介绍两个面试神器

Posted 2022-09-30 julyedu

程序 = 数据结构 + 算法 

 

—— 图灵奖得主，计算机科学家N.Wirth(沃斯)

 

 

进入 BAT 这样的巨头企业工作，无疑是很多程序员的梦想。但事实上，能通过这些公司高难度编程面试的只是一小撮人。

 

作为程序员，我们做机器学习也好，做Python开发也好，Java开发也好。

 

有一种对所有程序员无一例外的刚需 —— 算法与数据结构

 

日常增删改查 + 粘贴复制 + 搜索引擎可以实现很多东西。

同样，这样也是没有任何竞争力的。

 

我们只可以粘贴复制相似度极高的功能，稍复杂的逻辑没有任何办法。

 

语言有很多，开发框架更是日新月异3个月不学就落后。

 

我们可以学习很多语言，很多框架，但招聘不会考你用5种语言10种框架实现同一个功能。

 

真正让程序员有区分度，企业招聘万年不变的重点 —— 算法与数据结构。

 

今天小七给大家介绍的就是面试当中非常实用的两个数据结构，面试当中一提，秒变编程老司机。

 

前缀树（prefix trie）

前缀树是一种数据结构，允许你通过其前缀快速查找字符串，还可以查找有公共前缀的字符串。

 

我对介绍这一数据结构的第一条建议是，将它称为“前缀树”，而不仅仅是“树”。

 

这样，你就让面试官知道你是那种了解与前缀和后缀相关算法的人，并且你也希望对你的fancy数据结构进行准确描述。

 

后缀树也是一个非常有趣的话题，但实现细节十分残暴。这就是为什么我只是谈论前缀树，并且假装了解后缀树。

 

谁会真的用前缀树？

 

基因组学研究人员！

 

事实证明，现代基因组研究在很大程度上依赖于字符串算法和数据结构，因为你试图从组成基因组序列的数百万个核苷酸中探索奥秘。

 

对于基因组数据，你经常需要对齐序列，找到差异或找到重复的模式。如果你想了解更多相关信息，可以先阅读生物信息学读物，然后参与“DNA测序算法”或“生物信息学算法”等课程。

 

如果你想要阅读一些真正有意思的读物，我强烈建议你读一读药物基因组学。随着基因组测序和字符串算法的进步，我们实际上可以预测使用个体的基因组，来确定它们是否具有对药物正确反应的正确基因。

 

例如，如果他们的基因组缺少用于产生处理某种药物的酶的基因，那么药物可能会对他们产生副作用。如果我们知道什么基因是重要的，我们可以给他们一种不同的药物！

 

我承认，前缀树和基因组学之间的联系不太紧密。其实前缀树的最直接用法就是用来查字典啦！但光这么讲不是忒无聊了点么。

 

前缀树的原理

 

 

想象一下，你有一棵树，每个节点都有一个包含26个子节点的数组，每个子节点对应一个英文字母。（如果要包含其他字符，可以将26更改为不同的值。）要在你的树中表示单词，你将从根节点开始，沿着路径向下走，并在每个节点添加一个字母。

例如：对于“tea”这个词，你从根开始，被引导到t节点，然后是e，最后是a。因此，搜索单词需要O（N）的时间（其中N是单词的长度），如果单词的前缀不存在，则可以提前结束。如果我查询“zzzzzzzz”，树可以在“zz”之后结束查询。

 

布隆过滤器

 

布隆过滤器是集合的概率版本。检测集合是否包含某元素的时间复杂度为O(1)、空间复杂度为O(N)。

 

Bloom过滤器也可以检测出集合是否可能包含该元素，它的时间复杂度为O(1)，而空间复杂度只需要O(1)！

 

谁会真正使用布隆过滤器？

 

Chrome需要在不牺牲速度或空间的情况下保护你免受访问垃圾邮件网站。

 

想象一下，如果每次你点击一个链接，Chrome都必须进行网络通话来检查它庞大的垃圾邮件URL数据库，然后才允许你访问这个页面，这会不会让你等疯掉。

 

此外，设想一下，如果Chrome改善延迟的解决方案是在本地存储整个垃圾邮件URL列表，这根本就是不可行的！

 

所以，chrome在本地存储了一个潜在垃圾邮件URL的布隆过滤器，这既节省时间又节省空间，可以快速检查给定的URL是否为垃圾邮件。

 

对于普通的URL，布隆过滤器对“非垃圾邮件”的响应就足够判定了。

 

如果一个URL被标记为“可能是垃圾邮件”，那么Google可以在跳转之前检查它真实数据库。

 

事实证明，当你愿意牺牲绝对时，你可以做出伟大的事情！

 

布隆过滤器的原理

 

大致做个介绍：

 

如果你想在Bloom过滤器中插入一个元素，首先假设有N个不同的确定性哈希函数。当同一个元素输入不同哈希函数时，会得到不同的值（冲突是可以有的）。

 

使用每个哈希函数的输出作为数组的索引[注释1，注释2]，并对应每个索引i将数组[i]设置为true。插入元素就完成了！插入元素的时间复杂度是O(1)，因为对每个插入元素所做的唯一工作是运行恒定数量的哈希函数，并设置恒定数量的数组索引。

 

那该如何检查布隆过滤器是否包含该元素？ 再次运行所有相同的哈希函数！

 

哈希函数是确定性的，因此相同的输入应返回相同的输出。所以相对应每个索引，检查布隆过滤器的数组是否在该索引处设置为true即可。

 

如果哈希函数输出的数组的每个单元都为真，那么可以很高的概率说这个元素已经插入到了布隆过滤器中。这一方法总是存在误报的可能性。

 

不过，布隆过滤器的一大特色是永远不会出现漏报。

 

注释1：如何使用哈希函数的输出作为索引：设哈希函数输出整数值M，取长度N。N%M（N mod M）得到一个值Q，即0≤Q<M。这是一种取任意值并在一个范围内均匀分布的简便方法。

 

如果你以前没有遇到过这个问题，那么应该阅读关于mod运算符的内容，绘制一些示例数组，并使用M的不同值进行实验，以了解N%M的效果。

 

注释2：实际上，你应该使用位数组而不是普通数组。数组的每个元素至少需要1个字节，而你只需要为“数组”的每个元素存储true / false。

 

因此，你可以通过将其存储为位数组来节省空间，这是这个数据结构的重点。

 

如果你想要听起来很聪明，那么位数组（也就是位向量）也值得你在面试时提出。嗯，真正的面试专家建议总是在脚注中。

注释3：严格来说，如果你的所有哈希函数都在O（1）时间内运行，那么插入的复杂度才是O（1）。