大家好，我是白露。 一个网友跟我分享说，来腾讯三周，已经对大厂祛魅了。 6.26 来腾讯三周，已经对大厂祛魅了 - 图1 三周时间做的事情说多不多说少不少，由于mentor的职级已经是t10了，目前更多的是运维部署工作。 这位同学就跟着师兄完成了一些部署任务，修改了6个小缺陷，还做了一个小需求（数据迁移，主要是新建一个表和编写一些基础的增删改查操作）。 通过完成这些任务，他很快就了解到代码架构的样子。 然后发现代码规范没有我想象中的那么严格。hh 师兄说：“实现功能就行，怎么写都行。” 但是这好像，跟他上家公司实习的体验大不一样啊。虽说规模没腾讯大，但在很多细节上很严格。比如，新建一个数据表需要走审批和工单流程，获得批准后才可以去建表。 而在腾讯，师兄说只要建表时给他看一眼语句就行。另外，service调用store时也没有明确的分类限制，只要能实现功能就好。 不得不说，环境熟悉起来真的头大（因为大厂的东西太多了~）。大厂里的各种网站和术语多得让人晕头转向。 比如，代码合并不叫合并，而是叫“合流”，刚开始听到这些专有名词，真是很懵。 福利方面，各部门差别很大。 有些部门很养老，6点下班后还能吃个饭打个球；但有的部门10点下班甚至更晚。 他们部门似乎特别忙，健康日也不早下班，只有他6点吃了饭后下班去吃甜点。

团建活动更是如此，有的部门一个月两次小团建，而网友所在的部门已经两年没团建了。。。

一句话来说，腾讯的实习还算蛮舒服的。 师兄给的压力很小，他是独立工作的人，任务需要主动去要，或者让隔壁师兄分配。 隔壁师兄前年暑期转正，跟他交流起来效率很高。 不过，有一点让这位同学觉得不太满意，就是腾讯没有配发Mac笔记本，只有Windows台式机，感觉特别不方便。 哈哈，看了这位同学的经历，我想起了之前实验室同门师兄给我分享的，同一个组，负责不同的项目差别也很大，有的老项目还是用python写的 实验室的师兄之前是写C++的，他们组在把Python 改go 中，直接新学两种语法。。。那屎山代码头都大了。 另外，之前鱼皮在论坛里也分享过，同在大厂，不同小组的体验都是天差地别的，薪资年终、业务、日常工作、管理模式、卷的程度等等。 如果有小伙伴还在实习的话，觉得当前实习部门不好后面还可以争取换个部门。 今天我们就来看一次i腾讯的场景题面试，关注我，发送秋招提前批，就可以获取提前批资料了哦~

场景题目-Map

面试官: 同学你好，我们来讨论一下LRU缓存。如果LRU缓存不用map指向迭代器会怎么样？

求职者: 如果LRU缓存不用map指向迭代器，会导致以下问题：

  • 查找效率低：每次需要查找一个元素时，必须从头遍历链表或数组，时间复杂度为O(n)，而使用map查找时间复杂度为O(1)。
  • 更新效率低：每次访问一个元素后，需要将其移动到表头或数组头部，这也需要遍历找到该元素，时间复杂度为O(n)。
这样会显著降低LRU缓存的性能，特别是在高并发和高访问频率的场景下。

面试官: 那么，我们来分析一下数组实现和链表实现的缺陷。你能先说说数组实现的缺陷吗？

求职者: 当然。使用数组实现LRU缓存的主要缺陷有：

  • 固定大小：数组的大小是固定的，不容易扩展或缩减。
  • 插入和删除效率低：在数组头部插入或删除元素需要移动大量元素，时间复杂度为O(n)。
  • 空间利用率低：预分配的数组空间可能会浪费，如果实际数据量远小于数组大小，会浪费内存资源。
这些缺陷使得数组在实现动态和频繁更新的LRU缓存时表现不佳。

面试官: 那么，链表实现又有哪些缺陷呢？

求职者: 使用链表实现LRU缓存的主要缺陷有：

  • 空间开销大：每个节点需要额外存储前驱和后继指针，占用更多内存。
  • 局部性差：链表节点在内存中可能不连续，访问时容易产生缓存未命中，降低访问速度。
  • 实现复杂：双向链表的插入和删除操作需要处理前驱和后继指针，容易出错，代码复杂度较高。
尽管链表在插入和删除操作上比数组更高效，但其空间开销和实现复杂度依然是不可忽视的问题。

面试官: 好的，我们再深入一点。假如我们要实现一个高效的LRU缓存，你会怎么做？能提供一个C++的实现吗？

求职者: 当然可以。高效的LRU缓存可以使用哈希表和双向链表结合的方式来实现。哈希表用于快速查找，双向链表用于维护访问顺序。

以下是一个C++的实现示例： 
  1. #include <unordered_map>
  2. #include <list>
  4. class LRUCache {
  5. private:
  6.     int capacity;
  7.     std::list<std::pair<int, int>> cacheList;
  8.     std::unordered_map<int, std::list<std::pair<int, int>>::iterator> cacheMap;
  10. public:
  11.     LRUCache(int capacity) : capacity(capacity) {}
  13.     int get(int key) {
  14.         if (cacheMap.find(key) == cacheMap.end()) {
  15.             return -1;
  16.         }
  17.         cacheList.splice(cacheList.begin(), cacheList, cacheMap[key]);
  18.         return cacheMap[key]->second;
  19.     }
  21.     void put(int key, int value) {
  22.         if (cacheMap.find(key) != cacheMap.end()) {
  23.             cacheList.splice(cacheList.begin(), cacheList, cacheMap[key]);
  24.             cacheMap[key]->second = value;
  25.             return;
  26.         }
  27.         if (cacheList.size() == capacity) {
  28.             int delKey = cacheList.back().first;
  29.             cacheList.pop_back();
  30.             cacheMap.erase(delKey);
  31.         }
  32.         cacheList.emplace_front(key, value);
  33.         cacheMap[key] = cacheList.begin();
  34.     }
  35. };

面试官: 请解释一下你的代码。

求职者:

  • capacity：缓存的容量。
  • cacheList：双向链表，存储缓存内容，最新访问的在前。
  • cacheMap：哈希表，键为缓存键，值为链表节点的迭代器，用于快速定位缓存项。

get操作：

  • 查找：在cacheMap中查找键，若不存在返回-1。
  • 移动到头部：若存在，将对应的链表节点移动到链表头部。
  • 返回值：返回缓存值。

put操作：

  • 更新：若键已存在，更新值并移动到链表头部。
  • 插入：若键不存在，先检查缓存是否已满，若满则删除链表尾节点和对应的哈希表项，然后在链表头部插入新节点，并更新哈希表。
这样就能高效地实现LRU缓存，保证了O(1)的时间复杂度进行查找和更新操作。

面试官: 很好，今天的面试就到这里了，感谢你的回答。我们会尽快通知你结果。