Snowflake 面试辅助：SQL、DE、Pipeline

SQL：projects > 90 days、average budget、join / date diff / group by / duplicate handling。

Pipeline：SaaS sources 到 analytics layer、schema evolution、CDC、dedup、backfill。

System：quota system、ACL checks、metric system、cloud service usage 和 low latency。

Coding：top k hot search with user dedupe、in-memory file system、recipes contiguous sequence。

Phone screen / tech screen 较常见，SWE coding 和 DE SQL / Python 都有。

数据系统题会追问 pipeline 可靠性、schema evolution、backfill 和查询成本。

Quota、ACL、hot search、metrics system 这类题会从 coding 延伸到系统设计。

返回曾参与一个已完成且持续严格超过 90 天项目的员工姓名；处理重复 assignment 和日期边界。

每项目预算在参与员工间分摊，再计算员工跨项目平均预算份额；先去重 assignment 并明确是否需要逐项目明细。

设计 SaaS sources 到 analytics mart 的 pipeline，支持 CDC、schema evolution、dedup、backfill 和质量监控。

用户 100GB 共享额度已被 Drive 用 30GB、Photo 用 20GB；高并发上传如何原子预留剩余空间并低延迟拒绝超额？

实现 top K hot search，同一用户重复搜索同一个词只计一次；滑动窗口作为额外训练追问。

给 free/pro/enterprise 客户端配置可运行时修改的 token bucket 限流；客户端缺配置时使用全局默认策略，并用可控时钟测试。

给流水线各服务吞吐、单次扩容成本和预算，最大化最小吞吐；公开样例答案与成本公式矛盾，先按规则校验。

相邻相同字符若不切段花 sameTime，每切一刀花 partitionTime；按公开规则求字符串最小额外传输时间。

等长 words 的每列可选字符来组成 target，列下标严格递增；求选择方法数并对 1e9+7 取模。

课程 DAG 中同一批全部完成才开下一批；各课有时长，求总时间并检测环，区别于即时启动的最长路径模型。

事件流 (timestamp,key) 仅保留最近 m 条，查询某时间点前不同 key 数；追问最高频 key，先定义事件时间和同时间并列。

给员工→直属经理边，输出所有最高级经理到下属的汇报森林；检测双经理和环并保持稳定顺序。

树的若干节点被标记失效，返回先序遍历；先问清失效节点的子孙是否也不可访问。

实现 addTask(taskId,priority,timestamp) 和 executeTask()；同一任务可重复加入，按优先级取出并跳过已执行任务。

把每个树节点改写为其原始子树和并输出新树；大量子树、有限线程时如何按依赖并行且避免线程池死锁？

给按时间排列的请求到达秒数，返回触发每秒最多 3 次或每 10 秒最多 20 次的丢弃时间。

先合并两条有序链表，再合并 K 条；比较双指针与小根堆，并处理空链和相同值。

每门课有开始/结束时间和学分，最多选 K 门不冲突课程，使学分总和最大。

设计简化文件存储，避免相同内容重复保存；处理哈希校验、逻辑引用、权限和删除后的垃圾回收。

设计日历多视图、创建删除和循环事件；单独改期一个 occurrence 时如何处理 API 身份、例外和前端状态。

用左右箭头移动 Kanban 任务，越界箭头隐藏，刚移动的任务追加到目标列底部；追问 10 万任务。

实现内存文件系统的 ls、mkdir、文件内容追加和读取；先确认路径格式、目录/文件冲突和缺失路径的错误约定。

虚拟仓库 K 分钟内只能选一种查询类型、可重复执行；按完整执行次数求最大收益及类型，注意整数剩余时间。

给有序食材和多条连续菜谱，判断各菜谱是否作为连续片段出现；追问 O(1) 额外空间和流式输入。

设计给另一项服务调用的 ACL 判权服务；明确主体/资源/动作、默认拒绝、策略版本、缓存与撤权时效。

设计分布式 KV，先明确一致性与可用性等非功能需求，再推导分片、复制、故障恢复与条件写。

设计支持一次性和周期任务的 Job Scheduler；处理稳定 runId、租约、重试、幂等、多租户公平和故障恢复。

设计云服务 Metrics 系统，覆盖采集、时序基数、事件时间聚合、范围查询、保留和告警抖动。

从企业 Agent 任务轨迹提取可复用 Skill：如何校验权限、用真实任务评测、版本发布，并管理 Agent Memory？

给 root 与异步发收消息接口，发现 cluster 节点数；追问返回拓扑、失败重试和重复回复时的去重与终止条件。

LC545 边界遍历的平衡完全树变体：按根、左边界非叶、叶节点、逆序右边界输出，避免重复叶子。

选一个真实最难项目，讲清目标与基线、自己的设计决策、失败修正、结果和可追问证据；适配 AI 语音及 Staff 深挖。

KV Store 追加 begin、commit、rollback，事务边界要求 O(1)；用持久化根指针处理嵌套回滚，并讨论多线程隔离。

给二叉树两个节点，用 U/L/R 表示从起点到终点的路径；找共同祖先后拼接向上与向下方向。

以标准 3×3 井字棋训练状态可达性：检查落子数、双方胜利状态与胜后即停；原帖的扩展规则待核。

回答为什么跳槽：用真实成果、下一阶段目标、岗位职责匹配和一致的时间线说明选择。

讲一次冲突或 pushback：还原双方约束、证据、替代方案、决策执行与复盘；追问给当前团队的建议。

以 Yelp 商家搜索作训练题：按位置、关键词和营业状态召回，精确地理过滤后排序并处理新鲜度与分页。

SQL 题要从 join 处理到 NULL 和重复行

不只是写出 join 和 group by。更好的回答会主动处理 NULL 值、重复 assignment、date diff 的边界（如跨月/跨年的天数计算）和窗口函数的适用场景。面试官想看你能不能写出生产可用的 SQL，而不是只过 LeetCode 级别。

Pipeline 要处理 schema evolution 和 backfill

SaaS sources 到 analytics mart 不只是 ETL 管道。更好的回答会讨论 CDC 策略（log-based vs timestamp-based）、schema evolution（新增字段怎么处理）、dedup 逻辑、backfill 时的数据一致性问题和质量监控。面试官想看平台级的 pipeline 思维。

Quota 系统要考虑低延迟和 burst

不要只说“查数据库减 1”。更好的回答会讨论低延迟检查（如 Redis 原子操作）、burst 策略（允许短时间超配额）、reset 机制（按天/月/自定义周期）和审计日志。面试官想看你能不能设计一个真实的配额系统。

Snowflake 常见目标岗位

建议重点模拟这些轮次

Snowflake DE 面试最看重什么？

Snowflake DE 面试 70% 集中在 SQL 优化、数据建模和 pipeline 设计。SQL 不只是做对题，还要能写窗口函数、CTE 重构、性能调优。数据建模考察 Star Schema、维度拆分、实时数据流（Kafka/Flink）设计。

Snowflake 面试的 SQL 题和 Google/Meta 有什么不同？

Snowflake SQL 面试偏重窗口函数、CTE 重构、性能调优和数据建模，Google/Meta 偏重算法和数据结构。Snowflake 的 SQL 题更贴近真实数据管道场景，比如'如何优化一个 10 亿行数据的聚合查询'。

Snowflake DE 面试的 pipeline 设计考察什么？

Snowflake DE 面试考察从 0 到 1 的数据管道设计能力，包括数据源接入、ETL/ELT 流程、数据质量校验、监控和告警。面试官会问'如何设计一个实时数据管道'、'如何处理数据延迟和重复'。建议重点练 pipeline 架构设计和故障恢复。

Snowflake 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 周集中练 SQL 窗口函数、CTE 重构、性能调优，中间 3 周用 dbt 实战项目补齐数据建模经验，最后 1-2 周做全真 VO 模拟重点练 pipeline 设计。

Snowflake 面试辅助适合哪些岗位和轮次？

Snowflake 面试辅助会按岗位、level 和实际轮次制定准备计划，覆盖 SWE、DE、Data Platform 等常见岗位，以及 Phone Screen、Coding、SQL、Pipeline Design、System Design、HR 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。

Snowflake 面经应该怎么看？

同学提供的面经适合用来判断 Snowflake 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。

Snowflake 代面、面试辅助多少钱？

Snowflake 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。