Meta MLE VO 实战：ML Design 从只讲模型到扛住追问
MLE 候选人 4 周准备 Meta VO：ML System Design 从「只讲模型架构」到 5 层完整框架，含痛点诊断、数据闭环 / 上线约束 / 监控回滚 / A/B 测试 / 业务目标的答题结构，附可直接套用的 5 分钟回答骨架与训练计划。
阅读全文Meta Interview Guide
Meta 面试辅助：SWE / MLE / DE 常见轮次准备
面向 Meta SWE、MLE、DE 候选人的面试准备攻略，覆盖 coding、behavioral、system design、ML design 和项目深挖。
Question Study
Meta 题目专题
基于 225 篇来源 URL 去重面经，整理 221 道代表练习题与重点题解题路线。
Related Articles
Meta 相关文章
继续查看这个公司的岗位拆解、题型复盘和专项准备文章，按自己的轮次选择阅读。
Meta DE 面试：SQL、Data Modeling 和 Pipeline 怎么准备
面向 Meta Data Engineer 候选人的深度准备指南，覆盖 SQL 业务口径、数据建模、事件流、迟到数据、回填、数据质量和项目深挖。
阅读全文Meta SWE VO：Coding 和 Behavioral 怎么准备
Meta SWE VO 面试准备指南，涵盖 Coding 轮（Top K、Bloom Filter、图遍历）和 Behavioral 轮（STAR 框架、冲突解决、项目深挖）的核心策略。
阅读全文Meta Software Engineer 面试题目合集：高频题、考点与准备路线
Meta Software Engineer 面试题目合集：覆盖 VO 四轮面经（2 道 Coding、1 道 BQ、1 道 System Design），附 Bloom Filter、Top K 等 Meta 经典高频题详解、BQ 答题框架、评分标准和失分复盘。
阅读全文Meta Machine Learning Engineer 面试题目合集：高频题、考点与准备路线
Meta Machine Learning Engineer 面试题目合集：覆盖 Behavioral Questions、Coding Questions、System Design，附高频考点分析。
阅读全文Meta Data Engineer 面试题目合集：高频题、考点与准备路线
Meta Data Engineer 面试题目合集：覆盖 Behavioral Questions、Coding Questions、System Design，附高频考点分析。
阅读全文Question Radar
Meta 高频必考题型
先看题型方向，再用下面的代表题目判断自己是否真的会拆题、会解释、会处理 follow-up。
AI-enabled coding：maze、solver、读代码修 bug、最大 unique characters 子集。
工程型 coding：versioned in-memory storage、sparse vector、LRU、interval/tree/graph 高频题。
系统设计：gaming leaderboard、内容/评论流、photo upload library、i18n/localization。
MLE / AI：ads ranking、harmful content detection、推荐系统、feature freshness 和 rollback。
Company Signals
Meta 近期面试信号
从本地面经汇总里抽取高频信号，帮助你先判断该补 coding、设计、项目还是表达。
Coding 仍然重视沟通闭环、边界测试和 follow-up 处理。
E5+ 更看重系统取舍、跨团队影响力和复杂项目 ownership。
MLE 方向常围绕 ranking、content safety、recommendation 和 AI coding 展开。
Sample Questions
Meta 代表题目清单
这些不是让你背答案，而是把公司常见考法翻译成可练习的具体题目和 follow-up 场景。
实现带 key/field 的内存数据库：set/get、条件更新与删除、scan、TTL，再支持按时间戳查询历史值。
Meta AI 迷宫题：修复打印、BFS 与带钥匙的单向门：从路径显示与重复遍历修复开始，解释单向地形、钥匙状态、前驱重建和最短路径的正确性。
Meta 游戏排行榜：全局、好友、本人排名与滚动分页：设计全局前十、好友榜、本人周围排名和滚动分页，解释精确排名、有序索引、热点与一致性取舍。
Meta 武器交易广告检测：图文证据、销售意图与分层审核：把武器识别与交易意图区分开，设计标签、候选召回、多模态精排、阈值、人工复核和新型物体评估。
Meta DE 私密账号题：关注请求、活跃行为去重与双跳推荐：建立私密账号与关注请求数据模型，解释不同动作的活跃口径、重复事件、互相关注及双跳好友候选。
从一组单词中选出若干个，使选中单词之间及各单词内部没有重复字符，并最大化不同字符数；先解释回溯，再尝试位掩码状态压缩与迭代求解。
Meta 往返机票最低价：严格日期与索引并列规则：给出去程与返程每日价格，要求返程严格晚于出发，在线性时间找最低总价并返回日期下标。
Meta 固定窗口平均值：滚动总和与流式处理：给定窗口大小k，输出每一个连续窗口的平均值，避免每个窗口重新求和。
Meta 滑动中位数：有序窗口基线到双堆延迟删除：输出每个固定窗口的中位数，核对偶数窗口、重复值删除与实际数据结构复杂度。
Meta 合并两组有序区间：线性归并与闭区间边界：两组按起点排序的区间可能各自重叠，输出其并集的互不重叠区间。
Meta 三组有序数组去重归并：指针同步推进：合并三组有序数组并删除重复值，在线性时间得到有序结果。
Meta 非负连续子数组存在性：零值与非空窗口：判断是否存在非空连续子数组，其和等于目标；利用非负约束做到线性时间常数辅助空间。
Meta 连续子数组和计数：前缀频次与负数：统计和等于target的所有非空连续片段，解释初始前缀、计数顺序与重复前缀。
Meta 恰好n种字符的最短子串：收缩到失去可行性：返回恰好包含n种不同字符的最短连续子串，说明恰好与至少的区别及并列规则。
Meta 极差至少k的最短子数组：双单调队列：求最短非空连续片段，使最大值减最小值至少k；核对它与极差至多k的最长窗口题的不同收缩逻辑。
Meta 指定值T的近邻重复：严格小于窗口大小：只判断值T是否在两个相距严格小于K的位置重复，避免把其他重复值或等于K的距离算进去。
Meta 按值区间求和：单次扫描到多查询索引：在未排序数组中累加所有值位于闭区间[S,E]的元素，说明它与按下标区间求和的区别。
Meta 年龄好友请求变体：包含阈值与百岁规则：按明确的年龄阈值计算有向好友请求数量，保留与常见标准题不同的等号和百岁限制。
Meta 刷题平台设计：判题沙箱、竞赛排名与已解题榜：设计代码提交、隔离判题、竞赛榜和累计已解题数榜，并分析存储、热点与结果一致性。
Meta 线上拍卖设计：出价顺序、截止时刻与实时推送：设计拍卖创建、竞价、关闭与支付，解释最高价原子更新、事件顺序和推送连接。
Meta 直播评论设计：写入顺序、热点房间与断线补发：设计大规模直播评论、点赞与实时分发，说明SSE、消息序列、扇出合并和断线恢复。
Meta 帖子与状态搜索：AND/OR、倒排索引与实时删除：支持用户文本状态的布尔搜索，分析有序posting交并集、索引更新、分片和权限。
Meta 票务系统设计：五分钟保留、支付迟到与总量票：设计指定座位和generic admission两种库存，解释五分钟hold、支付慢或失败与避免超卖。
Meta 分布式KV设计：分片、复制、读写一致性与故障恢复：设计持久键值服务，明确强一致或最终一致合同、热点键、版本冲突与扩容。
Meta 四十线程内存缓存：线性化操作与淘汰锁：设计支持四十线程的内存KV缓存，解释锁分片、LRU更新、TTL与容量精确度。
Meta 任务调度与过期清理：租约、取消和后台线程：设计可并发访问的任务调度服务，区分执行租约与过期时间，并防止清理线程误删新任务。
Meta 商品价格追踪：抓取调度、历史去重与告警：设计价格历史与降价通知，解释商品标识、抓取频率、重试、变更判定和故障恢复。
Meta 公司新闻聚合：RSS抓取、去重与最新Top X：从RSS获取多家公司新闻，提供指定公司最新X条，并处理重复、修订与抓取延迟。
Meta 加权随机抽样：前缀二分到Alias常数查询：按城市人口或给定权重随机选择下标，比较百万次调用时的预处理与查询成本。
Meta 最大元素下标随机选择：水塘抽样与均匀性证明：数组最大值可能出现多次，以相同概率返回其中一个位置，使用常数辅助空间。
Meta 数字串目标表达式：拼接、加减与开头负号：在数字串间插入加减号或直接拼接，列出等于target的所有表达式，并处理可选开头负号。
Meta 十进制字符串相加：整数溢出、小数对齐与规范输出：不用整串int或float转换，对任意长度非负十进制文本求和，删除多余整数前零与小数尾零。
Meta Unix cd与路径简化：相对路径、根边界和字面点号：给定cwd和目标路径返回词法规范绝对路径，处理重复斜杠、.、..及普通的多点文件名。
Meta Toeplitz矩阵：相邻对角检查与流式行：判断每条左上到右下对角线上元素是否相同，解释邻接充分性与按行读取。
Meta 从左首非零数消减：停止条件与终止证明：反复取最左非零值作为pivot，只向右消减连续不小于pivot的元素，累计每轮pivot。
Meta 奇偶交替子数组：以右端点计数：统计相邻元素奇偶性不同的全部连续子数组，单元素也算合法。
Meta 滑板车旅程：最近右侧设备与实际骑行距离：从0走向target，找到最近未经过的右侧滑板车，骑最多10距离，累计骑行而非总路程。
Meta 网格最大表达式：固定方向与合法终点：从任意数字格开始，只直向右或向下读取交替数字和加减号，返回合法表达式最大值。
Meta 动态两数组和：更新secondary与统计下标对：secondary可单点赋值，查询primary[i]+secondary[j]==target的下标对数量，并保留重复值贡献。
Meta 矩阵连续变换：行列交换、反转与矩形旋转：按顺序执行行列交换、行列反转和顺时针旋转，核对当前维度与输入保留。
Meta AI 纸牌题：三张十五点、策略评估与可见信息：从合法抽牌修复到局部三数和策略，再对照已知牌序的全局最优搜索，解释为何不能保证每局满分。
Meta LLM 评论建议：三候选、五十语言与成本预算：用户进入评论框时生成三条相关建议，在现有特征库、LLM网关、翻译、排名和限流组件上优化接受率、延迟与token成本。
Meta UXR 用户只用一次：研究假设、招募与改进验证：面对非Meta应用一次性用户增加，建立可验证假设，选择定性研究方法并把发现转成可测试改进。
Meta 一维消消乐：相邻重复段与连锁消除：不断删除相邻重复字符段，直到不能再消除，明确消除次序、大小写与栈的不变量。
Meta 自定义字符排序：计数、重复与未指定字符：按给定字符优先序重排字符串，保留每个字符的出现次数，并明确未列字符顺序。
Meta 循环移位字符串分组：模二十六归一化：把所有字符可经同一循环位移转换的字符串归为一组，处理跨z/a边界、单字符和空串。
Meta 保序列表差集：筛掉第二列表元素：返回只在第一列表且不在第二列表的元素，保持第一列表顺序与重复次数。
Meta 严格递增子序列：tails二分与见证路径：求不要求连续的最长严格递增子序列长度，用二分维护不同长度的最小结尾。
Meta 允许一次下降的最长连续片段：断点边界：寻找最长连续子数组，其中至多一对相邻元素发生下降，明确相等是否算break。
Meta 带parent指针的LCA：常数空间相遇：给两个有父节点指针的树节点，找最近公共祖先，使用对象身份比较且不保存祖先集合。
Meta 普通二叉树LCA：后序标记与缺失目标：给根与两个目标节点，找最近公共祖先，并在目标不属于树时返回不存在。
Meta 树直径：边数、节点数与N叉两条最高分支：找树中任意两节点之间最长简单路径，解释后序高度、无需全局变量与N叉扩展。
Meta 二叉树最大路径和：可延伸收益与两侧候选：在任意起终点的非空简单路径上求最大节点值和，处理负数与不经过根的答案。
Meta BST所有节点平均值：空树与精确算术：遍历所有节点求平均，不把叶节点平均、层平均或BST范围查询混在一起。
Meta 全部根到叶路径和：累积状态与输出顺序：返回每条root-to-leaf路径的数值和，区别于目标和判定和任意路径最大和。
Meta 树路径拼数字求和：十进制累积与深链：把每条根到叶节点数字拼成一个十进制数，再求所有路径数总和。
Meta 二叉树中序迭代器：延迟输出与摊还常数next：按左、根、右逐个输出节点值，不一次性复制全树，并解释hasNext和耗尽行为。
Meta 二叉树侧视图：左右边界与逆序变体：按每层最左或最右节点求侧视图，保留两侧结果并在需要时明确反向输出。
Meta 岛屿大小查询API：预处理到常数查询：建立isSizeExist(size)接口，回答静态矩阵里是否存在面积恰好等于给定size的岛。
Meta 广告精排：标签、校准与预算约束：设计广告排序，解释特征、模型结构、概率校准和线上收入与用户体验取舍。
Meta News Feed 排序：新鲜度、质量与反馈循环：设计好友内容流的ML排序，兼顾互动、内容质量和用户长期价值，分析标签与拉取线程追问。
Meta 短视频推荐：观看时长偏差、探索与实时兴趣：构建Reels式短视频推荐，区分完成率、有效观看和长视频天然时长偏差。
Meta Marketplace 推荐：买卖双方、库存与本地供需：推荐市场商品，兼顾买家需求、卖家曝光、公平机会和商品实时可用性。
Meta 餐馆推荐MVP：距离、营业与偏好学习：优化一个简单餐馆推荐系统，从可解释规则基线到用户偏好与实时餐馆状态。
Meta 活动推荐：报名、真实到场与参与黏着度：设计提高活动参与的系统，区分线上注册与线下到场，用带置信度的证据构造标签。
Meta 评论排序：对话结构、质量与负反馈：为帖子评论排序，利用线程上下文、相关性和对话质量，区别于主帖News Feed排序。
Meta 地点推荐从零构建：候选数据与冷启动：没有成熟行为数据时构建地点推荐，解释地点信息来源、去重、位置约束与初期反馈采集。
Meta 图片版权风险识别：局部匹配、恶意文字与权利证据：检测上传图与受保护素材的相似关系，处理九宫格局部、翻拍与对抗文字，区分技术匹配和最终判定。
Meta 智能眼镜相册问答：自然语言检索与两分钟回忆视频：从个人照片/视频中按自然语言寻找片段，生成两分钟回忆视频，解释检索、时间线和隐私。
Meta LLM 客服Agent：检索、工具授权与人工升级：构建客户支持Agent，区分答案检索、账户查询、退款动作和升级人工，说明安全执行与评估。
Meta 有害文本分类：标签边界、微调与阈值评估：给文本数据集训练有害内容模型，解释切分、baseline、类别不平衡、上下文与上线阈值。
Meta AI 项目内容审核模块：提示、遮罩与服务端状态：在发帖前端与Node后端工程中增加违规内容检测和提示/星号遮罩，兼顾状态、绕过与误报处理。
Meta 手写Self-Attention：形状、稳定Softmax与因果遮罩：从输入投影到QK缩放、遮罩、逐行归一化和加权V，给出可运行实现及对PyTorch的独立核对。
Meta 稀疏矩阵相乘：非零连接、形状与抵消：用稀疏行字典表示矩阵，沿左矩阵非零中间索引连接右矩阵对应行，跳过无用零乘。
Meta 最自豪的项目：为什么值得与个人影响：选择最近的真实项目，回答为何自豪、本人改变了什么及结果如何验证。
Meta 项目深挖：模型、数据、训练与工程范围：解释近期项目从目标到技术实现，能回答模型、数据、训练过程、结果和系统规模。
Meta 最难技术挑战：机制、取舍与验证：讲一个真实技术难点，说明为什么难、探索哪些解法以及如何验证最终选择。
Meta 模糊项目：信息不全时如何启动：在目标或要求不清时推进项目，解释澄清、假设、最小试验与决策边界。
Meta 项目中途变方向：重新定界与迁移成本：项目做到一半目标或范围改变时，如何评估已投入工作、重排计划并稳定协作。
Meta 失败与挫折：承担责任和修复机制：讲一个失败或未达目标的项目，解释本人判断、影响、补救与复发防线。
Meta 同事冲突：事实、选项与解决后关系：描述与同事意见冲突，解释协作决策和解决后对方反应的证据。
Meta 与经理或领导不同意：坚持、服从与风险升级：讲不同意领导决定的经历，说明证据、决策权及最终执行，不以谁赢作唯一结果。
Meta 难相处同事：协作方式和边界调整：面对困难工作关系，如何保持任务推进、理解约束并改善合作。
Meta 收到关键反馈：理解、行为改变与追踪：解释经理或同事的constructive/critical feedback，展示具体行动和后续证据。
Meta 给他人建设性反馈：行为证据与支持：说明如何给同事或成员反馈，关注可观察行为、影响和可采取的改进。
Meta 没赶上期限：预警、取舍与恢复计划：讲无法按时交付的经历，解释何时发现、怎样沟通与如何保护业务目标。
Meta 调整优先级：比较价值、依赖与机会成本：面对多个冲突任务或需要改变priority，说明排序依据、沟通与停止旧工作。
Meta 跨职能项目：共同目标、接口与影响力：讲与其他团队或职能协作的项目，证明如何对齐需求、解决依赖并推动结果。
Meta 与PM协作：问题定义、技术取舍和反馈：说明与产品经理合作的经历，连接用户目标、可行性与迭代验证。
Meta 导师经历：从解题帮助到独立Ownership：解释如何帮助工程师成长，并将junior指导与senior向更大范围发展的目标分开。
Meta 实习Role Model：具体品质与模仿实践：描述实习中佩服的同事，说明观察到的行为及自己如何学习。
Meta 成长领域与新知识：计划、实践和反馈：回答正在学什么、哪里可以改进及未来发展方向，避免伪缺点或空泛学习清单。
Meta 技术方向与Roadmap：组织问题到可验证路径：描述主导技术方向或新initiative，解释长期收益、跨团队取舍和工程速度。
Meta 成员表现不足：诊断、支持与明确期望：讲直属成员underperforming的经历，区分能力、动力、目标和环境问题。
Meta 招聘决策：团队能力缺口与评价依据：按团队需求决定新成员画像，解释一致评价、取舍与入职成功标准。
Meta 团队产出下降：系统诊断与直接行动：发现团队performance下降时，如何用交付、质量、依赖与负担证据定位并改善。
Meta 团队健康与流失风险：早期信号和机制：发现团队士气、健康或attrition问题时，如何了解原因、采取行动并验证变化。
Meta 为什么选择Meta：岗位问题与自身证据：回答Why Meta，将兴趣落到目标团队的问题与自己可验证的贡献。
Meta 文化差异：具体工作方式与适应：比较工作环境差异，谈决策、反馈和协作方式，不将个人经历概括为整家公司定论。
Meta 最不喜欢的工作：原因、行动和承担：谈此前工作中不喜欢的部分，保留职业表达并说明尝试过的改变。
Meta 工作中最好的一天：价值与共同成果：用一天的具体经历说明什么样的工作结果让自己获得成就感。
Meta 工作中最糟的一天：压力下的行动：描述困难一天，重点是如何处理影响、求助、沟通和事后恢复。
Meta Quack排序：随机两端弹出与重复段判向：Quack每次随机弹出当前最小或最大值，利用下一个不同值判定上一段来自哪端，线性恢复有序结果。
Meta 静态应用国际化：翻译Key、语言回退与版本：为静态应用设计多语言内容交付，兼顾消息键、复数格式、语言回退和缓存版本。
Meta Android照片上传库：持久队列、分片与取消：设计可供宿主应用调用的照片上传SDK，明确生命周期、离线重试、断点续传和事件回调。
Meta 相册自动壁纸：触发语义、预取与系统限制：从授权Facebook相册选图，在设备交互事件下更新壁纸，分离同步、选图与本地应用。
Meta Quest遥测API：结构化事件、离线批次与开销：设计设备端log/telemetry接口，解释业务调用、schema、离线缓存、上传和采样。
Meta 好友棋局：权威状态、对手落子前悔棋与排行：设计好友对战、走棋与允许窗口内undo，核对悔棋和对手新落子的并发竞争。
Meta 订餐配送设计：订单、支付、商家与骑手状态：设计餐食下单与配送链路，拆分订单确认、支付、配餐、派单与追踪的可靠性。
Meta 云文件存储：配额、用户合并与备份恢复：实现全局文件名、前缀TopN、用户容量、合并以及用户文件快照，维护空间与归属不变量。
Meta 云文件压缩：复制、容量收缩与可逆重命名：实现前缀加后缀检索、复制文件、按大小淘汰以及压缩解压，保证失败不改变状态。
Meta 数据库Checkpoint：恢复剩余TTL与前缀查询：实现两级键值、过期字段、检查点和恢复，区分字段前缀与值前缀，避免恢复后立即失效。
Meta 内存KV版本回滚：快照不可变与新分支：实现保存版本与回滚当前状态，明确回滚后写入、旧版本保留和版本ID分配。
Meta 银行待接受转账：Activity、到期退款与幂等：实现创建、存取、交易活跃度排名与限时接受转账，保证冻结资金只结算或退回一次。
Meta 定时转账与合并：预留资金、取消和支出排名：设计定时到账、截止前取消、账户合并与TopSpending，明确待执行记录的身份迁移。
Meta Messenger：消息确认、多设备与离线投递：从产品语义设计聊天，先区分发送、送达与已读，再确定消息存储和重连同步。
Meta Instagram：媒体发布、关注Feed与权限变更：设计照片发布与关注流，将上传完成、帖子可见性、Feed分发和私密账户权限分开。
Meta Trending Hashtags：窗口计数、增长与反作弊：设计趋势标签榜，明确总量与增长趋势的差异，处理迟到事件、删帖和刷量。
Meta Netflix视频播放：转码、CDN与播放会话：设计点播视频服务，拆分媒体制作、播放授权、清晰度切换和观看进度。
Meta Web Crawler：抓取Frontier、主机限速与去重：设计可恢复网页抓取系统，区分URL去重、内容去重、调度公平性与网页变化。
Meta 配置服务：版本发布、最后可用值与缓存一致性：给多服务提供配置，明确发布原子性、环境隔离、动态更新与客户端缓存。
Meta 个人音乐TopK：评分口径、预计算与首次读取：设计用户音乐品味榜，区分统计最常听与推荐未来偏好，处理首次读取。
Meta 半径内商铺：空间索引、精确距离与分页：给定坐标和半径查找全部商铺，使用空间候选索引与精确距离过滤，处理跨界和更新。
Meta WhatsApp Status：到期、受众与搜索权限：设计限时状态发布、观看与搜索，将权限与到期检查放到读时，避免搜索索引泄漏。
Meta 广告点击聚合：1亿请求/秒、去重与仪表盘：从每秒1亿点击请求的显式规模出发，估算网络与持久日志，设计可重放、可修正的广告统计链路。
Meta 最多删K字符成回文：双指针分支与区间DP：将最多删1个、2个和K个字符合并为同题变体，说明固定小K与一般K的复杂度区别。
Meta 最长回文子序列：区间DP与一行空间：返回可跳过字符的最长回文长度，解释相等两端递推和滚动数组依赖。
Meta 最长回文子串：奇偶中心扩展与Tie规则：找连续回文子串，通过奇偶两类中心覆盖所有候选，并明确并列选择。
Meta 手写LRU Cache：双链表、更新与零容量：用哈希表和双向链表实现get/put，维护最近使用次序和容量边界。
Meta 第K大：0/1起始排名与三路Quickselect：核对第K大和索引K的区别，用三路随机选择处理重复值，并证明期望复杂度。
Meta Random链表深拷贝：三轮交织与恢复原链：复制next和random指针，使用原节点相邻的副本作为映射，完成后还原输入。
Meta Clone Graph：身份映射、环与重边：复制起点可达图，保留自环、邻接顺序和重复边，避免相同值节点被合并。
Meta Valid Number：小数与指数的明确语法：按ASCII十进制语法解析有效数字，分别验证尾数、符号、小数点和整数指数。
Meta 最少删除无效括号：原地两遍与空间口径：保留普通文字，只删除最少数量的圆括号，并实现可变字符数组上的常数辅助空间。
Meta 最少补括号：无法匹配的闭括号与剩余开括号：求插入单个圆括号的最少次数，区别于删除和特殊双闭括号规则。
Meta 括号最大深度：前缀峰值与非法输入：计算混合文本中的圆括号嵌套深度，同时核对输入是否完整匹配。
Meta 三类括号匹配：栈顶类型与非括号字符：验证圆、方、花括号嵌套，保留顺序约束并说明混合文字的处理。
Meta 向量点积：稀疏索引、排序双指针与RLE：将稀疏向量重复调用和连续重复值压缩归为输入表示变体，避免展开巨大向量。
Meta K个最近点：平方距离、最大堆与并列次序：返回离原点最近的K个二维点，用大小K的最大堆保留候选，并计输出排序成本。
Meta 最少箭射气球：闭区间端点贪心：对闭区间气球选择最少射击位置，使用最早结束点覆盖，并处理相接端点。
Meta Word Ladder：单字符变化、BFS与桶扫描：求字典内逐步替换一个字符的最短词链，构造通配桶避免每次比较全部单词。
Meta 整数转英文：三位分组、零段与格式：将整数转英文词组，分离百位组和千/百万/十亿尺度，处理空组与空格。
Meta Permutation in String：定长窗口与差异计数：判断文本中是否包含pattern的任意排列，维护字符重数和不匹配键数量。
Meta 最多区间重叠的位置：闭端点事件顺序：返回覆盖区间数最多的坐标，用扫描线处理同坐标起止，明确并列和闭区间边界。
Meta BST最接近目标：单路下降与并列值：利用二叉搜索树次序寻找最接近target的值，并说明树高与有效BST前提。
Meta 后序求树最大值：返回子问题、不用全局状态：在限定Postorder与禁止共享状态的条件下，让每个递归返回其子树最大值。
Meta 树的最长递增路径：子值更大并返回整条路径：找任意节点开始的向下严格递增路径，用后序长度和后继指针避免反复复制路径。
Meta 判断完全二叉树：层序第一个空位之后：核对最后一层从左填满的定义，用BFS空位标记验证，而非高度或满树判断。
Meta 树的垂直列序：BFS、列坐标与同位置顺序：按左到右列、上到下行输出二叉树，用BFS保留同坐标的左右遍历次序。
Meta 租车预订去冲突：按输入顺序接受或拒绝：逐条判断预订与已接受日期是否重叠，避免排序改变先到先接受政策。
Meta Carpool容量：上下车事件与同站交接：将每段乘客区间转为位置差分，扫描验证全程人数不超过容量。
Meta 租车库存SQL：某日结束时租出比例：按城市和车型算已租车辆/库存，明确车辆粒度、租赁区间与重复事实去重。
Meta 司机动作配送时长：分司机时钟与多订单：根据travel/pickup/dropoff动作和地点行驶时间，计算每个订单从取餐到交付的耗时。
Meta 租车新店选址：需求、供给与增量利润：用可获得数据评估新租车门店，区分市场需求、车队约束和对旧门店的蚕食。
Meta 管理层Dashboard：决策问题、指标合同与验证：为租车业务领导层设计仪表盘，从决策频率倒推指标粒度与数据更新。
Meta 租车数据模型：预约、实际租赁与车辆快照：设计租赁服务实体关系与事实粒度，处理跨店还车、车型和车辆状态变化。
Meta 餐厅用户忠诚度：复购、留存与真实增量：设计提高餐厅顾客忠诚度的分析和实验，区别订单量、参与度和长期留存。
Meta 餐厅上线后收入下降：分母、渠道与因果分析：分析新产品上线后的餐厅收入或平均收入下降，先验证指标再分解订单、客单价与构成。
Meta 餐厅SQL：Pickup/Delivery比与Pickup占比：按餐厅统计完成订单，明确比值、占比、零分母和无订单餐厅。
Meta 餐厅类型Top3 SQL：全体收入分母与Tie：按类型聚合净收入，取前三类型并算相对所有类型的收入占比。
Meta 观看时长SQL：Session粒度、用户与类型：汇总用户某日各类型观看时长，区分累积播放点、时长增量与多标签连接。
Meta 观看累计SQL：Full Outer Join与可重复重算：合并昨日累计与今日观看，保留只在一侧出现的用户，并处理快照重跑。
Meta 餐厅订单模型：菜品明细与季节菜单版本：建立订单、菜品、菜单和司机事实关系，保留成交时价格与季节菜单。
Meta Reels对Newsfeed的影响：增量、替代与质量：评估短视频对Feed的影响，区分新增价值与原有内容消费的替代。
Meta Feed数据建模：多媒体内容、互动与DM分享：建模用户、内容和交互，支持文字图片视频以及一条内容分享到私聊。
Meta Instagram DAU下降10%：测量、分解与验证：结构化调查日活下降，先确认口径，再区分技术、产品与外部因素。
Meta 预测下月流失：时间切分、标签与可行动性：定义流失标签并构建无未来泄漏的预测模型，把离线效果与干预收益分开。
Meta 广告排名A/B：收入与用户体验决策：设计新广告排序实验，在收入、体验和广告主价值之间建立预先决策规则。
Meta 小生意投广告：目标、转化测量与试验：回答准备投放广告的下一步，从业务目标和测量开始，再讨论素材、受众与可控测试。
Meta Pow：快速幂、负指数与数值边界：通过指数二进制分解加速乘方，处理负指数、零底数和固定宽度取反。
Meta 整数转Hex：负数补码与四位分组：把有符号32位整数转小写十六进制，负数按补码位模式输出。
Meta Next/Previous Permutation：枢轴、后缀与重复值：原地求字典序相邻排列，无下一项时按明确政策回绕，并合并前一排列变体。
Meta 合并两排序数组：从尾写入与容量合同：将第二数组归并到第一数组预留空间，避免覆盖第一数组尚未读取的元素。
Meta 3Sum：排序双指针与两层去重：返回三个不同位置相加为零的唯一值三元组，保留重复数的可用次数但去重输出。
Meta Binary Tree Paths：进入/退出事件与输出成本：返回所有根到叶的路径字符串，使用共享当前路径和迭代回溯避免每节点复制。
Meta 最多翻K个0：最长连续1的合法窗口：维护零数量不超K的最长窗口，解释每端指针只前进与非负预算。
Meta 最长区间Max−Min不超Limit：两条单调队列：求最大值减最小值不超过阈值的最长连续子数组，区别最短超阈值题。
Meta K长窗口有没有重复：频次跨2阈值：为每个固定长度K窗口判断是否有任意重复值，区分指定值T和距离追问。
Meta 二值矩阵最短路：8邻接、路径长度与前驱：在二值矩阵上求左上到右下最短路径，明确对角穿角政策并用前驱还原。
Meta 最短路必须过某格：两次BFS与可重复路径：求起点到终点且必须经过指定坐标的最短行走路线，区分walk与不能重复格的简单路径。
Meta 墙与门：多源BFS求最近门距离：从全部门同时扩散，给每个空房填写最近门距离，保留不可达与墙。
Meta 翻转一个0最大岛：分量标号与邻居去重：将已有岛预先编号，对每个0合并不同邻岛，避免同一岛重复计面积。
Meta 矩阵置零：首行首列标记与原始状态：遇原始零将整行整列归零，复用矩阵边界作标记并避免新零继续传播。
Meta 矩阵对角线输出：每条同方向而非Zigzag：按对角线分组，每条从上到下打印，明确行列坐标与反对角线定义。
Meta 照片顺序恢复：无序相邻对与链端点：从无序相邻照片对还原一条序列，识别双向等价、重复边和非链输入。
Meta 局部最小值：相邻不同的坡度二分：在相邻值不同且边界视为正无穷的合同下，返回一个严格局部最小索引。
Meta 黑盒老鼠找奶酪：逻辑坐标与物理回退：只能调用移动和当前位置检测接口，探索未知迷宫并保证失败时返回原位。
Meta 朝向机器人找目标：回退位置与方向不变量：只能前进和转向，探索未知迷宫；失败分支恢复进入位置及朝向，成功留在目标。
Meta 矩阵连续数值路径：加1有向图与重构：求4邻接且下一格恰好大1的最长路径，利用值顺序构成DAG并返回坐标链。
Meta Host BPS最高：流式CSV与指标选择：读取各host端口输入输出速率，先明确最高BPS定义，再流式聚合所有端口。
Meta 服务迁移巡检：双端口、未知结果与有界并发：探测旧123与新456端口，输出迁移状态并限制并发，区分端口事实与版本证明。
Meta 文件TopN词频：分词、并列与精确计数空间：流式读文件计算最高频单词，明确大小写、标点、Tie与大词表的外部聚合。
Meta Goat Latin：元音、词序与后缀长度：按每个单词首字母和词序转换，保留大小写并计算增长的输出成本。
Meta 上传新包但仍旧版：证据链与发布检测：单host Apache部署场景中定位“上传成功但新功能没上线”，在禁止再发布时核对运行版本与更新机制。
Meta 磁盘满导致网站故障：容量、Inode与占用释放：从服务故障定位磁盘/日志问题，区分空间与inode耗尽、已删除仍打开文件和复发机制。
Meta 单机Web挂了：逐层排查与消除单点：通过DNS、网络、监听、代理、应用和依赖逐层缩小故障，再设计恢复与韧性。
Meta 大小写数量差：ASCII与有符号结果：统计大写和小写字母数量差，明确字符分类、符号方向与非字母处理。
Meta 最高性价比：整数交叉乘与最早索引：求ratings/prices最大的商品，使用交叉乘避免浮点并列误判。
Meta 最近已发公交：严格早于当前与当日边界：寻找当天严格早于current的最近发车，返回已过分钟数，排除刚好同刻班次。
Meta 三位数各位不同：有限区间扫描与组合对照：在给定三位数闭区间统计三位互不相同，采用足够快且清楚的扫描。
Meta 只加高度成单调：单位成本贪心与方向比较：在明确只允许逐单位增加的合同下，求变升序或降序的最少增加量，区分严格与非严格。
Meta 图书馆SQL：状态良好且未归还的副本：按物理书副本统计condition good且存在未归还借阅，避免历史借阅连接重复。
Meta 图书馆Top3：终身价值与超过10份副本：筛副本数严格大于10的书，再按给定lifetime value取前三，说明指标缺失。
Meta 邀请关系SQL：会员与邀请人的预订差：自连接会员及直接邀请人，比较活跃预订副本数的最大绝对差，处理零预订。
Meta 嵌套列表Depth Sum：层级约定与迭代遍历：累加整数乘所在深度，明确根列表深度、空列表和深层输入的栈空间。
Meta Nested Iterator：惰性展开与重复HasNext：逐个返回嵌套整数，缓存下一项保证重复hasNext不消费数据，并说明摊销成本。
Meta 计算器：加乘优先级与右结合幂：解析非负整数的加法、乘法和幂，合并只含加乘的简化版本并明确语法。
Meta 函数Exclusive Time：嵌套栈与End含端点：解析单线程函数开始结束日志，扣除子调用时间，处理包含结束时刻的离散计时。
Meta TopK词频：Read-heavy缓存与Write-heavy权衡：返回频次最高的K项，讨论高频读取与高频更新下的计算、缓存和有序索引。
Meta 自我介绍：背景、职责与岗位连接：用简洁真实的经历介绍解释当前职责、主要能力和应聘方向，后续按问题展开。
Meta Why DE：数据产品、可靠性与职责证据：回答为什么选择数据工程，用实际建模、管道和数据消费经验说明角色匹配。
Meta 用数据说服：分歧、指标证据与决策改变：用真实案例说明如何以数据澄清争议，区别证明自己对和帮助团队决策。
Meta 平均评分：聚合键、Sum/Count与合并：用累计和及计数计算平均评分，明确独立观察、重复投票和空组语义。
Meta Course Schedule：入度消除与环检测：用Kahn拓扑排序判断前置课程是否可完成，纠正图遍历复杂度和边方向。
Meta 所有员工共同空闲：忙碌并集的有限空隙：合并所有人的忙碌时段并取内部空隙，说明工作时间域和无界端点。
Meta Subsets：包含/不包含扩展与输出下界：生成互异值数组的全部子集，用每个新元素扩展已有结果并包含空集。
Meta 树的边界：左边、叶子与右边逆序去重：按逆时针输出树边界，明确单边树、叶子重复和根节点处理。
Meta 单词缩写校验：双指针、数字跳过与前导零：逐段匹配字母和跳过长度，校验整词覆盖、越界及前导零。
Meta 海景房：从右扫描与从左单调栈：海在右侧时，分别用后缀最大值和单调栈返回可见建筑下标。
Meta 树的层序遍历：队列分层与固定层宽：用队列按深度组织二叉树节点，解释层边界、宽度空间和空树行为。
Meta 动态数组Append：单次最坏与摊还复杂度：用几何扩容模型解释没有预分配的append为何仍能实现总线性时间。
Depth Notes
Meta 专项深挖
把题型清单继续拆成面试官会追问的能力证据，避免只停在关键词层面。
写代码前先建立框架，而不是急着敲键盘
Meta coding 轮不只看 AC。更稳的做法是前 3 分钟明确输入输出、复杂度目标和边界，再写主解，最后主动补测试和 follow-up。遇到面试官提问先复述问题，再给出你的判断，这样即使解法不完美也能证明沟通闭环。
Senior 系统题要从 trade-off 切入
E5 以上不只是画出架构图。更有效的回答会主动对比 2-3 个方案、说明选择理由、讨论容量估算、热 key 处理和降级策略。面试官更想看到你能否在约束下做判断，而不是列出所有可能的服务。
MLE 回答要从业务目标到线上闭环
不要只讲模型名或训练细节。更好的回答先说业务目标、再定义标签和特征、解释 serving latency 和 freshness、最后说明监控和回滚。把推荐排序讲成一个端到端系统，而不是一个离线实验。
Prep Plan
建议准备路线
先定位轮次，再决定优先补题型、项目、设计还是表达。
先用 2 轮 coding mock 找出澄清、测试、复杂度和 follow-up 的扣分点。
把简历项目拆成 impact、trade-off、failure、metric 四段，准备 behavioral 深挖。
按岗位补齐 system design 或 ML design 的端到端表达。
Meta 常见目标岗位
SWEMLEDE
建议重点模拟这些轮次
Phone ScreenVO CodingSystem DesignBehavioralML Design
代面服务
Meta 代面（代面试）服务
针对 Meta 的轮次结构定制：技术轮老师现场作答、你露脸对口型，项目深挖与 BQ 提前准备到位。
Meta（脸书）面试通常 Phone Screen → VO Coding → System Design → Behavioral，E5+ 在系统取舍和跨团队影响力上压力更大。代面（对口型）技术轮老师现场作答，项目与 BQ 内容提前准备到位。
- Coding 轮：老师现场作答、你对口型。Meta 面试官重「沟通闭环 + 边界测试」，老师按澄清 → 写 → 测试 → follow-up 的节奏作答
- System Design：提前准备 2-3 个项目故事（leaderboard、内容流、photo upload 等），覆盖 trade-off 切入和跨团队影响力证据
- Behavioral：提前陪你打磨 STAR 故事（E5+ 需要复杂项目 ownership 证据），面试前备完整问答
$499/轮 起 · 多轮连面有打包价 · 建议面试前 3-5 天准备
实时辅助
Meta SWE 辅助（实时）
面试官提问后 0.5-1 秒出答案，你露脸照着念。按 Meta 的题型和节奏给话术。
Meta SWE coding 是「先写再讲」——先建立框架再动手，重点在沟通闭环、边界测试和 follow-up 处理。
- Coding：主解 + 边界用例 + follow-up 话术实时给出，你边写边读
- System Design：结构化框架（数据模型 → 瓶颈 → 取舍 → 扩展），你按框架讲
- AI-enabled coding 变体（maze、读代码修 bug 等）：给出这类题的分析路径，你按步骤写
$299/轮 起 · 建议面试前 2-3 天准备并做一次模拟
Company Comparisons
常被一起比较的公司攻略
如果你同时投递多家公司，可以用这些相邻攻略比较轮次、题型和评分重点，避免用一套准备方法硬套所有公司。
Adobe 面试辅助：SWE Coding、System Design、DS/DE 准备
面向 Adobe SWE、DS、DE、MLE 候选人的面试准备攻略，覆盖 coding、OOD、system design（Creative Cloud、内容协作）、SQL、实验设计和 Adobe values behavioral。
查看 Adobe 攻略MongoDB 面试辅助：Coding、数据库类系统设计、DS/DE 准备
面向 MongoDB SWE、MLE、DE、DS 候选人的面试准备攻略，覆盖 coding、数据库相关系统设计（复制、分片、索引、一致性）、SQL 与聚合、B2B SaaS 产品分析和 behavioral。
查看 MongoDB 攻略Netflix 面试辅助：Coding、Ads 设计与 Culture Memo
基于 36 篇 URL 去重的 Netflix 面经，梳理 SWE、Ads、Data Platform、MLE 的 coding、system design、data modeling 与 culture/behavioral 题。
查看 Netflix 攻略Oracle 面试辅助：OCI、Oracle Health 编程与系统设计准备
根据本地 Oracle 面经整理 OCI 与 Oracle Health 的数据结构、日志流处理、云监控、医疗预约 API、项目深挖和行为面；不同团队与岗位题目差异较大。
查看 Oracle 攻略Twilio 面试辅助：Coding、通信平台系统设计、DS/DE 准备
面向 Twilio SWE、MLE、DE、DS 候选人的面试准备攻略，覆盖 coding、通信平台系统设计（消息、语音、实时媒体）、SQL、实验设计和 behavioral。
查看 Twilio 攻略FAQ
Meta 面试常见问题
Meta VO 的 45 分钟 2 题节奏怎么准备？
Meta VO 每轮 Coding 面试是 45 分钟做 2 题，节奏远快于 Google/Amazon。关键是前置澄清 → 写代码 → 边界测试 → 主动 follow-up 的全流程表达。建议每周做 2-3 次限时模拟，练到能在 15 分钟内完成一道 Medium 题的完整表达。
Meta 面试最看重什么能力？
Meta 偏重 Coding 速度和系统设计的高并发/分布式能力。Coding 不是做对就行，还要能证明复杂度、处理 follow-up。System Design 面试官会追问容量估算、一致性模型、故障恢复等 trade-off。Behavioral 面考察 Meta 的 5 条 Leadership Principles。
Meta 面试需要准备多久？
建议至少提前 6-8 周开始系统准备。前 2 周重构 STAR 叙事框架，中间 3 周用 Meta '45 分钟 2 题' 节奏做模拟 VO，最后 1-2 周集中补系统设计 trade-off 分析和行为面故事打磨。
Meta 面试和 Google 面试有什么不同？
Meta 更看重 Coding 速度和系统性表达，Google 更看重证明型 Coding（证明为什么对）和算法深度。Meta VO 通常 4 轮，Google 通常 3-4 轮。Meta 的 System Design 偏重高并发场景，Google 的 System Design 偏重数据规模和算法优化。
Meta 面试辅助适合哪些岗位和轮次？
Meta 面试辅助会按岗位、level 和实际轮次制定准备计划，覆盖 SWE、MLE、DE 等常见岗位，以及 Phone Screen、VO Coding、System Design、Behavioral、ML Design 等环节。通常先用题型诊断与模拟面试定位短板，再集中训练表达、边界测试、项目深挖和关键 trade-off。
Meta 面经应该怎么看？
同学提供的面经适合用来判断 Meta 高频题型、轮次和常见挂点，但不要只背原题。更稳的做法是把面经拆成 OA / Coding / Design / Behavioral / HM 五类信号，再按目标岗位和 level 做限时训练。
Meta 代面、面试辅助多少钱？
Meta 代面（对口型）$499/轮起，多轮连面有打包价；SWE 辅助（实时）$299/轮起。最终价格按岗位、轮次和具体面试情况浮动，添加微信 interview_coach_pro 先聊 30 分钟免费咨询再报具体价格。
