Han
JackDoorDash 面试经验（NV Logistics 团队 · Bay Area）
1. 基本信息
- 公司名称： DoorDash
- Job Compass 公司链接： DoorDash
- 面试日期： 2025 年 4–6 月
- 面试职位： Software Engineer, IC
- 职位链接： https://careersatdoordash.com/jobs/engineering-manager-logistics-platform/7376391/
- 候选人背景： 1–3 年工作经验，硕士学历，在职跳槽
2. 面试详情
2.1 面试流程概览
- OA（在线测评）
- 技术一面（Coding + 项目）
- 技术二面（System Design）
- HM / Manager 面
- HR 面（薪资沟通）
2.2 各轮面试内容与细节
第一轮：OA
- 难度偏高，与社区常见 DoorDash 高频题一致。
- 建议重点复习 Array、Graph、DP、Sliding Window 等题型。
第二轮：技术一面（Coding + 项目）
项目部分
面试官深入问了我过去写过的分布式系统项目，包括：
- concurrency（并发处理）如何保证
- data consistency（数据一致性）策略
- 在高流量场景下如何处理资源竞争
Coding 题
- 实现 LRU Cache
- Follow-up：扩展为 LFU，重点解释如何调整数据结构以兼容频次更新
行为问题（BQ）
- “如果和队友意见不合，你会如何处理？”
- 结合实际经历说明如何收集信息、讨论 trade-offs、达成折中方案。
面试官背景
- 来自核心工程团队，技术追问深入但态度友好。
第三轮：技术二面（System Design）
题目：Delivery ETA 系统（外卖预计送达时间）
需要说明的内容包括：
输入数据来源：
- traffic（交通）
- distance（距离）
- restaurant prep time（餐厅出餐时长）
ETA 的估算方式：
- 算法公式
- 模型更新
如何扩展到百万级订单：
- caching
- async pipeline
- load shedding
- 分布式计算框架
- 数据更新频率 + 最终/强一致性取舍
设计重点
- trade-offs 讲得越清楚越好
- 说明如何保证实时性 & 稳定性
- 面试官会根据回答继续追问扩展性
第四轮：HM / Manager 面
内容包括：
- 介绍 NV 相关团队：logistics、consumer、merchant、dasher
- 职业路径、未来发展方向
- 是否对物流系统或支付系统感兴趣
- 询问我对团队的偏好（team preference）并说明理由
整体气氛轻松，是双向了解的过程。
第五轮：HR 面（薪资 & 地点沟通）
HR 提到的重点：
- base、equity、sign-on 的薪资范围
- 可选办公地点：SF / NYC / Seattle
- 最终数字尚未确认，会根据 team match 进一步沟通
3. 解决方法与思考步骤（非完整解答）
Coding 题（LRU → LFU）
- 解释为何选择 HashMap + Doubly Linked List
- LRU 扩展为 LFU 需要维护 frequency list
- 核心是降低更新频率的复杂度
System Design（ETA 系统）
整体思路：
明确输入 → 数据清洗 → 特征提取 → 估算模型
不需要代码，但需要清楚说明：
- 数据流结构
- queue / event pipeline
- 缓存策略
- 负载扩展手段
提前准备 scalability 常用模式（sharding、fallback、ranking）
4. 面试结果反馈
- 最终结果：Pass
- HM 面后收到口头 offer，但薪资数字未公布
- 面试官普遍友好，氛围合作，不是压力面
5. 总结与建议
- OA 难度偏高，强烈建议先刷 DoorDash 高频题
- System Design 是流程中权重最大的部分，需要准备 scalability & trade-offs
- 行为题无需夸张，但必须清晰、有结构（STAR）
- NV Logistics 团队问题偏实战，尤其是并发、数据一致性、调度算法