Uber 面试辅助：OA、Phone Screen、VO、Design

Coding：minimum edge reversal、org chart subordinate、daily logs time window、kth non-repeated user。

OA 变体：array jump、tree palindrome path、shortest subarray with k distinct、dynamic pair count。

System Design：出行派单、实时位置、支付、行为日志平台、在线购物车和事件聚合。

实验设计：switchback、geo/time bucket、guardrail metric、ramp 和 rollback。

NG / SE I 常见 OA、phone screen 和 coding，题目经常带业务状态建模。

Senior / Staff 更看重 system design、leadership collaboration 和模糊场景推进。

MLE / Scientist 方向会追问实验设计、marketplace 干扰、guardrail metric 和 rollout。

给定有向边，求从某个 root 出发需要反转多少条边才能到达所有节点；follow-up 计算每个 root 的答案。

给 O/E/X 机器人网格和 [left,top,bottom,right] 最近障碍距离，边界也算障碍，求全部匹配的机器人坐标。

商品价格数组中，每件商品减去右侧第一个不高于它的商品价格；求逐件售价与最终总花费。

给每月股价与 k，统计所有连续 k 个月严格递增的窗口数；重叠窗口也分别计数。

给定 1..n 的排列，逐个 k 判断 1..k 是否恰好占据一个长度 k 的连续窗口；原帖样例与文字定义有冲突。

给 manager-employee 关系，查询某个经理全部跨层级下属 ID；额外讨论重复边、坏数据成环与多次查询。

实现过期 Counter 的 put、get_count、get_total_count；同一元素多次放入分别计数，查询时也要清理过期事件。

非递减价格摊位中，从指定 1-based 起点往右最多各买一件；对每个预算求最多能买的件数。

数组中从下标 0 跳 1 步或尾数为 3 的特殊步长，必须落在末格并最大化累计分数；确认特殊步长是否还须是质数。

按天给出出发价与返程价，返程日必须严格晚于出发日；求最低往返价，追问至少间隔 3 天。

正整数 n 每次可加或减任意 2 的非负整数幂，求归零所需最少操作数；允许中间值暂时变大。

给整数数组和 k，求至少包含 k 个不同整数的最短连续子数组长度；不存在返回 -1。

树的字符在节点上；对每个查询起点，统计到哪些祖先终点的路径字符可重新排列成回文。

实现单向 Follow/Unfollow、创建快照和按版本查询关注关系；原帖示例还查询活动中的当前版本。

二维矩阵不断加陆地，更新岛屿数量与当前最大岛面积；若允许删陆地，应重新确认算法。

会议预约请求逐个且可乱序到达，返回房间或会议 ID，支持取消；讨论离线最少房间与并发双订。

司机每秒百万位置更新，十秒刷新一次热力图；按最新司机状态计数并支持历史数据、过期与热点区域。

设计附近司机查询服务：高频位置更新、地理格索引、跨格边界、位置过期、可接单状态和路网距离复排。

设计 App 用户行为数据处理系统：从事件采集、清洗去重到 session/funnel 与下游模型可用特征。

设计停车场 park/unpark/checkcar 与 checkin/checkout；汽车仅普通车位，摩托可用专位或普通位。

给底层数据库查询与高层 Metric 任务的依赖，做拓扑排程；同表查询可合并，高层任务同级仍串行。

Folder System 中按文件夹 ID 输出根到节点的名字链；孤儿返回空串，原帖重复 root ID 需澄清。

从 Root directory 前序输出目录与文件，每层按深度缩进；保持给定 children 顺序。

有序正负数组平方后排序；追问第 k 大平方或最小 k 个平方，分别利用两端/零点两侧结构。

n 个单位时长任务组成依赖 DAG，允许多个任务同时执行，求全部完成的最短时间。

给 N 人二维坐标，选择 K 个 Shuttle 上车点，使每人到最近点的 Manhattan 距离总和最小。

多个服务互相依赖，合并一份或多份 dependency array 后判断整个有向图是否成环。

实现客户收入 add/referral、showRevenue 与收入高于阈值的最小 K 客户查询；原帖新客户收入示例有冲突。

两座岛之间最少翻水格，且输出一条最短桥路径；用多源 BFS 与水格前驱回溯。

设计司机 Payout，确保应付金额准确、并发不超付、外部重试不会重复支付并能对账。

输入仅由 S/M/L 组成的衣服尺码字符串，按 S<M<L 排序；比较通用排序与固定值域计数。

整数数组中找出严格高于相邻元素的数并求和；首尾只比较唯一的邻居。

Alien Dictionary 连续两问：先按已知字母序判断词表是否排序，再从已排序词表推断合法字母序，处理非法前缀与依赖环。

访问 user ID 持续到达，随时返回当前第一个仅出现一次的用户；追问第 N 个，比较有序哈希表与序数索引。

两份按起点排序的时间区间列表求交；输入放不进内存时流式归并各自重叠段，再用双指针输出交集。

设计在线购物车与商品评分服务，支持最近一小时、一天及任意时间窗最高均分商品；说明评分去重、时间桶及榜单延迟。

设计在线编程竞赛系统，重点给出比赛、题目、报名、提交、判题结果与排行榜的 schema，并处理判题重试和重判版本。

设计二叉树序列化与反序列化，再扩展到 N 叉树；自定 token 格式并验证空树、截断与孩子数量边界。

整数网格从左上角出发，按每个阈值统计只经过严格小于阈值的四邻可达格；用离线排序和最小堆复用扩张。

N 个任务给两人各有 reward，第一人必须恰好做 K 个；先假设全给第二人，再取最大的 K 个奖励差。

二值矩阵每行都是先 0 后 1，求整张矩阵最左含 1 的列；比较逐行二分与 O(m+n) 单调指针。

评估 ETA 对 session rider conversion 的影响：按 geo×time switchback 分桶，定义比值指标与聚类 95% CI，安排多档 treatment 和放量护栏。

二叉树求两片叶之间最长严格升序或降序路径，按节点到叶的两个方向 DP 在最近公共祖先拼接。

设计 Messenger 消息服务：服务器持久接收后单勾、接收方阅读后双勾；处理重试去重、会话顺序、离线补拉与 Redis 的缓存边界。

设计 Uber Eats 餐馆推荐：营业与配送硬过滤、多路召回、完成订单排序、冷启动、曝光偏差和双边市场评估。

设计 AI Chatbot 的发消息、聊天历史和推理服务：稳定 turn ID、上下文预算、流式部分输出、失败取消与重试幂等。

用真实项目说明自己的组织范围、技术决策、跨团队采纳与可核指标；区分个人推动与团队共同成果。

拿真实项目架构图逐层解释模块协作、端到端延迟、模型版本、基础设施编排、降级和自己做过的取舍。

平面上求 K 个最近点，K 远小于 N 时维护有界大顶堆；追问移动司机索引与真实路网距离精排。

设计 Uber Eats 餐厅列表的数据流：目录、营业/可接单事件、区域索引、缓存失效与下单前最终核验。

设计基于评论的司机排行榜：评分事实去重、修改/撤销修正、时间窗聚合、Top K 索引与小样本公平性。

格子逐个点亮、全亮后按点击逆序自动熄灭；用 reducer 状态机和一次一个 timeout，处理旧回调与 effect 清理。

按时间处理两名 Rider 共享乘车日志，求所有已知 Rider 最早全连通时间；主问题用并查集，block 删边规则需另问。

只给LC696编号的补充OA：标准训练版统计0/1数量相等且各自连续分组的子串，为什么相邻run贡献min？

区域乘客加价策略：供需信号、约束与反馈延迟：模型预测和实际定价决策分开，避免价格反馈造成震荡。

Uber 题目经常需要建模真实业务状态

org chart、daily logs time window、kth non-repeated user 这类题不只是数据结构。更好的做法是先明确业务状态（如用户-时间窗口-行为），再选择合适的数据结构，最后处理边界条件。面试官想看你能不能从业务需求推导出技术方案，而不是直接套模板。

出行相关系统设计要考虑实时性和可靠性

司机位置服务、派单系统不只是 API 设计。更好的回答会讨论实时性要求（位置多久更新）、热点区域处理（如市中心大量司机）、降级策略（如 GPS 不可用时用最后已知位置）和监控指标（上报延迟、位置丢失率）。面试官想看生产级思维。

Marketplace 实验要处理双边干扰

Switchback experiment 不只是 A/B test。更好的回答会解释为什么 marketplace 需要 geo/time bucket（因为双边用户互相影响）、如何定义 primary metric 和 guardrail、如何评估 ramp 效果和 rollback 条件。这是 Uber MLE/DS 面试的核心考点。

Uber 常见目标岗位

建议重点模拟这些轮次

Uber 面试流程一般有几轮？

Uber 的面试流程通常包括 OA / Phone Screen、VO / Onsite 多轮技术面、Behavioral 面和 Hiring Manager 面。具体轮次取决于岗位和 Level，建议提前了解目标岗位的标准流程并针对性准备。

Uber 最常考什么题型？

根据同学提供的面经信号，Uber 最常考的题型包括 Coding：minimum edge reversal、org chart subordinate、daily logs time window、kth non-repeated user。、OA 变体：array jump、tree palindrome path、shortest subarray with k distinct、dynamic pair count。、System Design：出行派单、实时位置、支付、行为日志平台、在线购物车和事件聚合。、实验设计：switchback、geo/time bucket、guardrail metric、ramp 和 rollback。。建议先从高频题型入手，再做项目深挖和模拟面试。

Uber 面试需要准备多久？

建议至少提前 7-14 天开始冲刺准备。如果还在投递期，可以先做题型地图和岗位定位，拿到面试邀约后集中做模拟面试和表达训练。

Uber SWE 岗位最难的是什么？

Uber 的面试以严格的 Hiring Bar 著称。最常见的失分点包括：前置澄清不充分、边界测试缺失、系统设计只背模板、项目深挖无法体现 ownership。针对性模拟可以有效降低这些风险。

Uber 面试辅助适合哪些岗位和轮次？

Uber 面试辅助会按岗位、level 和实际轮次制定准备计划，覆盖 SWE、MLE、Staff 等常见岗位，以及 OA、Phone Screen、VO Coding、System Design、Experiment、Leadership 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。

Uber 面经应该怎么看？

同学提供的面经适合用来判断 Uber 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。

Uber 代面、面试辅助、OA 代写多少钱？

Uber 代面（对口型）$499/轮起，多轮连面有打包价；SWE 辅助（实时）$299/轮起；OA 代写 $199 起，提前 1 天交付。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。