Coinbase 数据工程师面试实录 2026：实时交易数据管道 + 加密货币风控系统

公司：Coinbase 岗位：Data Engineer II 面试形式：Phone Screen + Virtual Onsite (4 轮) 结果：Pass → Offer

---

2026 年 8 月，我参加了 Coinbase 的 Data Engineer 面试。Coinbase 的面试风格非常注重 金融级数据管道和实时风控——从交易撮合到 AML（反洗钱）检测，每个环节都要求极高的数据准确性和低延迟。

Coinbase 的数据平台基于 Kafka + Spark + Flink + Snowflake，处理每秒数十万笔交易数据。面试官非常关注数据管道的实时性、准确性和合规性。

---

Phone Screen：SQL + 交易分析

电话面由一位 Senior DE 进行，45 分钟。

题目：加密货币交易分析

给定以下表结构：

• trades: trade_id, user_id, symbol, side, price, quantity, fee, trade_time
• users: user_id, signup_date, country, kyc_status, risk_level
• accounts: account_id, user_id, currency, balance, updated_at

请完成以下查询：

1. 计算每个交易对的 24 小时交易量
2. 分析用户的交易频率分布
3. 检测异常交易（单笔金额 > 100 万美元或日累计 > 500 万美元）

我的解答：

-- 1. 每个交易对的 24 小时交易量
SELECT
    symbol,
    side,
    COUNT(*) AS trade_count,
    SUM(quantity) AS total_volume,
    SUM(price * quantity) AS total_usd_volume,
    AVG(price) AS avg_price,
    STDDEV(price) AS price_volatility,
    MIN(price) AS min_price,
    MAX(price) AS max_price
FROM trades
WHERE trade_time >= DATE_SUB(CURRENT_TIMESTAMP(), INTERVAL 24 HOUR)
GROUP BY symbol, side
ORDER BY total_usd_volume DESC;

-- 2. 用户交易频率分布
WITH user_trade_freq AS (
    SELECT
        user_id,
        COUNT(*) AS total_trades,
        DATEDIFF(day, MIN(trade_time), MAX(trade_time)) AS active_days,
        COUNT(*) / NULLIF(DATEDIFF(day, MIN(trade_time), MAX(trade_time)), 0) AS trades_per_day
    FROM trades
    GROUP BY user_id
)
SELECT
    CASE
        WHEN trades_per_day < 1 THEN '0-1 trades/day'
        WHEN trades_per_day < 5 THEN '1-5 trades/day'
        WHEN trades_per_day < 20 THEN '5-20 trades/day'
        WHEN trades_per_day < 100 THEN '20-100 trades/day'
        ELSE '100+ trades/day'
    END AS frequency_bucket,
    COUNT(*) AS user_count,
    AVG(total_trades) AS avg_total_trades
FROM user_trade_freq
GROUP BY frequency_bucket
ORDER BY avg_total_trades DESC;

-- 3. 异常交易检测
WITH daily_user_trades AS (
    SELECT
        user_id,
        DATE(trade_time) AS trade_date,
        SUM(price * quantity) AS daily_volume_usd,
        MAX(price * quantity) AS max_single_trade_usd
    FROM trades
    GROUP BY user_id, DATE(trade_time)
),
anomalies AS (
    SELECT
        t.user_id,
        t.trade_id,
        t.symbol,
        t.side,
        t.price * t.quantity AS trade_usd,
        t.trade_time,
        CASE
            WHEN t.price * t.quantity > 1000000 THEN 'large_single_trade'
            WHEN dut.daily_volume_usd > 5000000 THEN 'high_daily_volume'
        END AS anomaly_type
    FROM trades t
    JOIN daily_user_trades dut 
        ON t.user_id = dut.user_id 
        AND DATE(t.trade_time) = dut.trade_date
    WHERE t.price * t.quantity > 1000000 
        OR dut.daily_volume_usd > 5000000
)
SELECT
    a.user_id,
    u.country,
    u.kyc_status,
    u.risk_level,
    a.trade_id,
    a.symbol,
    a.side,
    a.trade_usd,
    a.trade_time,
    a.anomaly_type
FROM anomalies a
JOIN users u ON a.user_id = u.user_id
ORDER BY a.trade_usd DESC;

---

VO Round 1：Python + Kafka 实时交易处理

这一轮由一位 Streaming Platform 团队的 DE 进行，60 分钟。

题目：实时交易风控系统

设计一个实时风控系统，支持：

1. 从 Kafka 消费交易事件
2. 实时检测欺诈交易
3. 支持动态风控规则

我的解答：

from pyspark.sql import SparkSession
from pyspark.sql.functions import *
from pyspark.sql.types import *
from datetime import datetime, timedelta

spark = SparkSession.builder \
    .appName("RealTimeFraudDetection") \
    .getOrCreate()

# Kafka 配置
kafka_bootstrap_servers = "kafka1:9092,kafka2:9092,kafka3:9092"
kafka_topic = "trade_events"

# 定义交易 Schema
trade_schema = StructType([
    StructField("trade_id", StringType()),
    StructField("user_id", StringType()),
    StructField("symbol", StringType()),
    StructField("side", StringType()),  # buy, sell
    StructField("price", DoubleType()),
    StructField("quantity", DoubleType()),
    StructField("fee", DoubleType()),
    StructField("trade_time", StringType())
])

# 从 Kafka 读取流数据
kafka_df = (spark.readStream
    .format("kafka")
    .option("kafka.bootstrap.servers", kafka_bootstrap_servers)
    .option("subscribe", kafka_topic)
    .option("startingOffsets", "latest")
    .option("checkpointLocation", "/data/checkpoints/trade_events/")
    .load())

# 解析交易
trades_df = (kafka_df
    .select(from_json(col("value").cast("string"), trade_schema).alias("data"))
    .select("data.*")
    .withColumn("trade_timestamp", to_timestamp(col("trade_time")))
    .withColumn("trade_value_usd", col("price") * col("quantity")))

# 1. 实时风控规则检测
def apply_fraud_rules(df):
    """应用实时风控规则"""
    
    # 规则 1: 大额交易检测
    large_trades = df.filter(col("trade_value_usd") > 1000000)
    
    # 规则 2: 高频交易检测 (5 分钟内 > 10 笔)
    high_freq = (df
        .withWatermark("trade_timestamp", "10 minutes")
        .groupBy(
            window(col("trade_timestamp"), "5 minutes"),
            col("user_id")
        )
        .agg(count("*").alias("trade_count"))
        .filter(col("trade_count") > 10))
    
    # 规则 3: 异常价格检测 (偏离均价 > 5%)
    price_anomaly = (df
        .withWatermark("trade_timestamp", "10 minutes")
        .groupBy(window(col("trade_timestamp"), "5 minutes"), col("symbol"))
        .agg(avg("price").alias("avg_price"), stddev("price").alias("std_price"))
        .withColumn("threshold", col("avg_price") * 1.05))
    
    return large_trades, high_freq, price_anomaly

# 2. 用户行为画像更新
user_profiles = (trades_df
    .withWatermark("trade_timestamp", "1 hour")
    .groupBy(window(col("trade_timestamp"), "1 hour"), col("user_id"))
    .agg(
        count("*").alias("trade_count"),
        sum(col("trade_value_usd")).alias("total_volume"),
        avg(col("trade_value_usd")).alias("avg_trade_size"),
        collect_set(col("symbol")).alias("traded_symbols")
    ))

# 3. 写入风控结果
fraud_alerts = (trades_df
    .filter(
        (col("trade_value_usd") > 1000000) |  # 大额交易
        (col("trade_value_usd") > 100000) & (col("trade_value_usd") < 50000)  # 异常小额
    )
    .withColumn("alert_timestamp", current_timestamp())
    .withColumn("alert_type", 
        when(col("trade_value_usd") > 1000000, "large_trade")
        .otherwise("suspicious_trade")))

# 写入告警
query = (fraud_alerts.writeStream
    .format("delta")
    .outputMode("append")
    .option("checkpointLocation", "/data/checkpoints/fraud_alerts/")
    .trigger(processingTime="10 seconds")
    .start("/data/streaming/fraud_alerts/"))

query.awaitTermination()

面试官追问：

“如何保证风控规则的实时性和准确性平衡？”

我回答：

1. 分层风控：简单规则（如金额阈值）使用 Flink 实现毫秒级检测；复杂规则（如行为画像）使用 Spark Streaming 实现秒级检测
2. 规则版本管理：使用 Feature Flag 管理风控规则版本，支持灰度发布
3. A/B 测试：新规则先在小流量上验证，确认无误后再全量上线

---

VO Round 2：Spark + 数据建模

这一轮由一位 Analytics 团队的 DE 进行，60 分钟。

题目：交易数据仓库设计

设计一个交易数据仓库，支持：

1. 历史交易分析
2. 用户行为分析
3. 合规报告生成

我的设计：

-- 1. 事实表：交易记录
CREATE TABLE fact_trades (
    trade_key BIGINT IDENTITY PRIMARY KEY,
    trade_id VARCHAR(50),
    user_key INT,
    symbol_key INT,
    trade_date DATE,
    trade_time TIMESTAMP,
    side VARCHAR(4),  -- BUY, SELL
    price DECIMAL(20,8),
    quantity DECIMAL(20,8),
    fee DECIMAL(20,8),
    trade_usd DECIMAL(20,2),
    load_date TIMESTAMP DEFAULT CURRENT_TIMESTAMP()
)
PARTITION BY trade_date;

-- 2. 维度表：用户
CREATE TABLE dim_users (
    user_key INT IDENTITY PRIMARY KEY,
    user_id VARCHAR(50),
    signup_date DATE,
    country VARCHAR(100),
    kyc_status VARCHAR(50),
    risk_level VARCHAR(50),
    load_date TIMESTAMP DEFAULT CURRENT_TIMESTAMP()
);

-- 3. 维度表：交易对
CREATE TABLE dim_symbols (
    symbol_key INT IDENTITY PRIMARY KEY,
    symbol VARCHAR(20),
    base_currency VARCHAR(10),
    quote_currency VARCHAR(10),
    is_active BOOLEAN,
    load_date TIMESTAMP DEFAULT CURRENT_TIMESTAMP()
);

-- 4. 聚合视图：每日交易统计
CREATE VIEW v_daily_trade_stats AS
SELECT
    t.trade_date,
    s.symbol,
    t.side,
    COUNT(*) AS trade_count,
    SUM(t.quantity) AS total_volume,
    SUM(t.trade_usd) AS total_usd_volume,
    AVG(t.price) AS avg_price,
    MIN(t.price) AS min_price,
    MAX(t.price) AS max_price,
    COUNT(DISTINCT t.user_key) AS unique_traders
FROM fact_trades t
JOIN dim_symbols s ON t.symbol_key = s.symbol_key
GROUP BY t.trade_date, s.symbol, t.side;

-- 5. 合规报告视图
CREATE VIEW v_compliance_daily_report AS
SELECT
    t.trade_date,
    u.country,
    u.kyc_status,
    COUNT(*) AS trade_count,
    SUM(t.trade_usd) AS total_volume_usd,
    SUM(t.fee) AS total_fees_usd,
    COUNT(CASE WHEN t.trade_usd > 1000000 THEN 1 END) AS large_trades,
    COUNT(CASE WHEN u.kyc_status != 'verified' THEN 1 END) AS unverified_trades
FROM fact_trades t
JOIN dim_users u ON t.user_key = u.user_key
GROUP BY t.trade_date, u.country, u.kyc_status;

---

VO Round 3：System Design — 实时交易数据管道

这一轮由一位 Principal Engineer 进行，60 分钟。

题目：设计 Coinbase 的实时交易数据管道

设计一个数据管道，支持：

1. 实时交易撮合数据收集
2. 实时风控和合规检测
3. 实时行情数据发布
4. 端到端延迟 < 10ms

我的架构设计：

┌─────────────────────────────────────────────────────────────────┐
│                    Coinbase Real-time Trade Pipeline             │
│                                                                   │
│  ┌──────────────────────────────────────────────────────────┐   │
│  │                    Matching Engine                         │   │
│  │  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐   │   │
│  │  │ Order Book   │  │ Trade        │  │ Settlement   │   │   │
│  │  │ (Redis)      │  │ Engine       │  │ System       │   │   │
│  │  └──────────────┘  └──────────────┘  └──────────────┘   │   │
│  └──────────────────────────────────────────────────────────┘   │
│                            │                                     │
│                            ▼                                     │
│  ┌──────────────────────────────────────────────────────────┐   │
│  │                    Kafka Cluster                           │   │
│  │  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐   │   │
│  │  │ trades       │  │ orders       │  │ market       │   │   │
│  │  │ (200K/s)     │  │ (500K/s)     │  │ data         │   │   │
│  │  └──────────────┘  └──────────────┘  └──────────────┘   │   │
│  └──────────────────────────────────────────────────────────┘   │
│                            │                                     │
│                            ▼                                     │
│  ┌──────────────────────────────────────────────────────────┐   │
│  │                    Stream Processing                       │   │
│  │  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐   │   │
│  │  │ Flink        │  │ Fraud        │  │ Market       │   │   │
│  │  │ (Real-time)  │  │ Detection    │  │ Data         │   │   │
│  │  └──────────────┘  └──────────────┘  └──────────────┘   │   │
│  └──────────────────────────────────────────────────────────┘   │
│                            │                                     │
│                            ▼                                     │
│  ┌──────────────────────────────────────────────────────────┐   │
│  │                    Storage Layer                           │   │
│  │  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐   │   │
│  │  │ Snowflake    │  │ S3/Delta     │  │ Redis        │   │   │
│  │  │ (Warehouse)  │  │ (Data Lake)  │  │ (Cache)      │   │   │
│  │  └──────────────┘  └──────────────┘  └──────────────┘   │   │
│  └──────────────────────────────────────────────────────────┘   │
└─────────────────────────────────────────────────────────────────┘

关键技术决策：

• Kafka：高吞吐交易事件收集，支持回溯和重放
• Flink：毫秒级实时风控和合规检测
• Snowflake：历史交易分析和合规报告
• Delta Lake：交易数据湖，支持时间旅行查询
• Redis：实时行情数据和订单簿缓存

---

VO Round 4：Behavioral

最后一轮由 Hiring Manager 进行，60 分钟。

典型问题

Q1: Why Coinbase?

我回答：Coinbase 是加密货币行业的领导者，也是将传统金融基础设施引入加密领域的前沿公司。我希望能够在一个高增长、高挑战的环境中工作，Coinbase 的数据管道面临着传统金融机构无法比拟的挑战——7×24 小时交易、全球用户、极高的数据准确性要求。

Q2: Describe a time you had to deal with a data quality issue in a financial system.

我分享了一个处理交易数据重复的经历：

• Situation: 由于网络问题，部分交易事件被重复发送到 Kafka，导致交易计数不准确
• Task: 在 24 小时内修复问题并建立防重复机制
• Action:
  1. 使用 Kafka 的幂等性 Producer 防止重复发送
  2. 在消费端实现去重逻辑（基于 trade_id）
  3. 建立数据质量监控，自动检测重复事件
• Result: 交易计数准确率恢复到 99.99%，用户投诉减少 90%

---

面试总结

成功经验

1. SQL 能力：窗口函数、CTE、复杂关联是基础
2. Kafka + Flink：实时交易处理和风控
3. System Design：金融级数据管道的架构设计
4. 行为面试：准备数据质量和性能优化的故事

推荐阅读

• Kafka 最佳实践 — 分区、副本、消费者组
• Flink 实时处理 — State Management、Checkpoint
• 金融数据管道 — 风控、合规、审计

---

💡 需要面试辅导？

如果你对准备技术面试感到迷茫，或者想要个性化的面试指导和简历优化，欢迎联系 Interview Coach Pro 获取一对一辅导服务。

👉 联系我们 获取专属面试准备方案