最近终于拿到了 Netflix SDE VO ，一共经历了 1 轮 Recruiter + 1 轮 Technical Phone Screen + 3 轮 Technical Interview。整体感受：Netflix 面试确实和其他大厂有明显区别——他们非常看重你对并发、生产级思考、trade-off 的敏感度，以及是否真正理解 Netflix Culture 。
下面按顺序把每一轮拆开说。
Recruiter Call
第一轮是 Recruiter Call，大约 30 分钟。这轮几乎不涉及技术，主要围绕自我介绍、背景经历、当前技术栈以及做过的项目展开。面试官重点询问了我对 Netflix 的理解，以及为什么想加入 Netflix。我提前准备了 Netflix Culture Memo，重点谈了 Freedom & Responsibility 和 Context not Control。如果只说喜欢看剧、用得很多，显然是不够的。结合自己之前在 startup 自驱推动项目的经历回答后，HR 表现得比较满意。
Technical Phone Screen
第二轮是 Technical Phone Screen，时长 45 分钟，属于纯技术考察。题目是设计一个接口级别的 Rate Limiter，我选择了 Sliding Window Log 方案。核心讲清楚三点：如何记录时间戳、窗口滑动时如何清理旧数据、以及如何保证请求判断的准确性。
真正拉开差距的是 follow-up：
- 时间复杂度 & 空间复杂度
- 高 QPS 场景如何优化
- 多线程环境下如何保证 thread safety
Technical Interview 1
第三轮是经典 Coding Interview，时长 60 分钟。
第一题是 LRU Cache，我用 HashMap + Doubly Linked List 实现 O(1) 的 get / put。面试官重点追问为什么一定要 Doubly Linked List，Singly Linked List 是否可行，以及在真实系统中是否会有明显的 memory overhead。这一部分其实是在考察你对数据结构的理解深度，而不仅仅是“会写”。
第二题是 Merge K Sorted Lists，我采用 Min Heap，时间复杂度 O(N log K)。后续还讨论了不用 Heap 的解法（比如分治），以及在 K 很小或很大时如何选择不同方案。这一轮整体偏基础能力 + trade-off 分析 + 表达清晰度，我的发挥还算比较稳定。
Technical Interview 2
第四轮是 Open-ended Interview，明显偏 production thinking，时长 60 分钟。
题目是实现 In-Memory File System，需要支持 ls、mkdir、addContentToFile、readContentFromFile。我采用类似 Trie 的结构，每个节点表示 directory 或 file。
难点完全在 follow-up：
- 并发访问如何处理
- 文件很大时如何存储
- 权限系统如何设计
- invalid path 如何处理
一个关键点是并发设计。我一开始提出 global lock，很快被指出性能问题，于是调整为 per-node 的 fine-grained lock。这一步非常重要，体现了你能在面试官 push 下不断 refine 方案。
System Design
第五轮是 System Design，时长 60 分钟，题目是设计一个视频流媒体系统，典型的 Netflix 风格问题。
我按照常规结构展开：
- 明确 functional & non-functional requirements
- 搭建 high-level architecture
- 选择重点模块进行 deep dive
重点讲了：
- Adaptive Bitrate Streaming
- CDN 分发
- 微服务架构
- 视频上传与编码 pipeline
同时也覆盖了 Quality metrics 和高峰流量处理。
当被问到推荐系统时，由于 ML 背景一般，只讲了 offline training + online serving 的基本逻辑，没有深入展开。这一轮明显更看重 scalability、trade-off 和系统演进能力，而不是画多复杂的架构图。
Coding + Behavioral
最后一轮是 Coding + Behavioral，时长 60 分钟。
Coding 部分是 Serialize / Deserialize Binary Tree，我用 Preorder Traversal 实现，重点保证代码简洁、边界清晰。
Behavioral 占比很高，问题包括：
- 和队友产生分歧时如何处理
- 如何体现 Freedom & Responsibility
- 遇到需求不清晰时如何推进项目
Netflix 的 Behavioral 和其他公司差别很大，他们真正想判断的是：你能不能在“高自由 + 低管理”的环境下自驱工作。
我全程用 STAR 方法，但重点在于：
- 故事必须真实
- 细节必须经得起追问
- 要体现你如何主动推动事情落地
面试官会持续 deep dive 你的经历，而不是简单听一个总结。
临场表现，其实可以提前准备
很多人问我，这种强度的面试是怎么顶下来的，说实话不只是刷题的问题。像 Netflix 这种面试，节奏很快，而且特别爱深挖，一旦某一轮卡住，其实很容易连锁影响后面发挥。
我自己这次准备的时候，除了正常刷题和 mock，也额外做了一些临场兜底的准备，中间有几轮我其实是找了 Programhelp 的 实时VO辅助 ，说白了就是关键时候有人帮你兜一下思路，不卡壳，整个人会稳很多。
