Uber 简历筛选权重分布式系统深度 + on-call ownership + 商业影响 framing。通用 mobility framing 挂。市场机制(driver-rider matching、surge、ETA)+ Bar-Raiser-准备 差异化。
Uber 筛选同时评估技术深度、运营 ownership、商业影响 framing。通用 mobility 简历——技术栈强、运营成熟度或市场 context 弱——人类读时挂。Bar Raiser 轮加 veto 层抓膨胀声称。
SWE 筛选最重要三个信号:(1)Uber 栈具体的分布式系统深度——Go、Cassandra、Kafka、Schemaless、多区域 trade-off;(2)On-call ownership——SEV 管理、复盘、运营指标(uptime、MTTR、page 数减少);(3)商业影响 framing——成本降低、客户结果、市场指标(matching、surge、ETA、完成率)。SDE2+ 三个都不全的 bullet 筛掉。
自然地织进 bullet 和技能区。别堆关键词——跟具体成就配对。
用 Go 为团队建服务。
设计 Go 服务处理 1200 万行程事件/天配 Cassandra + Kafka backbone;在 5 区域达 99.99% 可用性;launch 后 8 周领 on-call rotation 配零 customer-facing SEV。
具体规模(1200 万/天)+ Uber 内部栈(Cassandra、Kafka)+ on-call ownership + 可靠性结果(99.99%、零 SEV)。Uber 筛选权重四个信号。
改善了 matching 算法。
用 two-tower DNN 重新架构 surge 区的 driver-rider matching;跨 4 个城市把 p95 dispatch 延迟从 1.8s 降到 420ms;cohort 行程完成率 +2.3% vs control。
市场 context(surge 区、dispatch)+ ML 技术 + 具体延迟降低 + 业务结果(完成率)。Uber 特定 framing。
驱动了成本降低项目。
识别导致 Trips 存储集群 30% 过度配置的 Cassandra 热分片问题;设计分片重新平衡策略;省 $4.2M/年基础设施成本;在工程 wiki 给姐妹团队记录。
成本优化 + 具体美元数 + Uber 内部栈(Cassandra)+ 跨团队赋能(wiki)。Uber 晋升文档明确追踪成本 ownership。
指导团队。
共领 4 个工程师的 SDE2→SDE3 晋升路线(2024 年 3/4 晋升);设计被 80 工程师 EM 组织采纳的结构化 1:1 框架;写「on-call 经验」文档在 2 个晋升包里被引用。
具体晋升结果 + 影响 scope(80 工程师组织采纳)+ mentorship 中的 on-call framing。Uber 在 L5+(Senior+)看重这些信号。
只用 PDF、单栏、纯文本可提取。Uber 接受标准 ATS 格式。
多栏布局。纯图片简历。
Uber 内部栈:Go(重)、Java、Python、Cassandra、Kafka、Schemaless(Uber 的 MySQL 分片层)、历史 Mesos(越来越多 Kubernetes)、ML 用 Mihir。真实时匹配。
通用「分布式系统」或「云平台」。Uber 工程博客(eng.uber.com)公开记录栈。
Uber 重权重运营 ownership。明确列 on-call rotation:「领 on-call rotation X 周」、「写 Y 个 SEV 复盘」、「page 数减少 Z%」。SDE2+ 运营成熟度是必需信号。
只展示 feature shipping 没可靠性/运营意识的 bullet。Uber 会在 Bar Raiser 轮探查运营思考。
把工作连市场机制:driver-rider matching、surge、ETA、多区域 rollout、市场两边性(司机供给 vs 乘客需求)。具体产品(Trips、Eats、Freight、Reserve)。
通用「mobility 公司」framing。Uber 要懂市场产品的工程师,不是只懂运输。
Uber 文化明确权重运营卓越。没 on-call rotation、SEV 管理、复盘写作、或运营指标(uptime、MTTR、page 数)的 bullet 错过 Uber 筛选高度评分核心维度。SDE1(新人)豁免;SDE2+ 应展示运营信号。
Google + Meta + Uber 读起来一样的简历——被抓。Uber 特定信号:Go 熟练(Uber 重)、Cassandra/Kafka 内部、Mesos/Kubernetes 意识、多区域 trade-off、市场 context。通用「分布式」简历 = 筛选评分低。
Uber 文化看重商业影响(IPO 后 + 盈利路径重要)。没「X% 成本降低」、「Y$ 节省」、「Z 客户影响」的 bullet 错过 Uber 筛选权重的维度,尤其 SDE3+。
Uber Bar Raiser 面试是配 veto 权专门轮。简历列你不能用多层追问辩护的 scope = 陷阱。如果不能 30 分钟内走每个决定就别声称「领 X 架构」。
「在 Uber 技术栈上建可扩展分布式系统」= 零 ATS 或人类信号。「建 Go 服务处理 1200 万行程事件/天配 Cassandra 存储和 Kafka 事件流跨 5 区域」= 具体。把抽象换成具体细节。
Applr 从你的背景浮现 Uber 栈深度(Go、Cassandra、Kafka)和运营 ownership 信号、把 bullet 框架到商业影响 + on-call + Bar-Raiser-准备标准。通用分布式系统 framing 被改写,引用 Uber 特定栈和市场 context。
重权重按 Uber 工程博客(eng.uber.com):Go 是 Uber 新服务的主后端语言。Java 和 Python 也用(legacy + ML)。后端/基础设施角色:Go 熟练强偏好。Mobile(iOS Swift、Android Kotlin):平台原生。数据/ML:Python 主要。把你的背景匹配到目标团队的栈。
按 Uber 工程博客 + 候选人报告:Bar Raiser 是配 veto 权专门轮,模仿 Amazon。Bar Raiser 是跨团队面试官,聚焦长期文化和质量适配。简历应预先验证 Bar Raiser 准备——每个声称必须能用多层追问辩护。如果不能 30 分钟内辩护就别列 scope。
按 Levels.fyi:Uber SWE L4(SDE2)中位 ~$330K、L5(Senior)~$520K、L6(Staff)~$725K。范围按 location 和团队。IPO 后公开股票——RSU 流动。比 Lyft senior 略高,初级可比。Uber 薪酬 2024-2025 因 IPO 后保留压力被拉高。
如果相关就列:Rides(核心)、Eats(送餐)、Freight(物流)、Reserve(预约)、Driver app、Rider app。Uber 筛选按产品路由——招聘官分配简历给团队。即使在 cover letter 也提你适合的具体产品。
SF 总部 + 多个美国/全球办公室的 SWE 角色 sponsor。强 sponsor 配好签证协调。有美国工作授权的国际候选人路径清晰。早跟 recruiter 确认时间。
SDE1-2 严格 1 页。SDE3+ 1-2 页。密度胜全面。招聘官扫描 ~6 秒;bullet 应可扫。砍老角色到 1 行总结。