DoorDash 面试在外卖 / Marketplace 类公司里是业务感最强的一档：你的题目几乎一定和订单调度、Dasher 路径、商家匹配、配送时长预测之一相关。算法不算特别难，但没有业务直觉的同学会卡在 follow-up。本文按 OA → Phone Screen → Onsite 四轮的完整流程，给出每个阶段的高频题型、三段式答题套路、以及容易被打成 lean no hire 的踩雷点。
DoorDash 招聘流程
| 阶段 | 内容 | 时长 |
|---|---|---|
| Apply | 简历 + 推荐 | – |
| OA | HackerRank 1–2 题 | 60–90 min |
| Phone Screen | Coding（业务场景） | 45 min |
| Onsite | Coding × 2 + System Design + Behavioral | 4 × 45 min |
| Team Match | 与 hiring manager 1:1 | 30 min |
OA 阶段：HackerRank 高频题型
题型一：订单调度模拟
给定订单流（每条带 prep_time, ready_at, distance），找出在 deadline 前能交付的最大订单数。
要点：Earliest Deadline First + heap：
import heapq
def max_orders(orders):
orders.sort(key=lambda o: o[2]) # by deadline
heap = []
cur = 0
for prep, ready, deadline in orders:
cur = max(cur, ready) + prep
heapq.heappush(heap, -prep)
if cur > deadline:
cur += heapq.heappop(heap) # drop longest prep
return len(heap)
时间复杂度：O(n log n)
题型二：Dasher 路径优化（图论）
N 个 city 之间有 directed road，dasher 起点 S，求到所有可达 city 的最短路径之和。
要点：单源最短路径 Dijkstra：
import heapq
from collections import defaultdict
def total_shortest(N, edges, S):
g = defaultdict(list)
for u, v, w in edges:
g[u].append((v, w))
dist = {S: 0}
heap = [(0, S)]
while heap:
d, u = heapq.heappop(heap)
if d > dist[u]:
continue
for v, w in g[u]:
nd = d + w
if nd < dist.get(v, float("inf")):
dist[v] = nd
heapq.heappush(heap, (nd, v))
return sum(dist.values())
时间复杂度：O((V + E) log V)
Phone Screen：业务场景 Coding
DoorDash 的 Phone Screen 喜欢用真实业务场景包装算法题，例如：
- "我们要给每个 dasher 推荐最近的 5 个 restaurant" → top-k by distance
- "找出 30 分钟内可以连续送 3 单的 dasher" → interval merge
- "实时算每个 zone 的活跃订单数" → time-window 滑动窗口
三段式答题套路
不论拿到哪道题，都用澄清 → 暴力 → 优化：
1. 澄清（3–5 min）
- 数据规模
- 时间窗口
- 一致性要求
- "real-time" vs "batch"
2. 暴力解（5–8 min）
- 写出 O(n²) 或 O(n m) 的代码
- 给复杂度
3. 优化（25–30 min）
- 提出 1–2 个优化思路
- 写最优解 + edge case
- follow-up 准备
Onsite 四轮拆解
Coding Round 1：算法 + 业务
高频题型：
- Closest 城市 / Two Pointer
- Dasher 调度 / Greedy + heap
- Concatenated 字符串 / 哈希
- Alive Nodes / Path Sum / Tree DFS
Coding Round 2：偏 design 的 coding
例如"实现一个 Rate Limiter / In-memory KV / 简化版 TTL cache"。要求：
- 写出完整接口
- 至少 2 种实现并讨论 tradeoff
- 考虑并发
System Design：DoorDash 业务系统
经典题型：
| 题目 | 关键取舍 |
|---|---|
| Design Order Dispatch System | Push vs Pull / Geo-sharding |
| Design Delivery ETA Service | ML model 在线 vs 离线 |
| Design Live Dasher Tracking | WebSocket vs Polling / GPS 上传频率 |
| Design Surge Pricing | 实时计算 vs 预计算 |
Behavioral：DoorDash 价值观
DoorDash 的 BQ 特别看 4 个价值观：
| 价值观 | 触发关键词 |
|---|---|
| Get 1% Better | 持续学习 / 量化改进 |
| One Team, One Fight | Cross-functional collaboration |
| Customer Obsession | 客户视角 / NPS / churn |
| We're Owners | 主动 + accountability |
数据 / 增长岗位的额外重点
DoorDash 的 Data Scientist / Analyst 面试还会有：
- SQL 2–3 道（窗口函数 + cohort 分析）
- A/B Testing 设计（power calculation + p-value）
- Marketplace Economics（两边市场弹性 / surge pricing）
- Product Sense case
常见踩雷
- Coding 写完就静默等面试官给反馈，没主动提 test case
- System Design 不画图，光讲话
- BQ 用别家（Amazon）模板答 DoorDash，没体现 4 个价值观
- 不熟悉 marketplace 业务，"两边市场"概念都讲不清
我们见过的 DoorDash 高分模式
oavoservice 学员中拿到 DoorDash strong hire 的，普遍特征是：Coding 全过 + System Design 画出 5 个核心组件 + BQ 至少踩中 3 个价值观关键词。我们 VO辅助 流程会模拟全流程 + 录像复盘 + 标注 hire / no hire 信号。
具体方案与报价，加微信 Coding0201 沟通。
FAQ
DoorDash OA 通过率多少？
社区反馈 SDE Intern OA 通过率约 30–40%，NG OA 通过率约 25%。Phone screen 通过率约 50%。
DoorDash 必须有外卖 / Marketplace 经验吗？
不必须，但加分。关键是能讲清两边市场动态（dasher supply vs order demand），即使从 Uber / Lyft / Instacart 类比也可以。
DoorDash 给 NG 还是 Intern 多？
2026 春招 Intern 多于 NG，但 NG 薪资更高（base + RSU + sign-on）。Intern 转正率约 70%。
DoorDash Onsite 后多久出结果？
通常 1–2 周。Team Match 可能再加 1–2 周。Offer 决定后 negotiate 窗口约 1 周。
正在准备 DoorDash / Uber / Instacart / Grubhub 等 Marketplace 公司面试？
oavoservice 长期追踪外卖、共享出行类公司的 OA + VO 真题。mentor 来自一线 SDE / DS 团队，可提供 OA 题型训练、System Design 业务系统专项、价值观 BQ 模板、SQL & A/B testing 强化 等 VO辅助 服务。
👉 立即添加微信：Coding0201，获取 DoorDash 完整备考方案。
联系方式
Email: [email protected]
Telegram: @OAVOProxy