\n\n**划重点**\n\n这个思路用到的是另外一种构建subset的方法：**'每个size为k的subset都是由一个size为k-1的subset加上一个元素得到的'**。而我们在构建subset的过程当中要**避免出现重复**，比如：'123'， '132'， '213'，'231'，'312'，'321'这几个都是相同的subset，我们只应该让它在我们的构建方法中出现一次，否则会有重复。\n\n常见的Intuition是**“如果我们在构建subset的过程中保持一定的顺序，那么上述这些可能出现的subset只会出现其中的唯一一个！'**，那么我们可以选用的方法是，在构建subset的过程中，每次新添加的元素**保持递增**的顺序，这样'132'，'213'等等都不会出现在我们的结果里面，当我们已经有了一个size为1的subset '2'，我们是不会再把“21”构建出来的，下一次新添加的元素只能是比2大的所有选择。\n\n\n"}}},{"node":{"title":"Maximum Subarray Sum Problem","path":"/en/news/2017-05-03-maximum-subarray-sum-problem/","node_locale":"en-US","id":"2f5c38cf-3b64-5503-8d5f-797e6a9803fa","contentful_id":"9E9mFrvzTUCMcCKSM2AAG5","date":"2017-05-03T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Algorithm"],"description":{"description":"Recursion is one of the most powerful algorithm design technique that it allows you to solve a complex problem by programs that are extremely concise and easy to reason their correctness. Basically, you need to reduce the original problem into one or more simpler instance of the same problem. The subdivision will continue until the instance we get can be solved directly. The maximum subarray sum problem is one of the classical algorithm problems and it is stated as follow:Given an array that contains n integers, try to find the subarray that has the largest sum and return this sum.Though people may be already very familiar with the optimal solution, we are trying to solve this problem in a hard way from **a pure recursion perspective**, only by which we are able to perceive the beauty and elegancy, and to obtain a deeper appreciation of recursion."},"thumbnail":{"id":"7d45b728-01ca-5422-baa2-75cb4cb522f4","resolutions":{"width":800,"height":550,"src":"//images.ctfassets.net/04k2xg9gplcj/2UUN9MIe64Cesimg2aGaQu/d9eeab51833cf9440c418aa95590c908/technical-016-01.png?w=800&h=550&q=50&fit=fill","srcSet":""}},"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"dc9f5372-6e4a-59da-8bdd-9ba2cbac0f06","body":"Recursion is one of the most powerful algorithm design technique that it allows you to solve a complex problem by programs that are extremely concise and easy to reason their correctness. Basically, you need to reduce the original problem into one or more simpler instance of the same problem. The subdivision will continue until the instance we get can be solved directly. The maximum subarray sum problem is one of the classical algorithm problems and it is stated as follow:Given an array that contains n integers, try to find the subarray that has the largest sum and return this sum.Though people may be already very familiar with the optimal solution, we are trying to solve this problem in a hard way from **a pure recursion perspective**, only by which we are able to perceive the beauty and elegancy, and to obtain a deeper appreciation of recursion.\n\n**1\\. The 'brute force' recursive definition**\n\nIf we think about the **location** of the subarray with the maximum sum, there are only two possible cases:\n\n1) Either it is the current array itself.\n\n2) Or it is **completely contained within one of the two parts** after the partition of the current array. Since we do not know the exact part, the simplest way to make sure we have the desired answer is to try every possible partition and the resulting parts and pick the one with the largest answer.\n\nBased on this analysis, let’s recursively define **the maximum subarray sum of the input array A[1..n], which we denote by MaxSubarraySum(A[1..n]).** We will have\n\n \n\nThe python code is as follow:\n\n\n\nWhat will be the time complexity then? If Tn is the total number of compares and additions to solve the maximum subarray sum problem with n integers, we have T1 = 0 and\n\n\n\nTo get the total number of compares and additions, we add the number of compares(which is n - 1 inner max operators and n - 1 after applying the outer max operator) and the number of additions (which is n - 1) for the reduction stage after the recursion to the number of compares and additions used for the subarrays after partitioning.When the partitioning element is the kth element, the subarrays after partitioning are of size k and n - k.\n\nYou can see that now our analysis reduces to the above equation that does not depend on properties of the algorithm. First, let us change the second part of the sum of the right side because of the symmetry to get:\n\n\n\nThen subtract the same formula from the formula for n + 1 to eliminate the sum and rearrange terms to get:\n\n\n\nThis can be solved by adding both sides by 3 / 2:\n\n\n\nIterating, we have our final result since T1 = 0:\n\n\n\nThus,\n\n\n\nAs the above analysis shows, it is exponential.\n\n**2\\. Can we improve on top of this? Definitely.**\n\nThe obvious reason why it is so slow is because it recomputes the result for the same subarray from scratch over and over again. In order to speed up our recursive algorithm, we can mark down our recursive results and look them up again if we need them later. This is called memoization. For python implementation, what we need to do is add a cache to store the results of our recursive call and only perform the actual calculation on a certain instance of the problem if we do not encounter it before. Using decorator syntax in Python allows us to alter the functionality of a function without actually changing the source code of that function. Also, the code is more readable:\n\n\n\n**Doing memoization clearly helps to reduce the time complexity,** but by how much? Pay attention to the way we fill our cache: each entry (i, j) is filled only after all of its predecessors (i, k) and (k, j) when i + 1 <= k < j are filled. If we ignore the time we spend in recursive calls, it requires linear time to evaluate the recurrence for each problem instance - subarray that starts at i and ends before j of the original input array. Since the recurrence for cache(i, j) is evaluated once for each pair, we can conclude that the new implementation will perform O(n^3) operations, an exponential time improvement over the naive recursive algorithm. **A further improvement is once we see how the cache is filled, we can replace the recursion with a specific computation order to fill this cache efficiently.** I will omit the code and let you guys to figure it out:-)\n\n**3\\. Can we still improve on top of this? Definitely.**\n\nDo we really need to try out every possible partition? If we can reduce this, then we can improve our algorithm significantly. Let us think again about the **semantics** of MaxSubarraySum(A[1..n]): we will find the subarray that has the largest sum among all those subarrays of which the length is less than or equal to n. If we focus on the length, then there are only two possibilities that a certain subarray is the desired answer: 1\\. Either the subarray of which the length is n, which means the original array iteself, has the largest sum2\\. Or a subarray of which the length is less than n is the one. But this case will be covered by the union of all the subarrays of A[1..n-1] and all the subarrays of A[2..n] because this set covers all the subarrays of which the length is less than or equal to n - 1.Based on the analysis above, we will have\n\n\n\nWhen we implement this algorithm, in order to have a good time complexity, we can use the same memoization technique to avoid recomputation for the same instance and **precompute the sum of all the possible subarrays** (In the following code, I intentionally use the old way to calculate the sum in order to keep the codes succinct.):\n\n\n\nBy doing this, since we have O(n^2) different instances of the problem and each instance is required O(1) time to be evaluated because we do not have to spend O(n) time to do the summation and number of other instances it depends on is only 2, also, it is evaluated once as well, so the total time complexity is O(n^2).\n\n**4\\. Can we do even better than this? Definitely.**\n\nLet us look at the first recursion method: We will try solve the maximum subarray sum problem for every subarrays after every possible partitioning and the final answer will be picked between the largest one among them and the sum of the input array itself. The reason we need to enumerate all the possible partitions is because this will guarantee that the subarray with maximum sum will be contained by one of the partitioning result if the input array itself is not the answer. But, the question is, do we really need to do this enumeration? For a given partitioning, let’s say the subarray with maximum sum is not contained by any of the two subarrays, then there is only one remaining possibility:\n\n\n\nAs the above graph shows, the red subarray is the subarray with largest sum and is not completely contained with the left subarray or right subarray after the partitioning (denoted by the black vertical line). It actually contains two parts: **a suffix subarray of the left part which has the largest sum and a prefix subarray of the right part which has the largest sum.** That means we do not need to waste our computation power for computing results of all the possible partitioning. We just have to look at one particular partitioning results and to handle the third case specially. Let’s say we the subarrays we have after the partitioning are almost the same in size. Then we will have the following new recursive rule as follow:\n\n\n\nFor the MaxSuffixSum(A[1..t]), the easiest way to do it is to enumerate all the possible suffix subarrays of array A[1..t] and pick the maximum one. The process for computing MaxPrefixSum(A[t + 1..n]) is also basically the same. The following is the python implementation for the aforementioned rule(In this implementation, I use generator to avoid list slicing):\n\n\n\nFor the time complexity, since we will first recursively solve the two subproblems that are both half in size and then use O(n) time for the remaining part, we can easily see that the final answer is O(nlogn).Looks good? But we haven’t **fully utilize the power of a recursion**. Notice that we have to spend O(n) time to do the calculation for the third part, is there any way to reduce this? What happen if we delegate the computation to the recursion?Let’s define **MaxMetrics(A[1..n]) to be a tuple of (MaxSubarraySum(A[1..n]), MaxSuffixSum(A[1..n]), MaxPrefixSum(A[1..n])).** Basically, it means solving MaxMetrics(A[1..n]) will give us those three results we care about. Now, we need to answer what the recursion rule for MaxMetrics(A[1..n]) will be.Since we have a working recursion before, let’s try to improve on top of that. For MaxSubarraySum(A[1..n]), we do not have to do anything special. Everything should remain the same. But, for MaxSuffixSum(A[1..n]) and MaxPrefixSum(A[1..n]), how can we find the answers for them based on the results of solving two subproblems that are both half in size?Let’s look at MaxPrefixSum(A[1..n]) first because these two are symmetrical. Now, if we think about the relationship between a specific prefix subarray of A[1..n] and the left half subarray of A[1..n], we will only have two possibilities:\n\n1\\. Either the prefix subarray with the largest sum is completely contained by the left half subarray\n\n2\\. Or the prefix subarray with the largest sum contains the left half subarray completely. Essentially, it consists of the whole left half subarray and the prefix subarray with the largest sum of the right half subarray\n\nClearly, that means:\n\n\n\nAnd, the MaxSuffixSum(A[1..n]) is as follow:\n\n\n\nNotice that if we still do the summation in a native way, the total time complexity for calculating the MaxPrefixSum(A[1..n]) will still be O(n). So what if we also delegate summation to our recursion? Since it is pretty easy to calculate the Sum(A[1..n]) from the results of those two subproblems because\n\n\n\nSo, let’s refine our recursive definition of MaxMetric(A[1..n]): It should consist of MaxSubarraySum(A[1..n]), MaxSuffixSum(A[1..n]), MaxPrefixSum(A[1..n]) and Sum(A[1..n]). The implementation in Python will be as follow(I will use named tuple to represent those 4 targets we want to calculate for MaxMetric(A[1..n])):\n\n\n\nWhat is the time complexity this time? Well, since we reduce the O(n) workload at the current recursive call to O(1), that means if we use the same notation for the time complexity analysis from the first part of this article, we will essentially have:\n\n \n\nExpanding this equation or using the master theorem will give us the final answer for Tn: O(n). We can take another route since the previous improvements are all based on the very first “brute force” recursive rule. Next time, we will look at our second recursive rule to see where the recursion can lead to. Keep tuned!\n\n图片来自网络，版权属于原作者\n"}}},{"node":{"title":"Next larger number in a sequence","path":"/en/news/2017-02-28-next-larger-number-in-a-sequence/","node_locale":"en-US","id":"7d79f0f8-b1a2-5519-ad40-01c3dbccf4a5","contentful_id":"8E9mFrvzTUCMcCKSM2AAGq","date":"2017-02-28T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Algorithm"],"description":{"description":"Given a sequence of integers, for each number, find the index of the next higher number, which is on the right side of the current number."},"thumbnail":{"id":"d9d774e7-ac05-566b-8f7c-0a7cc7c8afba","resolutions":{"width":800,"height":550,"src":"//images.ctfassets.net/04k2xg9gplcj/3dTYcul7rqK60wOak2yIqe/6ebfe8c80e7e9c426c2bf5772aea0473/technical-019-01.png?w=800&h=550&q=50&fit=fill","srcSet":""}},"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"5d596f29-9ede-5d08-a966-26533c31cf46","body":"Given a sequence of integers, for each number, find the index of the next higher number, which is on the right side of the current number.\n\n给一个含有n个整型数字的数组input，对于其中每一个数字，找到其右边第一个比它大的数的位置(index)，如果不存在符合要求的数，则用-1表示。例如：Input: [3, 2, 1, 4, 1, 9]Output: [3, 3, 3, 5, 5, -1]\n\n解题思路\n\n**暴力解法往往会被很多同学忽视，而实际上它有着极为重要的作用：**从工程的角度上来讲，有一个解决方案永远都好于没有解决方案，而工程师首先需要能够有一种方法来解决问题。从算法设计的角度上来讲，知其然更要知其所以然，所有的算法都是对暴力解法的层层优化，用一种更有效率的方法来解决问题。在这个过程中能够体现出的观察力，分析能力才是解决问题的法宝，也是成为一个高质量的工程师能力和核心竞争力最好的体现。\n\n首先，当我们看到这道题，我们至少应该得到一个最暴力最原始的解法。暂且称之为Naive解法。这个最暴力的解法就是：**对于每一个数组中的数，都过一遍这个数组，把我们所要找的数找到。**\n\nSolution 1: Naive解法算法：利用两层循环。针对数组中每一个数字，以其右边作为起始位置，向后搜寻第一个比它大的数。\n\n代码如下：\n\n\n\n该种解法的**最坏情况**发生在：当数组中的数是完全递减的时候。这样就需要n*(n-1)/2次比较。所以，**Naive解法的时间复杂度是O(n^2)，额外空间复杂度是O(1)。**通过观察和分析找到已有解决方案中效率不高的步骤来进行优化。观察的关键在于找到原有方案中效率不高的部分，一般来讲可以分为两大类：\n\n**不必要的计算**\n\n**重复的计算**\n\n在这个过程中，利用观察例子来找到规律是必不可少的步骤，而用例子来帮助理解和解释问题也是最有效的方法。我们可以通过观察例子进一步考虑如何优化时间复杂度：**在基本解法中，每一个数字都被多次比较。**例如：在示例的input中，3要和2比，再和1比，然后和4比较才能得知4是3的下一个较大的数；2也需要先和1比较，再和4比较才能得到它对应的结果。实际上，如果我们知道了2比3要小，当2和1比较时，得知1比2要小的时候，我们并不需要再将3与1进行比较了。这样的比较其实是多余的。基于这一点，我们可以进一步考虑如何优化Naive方法。很显然，如果我们可以提前比较3与2之后，又比较了2与1，那么3和1就不需要再比较了。从中，我们可以发现一个规律，[3, 2, 1]是一个递减的数组，当一个新的数字到达，它比当前的数要小的话，那么它一定不是当前数之前数字的结果。我们可以借用一个stack维持一个非递增数列从而实现这样算法，移除多余的比较。基于此，我们可以得到如下解法：\n\nSolution 2: 优化数据结构选择\n\n**额外的数据结构—stack:** 利用一个stack去记录所有非递增的数列。存储这些数的index。算法: 从左向右扫描input数组。\n\n**分成两个cases来处理：**\n\nCase 1: 如果当前栈为空或者新扫描到的数字比当前栈顶的数字要小，就把新到的数字加到栈中。\n\nCase 2: 如果新扫描到的数字比当前栈顶要大，我们就开始从栈中pop出数字，并把pop出来的数字的对应结果记为当前数的index。\n\n终止条件：扫描完所有的数字。栈中还剩余的数字为没有下一个较大数的数字。\n\n代码如下：\n\n \n\n针对数组中的每一个数，其最多入栈出栈一次。此种方法的时间复杂度是O(n)。使用了一个额外的stack，最坏的情况是所有的数字都被压入栈。此种方法的空间复杂度也是O(n)。\n\n**自主的继续发现问题和解决问题，永远不满足于现有的解决方案是我们应有的态度。**\n\n**对现有方案效率的分析可以帮助我们继续寻求更优的方法，层层推进继续尝试其它的突破口。**\n\n在面试中，如果能给出上述方法，一般来说，可以达到面试官的要求。**但是，我们能不能进一步思考，并提出一个解法，把空间复杂度也给优化了呢？**让我们回顾一下Naive解法，我们会发现，Naive解法并没有利用已经找好了的数字。**如何利用已经计算过的结果是如何优化空间复杂度的关键。**我们可以试图从这一点入手，尝试使用已经得到的信息。对于每一个i]。我们可以尝试从紧邻其右边的第一个数input[j], j = i+数input[i]，假使对于所有input[j], j>i，我们已经找到答案。我们所要做的是找到当前数input[i]所对应的答案output开始查找，如果这个数字比当前数字大，很显然当前数字的答案已经找到。如果input[j]小于input[i]，并且input[j]并没有next larger number，很显然input[i]也不会有next larger number。如果input[j]小于input[i]，但是input[j]存在next larger number，则说明index在j与output[j]之间的数小于input[j]，很显然这些数也会小于input[i]，那么这些数字一定会小于input[i]，我们不需要考虑这些数，直接跳到j=output[j]进行下一轮判断。从后往前对input数组进行扫描，通过这样的一种算法，我们就可以利用已经找到的结果，从而减少时间复杂度。\n\nSolution 3:\n\n算法：从后往前扫描，针对每一个数（index记为 i ）。Initialization： j = i + 1\n\nCase 1: 如果input[j] > input[i]，则output[i] = j.\n\nCase 2: 如果input[j] <= input[i]，则：Case 2.1：如果output[j] = -1，则output[i] = -1。Case 2.2：否则，j = output[j]。重新开始判断。\n\n终止条件：扫描完所有input数组。\n\n代码如下：\n\n \n\n从上述代码可以看到，针对每一个数字，操作j = output[j]至多计算一次。同时外围的循环i也是一轮遍历。**所以该算法是一个线性算法，时间复杂度亦为O(n)。**同时，由于该算法并没有使用额外的存储空间，**我们可以认为其空间复杂度是O(1)。**在对基础数据结构和算法扎实的理解的基础上，通过大量的练习，思考和总结才能真正开拓思路和提高系统的分析能力。\n\n**对大家的小建议是：**\n\n不要急于尝试思维跳跃来寻求最佳解决方案，欲速而不达。\n\n重视基本解法，从最基本的解法出发，通过多个例子来加强自己的观察能力和找到优化突破口的能力。\n\n永远不要放弃尝试，对于现有方案时间和空间复杂度的分析是层层推进的起点。\n\n图片来自网络，版权属于原作者"}}},{"node":{"title":"抽到H1B这天, 我想对她们说: Fight Like A Girl！","path":"/en/news/2017-04-22-fight-like-a-girl/","node_locale":"en-US","id":"4176dc79-ac22-5720-b70e-4fb9d1cbb104","contentful_id":"9E9mFrvzTUCMcCKSM2AAG4","date":"2017-04-22T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Technical","Interview","Career"],"description":{"description":"张阗，任职于Snap，热爱旅行和码字。两年半前来到美国，从EE学生转型软件工程师 。来Offer 2015年冬季班学员 今天，收到了抽中H1B的消息。一时间，突然有很多话想说。感谢的话要说… ! 还有一些话，想说给那些和曾经与我一样，如今正对未来迷茫、对梦想困惑的女孩们。"},"thumbnail":null,"thumbnailAlt":null,"authorProfile":null,"body":{"id":"333253bb-86fb-5280-ba3c-460d6ee483a1","body":"**张阗，**任职于Snap，热爱旅行和码字。两年半前来到美国，从EE学生转型软件工程师 。**来Offer 2015年冬季班学员**\n\n今天，收到了抽中H1B的消息。一时间，突然有很多话想说。感谢的话要说…\n\n\n\n还有一些话，想说给那些和曾经与我一样，如今正对未来迷茫、对梦想困惑的女孩们。\n\n'女孩子嘛，别整天跟着一群男孩疯跑，腿上摔个疤穿裙子多难看。'\n\n'男孩子啊，多放出去跑跑，摔几跤才是男子汉。'\n\n'女生嘛，作业不会做还有男朋友。'\n\n'男生啊，一定得好好学，不然怎么给女朋友讲题。'\n\n'女人嘛，何必一个人在外面那么辛苦，还是嫁个好人家最重要。'\n\n'男人啊，多出去闯荡闯荡，先立业后成家。'\n\n大概很多人都是听着这些话长大的。我和很多女孩一样，曾经也顺理成章地接受了这些设定：\n\n女孩要文静；女孩太聪明不好；女孩不用太拼。\n\n可这些话有多荒唐，说的人没意识到，听的人也未必意识得到。\n\n我的硕士学校在**美国中部，**那里软件工程师岗位比较少，即使有，工资水平也低得可怜。不怕你笑，在那里，我曾经的package是一年两万五千刀，似乎还能勉强糊口。所以快毕业的时候，我就计划搬到西海岸的湾区去，毕竟硅谷在那里。我试图劝几个妹子一起过去，但她们都提出了各种担心——'那儿人生地不熟的，生活多不方便'，'那么远，搬过去多辛苦'。\n\n最后搬到湾区的十多个人只有两个女生，我是其中之一。\n\n我从来没去过湾区，也没有任何朋友在那里。2015年12月，飞机在旧金山降落的时候，我不知道接下来几个月住在哪里，不知道手里的钱什么时候会花完，更不知道这段失业的日子会有多长。湾区的冬天寒冷多雨，一点都没有想象中阳光加州的样子。我找了一个偏远但便宜的单间，房子里的租客互相都不认识。湾区公交不便，我没有车，离一起去的几个同学也特别远。**我常常一整个星期都不开口说一句话，**唯一一次出门就是去楼下的超市，认真地在一个个价签里找出最便宜的那个。刚开始的两个月，我投了上百家公司一个都没有回音。最让人崩溃的不是失望迷茫，而是不知道这片失望迷茫的浓雾还有多远。**失声痛哭是常有的事，可是除了抱抱自己根本没人知道，**默默擦干眼泪还是要回到电脑前投简历、练英语、准备面试题。我的房间背阴，房东为了省钱经常不开暖气。每次夜里被冻醒，我手脚发抖，心也在抖。不久，春节到了。**我自己其实还扛得住，真正承受不了的是面对父母。**父母从来没说过一句给我压力的话，他们总说，如果我想留下他们全力支持，如果我想回去他们也非常欢迎。\n\n可我成为了以前最看不起的'啃老族'，我自己没脸。\n\n除夕视频，看到家人们聚在一起热闹地包饺子，我努力大声说话大声笑，显得这边不那么冷清。父母问吃得好不好，穿得暖不暖，钱够不够。我说，很好，很暖和，花不完。后来我搬到了更中心一点的地方，但这一次是客厅。户型没法隔断，我只能用纸箱把床围起来，算是有一点私人空间。这个公寓不带家具，我用极低的价格从一位好心学姐那里买了几件二手的。没舍得买床架，就直接把床垫铺在地下睡。\n\n \n\n二月底，春天来了。我逐渐接到了一些面试，男朋友也从中国来探亲。2016年3月4日，在来offer的帮助下，我终于拿到了第一个offer。三月底，我和Snap签约。然后来到洛杉矶，吃喝玩乐四处浪，开始享受真正的阳光海滩。我送给自己的24岁生日礼物是最喜欢的车，用工资买的。后来我搬进了现在住的公寓，签一年租期的那天我简直像做梦一样。**因为这天往前数一年，我在4座城市搬了9次家，**其中有两次是一个人搬的。颠沛流离了一年，我一直过的都是'不知道下个月在哪里'的日子。\n\n而我却无比感谢这段颠沛流离。以梦为马，四海为家，我什么都不怕。上周我去洛杉矶本地的一个非盈利组织演讲，这个组织致力于免费培训教育水平低/生活困难/年长的女性学习编程。我讲我刚开始英语不好，紧张到连电话都不敢接；第一次面试一行代码都没写出来，暑期实习完全没找到；在湾区小黑屋不见天日闭关三个月……我说：**'我是中国人，两年半前来到美国。当时我怎么也想不到，现在能以一个Snap工程师的身份，在这里做一场英语演讲。'**我看到，听众们眼睛里闪着光。演讲结束后，主办方邀请我成为以后每一期课程的固定嘉宾。\n\n所以我想把这些都写出来。\n\n我非常反感被叫做'女汉子'。**我不是什么'汉子'，我就是一个女孩。**我喜欢花和毛绒娃娃，家里色调是淡粉淡蓝。我喜欢裙子，喜欢化了妆美美地拍照。我花痴偶吧大叔，看剧看书经常感动到流泪。我也喜欢旅行，最近刚一个人坐了44个小时火车横穿大半个美国。我也喜欢legging和运动鞋，正在健身房举铁练肌肉。我写代码的时候很冷静，也经常加班到深夜。\n\n\n\n'女孩'，从来不应该是别人定义我们的标准，也不应该是我们给自己设限的理由。愿每一个女孩，都骄傲地，**像女孩一样奋斗。**\n\n图片来自网络，版权属于原作者\n"}}},{"node":{"title":"Search in Rotated Sorted Array","path":"/en/news/2017-02-03-search-in-rotated-sorted-array/","node_locale":"en-US","id":"25eb2444-a296-5c38-a1e7-fc7c79d536d3","contentful_id":"3E9mFrvzTUCMcCKSM2AAGq","date":"2017-02-03T00:00-08:00","type":"news","subtype":"blog","featured":false,"categories":["Algorithm"],"description":{"description":"Suppose an array sorted in ascending order is rotated at some pivot unknown to you beforehand.(i.e., 0 1 2 4 5 6 7 might become 4 5 6 7 0 1 2). You are given a target value to search. If found in the array return its index, otherwise return -1.You may assume no duplicate exists in the array."},"thumbnail":{"id":"cff974f4-9532-58a1-b22c-7c210265b598","resolutions":{"width":800,"height":550,"src":"//images.ctfassets.net/04k2xg9gplcj/556tCNLoRaQIq8qqq0aAEe/2c5fc5822807f7c9a632c198fc91afac/technical-010-1.png?w=800&h=550&q=50&fit=fill","srcSet":""}},"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"307fe664-081c-5e25-a9d5-f0c38775ea41","body":"说起经典面试题，我最记忆犹新的是我的第一次技术面试——2008年我申请研究生时被问到的这道题。题目描述是这样的：\n\nSuppose an array sorted in ascending order is rotated at some pivot unknown to you beforehand.(i.e., 0 1 2 4 5 6 7 might become 4 5 6 7 0 1 2).\n\nYou are given a target value to search. If found in the array return its index, otherwise return -1.You may assume no duplicate exists in the array.\n\n#### 方法一\n\n俗话说的好，没方法不如烂方法。如果把这道题给一个大一新生，想必他一定会说：so easy，循环一圈挨个比一下不就好了。没错，如此暴力搜索确实可以解决问题，Java 代码也很直截了当：\n\n \n\n**不要小看如此直接的代码，这里面也是有不少坑可以掉的。**同学们面试时最容易忽视的就**sanity check**，也就是这段代码第1-3行的部分。不然的话，如果输入数组**null**，那么程序在运行时会抛出**NullPointerException**。接下来嘛，十有八九面试官也会向同学抛出**NullOfferException**了。\n\n另一个初学者经常容易混淆的概念是nums == null和nums.length == 0的区别。其实如果拿现实生活做类比的话，前者就好比说我没带钱包，而后者则是我带了钱包但里面没有钱。此外，这两个检查的先后顺序也是很重要的，**null check必须在前面**。这是因为在 Java 语言里，**逻辑表达式是按照从左到右的顺序遵循 short circuit求值的**。在这个表达式里如果逻辑或（||）的前半段nums == null为true，那么后半段无论为何值整个表达式的值也一定为true，于是Java 在这种情况下根本就不会试图去执行**nums.length**。然而如果我们反过来把它写成了nums.length == 0 || nums == null，那么当nums == null 的时候还是会抛出**NullPointerException**。\n\n说了这么多，我们返回头来看这个算法本身。它对是对，然而并不优。由于它要把数组里每个元素都和 target 比较一遍，时间复杂度是 O(n) 的。归根结底，它并没有利用到数组已经几乎排好序的条件。那么有什么办法利用这个条件来优化呢？\n\n#### 退化版问题一：Search in Sorted Array\n\n我们先从简单问题来考虑，假设这个数组并没有被 rotate 过，那么这道题就变成一道经典的在有序数组里查找一个元素的问题，其方法自然是 **binary search**。\n\n**Binary search算法**的核心要义在于我们每次可以排除掉数组里一半的元素，在剩余的另一半里继续寻找 target，并不断重复这个过程。由于数组已经按照升序排列，于是我们只需将数组最中间的元素和target进行比较，如果相等则说明刚好找到，不然如果数组的中位元素小于 target则继续在后半个数组里寻找，反之则在前半个数组里寻找。整个过程的结束条件是要么我们找到了target（返回其 index），要么数组里的所有元素都被已经排除掉了（返回 -1）。对应的Java代码如下：\n\n\n\n这段代码里也有几个细节值得注意。首先第1-3行就不必说了，希望看到这里sanity check已经融化到同学们的血液中了。第6行的循环为什么一定要**left <= right**？如果写成left < right行不行？同学们在面试的时候也要注意，写出正确代码只是最基本的要求，在此之上还要能够回答面试官的各种challenges。此时我们可以举一个最简单的例子来思考，假设数组只有一个元素，那么left = right = 数组唯一的元素。**如果循环条件写成left < right的话，这个循环根本就进不去，直接就返回 -1了。**接下来第11行，为什么这里一定要left = mid + 1 而不是left = mid？我们继续举一个最简单的例子。假如数组只有唯一一个元素 nums = {5}，而我们的 target = 7。第一轮 left = right = mid = 0（都指向数组唯一的元素 nums[0] = 5），如果第11行这里不加一的话，则下一轮循环依然是 left = right = 0，于是就死循环了。可见这里加一是必须的。同理，第13行的减一也是必须的。除此之外，第7行之所以不直接写成 mid = (left + right) / 2 是为了防止两个大整数相加溢出。这也算是面试时的一个小细节。Binary search 由于每次可以排除掉数组里一半的元素，其时间复杂度只有 O(log n)，远远好于方法一的暴力搜索。然而我们只解决了退化版的问题。对于 rotate 过的有序数组又该怎么办呢？\n\n#### 退化版问题二：Find Minimum in Rotated Sorted Array\n\n在回到最开始的问题之前，我们再来看一个比刚才稍微进化一点（但依然是原题退化版）的问题。问题描述如下：\n\n
\n\nSuppose an array sorted in ascending order is rotated at some pivot unknown to you beforehand. (i.e., 0 1 2 4 5 6 7 might become 4 5 6 7 0 1 2).\n\nFind the minimum element.You may assume no duplicate exists in the array.\n\n\n\n这道题和原题的唯一区别在于我们不需要找任意 target，而只需要找到数组里的最小元素。数组里的最小元素出现在哪里呢？如果是严格升序的数组，其最小值一定是第一个元素。对于 rotate 过的数组，其最小值一定出现在该 rotation 的唯一拐点。如下图所示：\n\n原数组：\n\n\n\n新数组：\n\n\n\n除此之外，我们注意到严格升序的数组一定满足其最左端元素的值小于最右端元素的值，而 rotate 过的数组一定是最左端元素的值大于最右端元素的值。由于数组的最小值（拐点）是唯一的，我们可以按照如下思路进行 binary search：**如果一段数组已经是严格升序，那么直接返回其最左端元素即可。**不然我们可以把数组分为两半，其中一半一定是严格升序的，而另一半依然是一个 rotated sorted array，且其中包含原数组的最小值（拐点）。这样我们可以排除掉严格升序的那一半，而在另一半里继续找最小值。具体来讲，假设 binary search 的左端点为 left，右端点为 right，中间点为 mid。首先，如果 nums[left] < nums[right] 则说明数组已经严格升序，直接返回 nums[left] 就是最小元素。不然如果 nums[mid] > nums[right] 则说明右半段数组是 rotate 过的（且 mid 不可能是最小元素），最小值一定出现在 nums[mid + 1] ...nums[right] 当中。否则说明右半段数组是严格升序的，最小值一定出现在 nums[left] ...nums[mid] 当中（注意这里并不能排除掉 mid 本身）。如此循环，直到搜索范围只剩下一个元素，就是我们要找的最小值。对应的 Java 代码如下：\n\n \n\n同学们可以比较一下这道题与上一题的经典 binary search 代码的异同，并仿照上一题的方法思考一下第6行的循环条件写成 left <= right 行不行，第12行写成 left = mid 行不行，第14行写成 right = mid - 1 行不行。这里不再赘述。这道题我们也是每次排除掉数组里的一半元素，**所以时间复杂度还是O(log n)**。\n\n#### 方法二\n\n在有了前面两个退化版问题铺垫下，最开始的问题也就迎刃而解了。我们只需要首先用退化版问题二的方法找到数组的拐点，然后把数组 rotate 回严格升序的，再用退化版问题一的方法来寻找 target 即可。Java 代码如下：\n\n \n\n两次**binary search**的时间复杂度都是O(log n)，总的时间复杂度为**O(log n + log n) = O(log n)**，比方法一的 **O(n)** 好太多了。然而代码写成这样未免太啰嗦了。有没有办法只用一次**Binary Search**就一步到位呢？必须的。\n\n#### 方法三\n\n其实一步到位的方法还是利用了经典 binary search 的思想，每次将数组分为两半，将最中间的元素和 target 进行比较，如果相等则说明刚好找到。**唯一的区别在于如果不相等时接下来该继续搜索哪一半。**这时就要将退化版问题一和退化版问题二的思路结合起来。既然两半当中一定有一半是严格升序的，我们只需要判断 target 是不是在这一半里面即可——是则搜索这一半，不是则搜索另一半。Java 代码如下：\n\n \n\n**时间复杂度还是 O(log n)，然而代码却简洁了不少。**\n\n通过这道题，希望同学们在学习 binary search 的时候不要死记硬背，而是深入理解并融会贯通，遇到新题能够化繁为简。\n\n**汤老师**\n\n来offer王牌讲师之一。清华大学计算机系信息学竞赛保送生，美国哥伦比亚大学计算机系软件系统实验室博士生，曾在 OSDI、CACM 等操作系统领域最顶级学术会议和期刊上发表多篇论文。曾参与 Chrome 和 Google Cloud Platform 的研发工作。\n\n图片来自网络，版权属于原作者\n"}}},{"node":{"title":"来Offer专题 | Virtual Memory","path":"/en/news/2017-12-14-virtual-memory/","node_locale":"en-US","id":"8bcf2c3f-4136-51b6-a244-b7979bcdb729","contentful_id":"2n8Y9m8egcak6y6I6k0g0q","date":"2017-12-14T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Algorithm"],"description":{"description":"最近有不少转专业的同学问我们说尽管大家已经学会了很多数据结构和算法的知识，可是每当见到一些计算机系统方面的名词术语还是一头雾水。于是我们打算写一些专题文章，帮助本科不是计算机专业的同学快速了解一些计算机系统的基本概念。今天先来讲讲Virtual Memory。"},"thumbnail":null,"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"09e11a4d-fc8c-5172-9cc6-7f91b6069620","body":"**汤老师**：来offer金牌讲师。清华大学计算机系信息学竞赛保送生，美国哥伦比亚大学计算机系软件系统实验室博士生，曾在OSDI、CACM 等操作系统领域最顶级学术会议和期刊上发表多篇论文。曾参与 Chrome 和 Google Cloud Platform 的研发工作。\n\n最近有不少转专业的同学问我们说尽管大家已经学会了很多数据结构和算法的知识，可是每当见到一些计算机系统方面的名词术语还是一头雾水。于是我们打算写一些专题文章，帮助本科不是计算机专业的同学快速了解一些计算机系统的基本概念。今天先来讲讲**Virtual Memory**。\n\n**Virtual Memory（虚拟内存）**，顾名思义，是针对**physical memory（物理内存）**来的。远古时期的计算机（五十年前的大型机或者三十年前的个人电脑）是不用虚拟内存的，那时候要想跑一个程序，必须先把整个程序加载到物理内存里才能执行。可是内存又小又贵，而人们不仅想跑大程序，还想同时跑好几个，有限的物理内存吃不消了可怎么办呢？\n\n于是人们想到了虚拟化。（注：其实不仅是虚拟内存，广义的虚拟化概念可以解决许许多多的计算机问题，比如大家常用的 virtual machine, virtual file system, VPN 等等都是虚拟化在各个领域的应用。）\n\n简单来讲，**虚拟内存就是让每个进程看起来都好像拥有一个大而独立的地址空间**。什么意思呢？我们一个词一个词来讲。\n\n## 地址空间\n\n首先说什么是地址空间（address space）。计算机的内存说白了可以想象成一块连续的数组，数组里面的每个字节都有一个唯一的地址。\n\n比方说我新买的（键盘手感巨烂的）电脑有 16GB（即 2^34 bytes）的物理内存，那它的物理地址空间就是 {0, 1, 2, ..., 2^34 - 1}。\n\n## 大\n\n接下来再说大。就是说**不管我实际的物理内存有多大，虚拟内存都可以假装有很大**。比如我的电脑号称是 64-bit 的，也就是说我电脑上跑的每一个进程都以为它拥有一块 {0, 1, 2, ..., 2^64 - 1} 的虚拟地址空间。那要是物理内存不够了怎么办？\n\n我们可以把虚拟内存看作一个缓存的工具，正在使用的部分放在物理内存里，暂时不用的部分就扔在磁盘上好了。\n\n## 独立\n\n独立的意思是说**尽管每个进程的虚拟地址空间长得都一样，但它们都是私有的**。不同进程的同一个虚拟地址可以映射到不同的物理地址。例如，所有 64-bit 程序的代码都是从内存地址 0x400000 开始的，然而不同程序其中的内容是不一样的。\n\n这就好比说吕老师住了个Town House，隔壁是孙老师的Town House，尽管这两栋房子的外观设计一模一样，但吕老师家门口挂了幅盗梦空间的海报，而孙老师家同样的位置是这样一张风景画：\n\n\n\n这是怎么实现的呢？简单来讲，系统把虚拟内存和物理内存都划分为等长的 page（页），并为每个进程维护一个 page table（页表）用来将虚拟页映射到物理页。\n\n这样当我们访问一个虚拟地址时，系统就可以通过查表将其翻译为物理地址。如果这个地址所在的页当前不在物理内存中，则系统会先将它从磁盘取出来替换掉内存里另一个暂时不用的页。整个过程是由操作系统和硬件协同完成的，这里不再赘述，感兴趣的同学可以参考任何一本操作系统教材。\n\n\n\n虚拟内存让进程的链接和加载、共享和分配内存、访问权限控制等都变得很容易。连续的虚拟页不必要在物理上连续，而不同的虚拟页也可以映射到同一个物理页。\n\n举个简单的例子，几乎所有的C语言程序都会用到printf函数，于是我们在物理内存中可以只有一份printf的实现，而让各个进程对应的虚拟页全都映射到同一个物理页即可。\n\n## 常犯错误\n\n最后我们来简要讨论一些同学们在写程序时常犯的和虚拟内存有关的错误（以下以 C 语言为例；Java 也会相应地报错或抛出异常）：\n\n - **访问空指针或坏指针**。比如指针指向的虚拟地址并没有映射到实际有意义的数据，或者我们试图去写一块只读的虚拟内存区域，都会导致 segmentation fault。\n - **访问未初始化的内存**。如果一个局部变量没有初始化而我们误以为它是零，程序的结果就会不对。\n - **缓冲区溢出（buffer overflow）**。例如一个函数的输入参数是一个字符串，函数里有一个固定大小的 buffer。如果我们没有检查该字符串的长度就将它拷贝到 buffer 中，一旦输入字符串超出了 buffer 的长度就会造成 buffer overflow，从而覆盖掉其它有意义的数据。\n - **缓冲区溢出有一个特例是所谓的 off-by-one error**，也是同学们常犯的错误。一个长度为 n 的数组 index 是 0 到 n-1，此时如果访问 index 为 n 的元素就越界了，会读到甚至覆盖掉别的数据。\n\n（本文在写作过程中参考了 Randal E. Bryant 和 David R. O'Hallaron 所著的 Computer Systems: A Programmer's Perspective 第三版。）"}}},{"node":{"title":"经典面试题目详解：正则表达式匹配","path":"/en/news/2017-01-11-how-to-do-regex-matching/","node_locale":"en-US","id":"79ade642-5c98-5ebd-8454-60b652aefd7c","contentful_id":"2hn0YAKAgsQ6a2Y6wuMu6y","date":"2017-01-13T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Algorithm"],"description":{"description":"本篇文章将从最直观的分治（divide and conquer）角度出发，推导出指数复杂度的DFS解法，再利用记忆化搜索（memoization）减少重复的计算，最终转化为迭代（iterative）的动态规划（dynamic programming）解法。"},"thumbnail":{"id":"c607040e-fd06-5e61-b98e-b42774062123","resolutions":{"width":800,"height":550,"src":"//images.ctfassets.net/04k2xg9gplcj/4n9QHpEorYQe6QEAQEuwsg/a8e819fe5473ff53d471ceaa73eda046/technical-020-01.png?w=800&h=550&q=50&fit=fill","srcSet":""}},"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"1dcdaa67-6ca1-5198-adda-c384c5011f56","body":"本篇文章将从最直观的分治（divide and conquer）角度出发，推导出指数复杂度的DFS解法，再利用记忆化搜索（memoization）减少重复的计算，最终转化为迭代（iterative）的动态规划（dynamic programming）解法。\n\n**题目:** 写一个程序判断一个正则表达p式是否匹配一个字符串s。\n\n正则表达式由小写字母，星号（'*'）和点（'.'）组成;\n\n' . ' 匹配任意字符\n\n' * ' 匹配任意数量（可以0个）的前一个字符\n\na-z 匹配字符本身\n\n匹配\n\ns = 'abc', p = 'abc'\n\ns = 'aaaab', p = 'a*b'\n\ns = '', p = 'a*b*c*'\n\ns = 'abcdefg', p = '.*'\n\n不匹配\n\ns = 'abc', p = 'a*'\n\ns = '', p = 'ab*'\n\n**分治/ Divide and Conquer**\n\n分治做为一种经典和重要的算法设计思路，是很多解题的出发点，练习分治的能力是极其重要的。考虑一般p与s都不为空的情况。从s与p的头观察\n\n● 如果p的第二个字母不是’*’ - 如果p的第一个字母是 ’.’ 那么只要s.substring(1)与p.substring(1)匹配，则s与p匹配。- 如果p的第一个字母是’a’-’z’，那么只要s与p的第一个字母相同，且s.substring(1)与p.substring(1)匹配，s就与p匹配。\n\n● 如果p的第二个字母是’*’，那么如果p去掉头2个字符后能匹配某一个s的后缀，且p的前2个字符能匹配剩下的前缀，则s与p匹配\n\n**方法 1 : 分治/深度优先搜索**\n\n \n\n**分治的方法不难理解，但是运行效率较慢。** 假设s的长度是n，p的长度是m，最坏情况下每一层recursion会产生O(n)个递归调用，而recursion的深度是O(m)，按照DFS的复杂度分析公式，时间复杂度高达O(n^m)。\n\n**方法 2 : 改进分治** 在分治的过程中，核心的部分就是induction rule的构建，而对于同一个分治的定义，是可以有不同的induction rule的，不同的induction rule带来的效率也是不同的\n\n对于’*’的情况，我们可以只分成2种情况讨论：匹配空前缀，或者匹配非空前缀。\n\n● 如果’*’匹配空前缀，且s匹配p.substring(2)，则s与p匹配\n\n● 如果’*’匹配非空荐椎，且s.substring(1)匹配p，则s与p匹配\n\n注意第二种情况中的子问题并没有改变p的值，’*’在子问题中保留了下来，可以进一步匹配s.substring(1)的前缀（可为空）。\n\n \n\n**改进后的分治每一层dfs最多可以产生2个个递归调用，时间复杂度减少到了O(2^m)**在Java 7中String.substring的复杂度是O(n)的。注意到dfs的参数始终是最初s与p的某个后缀，我们可以用两个指针表示s和p的后缀的起始点，从而减少不必要的字符串复制。\n\n\n\n**方法 3 : 记忆化搜索**通过观察现有解决方案来找到效率不高的地方，继续利用对常见数据结构和算法的理解进行优化，是系统解决问题的过程中能够体现出的重要能力之一**注意到dfs在搜索过程中有可能会对完全一样的参数（相同的子问题）计算多次。**对于同样的参数，dfs的计算过程和结果都是完全一致的，所以没有必要做重复的计算。避免重复的计算的方法就是把计算的结果按照dfs的参数存下来，这样以后遇到之前计算过的dfs时可以直接返回上一次的计算结果。\n\n \n\n记忆化搜索看似只是小小的优化，但对运行时间却能有巨大的提升。不同子问题的个数总共有O(mn)个，每个子问题只计算一遍。每个子问题的开销不包含任何循环，所以只有O(1)。所以**总的时间复杂度变成了O(mn)。**记忆化搜索分配了O(nm)的空间，换来的**运行时间的提升，是一个空间换时间的策略。** 仔细思考不难观察出来，**分治法它本质上是在一个图上做一个深度优先搜索，而记忆化搜索本质上是按照这个图的拓扑顺序（topological order）的逆序填表。**如果我们能用简单的循环描述出图的拓扑顺序，那么就可以用迭代的形式来完成填表的任务，这就是著名的动态规划。\n\n**方法 4 : 动态规划**除了递归的方式完成任务，同时我们也能从迭代的角度思考问题，通常迭代的形式复杂度容易分析，运行时间会比递归稍快，但实现难度高\n\n \n\n注意到填dp[i][j]的时候，我们可能会用到dp[i][j + 2]， dp[i + 1][j] 和dp[i + 1][j + 1]。由于我们的填表顺序是从下向上，从右向左，所以p[i][j + 2]， dp[i + 1][j] 和dp[i + 1][j + 1]的值一定在dp[i][j]之前填好。动态规划的时间、空间复杂度与记忆化搜索一样，也是O(mn)。 **动态规划和记忆化搜索分别从迭代和递归的角度完成了同样的任务。**迭代的形式复杂度容易分析，运行时间会比递归形式稍快（递归会有函数调用产生的时间开销），但实现难度较高。**推荐初学者从分治、搜索的方法着手。**\n\n**方法 5 : 动态规划空间优化**我们在考察已有解决方案的效率的时候，往往要从两方面去考虑，除了时间之外，大家往往忽视的是对空间的分析和优化动态规划还能否进一步改进呢？答案是肯定的。注意到我们是按照一行一行的顺序填表的，每填一行的时候只需要用到下一行的值。也就是说，其实我们只需要保存最近2行的值就能够完成填表的任务了。\n\n\n\n代码实现上我们可以使用'滚动数组'的技巧，数组只声明2行，填的时候用行号除以2的余数做index。这样填表能够自动覆盖不需要的行，最大化的利用空间。**空间复杂度从O(nm)减少到O(m)。**\n\n**经典试题总结：**\n\n正则表达式匹配做为一道经典的面试题目，考察的重点在于大家对分治思想的掌握，对于基本的DFS算法的熟练程度和对于动态规划的理解。知其然更要知其所以然，动态规划和DFS等系统的解决问题，其背后考核的是一名合格工程师层层分析优化的思维过程。除此之外，是不是能够准确和正确的处理各种不同的情况，对代码的准确性和可读性的考察在这道题目中也得到了很好的体现。我们不管要解决什么问题，都需要有扎实的算法设计的基本功和系统思维的能力，层层推进来不断在现有解决方案基础上开发更有效率的方法。\n\n图片来自网络，版权属于原作者\n"}}},{"node":{"title":"来Offer独家习题讲解 | Multi-Versioning","path":"/en/news/2017-12-04-coding-exercise-multi-versioning/","node_locale":"en-US","id":"ef42dfae-1179-587e-af97-b70a7b2b49d3","contentful_id":"xzQKfkOoAoUO4cSAQ6w0A","date":"2017-12-04T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Algorithm"],"description":{"description":"来Offer的金牌讲师吕老师最近出了一道关于System Design的原创习题。虽然是道热腾腾的新题目，但题目中的原理却是在工业界被广泛应用的。掌握这道题，无论是在求职应聘还是在职场工作中，都能让你受益。下面，就让我们一起帮助习题中的主人公 —— 赵老师，完成他的Time Machine吧！"},"thumbnail":null,"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"b861c2f8-2316-56d0-83e3-b17c5d42b4a5","body":"来Offer的金牌讲师吕老师最近出了一道关于System Design的原创习题。虽然是道热腾腾的新题目，但题目中的原理却是在工业界被广泛应用的。掌握这道题，无论是在求职应聘还是在职场工作中，都能让你受益。下面，就让我们一起帮助习题中的主人公 —— 赵老师，完成他的Time Machine吧！\n\nDr.Zhao: “Shhh… Press the diamond on my Tesla to turn on a time machine!”\n\nOK, let's build a time machine for Dr. Zhao.\n\nThe time machine has memory, just like our computers. For each memory read or write, the user may use the following methods to operate. The time machine’s memory supports these **two basic operations:**\n\n**(1) byte read (long location)** returns the value of a given memory location\n\n**(2) write (long location, byte value)** updates the value of a given memory location\n\nTo act as a time machine, Dr. Zhao wants us to add one more operation:\n\n**byte read (long location, long timestamp)**\n\nWith this added operation, the magic of our time machine starts!\n\nSpecifically, it can return the historical values of one given memory location. For example, I may read the value in location L 10 days ago, or even years ago. We do not need to worry about the time machine being restarted. With the magical diamond, Dr. Zhao’s time machine will never fail. Now, how to design such a time machine with your code?\n\nYou may start with something like:\n\n**interface TimeMachine {**\n\n**byte read (long location);**\n\n**write (long location, byte value);**\n\n**byte read (long location, long timestamp);**\n\n**}**\n\nDr. Zhao is waiting for your implementations. As a limitation, you CANNOT use any language built-in data structures except arrays. You may want to implement your own data structures like linked lists, binary trees, or hash maps.\n\nA few follow ups:\n\n1\\. Suppose there are multiple threads operate on the same time machine concurrently, how to handle these operations? What will be the performance impact?\n\n2\\. If the machine keeps running and we keep writing new values into the time machine, what will happen? How to deal with this? What will be the performance impact?\n\n3\\. Dr. Zhao now allows us to use language built-in data structures like LinkedList, HashMap, TreeMap, etc. Can you easily replace your own implementations with them?\n\n**讨论和解答**\n\n其实计算机软件系统中经常会遇到这样的“时间机器\"。这种时间机器的语义在工业界项目中是广泛存在的，一般被称为Multi-Versioning。\n\n设计这样的“机器”，主要要解决的问题有两个：\n\n► 1\\. 系统中可能存在的地址是非常多的。\n\n在这个问题中，我们沿用一般计算机中的⽅方法，用64个二进制位描述一个内存地址。可以想象，如果把这些地址跟我们对应的“时间机器”程序中的地址⼀一对应的话，会是一件⼏乎不能做到的事情。\n\n► 2\\. 对于每个地址，如果我们真的要能够⽀支持读出历史某个时刻的值的话，那么我们就真的需要把这些内容保存下来。可是系统中，时间是在不停增长的，与此同时，每个地址对应的值也可能在不停地被修改。如何保存这些历史上的值，会是另一个问题。\n\n我们可以先从一个最简单的问题开始考虑：假设我们的时间机器中可以保存历史任意时刻的内存中的内容，而不需要考虑内存的消耗，那么上述的两个问题就被分开了。\n\n**STEP 1**\n\n我们⾸首先考虑问题1，如何组织系统中大量的内存地址呢？其实计算机科学中一个最常见的解决思路就是Hashing。\n\n就像一般的hash算法一样，我们可以将若干个内存地址按照某种规律映射到⼀个“桶”（bucket）中。这样，⼀个近乎于无穷大的内存地址空间就可以用有限的数据元素来管理了，如下面这个图：\n\n\n\n在这里，我们使用了⼀一个叫做history table的数据结构来组织所有的时间机器内部的数据。\n\n**STEP 2**\n\n能够把所有的内存地址都映射到history table中之后，我们就可以着⼿手解决另⼀一个问题了了，也就是如何组织所有系统中曾经有过的值。\n\n对于这一点，我们可以做一个很简单的扩充：History table中的每一项拥有一个链表。对于任意一个地址，我们可以在History table中按照时间的先后顺序，倒序保存每次写入的值，每次写⼊对应链表中的一个节点，记录每个值的同时记录写入的时间。这样，History table中保存着所有被映射到同⼀个项上的地址的所有历史上的值。\n\n链表的每⼀项会存有如下内容：操作对应的地址（addr），操作发⽣的时间（t），和操作写入的新值（val），如下图：\n\n\n\n整个链表的整体组织如下图：\n\n\n\n因此，当写入地址L时，我们只需根据地址L找到对应的history table中的一项，然后创建⼀个链表节点，记录当前写对应的地址L，值和时间。此后，将这个节点从头部插入链表即可。随着时间推移，链表⾃自然会形成时间倒序。\n\n当读取地址L时，我们只需在链表中找到对应地址的首个节点即可。当读取特定时刻t的地址L时，我们需要在链表中找到对应地址的、写入时刻⼩于t的首个节点就好了。若我们遍历完整个链表仍然不能找到满足条件的记录，那么说明这个地址从来没有被写过。\n\n接下来很多同学的疑惑都集中在，如果系统⼀直不停地运行下去，**那么这个链表会无限地延长呀，这种情况怎么办呢？**\n\n而工业界中解决无限增长的历史记录的问题也非常简单：**扔掉。**\n\n对于很多实际系统，通常可以设定一条记录的最长存在时间（Time to live, TTL）。超出TTL的数据都将被系统自动回收，这样就可以避免历史数据无限堆积的问题了。如果系统被多个线程并发访问时，我们可以设定一个系统整体的时间，然后让并发的操作线程上锁后更新链表并更新系统时间即可。\n\n若允许直接利用Java等语言中的预定义数据结构，我们可以充分借用TreeMap等数据结构加速链表查询的步骤。事实上，很多⼯工业界中按照时间进行记录的部分都利用了TreeMap加速查找。\n"}}},{"node":{"title":"如何设计一个Abuse系统－从百度贴吧事件说起","path":"/en/news/2017-01-11-how-to-do-regex-matching/","node_locale":"en-US","id":"01ef79d6-2459-5533-a03e-a7d8b961a238","contentful_id":"1yq7hd14oU0GoUug6ce2sU","date":"2016-01-06T00:00-08:00","type":"news","subtype":"blog","featured":false,"categories":["Technical","Interview","Career"],"description":{"description":" "},"thumbnail":null,"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"813d0d5a-ebab-56d3-ba59-1cfe3f202021","body":"最近小编正在关注国内引起沸议的百度贴吧事件（百度把疾病类贴吧卖给不具医疗资质的广告商）。对于在美国的大部分同学来说，可能用百度的机会不多，所以也并不会觉得对自己对生活有多大影响。但是在这里小编也建议咱们的同学，遇到热门的IT事件，除了看热闹之外，还可以借着这个机会了解一下相应的IT知识，比如在这个场景下，我们可以考虑如何设计一个Abuse系统（当然对于该事件的主人公而言，是考虑他们是否需要一个Abuse系统(小编不语)）。小编也带领大家简单过一遍回答系统设计问题的流程。\n\n**什么是Abuse系统？**\n什么是Abuse系统呢？一句大白话，就是检查你的用户的行为是否有违规、违法的行为及其应对如过滤、警告、甚至封禁等。比如在这个事件当中，广告商是否具有医疗资质其实是一个需要审查的事情，或者即使是正规的厂商，但是发布和自身信息不一致的内容来欺骗用户也是一个Abuse的行为。Abuse系统就是公司内部的神探夏洛克，避免公司违反了各种政策法规，影响用户体验和公司声誉，乃至导致整个公司的损失。\n\n**如何反问面试官？**\n在这里也提醒一下大家，很多系统设计的面试场景与算法面试不一样，面试官都会故意把题目说得很含糊，而等待你去具体分析你的受众、需求等等（所以他才叫做系统设计）。所以同学们如果听到这个题目，第一反应就是需要你去反问面试官，你想给什么产品设计一个Abuse系统呢？如果是Airbnb，那么可能针对的有些用户发布的房屋照片不实；如果是Uber，那么针对的可能是刷单的用户；如果是Facebook，可能是有些帖子是有种族主义、暴力倾向等问题的；如果是eBay，那么可能是有些商家发布假的商品信息等等。总之，这是一个工业界一直在思考，也有很多应用场景的地方。\n\n**猜想具体的场景**\n约定好具体的场景之后，同学们就需要继续去想，具体的violation可能有那些，比如大部分的公司政策都是不允许有色情、暴力这些硬的底线。具体的各自的场景也会有不同的policy，比如如果是社交帖子，可能会有一些是Spam的内容，占用大量资源；如果是Uber，那么可能是司机伪造里程；甚至针对某一个产品的不同用户也需要考虑不同的policy，比如针对未成年用户是否需要更严格的限制，针对不同地域（可能拥有不同文化习惯）的人群是否需要有对应的调整，这些都是同学们可以很好地和面试官聊天的地方。\n\n**设计整体架构**\n设计好了目标之后，我们就需要从大的框架上去思考这个实现。比如，我们首先需要能够identify一些疑似abuse的内容。如何identify，是用Machine Learning去学习，还是人工去筛选，还是交由用户去加tag，这些都是需要深思的问题。获取到了疑似的abuse的内容之后，是否需要进一步的审查以提高准确性？如果需要，是人工继续去筛选，还是用更好的算法去探测？确定abuse的内容之后，根据其危害性，相对应的应该做出哪些反应，是过滤掉内容，警告这个用户，还是乃至屏蔽这个用户？\n\n**填充技术细节**\n有了大的框架之后，我们可以根据各自的经历和技能，去深入讲述其中某一部分的内容。比如如果有同学对于Machine Learning很擅长，就可以详细描述里边的Classifier的设计和评价，比如到底是用SVM还是用神经网络；如果同学擅长后端设计，可以讲述如何做到负载均衡以及提高可靠性；如果熟稔于网络安全，可以跟面试官详细讲述如何抵御用户的可疑行为及进一步的欺骗行为，诸如此类。\n\n以上就是面对一道系统设计题常见的思路，与算法题不一样的是，系统设计题对同学们对宏观设计、交流能力、表达能力都有很大的要求。这也是刚毕业的同学可能稍微欠缺的地方。Abuse系统虽然是同学们都会接触到一些，但是可能学校上课期间很少有讲到的项目设计。如果想了解更多工业界的项目设计，可以报名参加来Offer的培训课程，包括由一线工程师带你手把手实现一个IT项目并且详解Project背后的思考。\n\n图片来自网络，版权属于原作者"}}},{"node":{"title":"从芝加哥到硅谷, CS求职攻略有何不同？","path":"/en/news/2017-08-01-different-cs-job-searching-strategies-between-chicago-and-silicon-valley/","node_locale":"en-US","id":"975b93bf-b3ca-5313-9eb7-ee27bdb03d2a","contentful_id":"9E9mFrvzTUCMcCKSM2AAG20","date":"2017-08-01T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Interview","Career"],"description":{"description":"首先感谢两位来自芝加哥的学长来微信群和大家分享经验！两位本科、硕士都是CS专业，绝对是科班出身了，那么你们觉得这么多年在学校学到的CS知识足以应对面试和找工作吗？"},"thumbnail":{"id":"8b358215-0428-5590-92fd-ce3cd3f87f5b","resolutions":{"width":800,"height":550,"src":"//images.ctfassets.net/04k2xg9gplcj/6FsKKxEONa4gWcOaaQQq2M/2bca6626c3f3dfbf9fb4dd09e74abf52/035-career-01.png?w=800&h=550&q=50&fit=fill","srcSet":""}},"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"6f545d3a-10c8-5e8f-bab8-7536dd9f8acd","body":"\n\n**Club小助手：**首先感谢两位来自芝加哥的学长来微信群和大家分享经验！两位本科、硕士都是CS专业，绝对是科班出身了，那么你们觉得这么多年在学校学到的CS知识足以应对面试和找工作吗？\n\n**Richard：**总的来说，学校的课程还是偏重理论但缺少实践的。比如，学校的算法课基本都不讲代码，只讲理论，但面试的时候却主要考察你的编程能力。\n\n**Ruoyu：**我同意Richard学长的观点！大公司一般为general hire，应聘者基础知识扎实就行，公司会花时间精力培养你；而Startup往往要求你进公司能马上投入工作，因此更看重专门技术，这就需要自己课后有针对性的补课了。当然大家绝对不要认为学校学的东西没用，学校课程其实是非常有用的，能够为你打下基础。在这个基础上，为了找到理想的工作，你可以自学比较popular的语言，多接触一些前沿技术。\n\n**Club小助手：**说到找工作，大家对'内推'两个字都格外敏感。请问学长内推对你们找工作帮助有多大？在校生或New grads该如何找内推人呢？\n\n**Richard：**内推对找工作的帮助的确太大了。我在美国的所有的工作都是通过内推得来的。除了在学校的老师和同学发展人脉关系以外，我建议多去参加在本地举办的**tech meetup**。一般这种活动上在职人员很多，而且大家都是同道中。如果时间紧张，一些弱联系也可以多利用，比如校友，但还是要花一定时间精力培养感情的。\n\n**Ruoyu：**内推绝对是同学们获得面试最高效的方法。以我所在的Service Now为例，有招聘需求时，Director都会先问组内人员是否有推荐，他们会优先查看这些被推荐人的简历，没有合适人选才会让职位信息go public。找内推最好是自己认识的人，他们不仅了解你的闪光点、能更好的推介你，而且还能向你透露一些内部消息，比如公司对这个岗位的要求和考察的侧重点。Linkedin也是一个比较好的内推资源来源，大家可以多加校友。一些论坛上也有大量内推信息，但质量没有保障，不是特别建议。\n\n**Club小助手：**两位学长都在芝加哥求学，而现在都到了湾区打拼，那么你们认为在芝加哥找工作和在湾区，公司考察的技能点有何不同？在芝加哥能找到满意的工作吗？\n\n**Richard：**芝加哥和湾区的就业环境，最大的差别应该就是工作机会的多少了。因为芝加哥金融行业发达，所以很多公司**要求Engineer对金融或Trading有一定的了解**，因此建议学有余力的同学选听一些financial mathematics的课程。芝加哥招人流程一般不是那么正规，尤其对于中小公司来说，找内推是第一重要的。至于技术上的准备，基础算法题目足够了解，并在leetcode上找相关题目强化练习一下就行。\n\n**Ruoyu：**就像Richard老师刚说的一样，之所以越来越多人来到湾区就业，还是因为工作机会量的差距的确是很明显的。芝加哥的很多职位要求你同时具备CS和金融的相关技能，而在湾区，只要会coding都能找到一份工作。\n\n**Club小助手：**那么对于找工作时要做的另一件事——**刷题**，学长有什么好的经验吗？\n\n**Ruoyu：**刷题的确是挺重要的，即使是CS专业同学，也要靠勤写勤练来提高动手能力。刷题到后期会形成条件反射，看到题目就能反应出答案。面试官不傻，他们看你解题的状态就能判断出你是否做过原题，所以只知道答案对面试非常不利。因此，即便是对题目再熟悉也不能只记答案，要理解整个解题过程和思路，懂得举一反三。\n\n**Club小助手：**通过内推和打造简历，终于到了面试这一关！两位学长觉得**面试中需要主要什么**？交流上有什么技巧？\n\n**Richard：**面试当中，交流的过程和效果是最重要的。有专家说面试时的第一印象在最初的半分钟就已形成；如果第一印象很好，后面的交流就是在巩固这一印象，如果第一印象欠佳，想要推翻这个印象就会更困难了。有时你感觉面试官出了刷题时遇到过的原题，这时候也不能操之过急，因为一般面试中的问题都比较模糊，考察的是你能否在交流中让问题具体化。你需要通过高效的沟通，逐步明确题目要求。在做题过程中，讲出你的**think process**很重要。大家一定要边讲边写，向面试官介绍每一步的input和output是什么，目的是什么。从开始到结束，要非常有逻辑。\n\n**Ruoyu：**在面试中，coding只是很小的一部分。即便是最后到了工作岗位上，升职快的人也往往都是情商高、会交流的人。因此在面试过程中，面试官最想知道的是求职者能否快速融入未来的工作环境，所以主要考察的是沟通能力，以及会不会提问。和刚才Richard学长讲的一样，拿到题目后第一步就是交流，搞清requirement，做好design并且向面试官解释你的整体思路，千万一拿到题目就埋头做。还有一点希望大家注意，面试官很可能是你未来的上司，不过在面试中一定要自信，因为双方都是平等的。\n\n**Club小助手：**两位学长都有换工作的经历，不知道你们在选择新东家的时候，除了待遇高低，还会考虑哪些因素？\n\n**Richard：**其实不光是跳槽，大家毕业后从学校进入公司，也是一次很重要的转折。在选择offer时，我建议刚毕业的同学尽量去大公司，因为大公司会花更多时间精力去培养你，可以快速成长。对转专业的同学来说，最好选择一份两个专业的知识都能用得上的工作。至于薪资待遇，刚毕业的学生基本都差不多。以我个人为例，第一份工作去的是上市公司，此后的几次跳槽虽然公司越来越小，但随着能力的提高，自己能handle的工作越来越多、越来越复杂。因此在一段时间的工作过后，进入小公司的高级职位对人的锻炼更大，自己能对公司产生的影响更大，未来的发展机会也会比在大公司更好。\n\n**Ruoyu：**我觉得在选择一份工作的时候有几重境界。如果这份工作自己很喜欢、很擅长，待遇也很好，那当然是最完美的。如果达不到这个水平，那么就选择一家前景好的公司。如果以上两点都无法满足，那自己在这个岗位上有好的发展也是不错的。\n"}}},{"node":{"title":"再不Go就来不及了: 下一代高性能编程语言Go","path":"/en/news/2017-08-02-programming-language-go/","node_locale":"en-US","id":"439e99b0-24b3-5404-b625-5acab88bdf62","contentful_id":"9E9mFrvzTUCMcCKSM2AAG21","date":"2017-08-03T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Technical","Interview","Career"],"description":{"description":"最近TIOBE Index发布了最热门的编程语言，Go是Top10编程语言中唯一一个排名在显著上升的语言，其他语言如Java（继续稳坐第一名），C/C++都出现了不同程度的下滑。  那么这个Google精心打造的下一代高性能编程语言Go，到底有什么过人之处呢？"},"thumbnail":{"id":"78eda50d-4e8c-5162-a3ab-9bb515f023e8","resolutions":{"width":800,"height":550,"src":"//images.ctfassets.net/04k2xg9gplcj/1QE7zmvdg4Y0UIgw8iAqyS/4bae72ecf7b712e73b48c4dcfcf7599b/034-technical-01.png?w=800&h=550&q=50&fit=fill","srcSet":""}},"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"db446411-9104-5d44-88d3-fdcd641ab4d4","body":"最近TIOBE Index发布了最热门的编程语言，Go是Top10编程语言中唯一一个排名在显著上升的语言，其他语言如Java（继续稳坐第一名），C/C++都出现了不同程度的下滑。\n\n\n\n那么这个Google精心打造的下一代高性能编程语言Go，到底有什么过人之处呢？\n\n**Google出品**\n\n2009年Google正式发布了Go这一下一代后端编程语言，希望能够帮助Web开发人员能够以Google的规模和速度来开发应用，并且专注于高性能和易用性的均衡。自从出道以来，即使在Google没有做任何强制捆绑的情况下（大家可以对比苹果对Swift的支持），Go凭借自己的技术特性，受到了程序员和公司的各种欢迎，每年在TIOBE的排名都在不断的上升。2017年更是把很多语言都拖下马来，挺进前十最受欢迎的语言。\n\n**机器友好**\n\n用一句话来说，Go是在对机器友好和对程序员友好之间平衡的比较好的一种新型语言。首先什么是对机器友好呢？就是编译器写出来的二进制代码足够快速有效。\n\n在这方面来说C/C++无疑是比较好的，甚至很多操作系统都是用C/C++编写的。Java则因为其虚拟机和跨平台支持的原因，在运行速度上要稍逊一筹。Go没有使用虚拟机，所以其机器代码会比Java好一些，比较接近C/C++。\n\n这个指标对很多追求性能的公司来说很重要，比如Dropbox就用Go来开发自己的Memcached系统（称之为HAT)，这种缓存系统要求就是反应极快，因为直接影响了用户的操作延迟。\n\n**程序员友好**\n\n那么什么是对程序员友好呢？最简单的一个指标就是实现同样一个功能所需要的代码长度。Go的语言在设计的时候参考了Python等解释性语言的优点，所以很多方面是优于Java而且远胜于C/C++的。举个简单的例子来说，在Java里边每一个Web Service收到前端的JSON都需要转成Java内部的Object(或者叫做Model)。在Java里边很可能有多少个field就有多少行Set函数，以至于甚至要单独写一个class来存储这些转换的代码。而Go里边只需要一个decode函数就可以直接转换，大大减少了代码长度也规避了很多可能出现的错误。其他比如多线程，channel等的理念也都是Java里边写起来要很费事的，但是Go作为设计之初就是专门为Web Service提供开发的，相应的功能都提供了很简洁的接口。Java则在设计之初(上世纪90年代)为了满足其通用性，有很多非常累赘的设计。\n\n**Bug还没有找到！**\n\n接下来我们对比一下Python这种解释性语言和Go。\n\n很多读者可能用Python写过机器学习相关的代码，感觉很熟手。这的确也是Python在工业界的一个最大的应用，写起来很多算法都可以套用别人的代码。但是Python是明显不适合作为工业界的web service来使用的，因为Python是一个解释性语言，也就是只有解释到了某一行代码的时候解释器才会去看代码是否写错了，而不是像Java/Go/C/C++这些编译型语言在编译早期就排查了很多Bugs。在production上面这个是致命的，因为这会埋下很多定时炸弹，只要提交代码那个时候没有问题，服务器也检查不出来。等到将来这个炸弹被触发的时候，往往都是一些莫名其妙的难以理解的Bug。无数程序员哭晕在厕所的故事我就不举例了。基于这些，并没有哪一个主流大公司会用python搭建自己的主要的后端平台。\n\n**Go的未来**\n\n大家可能也会留意到现在除了Google以外，Go在各个startup（如Dropbox，Pinterest，SpaceX）和一些老牌的公司(如Facebook，eBay)都受到了很大的欢迎。国内的IT公司更是用的很多，比如京东用Go打造自己的消息推送系统，美团和新浪微博也都用Go开发自己的后台流量支撑系统等等。因为Go是一门全新的语言，所以开发人员要重新学习这门语言并且迁移服务需要一段时间。\n\n如果你想了解Go以及其在Google Cloud当中的应用，欢迎报名参加来Offer的项目实战班，资深工程师手把手教会你如何开发下一代的互联网应用。\n"}}},{"node":{"title":"招码农没有那么容易, 每个公司有自己的脾气","path":"/en/news/2017-04-05-hiring-policies/","node_locale":"en-US","id":"ef64f108-556f-55e5-95b3-c9d695e414ea","contentful_id":"9E9mFrvzTUCMcCKSM2AAG1","date":"2017-04-05T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Technical","Interview","Career"],"description":{"description":"不论是FLAG，还是独角兽，每家公司都有着自己的企业氛围、企业文化。天天泡在职场里的码农们，在自家公司的影响下，也带上了一些独有的气质。 Uber的员工对于加班的定义明显有所不同. Snapchat的员工看到Facebook，内心就很复杂；"},"thumbnail":null,"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"082f0204-85f2-56f8-9c5c-7cc43b128717","body":"不论是FLAG，还是独角兽，每家公司都有着自己的企业氛围、企业文化。天天泡在职场里的码农们，在自家公司的影响下，也带上了一些独有的气质。\n\nUber的员工对于加班的定义明显有所不同.\n\nSnapchat的员工看到Facebook，内心就很复杂；\n\nGoogle的员工说话前总先看对方腰间的工牌；\n\nAmazon的员工对换组一事早已司空见惯；\n\n都说'三十年河东，三十年河西'。在硅谷，时局变幻可能用不了三年。昨天还和你一起聊天的同事，明天可能就去了独角兽当元老；前天刚刚拿到十八线小公司 offer的隔壁老王，第二天就可能因公司被FLAG收购，一跃成为一线码农....放眼望去，IT这盘棋，群雄割据，百家争鸣。笔者不才，曾在Pinterest当过几年面试官，每当和同事们聚在一起时，大家都喜欢'煮自家酒论别家英雄'，谈论着如果自己当CEO，会从Google，Facebook，Amazon等公司挖什么样的人过来...既然脑洞已经开到了这里，那就让我们先来细数一下几家公司的'脾气'，再来谈论每家公司'人才'的特点。我就随便说说，你且随便看看罢：\n\n**Google**\n\n蜀道难，难于上青天！**每个码农都想进入Google那座围城，仿佛这就是程序员就业的最高殿堂。**但也有人就把这里当做一个过渡站，想镀层金就跑路。不可置否的是，Google的人才的确很多，而且个个技术过硬，身手不凡。就好比三国演义里面的蜀国一般，牛人无数，充满传说。Google里的高手们擅长于无声处就搞定几个大项目，然后用一篇大paper告知世人：'这是我们的玩儿剩的（旧技术），原理在这，代码你们自己发明吧。'**Google的傲娇源于实力。**他们搭建的系统结构，其运行能力和稳定程度领先世界上其他公司好几个档次；当Google已经开始用人工智能生成代码了，百度还在无人车和人脸识别等领域内讧。 公司如此，于是传说也相应而生。比如，Google的顶梁柱之一——Amit Singhal在搜索方面很有建树，面试时曾当着公司创始人的面说：'我要重写你们的搜索引擎'。这就像是攒了钱去吃米其林三星，一进门就对厨子说，'你这菜不行，放着我来。'Amit确实做到了他许诺的事情，而且这么多年来，以他为首的搜索质量把关小组'一夫当关，万夫莫开'，严格控制筛选可以launch的实验。虽然Amit英雄末年没有躲过那一场桃花劫，但是留下的产品技术还是为人称道的。\n\n还有Jeffrey Dean，硅谷坊间一直流传着关于他的传说。比如：Jeff Dean构建完代码后提交代码，只是为了检查编译器和连接器没有BUG。Jeff Dean很会做人，情商极高，做了不少顺水人情——帮助不少team解决了悬而未决的难题，不少manager在办公室买高级咖啡机，就是为了Jeff Dean能偶尔来赏脸喝杯，讨论点小问题。**从Google挖人有些困难，但是肯花钱挖个中高层一定有好处，带来的不光是项目经验还有四方的追随者。**\n\n阿里早年间挖走了Mustang作者，这人帮阿里重建了搜索引擎，给千人千面的淘宝体验打下了坚实的基础；Pinterest挖走了Caffeine作者，这位老师一手带大Pinterest的探索体验，从建立索引到搜索，从推荐系统到质量管理，一个都没有落下。\n\n前面说了高手，接下来也说说偷懒的。并不是每一个Google的工程师都值得创业公司挖，**面试时候一定要小心那些顶着光环但不做实事，不去思考的渣渣。**我曾经面试过一个来自YouTube的做搜索的员工,问他视频搜索有什么特点，和网页搜索的不同在哪里？他回答：'做视频搜索质量没有什么用。'当时我内心就想，'既然没用你还做这么多年干什么，这不是打自己脸么？'\n\n还有的Google程序员把时间都花在了琢磨琐事上：'写程序用Tab还是空格？''不同的服务是放在同一个代码库还是分开存放？''用Thrift而不用Protobuf是不是太没有效率？'……有的人可能觉得这是浪费时间，可有的公司吃就这一套。于是这些爱捉摸的Google员工们改改简历、添加几句自己的'成就'，就变成了director和CTO。**然而现在纯技术创业在走下坡路，产品功能在迅速迭代，很难保持代码风格一致性；**没有好的系统支持，如何将上亿行代码保存在同一个代码库中又能节约编译时间；达不到上百万的qps，用Thrift和Protobuf细微的压缩差异从何体现。**这和同为FLAG的Facebook风格可大相径。**\n\n**Facebook**\n\n汉家萧鼓空流水，魏国山河半夕阳！**Facebook整个职场弥漫着一种来自于非洲大草原的野性**，员工不止有狼性，还有狮性，虎性...怎么凶猛，怎么来。而Facebook也乐于积攒这些新鲜血液，关键时刻，整个团队都可以像喝了大力一样，move fast and break things。Facebook的员工充满野心，从他们的创始人到底层员工都充满梦想。拿Mark Zuckerberg来说，今年个人目标是走遍美国50个州，可以窥探出竞选美国总统的野心。Facebook的员工注重实战，他们不一定有着最强的理论技术和实战经验，但是面对问题时总能设计出一套可行的解决方案，来满足每天12亿活跃用户的需求。就好像三国演义里面的魏国，有着一统天下的能力但缺少对个体的生动描写。Mark比较相信中国程序员，传说早期受到不少亚裔工程师的帮助。另有一帮中国信息学竞赛高手很早就加入Facebook，一马当先解决了许多难题。第一个加入Facebook的华人是赵海平，擅长软件性能优化和架构分析，Facebook早期主要依靠PHP语言，他创立了项目HipHop，重新编写了该语言的实现，使其速度提高了5到6倍。\n\n还有魏小亮老师，邵铮老板，符文杰教主等一些自带光环的角色也很早就加入Facebook。小公司很喜欢从Facebook挖人，因为Facebook出品的员工对产品理解深刻，对技术有追求。而Facebook的员工相对而言比较喜欢跳槽，因为当初，他们也是从别的大公司跳来Facebook的。Facebook的员工能给公司带来很多宝贵的经验，就拿Airbnb的XT老师来说吧，他是从Facebook几经转折过去的。当时Airbnb在尝试如何使用机器学习来做搜索排序，推荐排序等问题，但是学出来的模型一直比不过手调的模型。XT老师去看了不到一周，就找到数据当中存在的问题，之后这模型效果就节节高。我很少听说Facebook有什么偷懒的程序员，但是不成熟的确实不少。Facebook的员工平均年龄只有28岁，和你我一样，虽然有几年工作经验但是基础却不扎实，这也部分造成了move fast的时候难免break things。有的人进入Facebook几年训练，还是和毕业生处于差不多水平，一直忙于维护系统或把某功能实现的后台由A转移到B，没有受到比较大的挑战。还有人悄悄反应，现在员工之所以这么拼命，部分原因是前人搭建的系统比较难以维护。所以新的公司口号变成了work hard and get fired。\n\n大部分码农都幻想自己在2008年那时候能加入Facebook，现在错过了只能等一等看看下一个Facebook在哪里。**如果能挖到不那么浮躁的Facebook程序员，写程序比别人稳定一点，那你是幸运的。**\n\nFacebook年轻人多，干活拼，但是说到竞争可能还是比不过老大哥Amazon。\n\n**Amazon**\n\n白浪分吴国，青山隔楚天！Amazon的职场我只有听故事才能听到，扁平的结构加上自上而下的项目管理，员工工作风格让我想到了中国高考，开发，监控和维护，多手都要抓，多手都要硬。这家公司成立时间最久，到现在都23岁了。他们主攻电子商务领域和云服务，和其他两大巨头专做广告的策略很不同。如果说世界上最聪明的人都在忙着让你怎么点击广告，**那Amazon就在一直研究怎么让你买得放心、用得舒心。**Amazon做项目非常追求质量，他们没有测试和运维的工程师，只有软件工程师。这些工程师自己做开发，自己写测试，自己来维护。经过这么一训练，工程师就变得和三国中的东吴士兵一样，水路两栖。Amazon有不少牛人，他们设计了S3，设计了Dynamo，设计了独有的推荐算法还有Deep Scalable Sparse Tensor Network Engine。但是说到公司最出名的工程师，当属他们的创始人——Jeff Bezos。为了避免员工将问题简单化、鼓励他们多思考，Bezos禁止员工用幻灯片演示内容，要求员工每次都填写6页的方案报道。放到程序里也可以理解为放慢速度，提高质量，从写文档设计就开始想这个程序在什么情况下会出错，并且订正他——否则，你就要在凌晨爬起来改。\n\n另外，做工程师出生的老板更加相信人们互相竞争对产品的重要性——他设计了扁平化的管理结构：大多数人都在同一个level上，可以相互竞争而不用在意政治因素。**其次，他鼓励量化一切。**这给竞争带来了统一的衡量标准，减少了人为干预和不公平事件的发生。Amazon的各项规范，令Amazon的单兵作战能力大幅增强，同一个工程师可以从前端做到后端，同时还负责运营，他们推广的AWS被众多创业公司采用，也给他们工程师跳槽做了垫脚石。**于是乎，坊间有传闻，从Amazon挖人，挖的容易，用的放心。**但是有的时候Amazon也会跳出这么一类人，他们擅长作演讲，把简单的东西做复杂，最求perfect over progress但是却达不到。见过一个从Amazon出来的工程师，最初头衔不高，但是很会说。每次做演讲前就从分布式系统各项理论开始聊起，从CAP到不同的consistency模型，从paxos都raft，从machine learning到risk analysis，好像要各种东西都了解一些才能往下继续进行。Amazon的文化，造就了创业公司的预备役，这些人往往怀揣一身EC2和S3的本领。但也有不少打肿脸充胖子，凭借6张纸换得一个好职称的嘴炮程序员。\n\n其实说这么多，就是想让大家明白，名校，名公司都只是一层壳，想给自己的公司挖来几个牛人，要看到那些真正solid的程序员，不要进了别人的圈套。\n\n**王 栋**\n\n来offer特约作者。清华大学姚班07级，信息学竞赛国际金牌。目前任职于硅谷电商网站Wish，专注搜索推荐算法及系统设计。曾任独角兽公司Pinterest搜索排名负责人，带领团队设计和实现了高度可扩展的搜索平台，以及机器学习搜索结果排名算法。\n\n\n\n图片来自网络，版权属于原作者\n"}}},{"node":{"title":"揭秘Pinterest大规模搜索引擎实战","path":"/en/news/2017-06-03-pinterest-large-scale-search-engine-practice/","node_locale":"en-US","id":"9c7ee1ce-c160-51f1-bc93-701b76e2837c","contentful_id":"9E9mFrvzTUCMcCKSM2AAG34","date":"2017-06-30T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Technical"],"description":{"description":"WWW大会上出现一篇论文'Related Pins at Pinterest: The Evolution of a Real-World Recommender System'，介绍了Pinterest推荐系统四年的进化之路。四年前，我加入了Pinterest的Discovery Team，那时候大半个Discovery Team都在忙着搭建这个叫Related Pins的新功能。我一不小心见证了Related Pins四年的发展，Related Pins如何从2~3人的项目发展到一个十几人的团队。"},"thumbnail":{"id":"17d494ea-9700-58e6-9780-3047160237d8","resolutions":{"width":800,"height":550,"src":"//images.ctfassets.net/04k2xg9gplcj/261aQpsgYAUaIGUyiKEwq6/0a31aadff691e61406183385bc125b69/technical-017-main.jpg?w=800&h=550&q=50&fit=fill","srcSet":""}},"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"3d247a2b-1e29-5f78-9436-f0007045f72c","body":" \n\n**Pinterest推荐系统四年进化之路** (本文首发于硅谷程序汪)\n\n今年4月，WWW大会上出现一篇论文**'Related Pins at Pinterest: The Evolution of a Real-World Recommender System'**，介绍了Pinterest推荐系统四年的进化之路。四年前，我加入了Pinterest的Discovery Team，那时候大半个Discovery Team都在忙着搭建这个叫Related Pins的新功能。我一不小心见证了Related Pins四年的发展，Related Pins如何从2~3人的项目发展到一个十几人的团队。\n\n既然这篇论文已经发表，大家不妨一起看看Related Pins的进化史。**系统结构：道生一，一生二，二生三，三生万物**看Pinterest推荐系统首先要了解产品和数据特征，用户在Pinterest上可以点击一个Pin看大图；可以再次点击跳转到Pin背后的网页上去；如果在网页上待很长时间，我们则称这次点击是'长点击'；另外用户可以把Pin保存在自己的Board里。这个用户'保存'的比例是Pinterest最关心的产品指标。在Pinterest的数据模型中，每一个Pin都有自己的图片，链接和描述；每个Pin都存在一个Board当中，但是不同的Pin可能有相同的图片，被保存在不同的Board里。下文提到的Pin通常指包含相同图片的Pin的集合。\n\nPinterest的推荐系统进化经历了这么四个阶段：\n\n1\\. 在我2013年刚加入公司的时候，推荐系统主要基于Pin-Board的关联图，两个Pin的相关性与他们在同一个Board中出现的概率成正比。\n\n2\\. 在有了最基本的推荐系统后，我们对Related Pin的排序进行了初步的手调，手调信号包括但不局限于相同Board中出现的概率，两个Pin之间的主题相似度，描述相似度，以及click over expected clicks得分。\n\n3\\. 渐渐地，我们发现单一的推荐算法很难满足产品想要优化的不同目标，所以引入了针对不同产品需求生成的候选集(Local Cands)，将排序分为两部分，机器粗排，和手调。\n\n4\\. 最后，我们引入了更多的候选集，并且提高了排序部分的性能，用机器学习实现了实时的个性化推荐排序。\n\n**候选集进化：兵来将挡，新需求来，新候选集挡**\n\n最初的Related Pin只有一种候选集生成算法，并且我们直接把生成的候选集推荐给用户。后来引入了Memboost和基于机器学习的排序算法，候选集的生成更加注意Recall以及结果的开放性，所以产生的候选集越来越多。**Board Co-occurrence:** 主要的候选集生成算法还是基于用户的Pin和Board关联图，最初是Map/Reduce离线算法。对于每个Board，输出这个Board里面所有的Pin Pairs，然后在Reducer里面计算每组Pin Pair出现频率。由于数据量太大，所以我们进行了随机取样。在排序过程中还引入了Pin的描述和主题相似度等特征进行手调，效果很好。后来我们发现基于Map/Reduce取样的算法得到的相关度还有提升空间，对于罕见的Pin常常不能生成足够多的候选集，所以开始使用online的随机游走生成候选集。这个随机游走算法被称为Pixie，通过对Pin和Board关联图进行几十万步的模拟随机游走产生候选集，能够很好地解决上面提到的两个问题。**Session Co-occurrence:** 基于Pin和Board关联图的算法有很好的Recall，但是有时候他们不能理解Pin里面很细微的主题，一个Board也容易随着用户兴趣的转移而转换主题。这些问题可以通过挖掘有时效性的用户行为得到更好的解决，所以Pinterest也搭建了一套Pin2Vec系统来弥补co-occurence的不足。Pin2Vec通过学习用户在一定时间内的保存行为，得出N个最流行的Pin的嵌入向量。通过一个Pin的向量和学习网络，既可以预测用户接下来想保存什么Pin，也可以找到与用户询问Pin最为相似的几个Pin。\n\n**Supplement Candidates:** 除了以上提到的基础的候选集，Pinterest还采用了另外两种算法来对结果进行发散，并且解决冷启动的问题。每一个Pin会有相应的描述，主题等文字信息，由此可以产生基于搜索的候选集。这个候选集里的Pin比以上两种算法生成的相关度要差，结果相对发散，但是能给用户带来更好的探索体验。另一种是基于图片相似度产生的候选集，可以直接借用极度相似的图片生成的推荐结果，也可以把类似的图片Pin推荐给用户。\n\n**Segmented Candidates:** 最后，为了优化产品的生态系统，Related Pin引入了针对新鲜内容的推荐集合。在Pinterest走向国际化的道路上，又针对不同的市场做了不同的推荐集合。\n\n**排序过程：从拍脑袋到机器半自动**\n\n对于基本的搜索引擎和推荐系统，在有了大量数据之后，最容易实现的排序方式就是记住用户在每一个Related Pin页面与哪些Pin进行过互动。由于用户在使用不同客户端时，对不同位置的同一个Pin互动存在一定的偏差，所以我们在生成这个记忆的时候采用了**clicks over expected clicks**算法。一个Pin的Expected Click是这个Pin在不同位置上的impression数量与该位置的期望点击率的乘积。\n\n我们设一个Pin的Memboost得分是clicks over expected clicks：然后将Memboost得分和原始基于Pin和Board关联图，主题相似度和文字相似度得分线性结合在一起：这种简单的排序被实验证明是非常有效的。这个通过手调和记忆进行排序的过程在Pinterest度过了快三年的时光，在引入了越来越多的候选集后，人们逐渐意识到下一个大的提升可能来自于learning-to-rank。Related Pins设计了ranker对候选集根据query pin，当前用户，以及当前用户的上下文进行重新排序。在排序的时候采用了四类不同的特征：\n\n\n\n**Pin的特征:** 包括文字信息，图片信息，文字向量，主题类别信息以及Pin的人口信息 (如不同性别，不同国家和语言的统计信息)。\n\n**历史特征:** 包括上文提到的Memboost，用户过去进行的不同类别的动作信息，点击，长点击，保存等等。\n\n**用户特征:** 用户的性别，国家和语言。用户过去保存过的Pin，文字信息，主题信息等。\n\n**用户实时特征:** Query Pin是来源于主页，搜索还是哪一个Board。最近搜索过的问题，特征向量，最近保存过的，点击过的，长点击过的Pin。\n\n\n\n在最初的版本里，我们从Memboost得分中生成训练目标，通常认为一个拥有高Memboost得分的Pin好于一个低Memboost得分的Pin，有Memboost得分的Pin好于一个随机的Pin，然后采用pairwise loss训练一个RankSVM模型。但是上面的版本很难模拟不同用户对结果不同的反应，所以我们转移到一个基于Session的训练模型。每一个Session都包含一个Query Pin，当前用户，动作以及一系列的推荐pin。当用户保存一个pin时，我们把这个pin和之前的pin取出，做pairwise的学习。(笔者认为: 在这个实践过程中应该还引入了周边的pin，以及一些不相关的popular pin作为反例，不然学出来的结果有可能会反转原先排序)版本三采用了RankNet loss和GBDT模型来模拟用户非线性的行为，新的模型也能更好的考虑**'如果Query Pin的类别是艺术，那么视觉相似度是一个很强的信号'**这样一类组合特征。\n\n最后，版本4则由pairwise loss回归到pointwise loss，虽然学术界一直认为排序问题listwise优于pairwise，pairwise优于pointwise，但实践中pointwise常常能达到与pairwise一样好的推荐效果。从人理解角度来看，其实用pointwise来预测用户的点击率，保存率更容易解释，从而用得分作为一个参考，在排序过程中引入其他信号，全面的优化产品的生态系统。\n\n**结语：路漫漫其修远兮**\n\n推荐系统在学术界已经有很多年的研究，但是在工业界里使用的往往还是最简单的算法，大量的数据能够很好地弥补算法上的不完美。Pinterest这篇文章很好的描述了推荐系统这几年是如何跟随一个创业公司从2~3个人就能搭建的简单系统成长到一个十几个人的团队维护和提高的包含3~4个components的大系统。在成长过程中，他们面临了'cold-start', 'rich get richer', 'engagement is not always correlated to relevance'等挑战，虽然不是每一个问题都能完美解决，但是提出有效的方案去减小问题影响正是工业界所需要的。\n\n笔者为能见证这一功能的完善和队伍的成长感到荣幸，预祝Pinterest早日上市。\n\n**王 栋**\n\n来offer特约作者。清华大学姚班07级，信息学竞赛国际金牌。目前任职于硅谷电商网站Wish，专注搜索推荐算法及系统设计。曾任独角兽公司Pinterest搜索排名负责人，带领团队设计和实现了高度可扩展的搜索平台，以及机器学习搜索结果排名算法。\n\n\n\n图片来自网络，版权属于原作者\n"}}},{"node":{"title":"面试解题时, 有效方法与最优解, 到底应该选哪个？","path":"/en/news/2017-03-17-working-or-best-solution-which-is-better/","node_locale":"en-US","id":"3294e650-5617-53ee-86ec-4b7636c93f18","contentful_id":"9E9mFrvzTUCMcCKSM2AAG31","date":"2017-03-17T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Interview","Career","Technical"],"description":{"description":"发现一个有趣的题目的最优解看似有趣，但有的时候会让你在面对复杂问题时把程序弄得更复杂。**比方说，如何搭建一个user autocomplete service？从算法和数据结构的角度考虑，第一反应就是建立一个trie。当面试官让你对user按照follower多少排序的时候，**你可以让trie每个节点多存一些数据。**当面试官说她既想autocomplete user first name，又想autocomplete user last name的时候，你可能想按照first name, last name建造一个trie然后按照last name, first name建造一个trie。那如果用户名又有middle name怎么办？面试官想按照id autocomplete怎么办？面试官想personalize user autocomplete怎么办？"},"thumbnail":null,"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"86ba04f8-0a93-58b7-b6fc-1194e1efe3ab","body":"3年前硕士毕业前夕，我担心找不到工作，一口气投了27个简历。遇到面试题时，总想如何表现自己，总是在寻找一个问题的最优解。每当给你一个N行M列的矩阵，N和M小于1000，那么就开始想怎么得到一个时间复杂度O(NM)的解法；每当给你一个包含N个数的数组，让你优化什么东西，那么就开始想怎么样做到O(N)或者O(NlogN)；每当给你一个big number，那么一定有某种数学方法在O(logN)或者常数时间得到答案。\n\n**发现一个有趣的题目的最优解看似有趣，但有的时候会让你在面对复杂问题时把程序弄得更复杂。**比方说，如何搭建一个user autocomplete service？从算法和数据结构的角度考虑，第一反应就是建立一个trie。当面试官让你对user按照follower多少排序的时候，**你可以让trie每个节点多存一些数据。**当面试官说她既想autocomplete user first name，又想autocomplete user last name的时候，你可能想按照first name, last name建造一个trie然后按照last name, first name建造一个trie。那如果用户名又有middle name怎么办？面试官想按照id autocomplete怎么办？面试官想personalize user autocomplete怎么办？\n\n**在你试图用最优解方法来解决一个问题的时候，这个方法渐渐变得不易扩展。**可以想象那时面试官心里的表情，而我也在担心自己是不是会被那个公司reject。当我开始工作，完成的project越来越多的时候，**我越来越意识到解决一个问题的有效方法更为重要，**这个方法来自于你对问题更深入的理解和估计，很多美国本科毕业生常常表现的更好。你需要知道从memory里读数据大概要100ns，读SSD大概要16us，Disk seek可能要3ms，这比一个data center里的round trip(500us)还要慢，但是比CA到NYC的round trip(200ms)要快得多。AWS提供的机型有8x800GB的SSD硬盘，足够你将上题中提到的trie换为其他更简单的key value store存在硬盘上并且承担足够大的QPS。当面试官想让你设计一个系统来realtime回答每个地区实时有多少空出租车，有多少在工作的出租车，以及有多少用户在叫车。关注最优解的人也许会想到直接通过用户实时数据反馈来更新数字，这时你就会被面试官challenge一些奇怪consistency问题。如果你维护一个key value store，用户只需不断的update这个key value store，而你实时扫描这个key value store，2012年美国才有200k taxi drivers，现在也不超过400k，一秒钟你可以扫描上百次这个key value store。\n\n**有了这个有效的可行解，还需要什么优化呢？**\n\n如果你想面试一个更高level的职位，你可能要对某一领域很精通，说到这就要区分吹牛逼的人和做实事的人了。也许你在外演讲CAP，并且能清楚区分Linearizable consistency，Sequential consistency，eventual consistency，可是搭建出来的系统原公司里的人都不想用。也许你每天对着实验结果说这个significant，这个不significant，可是却说不出chi-square distribution的基本性质。这里的种种故事今天就不讲了…\n\n吐槽到此结束，各位看官见笑了。\n\n**王 栋**\n\n来offer特约作者。清华大学姚班07级，信息学竞赛国际金牌。目前任职于硅谷电商网站Wish，专注搜索推荐算法及系统设计。曾任独角兽公司Pinterest搜索排名负责人，带领团队设计和实现了高度可扩展的搜索平台，以及机器学习搜索结果排名算法。\n\n\n\n图片来自网络，版权属于原作者\n"}}},{"node":{"title":"我是艺术生, 但我拿到了Bloomberg的程序员offer","path":"/en/news/2017-05-02-got-offer-from-bloomberg/","node_locale":"en-US","id":"c5a47dd6-216d-5cac-a537-a26c9f464fc6","contentful_id":"9E9mFrvzTUCMcCKSM2AAG32","date":"2017-05-02T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Interview","Career","Technical"],"description":{"description":"20号下午接到了Bloomberg的offer，到现在我都还觉得自己在做梦。怎么说呢，就是觉得，'啊，我竟然真的能达成这个目标啊!'，有种非常不可思议的感觉。但我知道，如果没有报名来offer，如果没有各位老师的教导和帮助，我应该是很难很难很难成功转行的。"},"thumbnail":null,"thumbnailAlt":null,"authorProfile":null,"body":{"id":"b48ce73f-7ef4-5b96-b3a1-6367c7b9284c","body":"20号下午接到了**Bloomberg**的offer，到现在我都还觉得自己在做梦。怎么说呢，就是觉得，**'啊，我竟然真的能达成这个目标啊!'**，有种非常不可思议的感觉。但我知道，**如果没有报名来offer，如果没有各位老师的教导和帮助，我应该是很难很难很难成功转行的。**\n\n先介绍一下我的背景 。对于老师们来说我绝对是学员里的hard mode。本科的时候读过一年computer science，后来转读Art History去了。研究生期间也继续选择了Art History。结果毕业前好几个博物馆出现财政危机，整个arts行业一片hiring freeze。尤其当时又决定不读博了，真的是不知道何去何从。\n\n和好多亲戚朋友商量过，大家都提议说要不就转行吧，转回CS说不定机会还多一点。可是我真的是什么都不记得了，不记得怎么写程序，不知道OOD是什么…**真.的.什.么.都.不.懂.**朋友当时建议我看一下Head First Java入个门，然后就报来offer的课程学回来吧。\n\n报名的时候是真心是抱着试一下的心态的，想着反正我的背景很可能老师一看到就放弃了，怎么也没想到孙老师当天下午就打了电话过来。老师那天和我聊了大概有一个小时吧。我到现在都记得老师和我说,（大意）**来offer不guarantee jobs，但是努力的话，就能达到目标。**我向来都是trigger pull得超级快的性格，一周内就报名了。现在想想，当初真是做了一个无比正确的决定。\n\n我是16年秋季班开始上课的。刚开始上课的时候，有两次都不小心miss了课。过后找孙老师要录像的时候被严肃教育了。现在回想起来还好还好我过后再也没miss过。**因为上课的时候同步带来的那种氛围和注意力和看录像完全是两回事。**在课上听孙老师讲题学的不只是怎么解决这些问题，还要学会怎么make reasonable assumptions，学会怎么接hint（面试的时候面试官大部分都是愿意交流的），学会怎么解释思路，学会怎么过例子。\n\n我另外还上了project课。对于我这种简历一片空白的人来说，真的是帮大忙了。Project课不止是复制代码然后做出一个product，更重要的是了解project里的各种衡量和选择。**老师们都讲得非常细，只要认真听课，面对面试的各种resume问题大多可以轻松过。**\n\n12月中考完期末考后（神奇地竟然考得还不错）休息了两周，我1月4号开始投简历。1月份的时候找好几个来offer的老师改过简历。因为我的背景很勉强很勉强能搭上前端，所以另外又找苏老师打电话问了一大堆前端面试的注意事项。**当时一直就想，所有老师都这么responsive和responsible真的是太好了:D**\n\n1月和2月期间虽然面了好几个小公司，但是因为各种各样的原因（具体略过），都被拒了。2月底的时候整个人都觉得非常茫然。 投出去的简历都是石沉大海，networking也不尽人意。意识到自己状态有点差以后我当天就约孙老师打电话商量。**当时老师就答应了帮我找之前的学姐们内推Amazon和Bloomberg。**第二天就全部安排妥当了（谢谢Zoie和Ying Li学姐帮忙！！！）。3月中接到了Bloomberg约电面。提前又找了孙老师帮我mock各种behavioral questions。一mock发现真是各种问题。对各种经典behavioral questions我的回答都非常粗糙，显得情商特别低。老师帮我改了好多问题的回答以后，算是心里有底了。不管电面和店面答起来都有了信心。电面问得非常简单，写完code问了一下time and space complexity。我把孙老师课上画的recursion tree在hackerrank里重现出来立刻过。\n\n19号Onsite，每轮面试（理论上）45分钟，5分钟自我介绍，问问简历，35分钟问各种technical questions，最后5分钟Q&A。讨论题目都是用铅笔和纸 。第一题是常见的类型。我却完全跑偏了。两个面试官听了一下我的大概想法面面相觑，明显地散发出一种'呃……'的气息。感觉到气氛不对，我又重新看了一下题目，描述了一下解决问题的过程，然后提议用Set+Recursion来解决这个问题。稍微年轻一点的面试官当时就低声说了一句'Right!'（学会接hint和读空气真的很重要）。题目写出来过后面试官还会问一下要怎么test，以及要我手动跑几个简单的test cases。我根据老师大课上讲题的过程，标出breaking point，一步一步跑例子，没有任何难度。\n\n第二轮是30分钟后。两道题都是非常简单的题目。我一听就内心偷笑，这么简单的题目！大概描述了一下想法，我就准备开始写了。Signature刚写完，面试官就问为什么这样写。为什么是String不是char[]，为什么是return boolean。写完后分析还问时间复杂度为什么是O(n)，为什么不写O(n/2)，怎么cause heap overflow without causing stack overflow。非常简单的题目，但是问得特别细。 写的过程中他还问要怎么fool过garbage collector不去清理旧的nodes。题都是很简单的，但是这个面试官就是做到把各种概念和联系都问得非常清楚。虽然面的过程我觉得很辛苦，但是面完真的非常服气。虽然我也有在某code上刷题，但是对于Java的理解都是从大课和Java课上得来的。面试要面得好，靠得不止是刷题（当然做题也还是要的），基础也要打好，课上的各种OOD和System Design虽然坊间传闻面entry level不常问，但是有所了解真的很有帮助。\n\n4点45和Manager聊完，recruiter送我出门。临走前还在电梯间碰到了第二轮的面试官。我当时还特别高兴地和他打了招呼，随意聊了几句。**走出Bloomberg大门已经5点，onsite总共七小时。**\n\n因为我周五就要给另外一家公司答复，周四下午2点多Bloomberg recruiter就打电话告诉我有offer了。下午5点前正式的documents就全部来齐了。这样还能给足我时间去研究terms。接到offer第一反应就是告诉孙老师。没有孙老师和来offer，我真的想像不到自己能走到这一步。\n\n这篇东西真的写得好长啊（文科生习惯）。\n\n**总结起来就是，谢谢来offer！**\n\n**大家加油，好好听课！**\n\n图片来自网络，版权属于原作者\n"}}},{"node":{"title":"留给码农的时间不多了, 这些题都不会, 怎么过海关?","path":"/en/news/2017-03-06-interview-questions-help-you-go-through-us-customs/","node_locale":"en-US","id":"40f251ea-2c42-5c48-9071-ed667e8da613","contentful_id":"9E9mFrvzTUCMcCKSM2AAG30","date":"2017-03-06T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Technical","Algorithm"],"description":{"description":"2月26日，28岁的尼日利亚软件工程师Celestine Omin持短期签证第一次来到美国。在JFK机场入境时，他被海关人员要求回答程序相关题目，证明他确为软件工程师之后才被允许入境。"},"thumbnail":null,"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":null}},{"node":{"title":"职场小白如何升职加薪，8个月华丽蜕变","path":"en/news/2017-02-10-how-to-get-promoted/","node_locale":"en-US","id":"3b7e1ece-7463-5e9e-94ca-e3de96d5e764","contentful_id":"7E9mFrvzTUCMcCKSM2AAGq","date":"2017-02-10T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Technical","Interview","Career"],"description":{"description":"今天的故事来自来offer学员Z同学，Z同学仅用了8个月时间便在当红独角兽公司成功升职加薪。毕业后短短的一年中，她是如何从懵懵懂懂的new grads小白，赢得信赖并蜕变为上司的得力助手呢？ 上周，我收到了HR发来的正式通知，入职Snap不到八个月完成升级。而一年前的这个时候，已经毕业两个月的我连一家onsite还没拿到，正为没钱、没工作、没身份焦虑不已。如果没有来Offer，我难以想象自己要绕多少弯路才能走到今天。我拿到offer时已经写过一篇找工作心得，这一次主要想聊聊开始工作后的体会。我以前只是觉得来Offer讲算法鞭辟入里，给我打下了扎实的基础，提高了我的面试能力；现在却越来越感受到，从这里获得的眼界和思维方式，才是真正最有价值的部分。"},"thumbnail":null,"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"1f84a7e8-c2e6-5e82-afde-d8a7df9a679b","body":"今天的故事来自来offer学员Z同学，Z同学仅用了8个月时间便在当红独角兽公司成功升职加薪。毕业后短短的一年中，她是如何从懵懵懂懂的new grads小白，赢得信赖并蜕变为上司的得力助手呢？\n\n上周，我收到了HR发来的正式通知，入职Snap不到八个月完成升级。而一年前的这个时候，已经毕业两个月的我连一家onsite还没拿到，正为没钱、没工作、没身份焦虑不已。如果没有来Offer，我难以想象自己要绕多少弯路才能走到今天。我拿到offer时已经写过一篇找工作心得，这一次主要想聊聊开始工作后的体会。我以前只是觉得**来Offer讲算法鞭辟入里，给我打下了扎实的基础，提高了我的面试能力；现在却越来越感受到，从这里获得的眼界和思维方式，才是真正最有价值的部分。**\n\n**1. 初入职场压力山大**\n\n对bug束手无策，优秀同事带来隐形压力，但是前进的路没有捷径，踏踏实实勤能补拙。\n\n去年五月底，我正式入职Snapchat（现已更名Snap）。这是我人生的第一份全职工作，也是我第一次进入美国公司。第一天去上班我紧张到爆炸，还处在'我是怎么混进这么好公司'的懵逼中。我司风格是入职当天就给派活，第一周熬到周四我真的好想哭。不用说升职加薪了，刚开始一两个月只是想着千万别被fire。**大面积的代码看不懂，测试平台搭不起来，对bug束手无策，甚至git都玩不转，真的是有几次想撂挑子不干的。**这时孙老师的金牌鸡汤上场了。'要到长大以后，我们都变成了星矢，才最终知道，我们不会有无敌的绝招，不会有死而复生的神力，真正能让我们获得人生这漫长战役的胜利的，只有我们绝对不放弃的耐力'。这段话曾经支撑我度过了只身在湾区小黑屋苦苦找工的漫长冬夜，现在也依然激励着我克服每一个工作上的困难。我的同事们各种名校phd、ACM金牌、百万用户项目经历；即使同样是new grad，随便一个都有Top10 CS科班或者FLAG实习加持。相比起来，普通学校刚转CS一年、只有中国小公司实习的我，真的是被秒成渣。**但孙老师总在鼓励我，要清楚自己不够强，但也要相信自己会变强。于是科比看过的凌晨四点的洛杉矶，我也在加班时看过了。程序员这条路没什么捷径，背景薄弱就踏踏实实多花时间来补。**从来没有'一个月拿到Google offer'，也从来没有'一年成为top coder'。\n\n**2. 主动思考，机遇无限**\n\n按部就班接受指令，只会止步不前。主动思考勇于承担，机会就在前方。\n\n慢慢地我适应了工作环境，维护手上的项目也能胜任了，这时manager交给我一个全新的项目。我完全没有从零开始做一个生产项目的经验，而且又是我从来没做过的web，所以刚开始基本上是manager搞定一切。他弄清楚需求，设计好系统，制定实施步骤，我只要完成他给我的任务就可以了。manager说理解我是新人，我自己也觉得这样就不错。正值此时，来Offer举办了第一届校友会。虽然是在湾区，但我还是订了当天往返的机票去参加，结果真是不虚此行。除了扩展人脉，还聆听了各位老师的经验分享。其中张老师有一句话：'**每个人在工作中都会经历三个阶段：manager告诉你该做XX，你问manager能不能做XX，你告诉manager我们应该做XX。每到一个阶段都是你提高了一个层次。**'我一下被点醒了，意识到如果满足于接受manager的指令，那我永远只能是个'新人'。**我马上重新思考了当前的项目，主动跟manager提出了自己的系统设计。之后的每一步，也都是我主动发现问题，寻找解决方案，找其他部门协调。**manager后来也放手让我去做，只在必要时提些建议。这个项目真正成了'我的'项目，它的上线也直接促成了我的升级。manager在报告里最重点写的就是这个项目，说我远远超出了他对一个new grad的预期。的确，职场新人大都懵懵懂懂，如果没有张老师高屋建瓴，光凭我自己还不知何时才能意识到要往下一个层次去。\n\n**3. 良好沟通促进协作**\n\n把握机遇和挑战，培养有效沟通能力，赢得信赖的同时，促进工作顺利完成。\n\n
来Offer还教会了我重要的一课——沟通和表达.\n\n很多位老师都说过，**虽然我们是程序员，但并不是只跟程序打交道，现实工作中与人交流和写代码同等重要。**这一点我非常赞同，也深有体会。上课期间训练出来的英语表达能力，不仅帮助我攻下了一个个面试，更在我工作之后发挥了巨大的作用。刚入职时，都是senior工程师或者manager带我去开会，一般轮不到我说话。直到在做前面提到的新项目时，有个跟几位有决定权大佬的meeting，将拍板那个项目能不能上线。正巧manager临时去不了，就让我自己去。其实我的内心是崩溃的，那是我第一次在众人面前完整地讲解一个项目，还要接受他们对各种细节的质疑。**虽然全程我腿都在抖，但最终还是成功搞定了几位大佬。从那以后，manager就经常让我自己去开大大小小的会了。**他在升级报告里说，我与技术和非技术人员都有很好的沟通，他可以完全信任我直接去跟各方交流。实际工作中从来没有能凭一己之力完成的任务，我们需要不断地跟其他工程师、PM、QA、各种specialist打交道，而他们都有着不同的背景，来自不同的种族和国家。良好的沟通能力一定是优秀工程师的必备素质。\n\n虽然现在不在来Offer上课了，但我还是一直和老师们保持着联系。**来Offer的每位老师都是业内翘楚，每个人身上都能列举出几段让我仰视的经历。我真心敬佩他们的能力，也由衷感谢一路上他们对我的帮助。**上课时我关注的重点都在算法上，但走出去再回头看，很多当时以为的闲聊其实和知识本身同等受用。作为senior工程师和manager，经常老师们随口说的一句话都够我们体会好几年。这样耳濡目染，我们就会比同龄人超前走很多。于我而言，来Offer早就不仅是找工作时的算法培训班，更是我今后职业发展甚至人生方向的导师。**来Offer不仅带给我offer，从这里获得的真知灼见、深度思考和坚定力量，都帮助我在拿到offer后走得更好。这里不仅'教书'，更'育人'。**希望每位同学都能好好珍惜这个平台，也为从'北美工程师的黄埔军校'走出而骄傲。\n\n图片来自网络，版权属于原作者"}}},{"node":{"title":"数据科学求职讲座总结: 认清两大误区, 牢记五大对策！","path":"/en/news/2017-07-15-how-to-be-a-great-engineer/","node_locale":"en-US","id":"7484aa6e-03ac-5b2c-956b-ba4dabe46cc9","contentful_id":"9E9mFrvzTUCMcCKSM2AAG19","date":"2017-07-15T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Technical","Career"],"description":{"description":"一位工程师，如何才能称得上优秀？除了写得一手好Code，什么样的工作态度和方法才是一个优秀工程师的必备？7月11日，陆奇出席百度内部Engineering Leadership Talk。我们一定要有一个坚定不移的深刻的理念，相信整个世界终究是为技术所驱动的。有没有其他人已经解决这个问题？然后你可以把你的时间放在更好的创新上。做什么事情一定要做最好，一定要是做业界最强的。我把自己想象是一个软件、一个代码，今天的版本一定要比昨天版本好，明天的版本肯定会比今天好。看到问题也不要去问别人，就把它Fix。"},"thumbnail":{"id":"501f2e2b-d465-5ce9-9665-b7d415d1a2bd","resolutions":{"width":800,"height":550,"src":"//images.ctfassets.net/04k2xg9gplcj/1JEQSdzd16ukYwsMaWgkO6/140d0a07a9427c8d44e92336a2daf260/baidufamily.jpg?w=800&h=550&q=50&fit=fill","srcSet":""}},"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"e66d4a73-b4bd-5230-8bb2-12eb5cf924c2","body":"一位工程师，如何才能称得上优秀？除了写得一手好Code，什么样的工作态度和方法才是一个优秀工程师的必备？\n\n7月11日，陆奇出席百度内部Engineering Leadership Talk。\n\n我们一定要有一个坚定不移的深刻的理念，相信整个世界终究是为技术所驱动的。有没有其他人已经解决这个问题？然后你可以把你的时间放在更好的创新上。做什么事情一定要做最好，一定要是做业界最强的。我把自己想象是一个软件、一个代码，今天的版本一定要比昨天版本好，明天的版本肯定会比今天好。看到问题也不要去问别人，就把它Fix。\n\n作为计算机科学博士及优秀的管理者，他提出的五点要求，对每一位百度工程师都适用。\n\n**1——Believe in 技术**\n\n首先要相信技术，我刚才已经讲了，整个我们工业界，特别是像百度这样的公司，对技术坚定的、不动摇的信念特别重要。我也分享一下，盖茨提到微软公司的宗旨就是：写软件代表的是世界的将来。\n\n为什么？\n\n**未来任何一个工业都会变成软件工业。**盖茨是对的，因为任何工业任何行业自动化的程度会越来越高，最后你所处理的就是信息和知识。但现在软件的做法又往前提了一次，因为在人工智能时代，不光是写代码，你必须懂算法，懂硬件，懂数据，整个人工智能的开发过程有一个很大程度的提高，但是，技术，特别是我们这个工业所代表的技术一定是将来任何工业的前沿。**所以我们一定要有一个坚定不移的深刻的理念，相信整个世界终究是为技术所驱动的。**\n\n**2——站在巨人的肩膀上做创新**\n\n我们观察一下，在美国硅谷、在中国，互联网创业公司也好，大型公司也好，大家的起点是越来越高的。为什么现在创新速度那么快？主要是起点高了。我们可以使用的代码模块，使用的服务的能力，都是大大的提升。在内部我想强调这一点，很多大公司包括微软在内，内部的Code都重做了无数遍。我现在的要求是，每一次你写一行新的代码，第一要做的，先想一想你这行代码值得不值得写，是不是有人已经做了同样的工作，可能做得比你还好一点。有没有其他人已经解决这个问题，然后你可以把你的时间放在更好的创新上。特别是大公司里面重复或者是几乎重复的Code实在太多，浪费太多的资源，对每个人的职业生涯都不是好事情。我再强调，在大公司内部，你写代码之前想一想，你这行代码要不要写，是不是别人已经有了，站在别人的肩膀上去做这件事情。\n\n**3——追求Engineering Excellence**\n\n我要另外强调的一点就是Engineering Excellence，工程的技术的卓越性和能力。任何市场上竞争就像打仗一样，就看你的部队体能、质量，每一个士兵他的训练的程度，和你给他使机关枪、坦克，还是什么样的武器。所以Engineering Excellence跟这个类比，我们要建的是一支世界上最强的部队，每一个士兵，每一个领军人，每个人的能力，他的训练都是超强的，然后我们给每个人提供的工具和武器都是一流的。\n\n所以Engineering Excellence是一个永无止境的、个人的、团队的，能力的追求和工具平台的创新，综合在一起可以给我们带来的长期的、核心的竞争力，为社会创造价值，最终的目的是给每个用户、每个企业、整个社会创造价值。我另外还要在这里强调的一点就是Relentless pursuit of excellence：永无止境的不断的持续的追求。我们要么不做，要做的事情一定做最好，这是我对大家的要求。数据库也好，做大平台也好，大数据也好，我们要做什么事情，我们一定要下决心，这是我对你们每个人的要求，做什么事情一定要做最好，一定要是做业界最强的。\n\n**4——每天学习**\n\n每天学习，可能是对每个人都是最最重要的。我今天分享一下，我自己怎么想我自己的。就很简单一个概念，**我把自己想象是一个软件、一个代码，今天的版本一定要比昨天版本好，明天的版本肯定会比今天好，**因为即使犯了错误，我里面有If statement，说如果见到这个错误，绝对不要再犯。\n\n英语，另外有一句说法就是Life is too short, don’t live the same day twice. 同样一天不要重活两次。每天都是不一样，每天为什么不一样，因为每天都变成最好，每天都变得更好。今天的版本一定要比昨天好，每个好的、杰出的工程师，杰出的技术领袖，一定要保持自己学习的能力，特别是学习的范围。\n\n在这上面我也稍微引申一下，做Computer science的，如果只学Computer science，不去学一些其他的行业，肯定不够。我举个例子，经济学必须要学。为什么这样讲？\n\nComputer science它有个很大的限制，他是假定你有输入以后有输出，这种解决问题的方式有它的好处，但有它的限制性。我给大家举个例子，地图导航，如果你纯粹用这个方式去做，你只是把一个拥挤的地方移到另外一个拥挤的地方。经济学，它对问题的建模是不一样的。它起点是假定是一个整体的一个生态，每个人的输入都是另外一个人的输出，你要用经济学的方式来描述地图导航的问题，你就会去算一个Equilibrium，市场也是这样。如果把深度学习真的要想彻底，必须把物理重学一遍，把生物学看一遍，再把进化论再看一遍。因为深度学习跟这些东西完全相关，自己肯定想不清楚，要彻底想清楚，必须学。另外，学产品，我以前跟所有的工程师都讲，如果不懂产品，你不可能成为一个最好的工程师。\n\n真正要做世界一流的工程师不光要懂产品，还要懂整个商业，懂生态。因为你的工作的责任，是能够看到将来，把技术展望到将来的需求，把平台、把开发流程、把你的团队为将来做准备。所以学习是非常非常重要的。\n\n**5——Ownership**\n\n最后是从我做起。我们公司有个非常大的使命，用科技让复杂的世界更简单。整个世界非常非常复杂，人其实所做的事情基本上都是Reduce entropy。因为从热力学第二定律来讲，世界是会变得越来越乱的，我们想做的事情就是把它变的更简单，让我们生活变得更美好。而且具体的，我们可以通过人工智能技术来做到唤醒万物，但是这一切是通过每一个人的一点一滴的行为累计起来，从我做起。还有**Ownership，看到机会不需要问别人，有机会就去做，**看到问题也不要去问别人，就把它Fix。把我们的使命、把我们的公司当成我们自己每个人的事业来做。\n\n我可以坦诚的给每个人讲，如果你把公司的使命，把公司的事业，当成你自己个人的事业，Own everything，你在职业生涯一定是走得最快。从我做起，从身边的每一件事情做起。\n\nBelieve in 技术、站在巨人的肩膀上做创新、追求Engineering Excellence、每天学习、Ownership，陆奇送给每一位工程师的建议，你get到了吗？\n"}}},{"node":{"title":"93%的简历被谷歌直接筛掉, 程序员该如何打造求职简历？","path":"/en/news/2017-09-26-how-programmer-build-resumes/","node_locale":"en-US","id":"0aca75c7-d660-5de9-85e3-34797928856e","contentful_id":"6E9mFrvzTUCMcCKSM2AAGq","date":"2017-09-26T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Technical","Interview","Career"],"description":{"description":"Vincent：来Offer项目实战班主讲，Senior Full-Stack Engineer，在FLAG一线大公司拥有多年的面试经验，帮助上千名同学修改简历、辅导面试。 我与许多应届生、求职者交流过，发现他们中的很多人对于简历的认识，仍停留在比较初期的阶段。而从他们对简历的认识误区中，则能看到许多人关于CS求职较为“想当然”的理解。因此，我想说一下如何打造简历，一个面试官到底希望看到什么样的简历，希望招到什么样的人才。"},"thumbnail":{"id":"0b62af3b-11a6-503b-b2a2-940856c2c803","resolutions":{"width":800,"height":550,"src":"//images.ctfassets.net/04k2xg9gplcj/EAQy5FDtugKcGaUae8kY/7d6b347a7d174f4f5272805f1d440ffe/career-103-01.jpg?w=800&h=550&q=50&fit=fill","srcSet":""}},"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"bf4d2025-1aa1-5396-be08-bf518e6ee727","body":"**Vincent：**来Offer项目实战班主讲，Senior Fullstack Engineer，在FLAG一线大公司拥有多年的面试经验，帮助上千名同学修改简历、辅导面试。\n\n我与许多应届生、求职者交流过，发现他们中的很多人对于简历的认识，仍停留在比较初期的阶段。而从他们对简历的认识误区中，则能看到许多人关于CS求职较为“想当然”的理解。因此，我想说一下**如何打造简历，一个面试官到底希望看到什么样的简历，希望招到什么样的人才。**\n\n我主要想讲这三大部分：**修改简历的重要性、怎么写好项目/工作经历、简历一无可写怎么办。**\n\n先举一个简历实例，一个物理PhD和一个Top30名校毕业的Computer Engineer的学生同时针对一个SDE的职位投出简历，你认为谁的胜算会大一些？下面就是这两个同学的简历，大家可以自行比较一下。\n\n\n\n最终，是物理PhD拿到了Offer。这说明，这个求职市场并不是100%地“看出身”，更多时候，还是要看简历上的干货，而这些干货还要与职位要求相符。\n\n根据2016年的数据统计，**只有不到7%的人撑到了谷歌的onsite面试**，而每年被直接筛掉的简历，则在百万份左右。所以对于简历，如果你的认识还停留在名校和专业的层面上，很有可能，你就是那被筛掉的93%。\n\n**一、为什么简历这么重要**\n\n很多北美CS求职者可能想不到现在竞争是有多么激烈。一个职位往往有几十个甚至上百个candidate来竞争。那些提供H1B签证，将来会sponsor绿卡的岗位就更是炙手可热了。想在这样的激烈竞争下，拿到Offer，你的简历必须要能经得起多方面的检验。\n\n**HR：**不管什么职位，面试的第一步就是HR筛选简历，而你的简历只有10秒钟的机会，然后HR就会决定你这一关是Fail还是Pass。\n\n**内推：**有些求职者会觉得，我有内推，简历差一点不怕。这是错误的。即使你的推荐人愿意给你倾尽全力内推，他也需要根据你的简历论证你有哪些优点。如果你的简历写得空洞无物，再有心的推荐人也无能为力。这也是很多同学即使找了内推，依旧没有拿到面试的原因。\n\n**面试：**到了面试这关，简历仍然很重要。面试官会根据简历来快速判断你是否值得他仔细面试。如果你的简历没有引起他的感兴趣，那在他心中可能已经给你判了死刑了，等下出个LC Hard的问题刁难你，你的feedback自然不会好，最后的结果就是呵呵一笑：Thank you for your interest。\n\n当然，也不能为了充实简历就走向另一个极端：为了拿到面试，**把简历写得极尽fancy。**这样倒是让HR和面试官眼前一亮，但是针对你的简历来提问，你却答不上来，照样会挂掉。\n\n**二、如何写好你的项目和工作经历**\n\n既不能空洞无物，也不能过分夸张，那么在10秒钟之内，面试官到底想看到什么呢？\n\n**关键词**\n\n10s内能够让面试官看上的简历，肯定要有**热门的技术词汇**，最好还是和面试官（他们也是工程师）息息相关的技术。\n\n这一点大家经常有个误区，觉得我一定要高大上，简历上的技术越新越好。但是，这些技术往往还没来得及大规模推广，甚至面试官都不知道，很可能写上去是没有用的。反之有些技术，比如Test、Log、Git这些，看上去并不fancy，但是这是每一个工程师天天要做的工作，反而能把你和其他new grad区分开来。不要小瞧这一点，包括一些CS的master很多都不会Test、不会分析Log、不会Git。\n\n你的简历如果既有一些**较新的技术**（一般出来一两年左右的，类似Go、React），又有**经典的必备的技能**，那么就一定能够吸引他的眼球。\n\n**真实性**\n\n既然技术词汇这么重要，那我就把经典的、热门的技术全部写在简历上，堆成一个项目好不好？面试官不是傻瓜，他对简历的敏感度非常高，能够一眼看得出来哪些就是为了堆上某个技术而砌出来的项目。\n\n举个简单的例子来说，有同学在简历里边写了一行：**Designed and developed a web applicaiton with Java, Eclipse, Hadoop, AWS EC2, REST API。**技术本身都是极好的技术，但是这样写是非常错误的。\n\n**首先，这个描述极其缺少context，面试官无从判断这个项目的价值。**你的web application，是一个简单的一页的个人主页呢？还是一个有多个page的推荐系统呢？没有这个context，面试官无从了解你的这个项目的完成时间和完成深度。所以这个真实的context必须得有。有些同学可能上过一些求职课，知道应该用数字证明成果，这个其实也是context的一种。\n\n**另外，单纯的技术堆砌往往缺乏联系和逻辑，无法说服面试官。**比如说，Deployed the system on AWS，这个AWS本身没有错，但是你的这个项目为什么要部署到云上面去呢？之前遇到什么问题？你是带着目的性去部署这个系统，还是说仅仅为了学习AWS而去做的呢？如果是我来写，我最起码会写上Deployed the system on AWS to improve scaling。这样才能证明我是明白AWS的用途的，而不是为了堆砌。\n\n**深度**\n\n还有一些同学，尤其是CS Master和转专业的同学，有这样的疑问，如何让我的简历显得更有深度？我认为你的简历需要体现设计和实现上的复杂性。我总结了一个描述的技巧：**起承转合。**\n\n**第一行，起。写清楚项目的背景。**写一下研究过什么同类的产品，我的产品的优势是什么。这能告诉面试官我不是随意设计一个项目的，是有目的、有规划的。\n\n**第二行，承。一般我会写基本的实现。**用了什么框架、什么技术。记得要把context交代清楚。\n\n**第三行，转。描述遇到的挑战，是如何解决的。**通过这条，说明我这个项目不是应付交差，而是做了一段时间，遇到了问题，并且解决了问题。\n\n**第四行，合。描述最终的结果。**我是如何delivere、present、test这个项目的。告诉面试官我有ownership，能保证产品的最终完成。最好可以用一些数字来体现结果，而不是空洞的描述。\n\n用这样一个四段论，比全部都在说做了A功能、B功能、C功能，在深度上好太多。\n\n**三、简历一无可写怎么办？**\n\n对于零基础、转专业的同学，简历上没什么可写的是个普遍问题。要解决这个问题，就需要发掘自己的优势。\n\n很多时候大家觉得自己无从下笔有几方面的原因。**第一，做的项目和想投的工作不吻合**，比如想投CS专业，手中却只有EE相关的技术经验，或者想投工业界的职位，却只有Research方面的经验；**第二，做的项目觉得不够重要**，比如就是修修bug，改改button之类的简单任务；**第三，确实是什么经历都没有。**\n\n针对第一类问题，可以想办法和目标职位靠拢。比如说CS和EE有很多**通用的经验和技术**，诸如前期查资料research、分析数据和debugging的能力，这些都是可以写到简历里边。另外有一些**通用的soft skills**，比如communication的能力、oral presentation的能力。尤其是一些PhD的同学，经常写paper和做presentation，都可以为简历增色。\n\n针对第二类问题，就需要自己去**深入思考自己项目的重要性**。很多时候大家觉得我可能就是某个公司的某个小组做一些边角的事情，但是大家要想，为什么这么大的公司不找别人去做这个工作而找你？说明还是有你的价值在其中的。对于这样的项目，一般我会先介绍这个公司的价值，然后是我们组对于公司的贡献，最后就是我做的工作的重要性。层层递进，自然写出了你的价值。\n\n至于第三类问题，就需要大家去发挥积极性，多参与一些技术开发活动了。现在**开源社区**非常活跃，你完全可以参与其中。一开始哪怕就是修改标点符号也好，然后不断的升级积攒更多的经验。如果直接参加开源社区对你的技术要求太高，也可以去参加**线上培训的项目**，一般这些项目会有老师来亲自带着做项目，会更有指导性。\n\n以上我简单探讨了三个让简历脱颖的关键点，以及如何挖掘自己的工作、充实简历。当然小窍门还有很多，就不一一赘述了。最关键是要明白，认真修改简历和良好的项目选择，对你拿到Offer至关重要。\n\n\n\n更多求职干货请关注来Offer微信公众号查看\n"}}},{"node":{"title":"从华为裁员, 看程序员30岁前的职业规划","path":"/en/news/2017-03-10-engineers-career-planning-before-30/","node_locale":"en-US","id":"3e1ef720-abaa-5bc8-8b58-547fa04b9bfd","contentful_id":"9E9mFrvzTUCMcCKSM2AAG2","date":"2017-03-10T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Interview","Career"],"description":{"description":"同学们的找工作中的第一个误区就是过分依赖刷题。有的同学总想着在面试前找一些机经面经的题目刷一刷。但是，很多情况是找不到合适的机经面经，或者，即使找到了相关的题目，却没有非常好的答案或者答案不全面，这反而增加了同学们找工作上的困扰。第二个误区则是和基础知识有关。很多同学在面试前想要巩固一下基础知识来提升自己的能力。但是打开资料一看，发现要记忆的公式很多，难以记忆。对于面试的时候会考察什么公式，提问什么内容，对知识的深度角度和广度都不了解。在这样没有复习方向的方向下复习会做很多无用功。"},"thumbnail":{"id":"131ecf2e-8694-5ae5-868b-38ab50024ee9","resolutions":{"width":800,"height":550,"src":"//images.ctfassets.net/04k2xg9gplcj/1oTvE1pIzi4GCwY2Qm28so/8dbcc15c21fa9296a93cb7f0f74273db/career-004-1.png?w=800&h=550&q=50&fit=fill","srcSet":""}},"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"d4337d58-6a6f-5f1a-accf-2301605d2052","body":"虽然我还是一个不到30岁的程序员，但是最早接触算法和数据结构时候才11岁，如果把这算为接触到大学相关的程序设计，到现在也应该奔四了呢。\n\n#### 为什么突然想到中年危机？\n\n一个处在大好年纪的人来谈中年危机，可能有点为赋新词强说愁的既视感。但有个很重要的原因，让人不得不正视这个问题：**我 是 程 序 员**\n\n最近**华为大面积裁掉40岁以上码农**的新闻议论纷纷，人心惶惶。\n\n2017年华为准备的变革措施包括：\n\n1、为保持公司年轻化：**退休政策即将微调，从45岁可以退休，变成45岁须退休**，想继续工作的，需人力资源部重新审批。\n\n2、45岁如果是管理岗，或者对公司有杰出贡献的人才，公司也希望保留，混的不好没有潜力挖掘的老员工，人力资源审批肯定通不过，要**强制退休**。\n\n3、大调整：业软绝大多数部门划到GTS，仅留研发强相关部门在研发体系。业软产品线因为这几年做的不成功，**部分组织人员要划到GTS（即交付工程，属于售后）服务部门去。**\n\n4、CBG逐步独立化，大中华区独立只是一个开始，明年全球开始与片联剥离，逐步**独立经营**。\n\n\n先不评价**华为把40岁以上码农调去做售后这种间接'裁员'**的做法。单就程序员的职业性质来说，中年危机随时可能出现，且不以年龄为标准。你可以理解为，这是一种**职业型的'大龄恐惧症'**。\n\n#### 我的症状\n\n我也曾经搞过计算机竞赛，这些日子又开始做一些比赛，**突然发现一线coding的能力下降了不少**。有的时候遇到的题目需要一个平衡树，跳跃表之类的数据结构，却没有办法在二十分钟，半小时内写出正确的程序。硅谷有很多优秀的人才，但也有一种浮躁的氛围。一天刷刷LinkedIn，看看认识的朋友都在做什么。突然发现有些和自己差不多时间开始工作，或者早工作一年的同学突然成了manager，head。也有更优秀的人去当了CEO，Cofounder，突然开始着急起来。\n\n**但急有什么用？**\n\nPython的设计者Guido van Rossum从前说：'对于我来说，它和创作性联系十分紧密，而这对于我的工作非常重要。**如果（计算机编程）其中没有艺术，它将没有任何乐趣，而我也不会再30年之后仍然从事它。**'\n\n为了实现同一个目的，不同的人可能会写出不一样的代码，有的优雅，有的笨拙，有的可能会故意弄得让人无法理解，目的是要参加出名的**混乱代码大赛(IOCCC)**。看网上有一句说的很好的评语：'同样是工作了10年，有些人积累了10年的工作经验，有些人则积累了1年的工作经验然后重复了10年。'知乎上有人说，你可以把这两类人分别叫为Engineer和Coder，我觉得，你也可以将这两类人区分成**搬砖的码农**和**盖房子的编程艺术家**。\n\n#### Engineer vs Coder 码农与编程艺术家\n\n其实，写程序是一门艺术，也是一种越沉淀越香的工作。程序员也是一种匠人，好的程序员在写程序的时候会抱有一种匠心。**说回程序员的中年危机。**在工作中我遇到过不少码农和艺术家，他们都在自己的工作岗位上发光发热着。我曾有幸和Daniel Tunkelang工作过一段时间，他大概是在98年开始工作的，虽然我并没有问过他的年龄，但是估算一下应该过了中年危机好多年了。\n\n\n\n幸运并且聪明的他找到了除了在办公室写程序外适合自己的一条路，做**高端咨询服务**。和他聊天的时候听说，他年轻的时候其实并不是一个擅长演讲的人，他没有选择避开做自己不擅长的事情，而是**学着努力去在各种情况下表达自己**。从最开始写自己的blog做起，那时候刚毕业的他没有什么知名度，所以blog主要做一些会议记录以及评论一些名人的发言。因为那时候各项会议刚刚开始，很少有人做会议记录并且发布在网上；另外有的业内名人喜欢Google自己的名字，看到这里有评论有时还会来说一两句。**这两点帮助他得到了一定的流量。**后来他发现了一些给talk和meetup的活动，通过在普遍内容比较差的talk和meetup中给一些精彩的演讲，给人们留下深刻的印象。最后他通过SEO来优化自己，占据了一些当时冷门但是现在满热门的关键字，比如**Query Understanding，从此红的一发不可收拾。**\n\n另一个突然想提到的就是我的前mentor，Charles Gordon。比起之前这个网红，Charles相对低调不少。在Amazon股价只有$12的时候加入，现在的股价则是一股$800，真是不用加入startup也能够获得6666%的投资回报。他在Amazon从普通的Engineer一路爬到Principal Engineer，然后到Pinterest带领我们做很多Infrastructure上面的项目。给我留下深刻印象的，不是他为一家创业公司新作了多少feature，带来了多少用户，**而是他对每一个项目代码上的严谨，架构上的可扩展性保持，以及不断学习的生活态度。**在每一次代码审查上，Charles都给我留下很多意见，**因为他解释的很仔细，所以这样的审查带来的不是工作上的障碍，而是学习到新知识的收获。**另外他还组织对分布式系统(Distributed System)的研讨，在公司开讲座一起讨论Google发布的重要论文，以及出一些公司代码和小测验提高我们。这些小的活动不仅让我们学到了如何应用高级知识，也帮助他不管巩固经典理论，举一反三。其实除了这些'老'外，中国同事中也有很多我觉得非常优秀的同事，平时我都称他们老师，他们的故事我都可以另起一个开头，讲好多页纸，但是怕他们读到不好意思。\n\n讲了这么久艺术家，有那么一丝丝跑题的感觉，我其实并没有和他们深入探讨过他们是否有中年危机。但是在我看来，他们都有着深厚的积累来帮助他们抵挡生活中的危机。\n\n再过两周我就迈入工作四年了，也许是时候回顾一下自己积累了什么，或者重头开始把某些知识积累一遍。有三件事今年会去细致做一下：\n\n**第一，回顾一下从前的假积累。**工作以来书签栏也经过几次整理，到目前收藏了488个链接。之所以说他们是假积累，是因为很多内容我都还没有深入理解，转化为自己可以表述出来的知识，所以是时候仔细学习收藏夹里的干货。\n\n**第二，在这一年读两本经典图书，回顾两门重要课程。**这也是工作之后意外的发现，大学学到很多认为可能用不到的知识其实在工作中应用非常重要。比如如何在AWS上搭建一个适合自己应用的分布式系统，Lucene和Redis中最常使用的跳跃表，支持深度学习的最基本的神经网络及其算法。\n\n**第三，乃是生活阅历上的积累。**很多人向上爬的顺利并不是因为技术水平如何，而是在与人交流上更胜一筹。\n\n今年我想先从咖啡和红酒做起，看看自己什么时候可以熟练地'背'出不同产地咖啡的口感和特色，并且在送人红酒作为礼物时能够说出不同的酒厂的位置，那一年的那种酒好，以及口感。从这些小的兴趣爱好开始积累。\n\n**据说，每天都有10个在职码农选择到来offer进修**\n"}}},{"node":{"title":"白板面试和程序优化这么火，到底为什么？","path":"/en/news/2017-04-20-blackboard-interview/","node_locale":"en-US","id":"f7f61549-68f7-5d91-a608-29f27b21a8b5","contentful_id":"9E9mFrvzTUCMcCKSM2AAGq","date":"2017-04-20T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Technical","Interview","Career"],"description":{"description":"一周前，我面试了一个来自W Labs的Lead Big Data Engineer，问了他一个问题：在一维数组里找满足条件的最长子数组，很不幸，这个Lead Engineer在45分钟内连暴力解法都没有写出来，于是在结束面试前五分钟，我打住了他。他和我说：现在大家都在处理大数据，在Hadoop，Spark上跑程序，我们在这做算法题，优化程序的目的是什么？我当时着急结束面试，草草回答他说：我只是测试你的编程基础。的确，从我13年开始工作到17年这四年，从内存里读1MB数据时间从15us降到6us；机器学习算法从跑在64核CPU变成了$8000的NVIDIA Tesla P100；Amazon服务器带宽从50MB提升到了1GB。硬件提升如此迅猛，而我们还要在面试的时候进行白板测试，优化算法，提升程序性能做什么？"},"thumbnail":{"id":"1fe75570-216e-53ee-bfe0-d3e983cedd38","resolutions":{"width":800,"height":550,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=800&h=550&q=50&fit=fill","srcSet":""}},"thumbnailAlt":null,"authorProfile":null,"body":{"id":"574b79d4-e925-59a9-a373-c4c0e50d8805","body":"一周前，我面试了一个来自W Labs的Lead Big Data Engineer，问了他一个问题：**在一维数组里找满足条件的最长子数组，**很不幸，这个Lead Engineer在45分钟内连暴力解法都没有写出来，于是在结束面试前五分钟，我打住了他。他和我说：现在大家都在处理大数据，在Hadoop，Spark上跑程序，我们在这做算法题，优化程序的目的是什么？我当时着急结束面试，草草回答他说：**我只是测试你的编程基础。**的确，从我13年开始工作到17年这四年，从内存里读1MB数据时间从15us降到6us；机器学习算法从跑在64核CPU变成了$8000的NVIDIA Tesla P100；Amazon服务器带宽从50MB提升到了1GB。硬件提升如此迅猛，而我们还要在面试的时候进行白板测试，优化算法，提升程序性能做什么？\n\n**程序的价值是什么？**\n\n有一天我和Uber的工程师王聊代码，他开篇就说，'我加入Uber前没见过那么屎的代码。'但就是这个代码撑起了60B的共享经济帝国。由此可见，**程序的优美性只是写代码要考虑的一个小问题，最重要的是代码自身的价值。**很多时候优化程序性能并不重要。如果你是一个Uber工程师，负责结账功能的系统设计，因为每秒需要处理的请求并不多，所以要解决的问题的难度比微信红包，支付宝要简单不止一个数量级，在这种时候，考虑程序的性能可能是多此一举。著名的Pareto's Law，应用到程序里面就是**'20%的代码占用了80%的运行时间'**。这个现象在互联网公司可能会更加极端——**1%的代码占据了99%的运行时间。**说到这，我们可以得出这样一个结论：**大部分的代码都是不需要考虑性能优化或者存储优化的。**但是！对于剩下的那么一小部分代码来说，优化是非常重要的，**好的工程师能看到优化带去的经济价值，而不是仅仅停留在优化代码的层面上。**\n\n**好的优化是可以量化的**\n\n人们认识问题最直接的方式就是列数据，分析经济价值。从正面来看性能优化是很值钱的，Apple网站上15寸的MacBook Pro有两种型号，2.6G CPU要$2399，2.7G CPU要$2799。除去不到$150的硬盘差价，你需要花10%更多的价格来得到字面上不到4%的性能提升，而且这4%的性能还不一定能从日常使用中体现出来。从反证的角度来看，如果程序性能不重要，我们用更快的电脑更短时间运行完程序并没有额外价值。那么一个拥有16核的服务器应该和一个拥有8核的服务器一样贵，但实际上Amazon的c4.4x价格刚好是c4.2x价格的两倍。现在大家都在使用云服务，每个月的收费是根据你的存储空间使用和CPU消耗使用计算的，**你的每一个优化都可以被转化成美金计算出来。**Buffer就发表过一篇工程师文章《How We Saved $132k a Year With an IT Infrastructure Audit》谈优化节约了多少经费。**另一种衡量方法就是去看用户多喜欢你的产品。**长久以来Microsoft的IE浏览器一直是市场霸主，但最近已经被Google的Chrome浏览器后来居上了。在众多人们喜欢用Chrome的原因里，排名第一的就是Chrome的启动速度，网页加载速度远胜于其他浏览器。著名的独角兽公司Pinterest也发过一篇Blog，谈一系列hack的方法是如何将手机网页加载效率提升了60%，与此同时带来了40%手机网页端用户转化率增长。所以说，**天下武功唯快不破。**\n\n**加机器并不是优化性能的良药**\n\n有的不懂技术的人有这样的认识误区，我们可以用加机器，加内存，加CPU这样的方法加速程序，加大吞吐量。但哪怕Amadhl定律不约束并行程序效率，让程序正确的运行在多核，多台机器上也还是一个困难的问题。**投入更多的机器是一种提升性能的方法，但是既不便宜，也不简单。**考虑这么两种实际情况，一种是在单机上运行并行程序，最初我们可以从1 core变成3 core，将程序的性能提升一倍，但是如果你还想再提升一倍，那可能要16 core，因为程序不得不面对多核带来的额外开销，兼容性和调试的困难性。另一种情况是常见的搜索引擎，当我们使用5台计算机来进行搜索时，整个集群的P95耗时由单机的P99耗时决定，当我们采用10台计算机来搜索时，虽然每台计算机处理的文档减半了，但整个集群的P95耗时变成了单机的P99.5耗时，说不定latency就从100ms变成了200ms。这样看来，将单线程的代码性能提高一倍在某些情况下意味着更大的经济价值，**增加更多的硬件并不是提升性能的魔法，好的工程才是。**\n\n**那高级语言的性能怎么样？**\n\n有人说，今天最流行的编程语言就是Python和JavaScript了，但是他们的运行效率都比老牌语言C/C++差，这难道不是一个程序效率不重要的表现么？我想说的是，在你用着高级语言快速开发的时候，无数的程序员都在想着帮你优化他们的运行效率。对于Python，有人研究Cython，有人研究Pypy，从底层优化Python的程序效率；对于JavaScript，越来越多的公司都在通过优化它来优化网页速度，优化用户转化率，很多新的框架都在强调效率提升。在你使用高级语言，写着更简单，更安全的代码时，你可能没有看到，在最近的十五年来，JavaScript在浏览器里的运行速度提升了两个数量级，在Benchmarks Game的网站上，Node.js处理正则表达式之比C++慢3倍而已。我们是不是也可以认为这些年来JavaScript变得越来越流行，一部分也是因为他的运行效率在不断地提升。**如果JavaScript还和以前一样慢，那估计现在没有什么人会继续使用了。**说到这里，我想向所有奋战在internal tools的同事致敬，他们虽然很少实现面向用户的功能，但是他们实现的功能帮助其他工程节约了很多时间。\n\n**贪婪的程序员要求越来越高**\n\n还有一个让人们忽视程序运行效率的因素就是著名的Moore定律，处理器和存储读写会越来越快，谁还在意现在的程序效率呢？我们只需要用对的算法写干净的代码就可以了。在1990年的时候，人们想让程序下国际象棋，那时候这是一个很困难的问题。你可能要在C++的代码里加入一些汇编代码进行优化，才能帮助计算机在短时间内做出决策。但是今天，你可以直接用Python写一个搜索程序来下国际象棋，并且战胜大部分人。电脑一天一天的在变快，人们的需求也在一天天的变大，十几年前我们想让计算机下国际象棋，下中国象棋，并且说下围棋是很难解决的问题，因为围棋的搜索空间太大。但是如今我们已经可以用复杂的神经网络配上庞大的集群，打败每一个围棋大师。同样的道理也可以用在手机上，手机性能每一年都在提高，我们对手机的使用需求也随着性能增加。读初中，高中的时候我只在手机上玩黑白的贪吃蛇游戏，如今我们则玩着3d的战略游戏，发送着语音命令...可以想象，在不远的将来我们可能还会在手表上运行一些机器学习程序，帮助你做出一些决策，如果我们不优化我们代码的耗能，手机还能坚持12小时么？\n\n**优化是让处理器闲下来**\n\n最后一种说法：**我们的处理器大部分时间处于空闲状态，即使程序慢，我们也可以让CPU运行更长时间来弥补。**回击这种想法只要打一个不恰当的比方，你会觉得买一个高级跑车但是长时间只放在车库里很傻么？在计划你的网站需要多么大的集群支持时，都会为他准备很多备用的计算资源，要是不这样设计，运行程序就变成了去拥挤的超市里买菜，大家都在排着队，从停车场到收银台，排一整天。我们也都经历过电脑CPU占用率达到100%的状态，机器变热而且任何程序都不响应，你只能无奈的等着。如果搜索引擎的处理器在100%的状态下运行着，那么新来的请求就会被放在队列里，导致更多处理器切换造成了额外的消耗，最终服务器会彻底奔溃。所以从设计的角度来看，我们需要我们的处理器处于空闲状态，有足够多余的计算能力。**对程序的优化就是让处理器闲下来，更好的代码帮助用户更快的得到结果，并且消耗更少的资源。**\n\n**结语**\n\n开了这么久脑洞，回到最初的面试。我们有很多方法去衡量一个人，他是否对产品有准确的理解，他是否有创造力，他是否理解用户最需要的是什么。但如果单纯衡量程序员，我们可以由简单的两点看起，他的程序是否运行正确，他的程序是否高效。好的程序员能够生产正确并且高效的代码，这个定义看起来很简单，但其实也是最难的。因为一旦你可以牺牲程序的正确性或者程序的效率，那很多问题都会变得更简单，就好像CAP理论里一旦放弃一个要求，就有很好的实现方案。**所以，在下次面试的时候不要放弃优化你的代码。**在这里着重推荐一个我喜欢的blog，Daniel Lemire教授的《Does Software Performance Still Matter》，这是这篇文章整个骨干和灵感来源，我只是在里面加入了更多个人感受。\n\n课外资料：\n\nhttp://lemire.me/blog/2017/03/20/does-software-performance-still-matter/\n\nhttps://benchmarksgame.alioth.debian.org/u64q/compare.php?lang=node&lang2=gpp\n\nhttps://overflow.buffer.com/2016/03/31/how-we-saved-132k-a-year-by-spring-cleaning-our-back-end/\n\nhttps://medium.com/@Pinterest_Engineering/driving-user-growth-with-performance-improvements-cfc50dafadd7\n\n**王 栋**\n\n来offer特约作者。清华大学姚班07级，信息学竞赛国际金牌。目前任职于硅谷电商网站Wish，专注搜索推荐算法及系统设计。曾任独角兽公司Pinterest搜索排名负责人，带领团队设计和实现了高度可扩展的搜索平台，以及机器学习搜索结果排名算法。\n\n\n\n图片来自网络，版权属于原作者\n"}}},{"node":{"title":"面试解题时, 有效方法与最优解, 到底应该选哪个？","path":"/en/news/2017-03-10-linkedin-top-campus-recruiter-shares-with-you-the-hiring-secrets/","node_locale":"en-US","id":"94b7e036-f91b-58a9-bfeb-5dea4b771b30","contentful_id":"9E9mFrvzTUCMcCKSM2AAG3","date":"2017-03-10T00:00+00:00","type":"news","subtype":"blog","featured":false,"categories":["Technical","Interview","Career"],"description":{"description":"发现一个有趣的题目的最优解看似有趣，但有的时候会让你在面对复杂问题时把程序弄得更复杂。**比方说，如何搭建一个user autocomplete service？从算法和数据结构的角度考虑，第一反应就是建立一个trie。当面试官让你对user按照follower多少排序的时候，**你可以让trie每个节点多存一些数据。**当面试官说她既想autocomplete user first name，又想autocomplete user last name的时候，你可能想按照first name, last name建造一个trie然后按照last name, first name建造一个trie。那如果用户名又有middle name怎么办？面试官想按照id autocomplete怎么办？面试官想personalize user autocomplete怎么办？"},"thumbnail":null,"thumbnailAlt":null,"authorProfile":{"resolutions":{"width":400,"height":400,"src":"//images.ctfassets.net/04k2xg9gplcj/3dbnlMgj7WQgC4YqUMSIoQ/bf8e90962701acda5f785ee00663cefd/logo-square-white.png?w=400&q=50","srcSet":""}},"body":{"id":"dcdb130b-b929-5125-991f-7edf39570ea5","body":"3**Linkedin全球校招负责人指引你从校园成功走向工业界，四大攻略助你脱颖而出！**\n\n来offer校长孙老师作为开场用流利地英语介绍了本次LaiTalk的重量级嘉宾：**Linkedin全球校招Director——Emily Campana女士。**\n\nEmily Campana于2011年进入LinkedIn人力资源部，历任北美地区Talent Solutions招聘主管，国际人才招聘项目领头人。现任LinkedIn国际校园招聘总经理，具备丰富的招聘经验，对LinkedIn和其他科技界大公司的招聘计划、招聘风格有全面和深刻的认识。\n\n来offer校长孙老师进行开场讲话\n\n值得一提的是，本场LaiTalk为全英文交流。Emily Campana女士就求职这一主题进行了经验分享，并与现场100多名学生互动。以下四个方面，是Emily在演讲中提出并需要求职者注意的：\n\n**简历**\n\n简历是打开职业大门的第一步。好的简历一定要注重：**简洁+重点突出。**篇幅最好为1页，如果亮点比较多可以打印2页。编排简历内容的时候，要注意，**前三分之一是最重要的。**HR每天阅人无数，求职者一定要把最重要的最吸引人的放前面。相应地，关于自身Education的信息可以放在最后，并不用按照所谓的'模板'那样，去死板地去编排内容。当然，细节也很重要，如果用了Bullet Point Round，就要用到底。不要出现语法错误。 完成一份简历撰写之后，可以让你已经工作的朋友帮助检查。**写简历的时候不要去写流水账，要懂得如何将自己的成果展现出来。**简历的内容并不是单纯的what you did, 而是what you got done 。Highlight accomplishment: what you achieved：用数字说话，越详细越好。\n\n除了简历之外，LinkedIn也是非常强大工具。Emily透露，现在10个recruiter中，有9个都在用linkedin。**一定要好好用Linkedin，因为它代表着你的Online Brand，可以帮助你Build your online brand。**关于LinkedIn profile building有以下几点需要注意：\n\n**a.完善Education**\n\nThe Foundation of Your Early Career. （列出学校的人，比没有得人平均拥有10倍views）\n\n**b. 上传头像**\n\n相片是你的门面，用照片展示自己的个性。有传头像的人比没传头像的LinkedIn profile阅读率高21倍。如果没有照片，也可以用自拍，但注意，only yourseilf，no party slefies。\n\n**c.填写志愿者经历**\n\n41% hiring managers会看有没有志愿者活动经历。参加志愿活动时，尽量参加与你未来工作相关的活动，但也可以是别的活动，只要是能够凸显自己其他的方面的技能的皆可。\n\n**d.填写Skills**\n\n在自己LinkedIn页面写keyword of the job，这样能方便Recruiter Search到你。Skills至少要写5个，如果超过5个，你又会有比别人高17倍的概率被看到。\n\n完成了前两步以后，你就离Interview不远了！而当有了interview，就一定做好万全准备！\n\n**Interview**\n\n**A. 了解Job Description.**\n\n**B. 知己知彼：**问问你的Recruiter 你会面临什么样的面试 (有几轮interview？谁要面试我？)\n\n**C. Do Your Research：**一定要上公司网站，查看CEO、Manager的Linkedin，并且去Glassdoor上查看该公司的评价以及一些面试经验。Quora上也会有些非常详尽的资料，都可以用来为自己的面试做一个准备。\n\nInterview一般有这几种类型的问题：\n\n**a. Background question:**\n\n面试人会Go Over Your Resume。回答的时候往应聘的工作职位上靠，讲相关的点。除了你了解我们公司吗，你为啥想来我们公司等必问问题，很多同学还很害怕被问到缺点。Emily说对你的缺点，你要坦白，但一定要说你在想办法提高 （Emily自己举例说她是完美主义者，没效率）\n\n**b. Technical question**\n\n如果你没听懂问题，一定要问。有时他们故意模糊提问，不要怕，问仔细。不知道正确答案也没关系，他们就想看的思考过程。\n\n**c.Behavioral**\n\n公司会通过问你过去的行为，推测你未来的行为。比如遇到压力怎么办、挑战怎么办呀、遇到紧急事件你会不会崩溃等...一般他们会这样开头：'Tell me about a time when you….'Emily Campana透露了回答这类问题的 Secret——**一定要specific！**有一个回答这种问题的超级结构Star:situation；task；action；results.\n\n**d. 最后的问题。**\n\n在面试临近尾声的时候，Recruiter会问你对他们有什么问题。 这时你一定要问，并表现出你对他们公司的兴趣，给大家留下好印象。这对你自己了解未来公司也有好处。可以问的问题有：\n\nvision or culture?\n\nWhat is your favorite thing of this company?\n\nWhere do you see this company in 5 years?\n\nIf one thing in this company you want to change, what is it?\n\nHave I answered all the questions you need? What are the next steps?\n\nHow can I know more\n\n(坚信自己有下一轮，随时准备)\n\n过了面试以后，可不算大功告成，还有一步叫做 Following Up！\n\n**Following Up**\n\n人人都知道这个秘密，但真的不是所有人都这么做。写Thank You Note的时候不要笼统地写，一定要简述你们的见面过程。比如你们今天谈了什么话题很愉快开心，提任何代表你特点的东西，让他们想起你，记住你。再强调一下你对这个职位的兴趣。\n\n最后，JOB SEARCHING IS HARD! 别灰心，找工作真的很花时间和精力！有时会找半年都是正常的。\n\n在领英全球校招负责人Emily Campana女士的宣讲后，我们邀请硅谷资深人力资源专家Ed Campana，来Offer校长孙老师、赵老师，和Emily一起开启了精彩的Panel Discussion讨论会。\n\n\n\n孙老师精心整理了在与同学们交流时最常遇到的问题和大部分人共同的误区，与嘉宾展开讨论，为同学们提供指导和宝贵意见。\n\n如何最有效率地准备技术面试？Ed建议大家查看Glassdoor和Quora上的帖子，按照过来人写的interview process提前做好功课，了解公司需求，并做充分的心理准备。\n\n要掌握多少编程语言才算合格呢？Ed说，这个问题并没有标准答案。许多编程语言有很强的互通性，只要基础扎实，就可在一定程度上做到一通百通。而且，不同公司、不同职位对求职者提出的要求也不尽相同，适用才是最好的。针对这一点，孙老师也认为'知道'不等于'了解'，会的虽多，却无精专，对求职就业的帮助就会大打折扣。\n\n如何提高沟通技巧？领英全球校招负责人Emily在宣讲环节展示了优雅的风度和过人的口才；对提高沟通技巧，她风趣地说即使是自己这样的Native English Speaker，在日常交流中仍不免出错。所以想要在面试时谈笑风生，首先就要克服害羞和紧张情绪，多说多练。\n\n如何向Recruiter解释复杂的技术问题？帮助许多同学准备过大公司面试的孙老师分享了他的练习方法：用手机录下自己说过的话，过几分钟再回听，看自己能否听明白，逻辑和语法是否无误。通过这样的练习不断总结，进步的速度可能超乎你的想象。\n\n大公司和小公司在招聘中有何不同？Emily坦言自己已经很久没在小公司工作过了，不过以领英这样的大型科技公司为例，招聘过程会比较复杂繁琐，节奏较慢、步骤很多，而且招聘者往往是在有针对性地为某个具体项目寻找Candidate。相比之下，小型公司、创业公司的招聘流程更短，很多时候CEO会直接参与招聘，比起某一方面的专才，他们更喜欢工作中的多面手和全能型人才。\n\n该从何时开始准备暑期实习申请？<以领英为例，Emily介绍说他们在前一年的8月就会启动次年的暑期实习生的招聘工作，提前的近一年之久！而一般意义上的秋季是大公司们招聘的热门时间（8-11月），到12月至下一年的1月，会有一大批offer尘埃落定。孙老师则举例说，曾有留学生朋友在尚未来到美国时就着手准备二三年后的实习申请了，最后顺利拿到了Google和Facebook两家巨头的实习Offer。 所以对于找工作来说，没有'笨鸟先飞'，而是任何人都必须提前规划并不懈努力。\n\n没有实习经历，能找到好工作吗？Emily给大家吃了一颗定心丸：实习经历对Entry Level的职位来说无疑是加分项，但并不是必须的！大公司都有完善的实习与内部培养计划，对善于学习的职场新人来说，没有实习经历也不该停止向大公司进军的步伐。\n\n提问环节\n\n1\\. 转专业的求职者怎么让简历更Attractive？\n\nEmily：'这并不容易。' 转专业的同学，需要在简历上强调你为转专业做出的努力和改变，你做过什么，以及你所达到的成果，这样可以让你的简历看起来更加贴近这个工作。在这种情况下，写简历的时候，关于Education等可以先放在后面，那些跟职位最相关的——也就是你所获得的成果，可以放在前面。 当然，也可以在简历开头写一段Objective，简述你为啥想转专业，是什么契机激发了你。\n\n2\\. Follow up email没回音代表着什么？\n\nEmily：'Hiring managers can be real jerks!'\n\n \n\n他可能太忙，或不想回复。有时这只是他们个人style，但并不能代表你不好。别让这种事打击你。\n\n3\\. 如果很多人Interview你，你要回复几人？\n\n如果知道名字，一定要每个人单独回复；如果不知道，你就要跟你对接的人说'make sure you let others know and thank them also. Make them remember you!'\n\n**Q&A**\n\n接下来的自由提问时间，在场同学也积极提出了他们关于求职的困惑，嘉宾们现场拆解，认真为同学们答疑解惑。\n\n问题一. 如何挖掘和利用内推资源？如何有效地利用内推？\n\n嘉宾们肯定了内推在找工作中的重要性，而在Linkedin上寻找校友和同学，与之建立良好关系，都是非常必要的。 需要记住的是，不熟悉或者了解有限的人并不能真正为你的求职显著加分，真正了解你、诚意推荐你的人，才是最有帮助的。\n\n问题二. 如何处理同一公司两次申请之间的Freezing Period？\n\n很多公司都有Freezing Period政策，及一次求职失败后申请人必须隔一段时间才可进行新的申请。Ed首先表示，每个公司的Freezing Time不尽相同，求职者必须明确要求并遵守规则。孙老师也强调，因为Freezing Time政策的存在，让每一次失败的时间成本大大增加，因此必须保证自己每次都是有备而来，不可草率应付。 你知道面试时间也是可以根据你的需要进行适当调整的吗？嘉宾建议，如果你知道此次面试涉及一些技术问题，而你还没有准备充分，可以询问Recruiter面试的Deadline是何时，能否推迟面试。 晚一点面，比没准备好就面试，要好得多！\n\n问题三. 在面试中有什么绝对不可以做的事儿吗？\n\n站在招聘者的角度，Emily说招聘周期一般会花相当长的时间，在每一阶段的截止日期前，不要催促Recruiter给予答复，不过如果Recruiter逾期未复，也可以适当提醒。 而关于这个话题，孙老师有太多想要分享。首先，和上一题的中心思想类似，找工作永远不嫌早，一定要提前准备。否则即便拿到一大堆的面试邀约，也会把一手好牌白白浪费掉。 在此前的教学生涯中，孙老师接触过许多来自美国一流大学的毕业生，乍看之下光鲜亮丽，但如果没有掌握公司要求的Skill Set，同样会被这些公司拒之门外。因此找工作切忌盲目，一定要清楚地知道公司在寻找怎样的人才和技能。 同时孙老师指出，中国学生爱走捷径，以为在毕业前刷刷论坛、背背面经就可以斩获offer，这种方法也是不可取的。孙老师举例说，在全美Top 10的宾州大学，每年也只有不到20%的学生在毕业前找到工作。面对如此激烈的竞争环境，不在求学期间扎扎实实做一番努力，必将与一流公司无缘。 孙老师的经验和干货足够再分享一个小时，难怪赵老师打趣说最不该做的是还没听过孙老师讲课就去参加面试！\n\n问题四. 如果我对每个Programming Language的掌握程度不同，该如何写在简历上？会否对我的求职产生影响？\n\nEd强调，简历必须如实反映你的能力和经历，这就意味着你应当将你涉猎的所有编程语言都写出来。当然，没有一个公司会期待你十八般武艺样样精通，你仍需要突出自己最擅长的东西。\n\n问题五. 许多大学都会举办Career Fair，现场招聘公司很多，但申请人往往大排场龙，在这样的情况下，该如何提高自己的胜出概率呢？\n\n面对同学们的犹豫和不自信，Emily首先鼓励大家积极参与类似的校园招聘；对于那些不在校园举办活动的公司，你可以搜索并关注他们的校招站门网站以把握招聘动态。对于在校生来说，有必要了解更多求职网站，熟练使用例如LinkedIn这样的职场社交神器。 孙老师也补充，以扎实、完备的Skill Set为基础，充实自己的简历，才能保证你能在众多竞争对手中间脱颖而出。\n\n \n\n活动结束后，同学们久久不愿散去，与来Offer老师和职场专家们热烈讨论。参与者之间也相谈甚欢，大家交流找工作的经验，更拓展了自己的交际圈，让来Talk首次活动得以圆满收官。\n"}}}]}},"pageContext":{"isCreatedByStatefulCreatePages":true,"slug":"/en/blogs/","langKey":"en"}}}