Domande per Colloquio da Software Engineer in Google (2026)

Il processo da ingegnere del software di Google è famoso per l'enfasi su strutture dati e algoritmi. La maggior parte dei candidati affronta due o tre round di coding, almeno un round di system design (per L4 e oltre), e un round comportamentale che Google chiama internamente "Googleyness and Leadership". Lo standard richiesto non riguarda trucchi esotici, ma soluzioni pulite, corrette e ben comunicate con un'analisi di complessità rigorosa.

Gli intervistatori sono addestrati a valutare come pensi, non se hai memorizzato un problema specifico. Vogliono sentirti chiarire il problema, dichiarare ipotesi, ragionare ad alta voce su tempo e spazio, e gestire follow-up che restringono i vincoli. Una forza bruta funzionante che poi ottimizzi batte una soluzione ottimale ricordata a metà che non riesci a spiegare.

Le domande qui sotto riflettono le categorie su cui Google si basa. Esercitati a narrare il tuo approccio: la differenza tra un segnale L3 e L4 è spesso la comunicazione e la capacità di discutere trade-off, non la velocità pura nel risolvere problemi.

Domande per Colloquio da Software Engineer in Google e Come Rispondere

1. Data una lista di intervalli, unisci tutti quelli che si sovrappongono.

Approccio: Ordina per ora di inizio, poi scorri una volta unendo quando l'inizio corrente ≤ la fine precedente. O(n log n) è dominato dall'ordinamento. Dichiara l'invariante dell'ordinamento ad alta voce — gli intervistatori Google premiano un approccio chiaramente dichiarato prima di scrivere codice.

2. Trova il k-esimo elemento più grande in un array non ordinato.

Approccio: Offri un min-heap di dimensione k (O(n log k)) e quickselect (O(n) in media). Discuti il trade-off: quickselect è più rapido in media ma O(n²) nel caso peggiore; il heap è più stabile e gestisce lo streaming. Nominare entrambi segnala profondità.

3. Serializza e deserializza un albero binario.

Approccio: Scegli un attraversamento (preorder con marcatori null è pulito) e mostra che entrambe le direzioni sono coerenti. Discuti il delimitatore e come ricostruisci. A Google piace vedere che gestisci esplicitamente il caso del nodo null.

4. Word ladder: sequenza di trasformazione più corta tra due parole.

Approccio: Modellalo come BFS su un grafo dove gli archi collegano parole che differiscono per una lettera. Discuti come costruire l'adiacenza in modo efficiente (bucket con wildcard) e perché BFS garantisce il percorso più breve. Il BFS bidirezionale è un forte follow-up.

5. Progetta una cache LRU.

Approccio: Hash map + lista doppiamente concatenata per get/put in O(1). Percorri esplicitamente il percorso di eviction. È un classico riscaldamento di Google che testa se riesci a combinare due strutture in modo pulito sotto pressione di tempo.

6. Numero di isole in una griglia 2D.

Approccio: DFS o BFS flood fill da ogni cella di terra non visitata, contando le componenti. O(righe×colonne). Menziona la marcatura in-place rispetto a un insieme di visitati come trade-off di spazio — un follow-up comune di Google.

7. Progetta un sistema per restituire le k query di ricerca più frequenti.

Approccio: Delimita prima il rapporto letture vs scritture. Discuti un count-min sketch o un heap su una hash map per un top-k approssimato su larga scala, e come faresti lo sharding. Questo si collega al round di system design incluso in molti processi Google.

8. Parlami di una volta in cui hai dovuto prendere una decisione senza dati completi.

Approccio: STAR. Il round "Googleyness" di Google cerca comfort con l'ambiguità, un bias verso l'azione bilanciato dal giudizio, e l'apprendimento dal risultato. Scegli un esempio reale con un risultato concreto e cosa faresti diversamente.

Ricevi aiuto in tempo reale nel tuo colloquio da software engineer in Google

In un vero colloquio Google, Natively trascrive la domanda, legge il documento di codice condiviso tramite OCR sullo schermo, e suggerisce un approccio strutturato con analisi di complessità in meno di 500 ms — interamente sul tuo dispositivo. Usalo per restare strutturato nei round di algoritmi e Googleyness.

Put it on your own machine.

A live-conversation assistant that runs locally. Nothing leaves your machine.

macOS 12+ · Windows 10/11

© 2026 Natively AI Private Limited

Source-available under the Natively Personal Use Source License v1.0 · IP geolocation by DB-IP