面试整体安排

Pinterest 的 onsite 面试一共是四轮 back to back，每轮 45 分钟，中间有 15 分钟休息时间。整体安排是三轮 coding + 一轮 project discussion。整体节奏比较紧凑，但面试官都比较友好，没有特别强的压迫感。以下是真实case分享。（尽管有layoff，但是pinterest仍然是目前市场上不错的选择之一）

第一轮：Data/Algos

第一轮的面试官是一位 SDE II 华裔小哥。candidate 用了两分钟快速自我介绍，尽量留多点时间做题。题目是计算给定一批 intervals，合并所有重叠的区间，并返回合并后的结果。candidate 先讲了暴力思路，然后写了排序 + linear scan 的解法，时间复杂度 O(n log n)，实现很快就跑通。最后还补充了一个 edge case：如果输入是空数组，返回空列表。面试官说这正是他想看到的。

第二轮：Data/Algos

第二轮是一位 MLE II 印度大姐，开场时先聊了她自己在做的推荐系统，然后直接进入题目。题目要求实现一个 LRU Cache，支持 get 和 put 操作。candidate 写了 hashmap + doubly linked list 的标准解法，时间复杂度 O(1)。跑 test case 时修了一个小 bug，很快就全通过了。follow up 是如果 cache 要支持批量删除怎么办，candidate 说可以扩展接口，并在 linked list 上做 batch eviction。写完之后 candidate 主动解释了时间和空间复杂度。

第三轮：Hiring Manager / Competency Interview

第三轮是 hiring manager 面试，对方是一位印度裔的 Sr. Engineering Manager，但其实这个岗位并不是他们组在招。他从 candidate 的简历里挑了两个项目做 deep dive，一个是分布式任务调度的优化，一个是在线服务的降级策略。整体上是技术探讨，没有问太多套路化的 BQ。聊到一半他还举了一个自己团队的例子，感觉更像是 peer to peer 的交流。最后提前三分钟结束，他说要赶去开会。

第四轮：Data/Algos

最后一轮是 coding。题目是实现一个 median finder，支持不断插入数据，并且能够在任意时刻返回当前所有数的中位数。candidate 写了用两个 heap 的解法，一个 max-heap 存左半部分，一个 min-heap 存右半部分，每次插入保持平衡。时间复杂度 O(log n)，取中位数是 O(1)。follow up 是如果数据流非常大怎么办，candidate 说可以考虑做分布式 median 计算，用分桶加近似统计。面试官明显对结果很满意。剩下的十分钟基本就是闲聊。

总结

Pinterest 的面试以 coding 为核心，三道题分别考察了数组区间处理、数据结构实现、以及流式计算的思路，难度都在 LeetCode 中等到中等偏上的水平。project discussion 环节更像是技术交流，而不是一板一眼的BQ面试。整体体验下来，Pinterest 对算法和数据结构的重视度很高，但不像 Amazon 那样死扣 leadership principles，更像是直接看候选人编码能力和项目经验是否够硬。