基本情况岗位Amazon SDE / NG轮次四轮 VO含 BQ OOD 项目深挖 数据结构设计 全场 BQ准备方式面试前先做完整 Mock再针对简历项目、Leadership Principles 和 Coding 做集中复盘结果四轮整体发挥稳定反馈不错顺利通过难度BQ 挖得极深Coding 考扩展性和追问OOD 考职责划分R1BQ OOD面向对象设计开场先问了一道和Customer Obsession强相关的行为题讲一次你发现用户真正需要的东西和最初提出的需求并不一致。你是如何发现并推动调整的这道题考的是同理心 主动性——不能只是“我按需求做了”而是“我发现需求本身有问题主动调研并推动改变”。回答时可以突出你通过什么方式发现不一致用户反馈数据分析可用性测试你如何说服团队调整方向最终结果如何。Coding 题目会议室预订系统OOD设计一个会议室预订系统需要支持创建会议室用户预订指定时间段取消预订查询某个会议室的可用时间查询用户当前的全部预订需要设计Room、User、Booking、BookingManager等类并处理时间冲突。核心思路类职责划分 数据结构选择Room包含 roomId、容量、设备类型列表、预订列表User包含 userId、姓名、当前预订列表Booking包含 bookingId、roomId、userId、开始时间、结束时间、状态BookingManager核心管理类维护MaproomId, ListBooking和MapuserId, ListBooking处理所有业务逻辑追问方向面试官连珠炮如何支持不同容量和设备类型的会议室→ 增加过滤条件查询时按容量和设备筛选如何支持候补队列→ 热门时段维护一个等待列表有人取消时自动补位如何避免重复预订→ 预订前做冲突检测同一房间同一时间段只能有一个有效预订多个请求同时预订一个会议室时如何保证一致性→ 加锁乐观锁/悲观锁或使用数据库事务单元测试应该覆盖哪些场景→ 正常预订、冲突预订、取消、边界时间、并发场景整体评价算法不难重点在于代码是否清晰以及后续增加需求时是否容易扩展。OOD 没有标准答案但需要能自圆其说并应对追问。R2项目深挖 Coding前半场主要围绕简历项目展开聊了大约二十多分钟。Amazon 的项目深挖不是走过场是真的会问到你“当时是怎么想的”。重点追问方向项目中最难定位的一次线上问题 → 讲清楚现象、排查过程日志监控链路追踪、根因、修复方案如何判断真正的性能瓶颈 → 是 CPU、内存、IO 还是网络用什么工具定位的做方案时如何平衡延迟、成本和可靠性 → 讲清楚 trade-off以及你为什么做了当前的选择你的个人贡献和团队贡献分别是什么 → 突出个人主导的部分同时体现团队协作如果重新设计一次会改哪些地方 → 展示复盘能力和成长思维Coding 题目最大平均值子数组长度至少为 k给定一个整数数组和整数 k返回长度至少为 k 的连续子数组中平均值最大的子数组结果。第一步固定长度 k 的滑动窗口标准滑动窗口维护窗口内和记录最大值O(n) 解决第二步Follow-up 1长度可以大于等于 k怎么处理不能简单滑动因为长度可变需要枚举所有长度 ≥ k 的子数组暴力 O(n²) 可能超时优化思路可以用前缀和 优化枚举或者用二分答案 前缀和判定经典平均值问题更简单的 O(n) 解法先求固定 k 的最大值再逐渐扩展右边界动态维护平均值变化注意扩展不一定增大平均值需要综合考虑第三步Follow-up 2数组中包含负数是否影响方案有负数时扩展窗口不一定会降低平均值如果新增负数但比当前平均值大反而会提升所以不能简单“只取最大长度”必须完整枚举或二分判定第四步Follow-up 3如何处理精度问题用 double 存储平均值比较时加上 epsilon如 1e-9避免浮点误差第五步Follow-up 4如果数据以流式形式不断进入怎么维护结果流式场景下不可能存储全部数据可以用滑动窗口维护最近 N 个数据并记录历史最大平均值整体评价这道题考察的是从基础方案到进阶方案的推导过程以及能否清楚解释时间和空间复杂度。面试官不是看你一次性写出最优解而是看你如何一步步优化。R3BQ 数据结构设计BQ 问题两个方向Q1讲一次你在信息不完整的情况下仍然需要快速做决定的经历。核心在“你如何在不完整信息下做判断”——依赖什么经验数据直觉做了什么假设事后如何验证如果错了如何补救Q2讲一次你发现当前方案存在长期风险并主动推动团队修改的经历。考察Ownership和Insist on the Highest Standards——不仅要发现问题还要推动解决Coding 题目任务优先级管理器设计一个系统需要支持添加任务包含 taskId 和 priority更新已有任务的优先级删除任务每次返回当前优先级最高的任务优先级相同时返回最早加入的任务核心思路HashMap 有序集合HashMaptaskId, Task存储任务详情TreeSetTask或优先队列维护排序优先级高 → 低同优先级按加入时间排序更新优先级时先删除旧节点再插入新节点删除任务时同时从 Map 和 Set 中移除取最高优先级直接取 Set 的第一个元素追问方向更新优先级后旧数据如何处理→ 从有序集合中移除旧条目插入新条目如果任务数量达到百万级如何优化→ 考虑分片、批量操作、使用更高效的数据结构如跳表查询和更新操作的复杂度分别是多少→ O(log n) 和 O(1)Map 查询是否需要保证线程安全→ 如果需要可以用ConcurrentHashMapConcurrentSkipListSet或加锁如果最高优先级任务被取出后不删除接口应该如何设计→ 增加peek()和poll()两种方法整体评价这轮比较看重数据结构选择以及能否处理无效节点、顺序稳定性和边界条件。R4全场 BQ压轴轮最后一轮基本没有 coding全程围绕 Leadership Principles 深挖。这一轮考察的是“你是不是真正的 Amazonian”。Q1讲一次你做出的决定最终被证明是错误的经历。你当时为什么这样判断之后做了什么补救考敢于承认错误和复盘改进。不要挑无关痛痒的小错误也不要选致命错误选一个“有学习价值”的。Q2描述一次你必须在速度和质量之间做取舍的经历。你最后是如何决定的考Bias for ActionInsist on High Standards之间的平衡。讲清楚判断依据和最终决策。Q3讲一次你主动发现团队流程中的问题并推动改进的经历。考Ownership。需要体现“发现问题 → 提出方案 → 推动落地 → 验证效果”完整闭环。Q4分享一次你收到比较直接的负面反馈。你是如何回应并改进的考Learn and Be CuriousEarn Trust。重点不是你做了什么而是你如何接受反馈并转化为行动。Q5讲一次你需要影响一个并不直接向你汇报的人最终推动项目落地的经历。考Earn Trust和Are Right, A Lot。核心是“你没有管理权限但通过数据和沟通说服了对方”。Amazon BQ 追问风格面试官不会只让你讲完故事就结束会持续追问“你个人具体做了什么”“为什么选这个方案没选其他方案”“最终结果如何量化”“哪一步最困难”“如果重新做一次会如何改进”所以准备时不能只背 STAR 框架还要把每个故事的背景、冲突、决策依据、个人贡献、量化结果和复盘都准备完整。整体感受与备考建议Amazon 四轮 VO 的难点不一定是题目本身而是连续四轮都要保持稳定表达。项目细节、BQ 故事和 coding 思路必须能够经得住多层追问面试官会不断抛出“如果…怎么办”来测试你的边界。如果你正在准备 Amazon 的 VO可以考虑CSVOSupport 的 VO 辅助服务面试前做完整 Mock模拟真实追问节奏针对简历项目逐条深挖提前准备好所有可能的追问点Leadership Principles逐一梳理对应故事确保每条 LP 都有 2-3 个备选案例Coding部分不仅讲解法还要练边写边讲的能力确保现场表达流畅全程跟下来面试容错率直接拉满。需要OA,VO辅助欢迎访问CSVOSupport获取。#Amazon面经 #亚麻VO #AmazonSDE #26NG找工 #SDE求职 #美国留学生求职 #加拿大求职 #北美求职 #留学生秋招 #CSVOSupport
