Phone screen 包含两轮，每轮一个小时，都是纯 coding。第一轮面试官来自 Data Infra 组，人比较 chill，开场简单自我介绍后就直接进题。题目是 LRU Cache，要求自己实现 get 和 put 方法，O(1) 时间复杂度。思路比较常规：用一个双向链表维护访问顺序，搭配一个哈希表做快速查找。因为面试官很熟这个题，我边写他边看实现细节，比如 node 的更新逻辑是否写清楚，delete 的指针操作是否遗漏。

第二轮题目是 Range Module，可以看作线段树的简化版，实现三个 API：addRange, queryRange, removeRange。我用了 TreeMap 来做区间合并，和面试官讨论了各种 corner case，比如插入时区间重叠、删除后需要拆分区间等。面试官看得非常细，还追问了我 TreeMap 的时间复杂度以及一些 edge case 的处理，比如连续多个区间插入后的状态。

Virtual onsite 一共四轮，依次是两轮 coding，一轮 BQ，一轮 system design。

第一轮 onsite coding 是一道变种的 sliding window 题。题目是：给定一个整数数组和一个窗口大小 k，要求返回每个窗口中出现次数最多的元素。需要实现高效查询，不能每次重新扫窗口。我用了 HashMap 搭配 PriorityQueue，先记录频次，然后每次窗口滑动时更新频次，保持堆顶为最大频次的值。堆的 lazy deletion 部分是讨论重点，面试官反复问怎么高效处理已经被移除的元素。

第二轮 coding 是一道典型的 interval merging 题，但 twist 是区间可能重叠多次，需要按出现频次输出合并后的区间及其频次。我用了 line sweep 做，先把所有区间的起止点按时间排序，然后一边扫一边维护当前活跃区间的频次。实现过程比较考察边界处理，比如起点和终点是否同一个时间点，是否 inclusive 等。

第三轮是 behavioral interview，面试官问了很多关于我过去项目中的处理，比如 “Have you ever disagreed with a teammate, and how did you resolve it?”，以及 “Tell me about a time you made a technical tradeoff”。我讲了一个在做异步数据处理系统时如何权衡批处理延迟和资源使用率的故事，面试官很在意我是否能在模糊场景下作出判断。

最后一轮 system design 是设计一个 log ingestion service（老题）的简化版本，要求支持 high throughput ingest 和 durable storage，还要支持查询最近 N 条日志。我的思路是：前面加一个 load balancer，后面是一个 distributed buffer 层（比如 Kafka 或自建 ring buffer），存储落 S3，索引落 RocksDB，查询通过维护一个 time-based index 加速。面试官还追问了 log 去重、乱序处理、consistency 的设计取舍，整个对话比较偏 infra 方向，考察对系统瓶颈的理解。

总的来说，Snowflake 的面试很看重工程实现的完整性和系统设计的 tradeoff，尤其是对 Infra 方向的理解。建议大家准备时多练习边界情况处理，多想清楚为什么要用某种数据结构，system design 部分一定要能落到具体实现细节，而不是只讲高层结构。