Google L4 Software Engineer R1面试经验
时间线
申请到面试
- 4.14 收到 Recruiter 邮件，表示已经审阅申请并愿意推进流程，需要填写问卷。
- 4.28 再次收到 Recruiter 回复，并抄送 Google HR。
- 4.29 HR 电话沟通。
- 4.30 提交 R1 面试时间。
- 5.08 Recruiter 确认 R1 时间。
整个流程等待时间比较长，尤其是确认面试时间阶段。
R1 面试
- 5.26 原定进行一轮 Coding 和一轮 BQ，但 BQ 面试官缺席。
- 5.27 收到新的 BQ 时间安排。
- 5.29 Recruiter 邮件确认。
- 6.03 完成 BQ。
- 6.04 HR 通知通过 R1，并开始安排 R2。
- 6.05 确认 R2 时间。
R2
R2 要求线下面试（Onsite）。
尝试申请远程面试，并说明身体原因，希望改为线上，但 HR 表示可以延期数周安排，不过必须参加线下面试。
面试详情
Behavioral Questions
问题都比较常规：
- 入职后如何持续保持工作热情和兴奋感？
- 如果有人在团队汇报时抢走了你的 Credit，你会怎么办？
- 当手头工作过多时如何处理？
- 当别人不同意你的建议时怎么办？
- 描述一次失败经历，以及你后续如何改进。
面试官明显按照 STAR 原则进行提问。
每个问题都会继续拆分为多个部分深入追问，例如：
- Situation
- Task
- Action
- Result
基本上每个大问题都会拆成四个小问题继续挖掘细节。
Coding
Coding 难度整体不高。 核心考点是嵌套 HashMap（双层字典）的使用。
例如输入：
text
[
[a, b],
[a, b],
[a, c],
[f, g],
[f, g],
[f, g],
[f, p],
[f, p]
]统计结果：
text
{
a: {
b: 2,
c: 1
},
f: {
g: 3,
p: 2
}
}实现过程中主要就是：
text
map[a][b] += 1Follow Up 1
返回每个外层 Key 对应的最大值。 例如：
text
{
a: b,
f: g
}遍历内层字典，找到出现次数最多的元素即可。
Follow Up 2
分析时间复杂度。
Follow Up 3
给定一批新的数据，如何更新已有统计结果。
直接遍历新数据并更新原有字典即可。
面试体验
BQ 部分属于标准 Google 风格，重点是 STAR 结构化表达能力。
Coding 难度不高，更偏向数据结构基础和代码实现能力，没有出现复杂算法题。
整体流程推进比较慢，但最终顺利通过 R1。
面试结果反馈
- R1 结果：Pass
- 后续阶段：进入 R2 Onsite