介紹兩個面試神器

程序 = 數據結構 + 算法 

 

—— 圖靈獎得主，計算機科學家N.Wirth(沃斯)

 

 

進入 BAT 這樣的巨頭企業工做，無疑是不少程序員的夢想。但事實上，能經過這些公司高難度編程面試的只是一小撮人。

 

做爲程序員，咱們作機器學習也好，作Python開發也好，Java開發也好。

 

有一種對全部程序員無一例外的剛需 —— 算法與數據結構

 

平常增刪改查 + 粘貼複製 + 搜索引擎能夠實現不少東西。

一樣，這樣也是沒有任何競爭力的。

 

咱們只能夠粘貼複製類似度極高的功能，稍複雜的邏輯沒有任何辦法。

 

語言有不少，開發框架更是突飛猛進3個月不學就落後。

 

咱們能夠學習不少語言，不少框架，但招聘不會考你用5種語言10種框架實現同一個功能。

 

真正讓程序員有區分度，企業招聘萬年不變的重點 —— 算法與數據結構。

 

今天小七給你們介紹的就是面試當中很是實用的兩個數據結構，面試當中一提，秒變編程老司機。

 

前綴樹（prefix trie）

前綴樹是一種數據結構，容許你經過其前綴快速查找字符串，還能夠查找有公共前綴的字符串。

 

我對介紹這一數據結構的第一條建議是，將它稱爲「前綴樹」，而不只僅是「樹」。

 

這樣，你就讓面試官知道你是那種瞭解與前綴和後綴相關算法的人，而且你也但願對你的fancy數據結構進行準確描述。

 

後綴樹也是一個很是有趣的話題，但實現細節十分殘暴。這就是爲何我只是談論前綴樹，而且僞裝瞭解後綴樹。

 

誰會真的用前綴樹？

 

基因組學研究人員！

 

事實證實，現代基因組研究在很大程度上依賴於字符串算法和數據結構，由於你試圖從組成基因組序列的數百萬個核苷酸中探索奧祕。

 

對於基因組數據，你常常須要對齊序列，找到差別或找到重複的模式。若是你想了解更多相關信息，能夠先閱讀生物信息學讀物，而後參與「DNA測序算法」或「生物信息學算法」等課程。

 

若是你想要閱讀一些真正有意思的讀物，我強烈建議你讀一讀藥物基因組學。隨着基因組測序和字符串算法的進步，咱們實際上能夠預測使用個體的基因組，來肯定它們是否具備對藥物正確反應的正確基因。

 

例如，若是他們的基因組缺乏用於產生處理某種藥物的酶的基因，那麼藥物可能會對他們產生反作用。若是咱們知道什麼基因是重要的，咱們能夠給他們一種不一樣的藥物！

 

我認可，前綴樹和基因組學之間的聯繫不太緊密。其實前綴樹的最直接用法就是用來查字典啦！但光這麼講不是忒無聊了點麼。

 

前綴樹的原理

 

 

想象一下，你有一棵樹，每一個節點都有一個包含26個子節點的數組，每一個子節點對應一個英文字母。（若是要包含其餘字符，能夠將26更改成不一樣的值。）要在你的樹中表示單詞，你將從根節點開始，沿着路徑向下走，並在每一個節點添加一個字母。

例如：對於「tea」這個詞，你從根開始，被引導到t節點，而後是e，最後是a。所以，搜索單詞須要O（N）的時間（其中N是單詞的長度），若是單詞的前綴不存在，則能夠提早結束。若是我查詢「zzzzzzzz」，樹能夠在「zz」以後結束查詢。

 

布隆過濾器

 

布隆過濾器是集合的機率版本。檢測集合是否包含某元素的時間複雜度爲O(1)、空間複雜度爲O(N)。

 

Bloom過濾器也能夠檢測出集合是否可能包含該元素，它的時間複雜度爲O(1)，而空間複雜度只須要O(1)！

 

誰會真正使用布隆過濾器？

 

Chrome須要在不犧牲速度或空間的狀況下保護你免受訪問垃圾郵件網站。

 

想象一下，若是每次你點擊一個連接，Chrome都必須進行網絡通話來檢查它龐大的垃圾郵件URL數據庫，而後才容許你訪問這個頁面，這會不會讓你等瘋掉。

 

此外，設想一下，若是Chrome改善延遲的解決方案是在本地存儲整個垃圾郵件URL列表，這根本就是不可行的！

 

因此，chrome在本地存儲了一個潛在垃圾郵件URL的布隆過濾器，這既節省時間又節省空間，能夠快速檢查給定的URL是否爲垃圾郵件。

 

對於普通的URL，布隆過濾器對「非垃圾郵件」的響應就足夠斷定了。

 

若是一個URL被標記爲「多是垃圾郵件」，那麼Google能夠在跳轉以前檢查它真實數據庫。

 

事實證實，當你願意犧牲絕對時，你能夠作出偉大的事情！

 

布隆過濾器的原理

 

大體作個介紹：

 

若是你想在Bloom過濾器中插入一個元素，首先假設有N個不一樣的肯定性哈希函數。當同一個元素輸入不一樣哈希函數時，會獲得不一樣的值（衝突是能夠有的）。

 

使用每一個哈希函數的輸出做爲數組的索引[註釋1，註釋2]，並對應每一個索引i將數組[i]設置爲true。插入元素就完成了！插入元素的時間複雜度是O(1)，由於對每一個插入元素所作的惟一工做是運行恆定數量的哈希函數，並設置恆定數量的數組索引。

 

那該如何檢查布隆過濾器是否包含該元素？ 再次運行全部相同的哈希函數！

 

哈希函數是肯定性的，所以相同的輸入應返回相同的輸出。因此相對應每一個索引，檢查布隆過濾器的數組是否在該索引處設置爲true便可。

 

若是哈希函數輸出的數組的每一個單元都爲真，那麼能夠很高的機率說這個元素已經插入到了布隆過濾器中。這一方法老是存在誤報的可能性。

 

不過，布隆過濾器的一大特點是永遠不會出現漏報。

 

註釋1：如何使用哈希函數的輸出做爲索引：設哈希函數輸出整數值M，取長度N。N%M（N mod M）獲得一個值Q，即0≤Q<M。這是一種取任意值並在一個範圍內均勻分佈的簡便方法。

 

若是你之前沒有遇到過這個問題，那麼應該閱讀關於mod運算符的內容，繪製一些示例數組，並使用M的不一樣值進行實驗，以瞭解N%M的效果。

 

註釋2：實際上，你應該使用位數組而不是普通數組。數組的每一個元素至少須要1個字節，而你只須要爲「數組」的每一個元素存儲true / false。

 

所以，你能夠經過將其存儲爲位數組來節省空間，這是這個數據結構的重點。

 

若是你想要聽起來很聰明，那麼位數組（也就是位向量）也值得你在面試時提出。嗯，真正的面試專家建議老是在腳註中。

註釋3：嚴格來講，若是你的全部哈希函數都在O（1）時間內運行，那麼插入的複雜度纔是O（1）。