面试汇总——社招算法题篇

面试结果

总结下最近的面试:

• 头条后端：3面技术面挂
• 蚂蚁支付宝营销-机器学习平台开发: 技术面经过,年后被通知只有P7的hc
• 蚂蚁中台-机器学习平台开发: 技术面经过, 被蚂蚁HR挂掉（脉脉上好多人遇到这种状况，一个是今年大环境很差，另外一个，面试尽可能不要遇上阿里财年年末，这算是一点tips吧）
• 快手后端: 拿到offer
• 百度后端: 拿到offer

最终拒了百度，去快手了, 一心想去阿里, 我的有点阿里情节吧，缘分差点。 总结下最近的面试状况, 因为面了20多面, 就按照题型分类给你们一个总结。推荐你们每一年都要抽出时间去面一下，不必定跳槽，可是须要知道本身的不足，必定要你的工龄匹配上你的能力。好比就我我的来讲，经过面试我知道数据库的知识不是很懂，再加上因为所在组对数据库接触较少，这就是短板，做为一个后端工程师对数据库说不太了解是很可耻的，在选择offer的时候就能够适当有偏向性。下面分专题把最近的面试总结和你们总结一下。过度简单的就不说了，好比打印一个图形啥的, 还有的我不太记得清了，好比快手一面好像是一道动态规划的题目。固然，可能有的解决方法不是很好，你们能够在手撕代码群里讨论。最后一篇我再谈一下一些面试的技巧啥的。麻烦你们点赞转发支持下~

股票买卖(头条)

Leetcode 上有三题股票买卖，面试的时候只考了两题，分别是easy 和medium的难度

Leetcode 121. 买卖股票的最佳时机

给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。

若是你最多只容许完成一笔交易（即买入和卖出一支股票），设计一个算法来计算你所能获取的最大利润。

注意你不能在买入股票前卖出股票。

示例 1:

输入: [7,1,5,3,6,4]
输出: 5
复制代码

解释: 在第 2 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 = 6）的时候卖出，最大利润 = 6-1 = 5 。 注意利润不能是 7-1 = 6, 由于卖出价格须要大于买入价格。 示例 2:

输入: [7,6,4,3,1]
输出: 0
复制代码

解释: 在这种状况下, 没有交易完成, 因此最大利润为 0。

题解

纪录两个状态, 一个是最大利润, 另外一个是遍历过的子序列的最小值。知道以前的最小值咱们就能够算出当前天可能的最大利润是多少

class Solution {
    public int maxProfit(int[] prices) {
        // 7,1,5,3,6,4
        int maxProfit = 0;
        int minNum = Integer.MAX_VALUE;
        for (int i = 0; i < prices.length; i++) { if (Integer.MAX_VALUE != minNum && prices[i] - minNum > maxProfit) { maxProfit = prices[i] - minNum; } if (prices[i] < minNum) { minNum = prices[i]; } } return maxProfit; } } 复制代码

Leetcode 122. 买卖股票的最佳时机 II

此次改为股票能够买卖屡次, 可是你必需要在出售股票以前把持有的股票卖掉。 示例 1:

输入: [7,1,5,3,6,4]
输出: 7
解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能得到利润 = 5-1 = 4 。
     随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能得到利润 = 6-3 = 3 。
复制代码

示例 2:

输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能得到利润 = 5-1 = 4 。
     注意你不能在第 1 天和第 2 天接连购买股票，以后再将它们卖出。
     由于这样属于同时参与了多笔交易，你必须在再次购买前出售掉以前的股票。
复制代码

示例 3:

输入: [7,6,4,3,1]
输出: 0
解释: 在这种状况下, 没有交易完成, 因此最大利润为 0。
复制代码

题解

因为能够无限次买入和卖出。咱们都知道炒股想挣钱固然是低价买入高价抛出，那么这里咱们只须要从次日开始，若是当前价格比以前价格高，则把差值加入利润中，由于咱们能够昨天买入，今日卖出，若明日价更高的话，还能够今日买入，明日再抛出。以此类推，遍历完整个数组后便可求得最大利润。

class Solution {
    public int maxProfit(int[] prices) {
        // 7,1,5,3,6,4
        int maxProfit = 0;
        for (int i = 0; i < prices.length; i++) { if (i != 0 && prices[i] - prices[i-1] > 0) { maxProfit += prices[i] - prices[i-1]; } } return maxProfit; } } 复制代码

LRU cache (头条、蚂蚁)

这道题目是头条的高频题目，甚至我怀疑，头条这个面试题是题库里面的必考题。看脉脉也是好多人遇到。第一次我写的时候没写好，可能因为这个挂了。

转自知乎:zhuanlan.zhihu.com/p/34133067

题目

运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制。它应该支持如下操做： 获取数据 get 和 写入数据 put 。

获取数据 get(key) - 若是密钥 (key) 存在于缓存中，则获取密钥的值（老是正数），不然返回 -1。 写入数据 put(key, value) - 若是密钥不存在，则写入其数据值。当缓存容量达到上限时，它应该在写入新数据以前删除最近最少使用的数据值，从而为新的数据值留出空间。

进阶:

你是否能够在 O(1) 时间复杂度内完成这两种操做？

LRUCache cache = new LRUCache( 2 /* 缓存容量 */ );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1);       // 返回  1
cache.put(3, 3);    // 该操做会使得密钥 2 做废
cache.get(2);       // 返回 -1 (未找到)
cache.put(4, 4);    // 该操做会使得密钥 1 做废
cache.get(1);       // 返回 -1 (未找到)
cache.get(3);       // 返回  3
cache.get(4);       // 返回  4
复制代码

题解

这道题在今日头条、快手或者硅谷的公司中是比较常见的，代码要写的还蛮多的，难度也是hard级别。

最重要的是LRU 这个策略怎么去实现, 很容易想到用一个链表去实现最近使用的放在链表的最前面。 好比get一个元素,至关于被使用过了，这个时候它须要放到最前面，再返回值, set同理。 那如何把一个链表的中间元素，快速的放到链表的开头呢？ 很天然的咱们想到了双端链表。

基于 HashMap 和 双向链表实现 LRU 的

总体的设计思路是，可使用 HashMap 存储 key，这样能够作到 save 和 get key的时间都是 O(1)，而 HashMap 的 Value 指向双向链表实现的 LRU 的 Node 节点，如图所示。

 

LRU 存储是基于双向链表实现的，下面的图演示了它的原理。其中 head 表明双向链表的表头，tail 表明尾部。首先预先设置 LRU 的容量，若是存储满了，能够经过 O(1) 的时间淘汰掉双向链表的尾部，每次新增和访问数据，均可以经过 O(1)的效率把新的节点增长到对头，或者把已经存在的节点移动到队头。

下面展现了，预设大小是 3 的，LRU存储的在存储和访问过程当中的变化。为了简化图复杂度，图中没有展现 HashMap部分的变化，仅仅演示了上图 LRU 双向链表的变化。咱们对这个LRU缓存的操做序列以下：

save("key1", 7) save("key2", 0) save("key3", 1) save("key4", 2) get("key2") save("key5", 3) get("key2") save("key6", 4) 复制代码

相应的 LRU 双向链表部分变化以下：

 

总结一下核心操做的步骤:

save(key, value)，首先在 HashMap 找到 Key 对应的节点，若是节点存在，更新节点的值，并把这个节点移动队头。若是不存在，须要构造新的节点，而且尝试把节点塞到队头，若是LRU空间不足，则经过 tail 淘汰掉队尾的节点，同时在 HashMap 中移除 Key。

get(key)，经过 HashMap 找到 LRU 链表节点，由于根据LRU 原理，这个节点是最新访问的，因此要把节点插入到队头，而后返回缓存的值。

private static class DLinkedNode {
        int key;
        int value;
        DLinkedNode pre;
        DLinkedNode post;
    }

    /**
     * 老是在头节点中插入新节点.
     */
    private void addNode(DLinkedNode node) {

        node.pre = head;
        node.post = head.post;

        head.post.pre = node;
        head.post = node;
    }

    /**
     * 摘除一个节点.
     */
    private void removeNode(DLinkedNode node) {
        DLinkedNode pre = node.pre;
        DLinkedNode post = node.post;

        pre.post = post;
        post.pre = pre;
    }

    /**
     * 摘除一个节点,而且将它移动到开头
     */
    private void moveToHead(DLinkedNode node) {
        this.removeNode(node);
        this.addNode(node);
    }

    /**
     * 弹出最尾巴节点
     */
    private DLinkedNode popTail() { DLinkedNode res = tail.pre; this.removeNode(res); return res; } private HashMap<Integer, DLinkedNode> cache = new HashMap<Integer, DLinkedNode>(); private int count; private int capacity; private DLinkedNode head, tail; public LRUCache(int capacity) { this.count = 0; this.capacity = capacity; head = new DLinkedNode(); head.pre = null; tail = new DLinkedNode(); tail.post = null; head.post = tail; tail.pre = head; } public int get(int key) { DLinkedNode node = cache.get(key); if (node == null) { return -1; // cache里面没有 } // cache 命中,挪到开头 this.moveToHead(node); return node.value; } public void put(int key, int value) { DLinkedNode node = cache.get(key); if (node == null) { DLinkedNode newNode = new DLinkedNode(); newNode.key = key; newNode.value = value; this.cache.put(key, newNode); this.addNode(newNode); ++count; if (count > capacity) { // 最后一个节点弹出 DLinkedNode tail = this.popTail(); this.cache.remove(tail.key); count--; } } else { // cache命中,更新cache. node.value = value; this.moveToHead(node); } } 复制代码

二叉树层次遍历(头条)

这个题目以前也讲过，Leetcode 102题。

题目

给定一个二叉树，返回其按层次遍历的节点值。 （即逐层地，从左到右访问全部节点）。

例如: 给定二叉树: [3,9,20,null,null,15,7],

3
   / \
  9  20
    /  \
   15   7
复制代码

返回其层次遍历结果：

[
  [3],
  [9,20],
  [15,7]
]
复制代码

题解

咱们数据结构的书上教的层序遍历,就是利用一个队列,不断的把左子树和右子树入队。可是这个题目还要要求按照层输出。因此关键的问题是： 如何肯定是在同一层的。 咱们很天然的想到： 若是在入队以前,把上一层全部的节点出队,那么出队的这些节点就是上一层的列表。 因为队列是先进先出的数据结构,因此这个列表是从左到右的。

/**
 * Definition for a binary tree node. * public class TreeNode { * int val; * TreeNode left; * TreeNode right; * TreeNode(int x) { val = x; } * } */ class Solution { public List<List<Integer>> levelOrder(TreeNode root) { List<List<Integer>> res = new LinkedList<>(); if (root == null) { return res; } LinkedList<TreeNode> queue = new LinkedList<>(); queue.add(root); while (!queue.isEmpty()) { int size = queue.size(); List<Integer> currentRes = new LinkedList<>(); // 当前队列的大小就是上一层的节点个数, 依次出队 while (size > 0) { TreeNode current = queue.poll(); if (current == null) { continue; } currentRes.add(current.val); // 左子树和右子树入队. if (current.left != null) { queue.add(current.left); } if (current.right != null) { queue.add(current.right); } size--; } res.add(currentRes); } return res; } } 复制代码

这道题可不能够用非递归来解呢?

递归的子问题：遍历当前节点, 对于当前层, 遍历左子树的下一层层,遍历右子树的下一层

递归结束条件: 当前层,当前子树节点是null

/**
 * Definition for a binary tree node. * public class TreeNode { * int val; * TreeNode left; * TreeNode right; * TreeNode(int x) { val = x; } * } */ class Solution { public List<List<Integer>> levelOrder(TreeNode root) { List<List<Integer>> res = new LinkedList<>(); if (root == null) { return res; } levelOrderHelper(res, root, 0); return res; } /** * @param depth 二叉树的深度 */ private void levelOrderHelper(List<List<Integer>> res, TreeNode root, int depth) { if (root == null) { return; } if (res.size() <= depth) { // 当前层的第一个节点,须要new 一个list来存当前层. res.add(new LinkedList<>()); } // depth 层,把当前节点加入 res.get(depth).add(root.val); // 递归的遍历下一层. levelOrderHelper(res, root.left, depth + 1); levelOrderHelper(res, root.right, depth + 1); } } 复制代码

二叉树转链表(快手)

这是Leetcode 104题。 给定一个二叉树，原地将它展开为链表。

例如，给定二叉树

1
   / \
  2   5
 / \   \
3   4   6
复制代码

将其展开为：

1
 \
  2
   \
    3
     \
      4
       \
        5
         \
          6
复制代码

这道题目的关键是转换的时候递归的时候记住是先转换右子树，再转换左子树。 因此须要记录一下右子树转换完以后链表的头结点在哪里。注意没有新定义一个next指针，而是直接将right 当作next指针,那么Left指针咱们赋值成null就能够了。

class Solution {
    private TreeNode prev = null;

    public void flatten(TreeNode root) {
        if (root == null) return; flatten(root.right); // 先转换右子树 flatten(root.left); root.right = prev; // 右子树指向链表的头 root.left = null; // 把左子树置空 prev = root; // 当前结点为链表头 } } 复制代码

用递归解法,用一个stack 记录节点,右子树先入栈，左子树后入栈。

class Solution {
    public void flatten(TreeNode root) {
        if (root == null) return; Stack<TreeNode> stack = new Stack<TreeNode>(); stack.push(root); while (!stack.isEmpty()) { TreeNode current = stack.pop(); if (current.right != null) stack.push(current.right); if (current.left != null) stack.push(current.left); if (!stack.isEmpty()) current.right = stack.peek(); current.left = null; } } } 复制代码

二叉树寻找最近公共父节点(快手)

Leetcode 236 二叉树的最近公共父亲节点

题解

从根节点开始遍历，若是node1和node2中的任一个和root匹配，那么root就是最低公共祖先。 若是都不匹配，则分别递归左、右子树，若是有一个 节点出如今左子树，而且另外一个节点出如今右子树，则root就是最低公共祖先. 若是两个节点都出如今左子树，则说明最低公共祖先在左子树中，不然在右子树。

public class Solution {  
    public TreeNode lowestCommonAncestor(TreeNode root, TreeNode p, TreeNode q) {  
        //发现目标节点则经过返回值标记该子树发现了某个目标结点  
        if(root == null || root == p || root == q) return root; //查看左子树中是否有目标结点，没有为null TreeNode left = lowestCommonAncestor(root.left, p, q); //查看右子树是否有目标节点，没有为null TreeNode right = lowestCommonAncestor(root.right, p, q); //都不为空，说明作右子树都有目标结点，则公共祖先就是自己 if(left!=null&&right!=null) return root; //若是发现了目标节点，则继续向上标记为该目标节点 return left == null ? right : left; } } 复制代码

数据流求中位数(蚂蚁)

面了蚂蚁中台的团队,二面面试官根据汇报层级推测应该是P9级别及以上，在美国面我，面试风格偏硅谷那边。题目是hard难度的,leetcode 295题。 这道题目是Leetcode的hard难度的原题。给定一个数据流，求数据流的中位数，求中位数或者topK的问题咱们一般都会想用堆来解决。 可是面试官又进一步加大了难度，他要求内存使用很小，没有磁盘，可是压榨空间的同时能够忍受必定时间的损耗。且面试官不只要求说出思路，要写出完整可通过大数据检测的production code。

先不考虑内存

不考虑内存的方式就是Leetcode 论坛上的题解。 基本思想是创建两个堆。左边是大根堆，右边是小根堆。 若是是奇数的时候，大根堆的堆顶是中位数。

例如：[1,2,3,4,5] 大根堆创建以下：

3
     / \
    1   2
复制代码

小根堆创建以下:

4
     / 
    5   
复制代码

偶数的时候则是最大堆和最小堆顶的平均数。

例如: [1, 2, 3, 4]

大根堆创建以下：

2
     / 
    1   
复制代码

小根堆创建以下:

3
     / 
    4   
复制代码

而后再维护一个奇数偶数的状态便可求中位数。

public class MedianStream {
    private PriorityQueue<Integer> leftHeap = new PriorityQueue<>(5, Collections.reverseOrder());
    private PriorityQueue<Integer> rightHeap = new PriorityQueue<>(5);

    private boolean even = true; public double getMedian() { if (even) { return (leftHeap.peek() + rightHeap.peek()) / 2.0; } else { return leftHeap.peek(); } } public void addNum(int num) { if (even) { rightHeap.offer(num); int rightMin = rightHeap.poll(); leftHeap.offer(rightMin); } else { leftHeap.offer(num); int leftMax = leftHeap.poll(); rightHeap.offer(leftMax); } System.out.println(leftHeap); System.out.println(rightHeap); // 奇偶变换. even = !even; } } 复制代码

压榨内存

可是这样作的问题就是可能内存会爆掉。若是你的流无限大，那么意味着这些数据都要存在内存中，堆必需要可以建无限大。若是内存必须很小的方式，用时间换空间。

• 流是能够重复去读的, 用时间换空间;
• 能够用分治的思想,先读一遍流,把流中的数据个数分桶;
• 分桶以后遍历桶就能够获得中位数落在哪一个桶里面,这样就把问题的范围缩小了。

public class Median {
    private static int BUCKET_SIZE = 1000;

    private int left = 0;
    private int right = Integer.MAX_VALUE;

    // 流这里用int[] 代替
    public double findMedian(int[] nums) {
        // 第一遍读取stream 将问题复杂度转化为内存可接受的量级.
        int[] bucket = new int[BUCKET_SIZE];
        int step = (right - left) / BUCKET_SIZE;
        boolean even = true; int sumCount = 0; for (int i = 0; i < nums.length; i++) { int index = nums[i] / step; bucket[index] = bucket[index] + 1; sumCount++; even = !even; } // 若是是偶数,那么就须要计算第topK 个数 // 若是是奇数, 那么须要计算第 topK和topK+1的个数. int topK = even ? sumCount / 2 : sumCount / 2 + 1; int index = 0; int indexBucketCount = 0; for (index = 0; index < bucket.length; index++) { indexBucketCount = bucket[index]; if (indexBucketCount >= topK) { // 当前bucket 就是中位数的bucket. break; } topK -= indexBucketCount; } // 划分到这里其实转化为一个topK的问题, 再读一遍流. if (even && indexBucketCount == topK) { left = index * step; right = (index + 2) * step; return helperEven(nums, topK); // 偶数的时候, 刚好划分到在左右两个子段中. // 左右两段中 [topIndex-K + (topIndex-K + 1)] / 2. } else if (even) { left = index * step; right = (index + 1) * step; return helperEven(nums, topK); // 左边 [topIndex-K + (topIndex-K + 1)] / 2 } else { left = index * step; right = (index + 1) * step; return helperOdd(nums, topK); // 奇数, 左边topIndex-K } } } 复制代码

这里边界条件咱们处理好以后,关键仍是helperOdd 和 helperEven这两个函数怎么去求topK的问题. 咱们仍是转化为一个topK的问题,那么求top-K和top(K+1)的问题到这里咱们是否是能够用堆来解决了呢? 答案是不能,考虑极端状况。 中位数的重复次数很是多

eg:
[100,100,100,100,100...] (1000亿个100)
复制代码

你的划分刚好落到这个桶里面,内存一样会爆掉。

再用时间换空间

假如咱们的划分bucket大小是10000,那么最大的时候区间就是20000。(对应上面的偶数且落到两个分桶的状况) 那么既然划分到某一个bucket了,咱们直接用数数字的方式来求topK 就能够了,用堆的方式也能够,更高效一点,其实这里问题规模已经划分到很小了,两种方法均可以。 咱们选用TreeMap这种数据结构计数。而后分奇数偶数去求解。

private double helperEven(int[] nums, int topK) {
        TreeMap<Integer, Integer> map = new TreeMap<>();
        for (int i = 0; i < nums.length; i++) { if (nums[i] >= left && nums[i] <= right) { if (!map.containsKey(nums[i])) { map.put(nums[i], 1); } else { map.put(nums[i], map.get(nums[i]) + 1); } } } int count = 0; int kNum = Integer.MIN_VALUE; int kNextNum = 0; for (Map.Entry<Integer, Integer> entry : map.entrySet()) { int currentCountIndex = entry.getValue(); if (kNum != Integer.MIN_VALUE) { kNextNum = entry.getKey(); break; } if (count + currentCountIndex == topK) { kNum = entry.getKey(); } else if (count + currentCountIndex > topK) { kNum = entry.getKey(); kNextNum = entry.getKey(); break; } else { count += currentCountIndex; } } return (kNum + kNextNum) / 2.0; } private double helperOdd(int[] nums, int topK) { TreeMap<Integer, Integer> map = new TreeMap<>(); for (int i = 0; i < nums.length; i++) { if (nums[i] >= left && nums[i] <= right) { if (!map.containsKey(nums[i])) { map.put(nums[i], 1); } else { map.put(nums[i], map.get(nums[i]) + 1); } } } int count = 0; int kNum = Integer.MIN_VALUE; for (Map.Entry<Integer, Integer> entry : map.entrySet()) { int currentCountIndex = entry.getValue(); if (currentCountIndex + count >= topK) { kNum = entry.getKey(); break; } else { count += currentCountIndex; } } return kNum; } 复制代码

至此,我以为算是一个比较好的解决方案，leetcode社区没有相关的解答和探索，欢迎你们交流。

做者：码蹄疾 连接：https://juejin.im/post/5cab4ae46fb9a0688d2e24b4 来源：掘金 著做权归做者全部。商业转载请联系做者得到受权，非商业转载请注明出处。