计算、显存和通信，区分总参数与活跃参数。

解题切入：router对token表示产生专家打分，选TopK专家，把token路由到它们的FFN，再按选中权重合成结果。专家是可学习子网络，不默认“一人数学一人代码”等人工分类。

Amazon Metrics Monitoring

Amazon Metrics Monitoring：时间序列、查询和告警：设计指标采集、窗口聚合、迟到处理与告警状态，控制高基数标签。

解题切入：采集sample含metricName、labels、eventTime、value和source序号，按seriesKey分区。校验类型/标签预算，counter reset、gauge瞬时值和histogram桶不能用同一sum处理。

Amazon DB Partition拆合

Amazon DB Partition拆合：阈值、所有权与迁移状态：把“大就split、小就merge”变成可核对的键范围、状态机和并发切换合同。

解题切入：Partition包含id、keyRange、owner、generation、estimatedBytes和state；Planner只提出split/merge计划，Executor负责迁移与最终owner切换，不把同步if语句当可用的在线系统。

Amazon 字符串关键词判断

Amazon 字符串关键词判断：Set、Trie与查询成本：区分给定子串的成员查询和枚举全部匹配，选择对应索引并计算字符串成本。

解题切入：少量单查询直接逐词比较，成本依词数量和比较字符；大量查询可预建set，平均查找探测接近常数，但计算子串hash仍要读字符，不能写整体O(1)。

Amazon 树的序列化

Amazon 树的序列化：空指针标记与严格解码：用前序token保存树形，迭代解码避免深链递归溢出并拒绝残缺输入。

解题切入：序列化用stack先放root，弹节点输出值并压right再left，空节点输出None。空标记使左右缺失位置保留；只输出前序值不能唯一重建一般树。

Amazon 重要决定

Amazon 重要决定：依据、替代方案与实际结果：用真实决策讲清为什么这么选、哪些信息未知，以及结果如何归因。

解题切入：界定当时选择、不可逆部分、决策期限与成功标准；重要性来自影响范围/风险，不能只说“项目很大”。

Amazon Why Principal

Amazon Why Principal：组织问题、机制与个人范围：说明为何寻求Principal职责，以及已有经验如何支持组织层面的影响。

解题切入：先说想承担的问题类型：跨团队接口、长期技术方向或平台采用，而不是只想少写代码或升职。把目标岗位公开/已讨论职责与经历对应。

Amazon 说No的经历

Amazon 说No的经历：边界、替代路径与责任：解释拒绝某个请求的依据、沟通和后续承担，避免把拒绝写成对抗。

解题切入：讲请求、对方需求及为什么当时不能直接答应：风险、资源或目标冲突需具体证据，不能用“我觉得不好”。

Amazon 收拾他人留下的问题

Amazon 收拾他人留下的问题：先恢复，再建立机制：说明接手遗留事故或混乱时怎样确定范围、恢复交付并防复发。

解题切入：说明接手时用户影响、未知信息、Owner缺口和风险，不简单说“代码很烂”。先保存证据、收敛问题范围和恢复优先级。

Amazon 与同事冲突

Amazon 与同事冲突：共同目标、证据与协作恢复：处理合作中的分歧，讲清沟通和决定后的行动，不把解决等同于赢争论。

解题切入：先说明共同目标和冲突维度，分别呈现双方合理关切；引用实际反馈而非“他就是不懂”。

Amazon 日常使用GenAI

Amazon 日常使用GenAI：使用边界与错误交叉核验：解释AI在本人工作中的用途、验证方法和错误处理，不用工具名称代替能力。

解题切入：按具体任务讲输入、期望产物和使用方式：理解代码、提出测试、比较方案或草拟文档。解释为何这一任务适合工具，以及哪些决策需本人掌握。

Amazon Web Crawler

Amazon Web Crawler：Frontier、主机限速与重试：把URL发现、抓取和索引分开，保证去重与每主机礼貌调度。

解题切入：Frontier保存canonicalURL、priority、nextEligibleAt及attempt，按host分桶并带全局资源预算。发现链接先过滤scheme/范围、规范化，再原子去重入队，避免循环链接无限增长。

Amazon 选课OOD

Amazon 选课OOD：名额、先修与候补状态：设计学生报名、容量预占、退课及候补递补，处理最后一个名额的竞争。

解题切入：Course定义目录，Offering定义学期、教师、时段与capacity；Enrollment以(studentId,offeringId)唯一，状态enrolled/waitlisted/dropped。重复报名重试返回同一结果。

Amazon 自我介绍

Amazon 自我介绍：职责、项目证据与下一轮连接：用简洁介绍说明本人实际经验，保留可追问的技术决策和岗位匹配。

解题切入：先一句当前角色和主要问题域，再挑最相关一至两个项目。每个说问题、本人责任和可验证结果，避免列全部技术名词。

Amazon 超出用户预期

Amazon 超出用户预期：需求、质量与真实收益：说明提供优于用户预期的服务时，怎样确认需求并验证结果。

解题切入：先说用户原始期待与背景，明确你如何获知而非替用户猜。超出预期要与用户目标有关，不是无请求地增加功能。

Amazon 两区域分配

Amazon 两区域分配：强制配对、先手与贪心证明：用小规模Minimax区分自己最大收益与合作挑最大，明确先手和配对规则。

解题切入：状态(mask,forced)表示已取集合和下一步是否必须取partner；回合由已取数量奇偶及先手决定。自由步选任一剩piece；配对端点设置下一步forced，该强制步结束后恢复自由。

Amazon Trie前缀查询

Amazon Trie前缀查询：完整词与子树结果：维护词典并按前缀返回候选，区分词结束标记、空前缀和输出排序成本。

解题切入：每字符沿child map下降，词尾用None键标记，避免用#与合法字符冲突。contains必须既找到节点又有terminal，前缀存在不代表完整词。

Amazon 树的纵向浏览

Amazon 树的纵向浏览：列坐标、层序与同位置顺序：按列从左到右输出树节点，先对齐同列同行的排序合同再选择BFS。

解题切入：队列保存(node,column)，取节点时写columns[column]，然后左孩子列−1、右孩子列+1。BFS保证浅层先出队，同层左到右扩展使本练习tie稳定。

Amazon 购物车OOD

Amazon 购物车OOD：行项目、版本与Checkout报价：把购物车编辑、价格报价和下单分开，处理多设备修改与价格变化。

解题切入：Cart有ownerId/version，CartLine有lineId/productVariantId/quantity，价格展示来自报价快照。产品下架后保留不可购买状态让用户知道，不直接静默删行。