一批钠、10:32－10: 56 AM Agilent , Roci, software development manager
c# /Java 開發(fā)職位
先是steven 給我電話，然后切換到roci 他遲到了三分鐘得封。 然后問了一些問題埋心。 他現(xiàn)在手下有兩個team： 第一個team主要是做c# , 主要是維護以前的老代碼，例如User Manament 呛每，Report UI踩窖；第二個team 是負責 第三方的API和需求開發(fā)， 利用新的技術 新的infastracture 來滿足第三方的需求晨横。
他明顯對c#比較感興趣洋腮。 我因為心虛，所以講了不少java的東西手形。 最后讓我選職位啥供，我告訴他還是做java的職位。
我問了他三個問題库糠，
(1) 你們team現(xiàn)在多少人伙狐，工程師各自負責什么職能涮毫？
(2) 你們開發(fā)模型是什么樣的？ TDD贷屎， Agile罢防？
(3) 你們team現(xiàn)在最大的challenge 是什么？
他說主要是客戶需求沒能得到較快地滿足唉侄。 例如咒吐，如何用新技術來滿足客戶需求，比如用nosql database elasticsearch 等等來更新就有的系統(tǒng)属划，達到并且超過舊有系統(tǒng)的性能恬叹，從而更好地服務客戶。
二同眯、4:00-4:15 PM GenapSys, Sambit Basu VP Software Engineering
他是個很有資歷的老印绽昼，完全沒口音。他打電話來的時候须蜗，我還在用Java和Spring寫程序硅确。把面試時間記錯了，這是我對他的不尊重唠粥。我倉促之中拔掉手機充電線疏魏，然后用耳機接了電話。寒暄兩下晤愧，步入正題大莫。他問了幾個問題：
（1）你當前在做啥工作，還有你想從事什么樣的工作 官份？ 這是你更換工作的原因嗎只厘？
（2） 用過Cloud software 沒有？ 我說用過AWS舅巷。 他接著問用了哪些AWS的第三方工具羔味， 我提到了EC2。 他繼續(xù)追問钠右，具體是什么第三方工具赋元？ 我被逼急了，只好直接Google 飒房，混亂中報了幾個第三方開源工具名字給他
（3） 你做過java multithread 編程沒搁凸？ 我給他說我用過concurrency 庫 。他又繼續(xù)追問用過什么方法狠毯？我有點抓瞎了护糖。只好改口說，我后來用過actor model 和AKKA toolkit 也可以做multi threading 和message passing 多線程編程的嚼松。 他也就沒繼續(xù)問了嫡良， 感覺對我不是很有興趣了锰扶。
結(jié)束以后，我問了他三個問題寝受，
(1) 他們現(xiàn)在有多少人坷牛，有多少是做后端的。
(2) 監(jiān)控工具是怎樣的很澄，他說 他們用aws自己的監(jiān)控工具漓帅。
（3） 另外，開發(fā)的模型是什么樣的痴怨。 他說現(xiàn)在是agile development。 以后要采用TDD
另外器予，我聽出來他有掛我的意思浪藻。 我急切地告訴他，希望他給我一個機會乾翔，我可以在電話面試中展現(xiàn)自己的能力和coding skills爱葵。 不管怎樣。能有technical phone interview 機會總是好的反浓。
總結(jié)
1.應該做好充分準備萌丈，至少在電話五分鐘前ready。 直接告訴他雷则，i am ready for the interview
2.概念性的問題一定要準備好辆雾。 否則第一關都過不去
- 因為不清楚職位要求 可能獵頭給過我，可能獵頭只是在電話里面說過了月劈。 我隱約記得是做后端的度迂。 等他告訴我職位是后端 pipeline的時候， 已經(jīng)有點晚了猜揪。 下次要厚著臉皮問獵頭惭墓，具體是啥職位，有啥要求而姐。
4.還是要用錄像和錄音的方式腊凶，訓練自己的口語。 講得流利和清晰才可以拴念。 做題和表達同樣重要钧萍。
參考
AWS, like other public cloud platforms, has its own front-end management panel, but it's a complicated one, he said. There are a number of tools AWS offers for managing anEC2 instance, such asCloudWatch for monitoring;AWS Elastic Beanstalk for deploying and scaling Web applications and services; AWS CloudFormation for creating a collection of related AWS resources and provisioning them; AWS Data Pipeline for processing and moving data between different AWS compute and storage services and on-premises data sources;
