Meta 면접 질문

Meta 면접의 초점

일반적인 Meta 면접 질문

• 간격 배열이 주어졌을 때, 겹치는 간격을 병합하세요.
  좋은 답변이 다루는 것

  • 정렬 후 병합
  • O(n log n) 시간 복잡도
  • in-place vs 추가 배열
  • 빈 리스트 에지 케이스
  • Comparator 직접 구현

  샘플 답변 보기

  간격을 병합하려면 먼저 시작 시간을 기준으로 정렬합니다. 정렬된 배열을 순회하면서 현재 간격의 끝이 다음 간격의 시작보다 크거나 같으면 겹치는 것이므로 끝을 최대값으로 갱신합니다. 겹치지 않으면 이전 간격을 결과에 추가하고 현재 간격을 갱신합니다. 시간 복잡도는 정렬에 O(n log n), 순회에 O(n)으로 총 O(n log n)이며, 공간 복잡도는 결과 배열을 제외하면 O(1) (in-place) 또는 결과를 새로 만들면 O(n)입니다. 빈 배열이 입력되면 빈 배열을 반환해야 합니다. 면접에서는 Comparator를 직접 구현하는 방법도 물어볼 수 있습니다.

  def merge_intervals(intervals):
      if not intervals:
          return []
      intervals.sort(key=lambda x: x[0])  # 시작 시간 기준 정렬
      merged = []
      for interval in intervals:
          if not merged or merged[-1][1] < interval[0]:
              merged.append(interval)
          else:
              merged[-1][1] = max(merged[-1][1], interval[1])
      return merged

• WhatsApp과 같은 분산 채팅 시스템을 설계하세요.
  좋은 답변이 다루는 것

  • WebSocket 실시간 통신
  • 채팅 서버 클러스터 (consistent hashing)
  • 메시지 저장소 (Cassandra)
  • 오프라인 메시지 처리
  • 확장성: 샤딩, 비동기 처리 (Kafka)

  샘플 답변 보기

  분산 채팅 시스템은 클라이언트-서버 모델로, WebSocket을 사용하여 실시간 메시지를 주고받습니다. 클라이언트는 로드 밸런서를 통해 여러 채팅 서버 중 하나에 연결됩니다. 채팅 서버는 상태를 유지해야 하므로 consistent hashing으로 사용자 연결을 분산시킵니다. 메시지는 내구성을 위해 Cassandra에 저장되며, 파티션 키는 (user_id, timestamp)로 샤딩합니다. 오프라인 메시지는 메시지 큐(Kafka)에 저장하고 사용자가 접속 시 전달합니다. 또한, Push Notification을 위해 별도의 알림 서비스가 필요합니다. 주요 병목은 채팅 서버의 메모리와 DB 쓰기 성능이므로, 샤딩과 비동기 처리가 중요합니다.

• 동료와 의견 충돌이 있었던 경험에 대해 말씀해 주세요. 어떻게 해결하셨나요?
  좋은 답변이 다루는 것

  • STAR 기법 사용 (상황, 과제, 행동, 결과)
  • 의견 충돌 시 데이터 기반 논의
  • 공동 목표 설정
  • 타협과 절충
  • 관계 유지

  샘플 답변 보기

  제품 출시 전 A/B 테스트 방법에 대해 동료와 의견 충돌이 있었습니다. 저는 다양한 트래픽 분할을 제안했고, 동료는 단순한 50:50을 선호했습니다. (상황) 우리의 공동 목표는 정확한 결과를 빠르게 얻는 것이었습니다. (과제) 저는 기존 데이터와 시뮬레이션을 준비하여 다양한 분할이 통계적 유의성을 높일 수 있음을 설명했습니다. (행동) 동료는 단순성과 운영 부담을 강조하여, 결국 70:30 분할을 타협안으로 채택했습니다. (결과) 테스트 결과 신뢰도가 높았고, 이후에도 좋은 협업 관계를 유지했습니다.

• 단어 목록이 주어졌을 때, 애너그램 그룹을 반환하세요.
  좋은 답변이 다루는 것

  • 정렬된 단어를 키로 사용
  • 딕셔너리로 그룹화
  • O(N K log K) 시간 복잡도
  • 소수 곱셈 키 방법 (아나그램 판별)
  • 빈 문자열 처리

  샘플 답변 보기

  애너그램 그룹을 만들려면 각 단어를 정렬하여 동일한 문자 구성이면 같은 키가 되도록 합니다. 딕셔너리를 사용해 키별로 단어를 모은 후, values()를 반환합니다. 시간 복잡도는 단어 개수 N, 단어 평균 길이 K일 때 O(N * K log K)입니다. 공간 복잡도는 O(NK)입니다. 다른 방법으로는 각 문자에 소수를 할당하여 곱을 키로 사용하면 O(NK) 시간에 가능하지만, 큰 정수 오버플로에 주의해야 합니다. 빈 문자열이 입력되면 빈 리스트를 반환합니다.

  def group_anagrams(strs):
      from collections import defaultdict
      groups = defaultdict(list)
      for s in strs:
          key = ''.join(sorted(s))  # 정렬된 문자열을 키로
          groups[key].append(s)
      return list(groups.values())

• Facebook의 사진 공유 기능을 어떻게 재설계하여 참여도를 높일 수 있나요?
  좋은 답변이 다루는 것

  • 스토리 기능 도입 (자동 공유, 소멸성)
  • AI 기반 사진 큐레이션
  • 소셜 인터랙션 강화 (태그, 댓글, 반응)
  • 개인화된 추천
  • 참여도 측정 지표 (DAU, 공유율)

  샘플 답변 보기

  사진 공유 참여도를 높이려면 사용자가 더 쉽게 사진을 공유하고 발견할 수 있도록 해야 합니다. 먼저 '스토리' 기능을 도입하여 24시간 후 사라지는 사진을 친구들과 공유하게 하면 부담 없이 게시할 수 있습니다. 또한, AI가 사용자의 사진 중 최고의 순간을 자동으로 하이라이트하여 '최고의 순간' 앨범을 제안합니다. 태그 기능을 강화하여 사진 속 인물을 자동 인식하고 알림을 보내면 댓글과 좋아요가 증가합니다. 개인화된 추천으로 사용자가 관심 있을 만한 사진을 피드에 노출시키고, 공유 시 보상 배지를 제공합니다. 이러한 기능들은 자연스럽게 참여도를 높이고 일일 활성 사용자(DAU)와 공유율 증가로 이어집니다.

• 배열에서 가장 긴 증가 부분 수열을 찾으세요.
  좋은 답변이 다루는 것

  • DP O(N^2) 또는 이진 탐색 O(N log N)
  • tails 배열, patience sorting
  • 부분 수열 재구성
  • O(N) 공간
  • 음수 처리

  샘플 답변 보기

  가장 긴 증가 부분 수열(LIS)은 동적 계획법으로 O(N^2)에 해결할 수 있지만, 더 효율적인 방법은 tails 배열을 사용하는 O(N log N) 알고리즘입니다. tails[i]는 길이가 i+1인 증가 부분 수열의 마지막 원소 중 최솟값을 저장합니다. 각 수 num에 대해 이진 탐색으로 num 이상인 첫 번째 tails의 위치를 찾아 갱신합니다. 길이를 구하려면 tails의 길이를 반환하고, 실제 수열을 구하려면 인덱스를 저장합니다. 시간 복잡도 O(N log N), 공간 O(N)입니다. 참고로 음수도 정상 처리됩니다.

  def length_of_lis(nums):
      import bisect
      tails = []
      for num in nums:
          pos = bisect.bisect_left(tails, num)
          if pos == len(tails):
              tails.append(num)
          else:
              tails[pos] = num
      return len(tails)

• 실수했던 경험과 어떻게 대처했는지 설명해 주세요.
  좋은 답변이 다루는 것

  • STAR 기법
  • 책임 인정 및 빠른 조치
  • 사후 분석 (post-mortem)
  • 예방 조치 도입
  • 학습과 성장

  샘플 답변 보기

  프로덕션 배포 중 설정 파일을 잘못 수정하여 일부 사용자에게 서비스 장애가 발생한 적이 있습니다. (상황) 저는 즉시 롤백을 실행하고, 영향을 받은 사용자에게 사과문을 발송했습니다. (과제) 장애의 근본 원인을 파악하고 재발을 방지하는 것이었습니다. (행동) 저는 팀과 함께 사후 분석을 진행하여 코드 리뷰 프로세스에 설정 파일 변경 시 반드시 리뷰를 받도록 추가했습니다. 또한, 배포 파이프라인에 자동화된 테스트를 도입했습니다. (결과) 이후 동일한 유형의 장애는 발생하지 않았고, 팀의 배포 신뢰도가 향상되었습니다.

• 뉴스 피드 랭킹 알고리즘을 설계하세요.
  좋은 답변이 다루는 것

  • 특징: 최신성, 친밀도, 참여도, 콘텐츠 유형
  • ML 모델 (CTR, 체류 시간 예측)
  • 후보 생성과 점수화
  • 실시간 vs 배치 처리
  • A/B 테스트 및 모델 업데이트

  샘플 답변 보기

  뉴스 피드 랭킹 알고리즘은 먼저 사용자의 친구, 페이지, 그룹에서 후보 포스트를 생성합니다. 각 포스트는 다양한 특징(최신성, 사용자와의 상호작용 이력, 포스트의 인기도, 미디어 유형)을 추출하여 머신러닝 모델(예: Gradient Boosted Decision Tree)로 점수를 계산합니다. 모델은 클릭률(CTR)이나 체류 시간을 목표로 학습됩니다. 실시간으로 점수를 계산하려면 특징을 미리 계산해두고, 모델 서빙은 지연 시간을 줄이기 위해 캐싱과 경량화가 필요합니다. 대규모 사용자를 위해 샤딩과 비동기 처리를 적용합니다. 알고리즘은 지속적으로 A/B 테스트를 통해 개선되며, 사용자 피드백을 반영하여 모델을 업데이트합니다.

준비 팁

• 트리/그래프 문제가 매우 흔하므로 깊이 우선 탐색과 너비 우선 탐색을 마스터하세요.
• 트레이드오프와 확장에 초점을 맞춰 45분 내에 시스템 디자인을 연습하세요.
• 리더십, 영향력, 갈등 해결을 강조하는 3~5개의 STAR 스토리를 준비하세요.
• Meta의 리더십 원칙을 철저히 이해하고 경험을 그에 맞추세요.
• 구문 강조 없이 면접 환경을 시뮬레이션하기 위해 화이트보드나 일반 텍스트 편집기에서 코딩을 연습하세요.

자주 묻는 질문