2020年春招那会儿我面的是映客的算法岗笔试拿到的正是这份D卷。说实话映客的算法笔试题在直播行业里算是有分量的不是随便刷两道LeetCode就能应付的那种它既要考察经典数据结构和算法的基本功也会带一点机器学习相关的题目毕竟是算法岗不是单纯的后端开发。当时做完这套题我特意把题型和解题思路记了下来现在回头看这套D卷对准备校招算法岗的同学依然有很强的参考价值。这篇文章我会从试卷的整体结构开始拆然后逐题讲思路、贴代码、说踩坑点最后聊一聊笔试现场的时间分配和心态问题。无论你是正在准备春招秋招的应届生还是想跳槽进直播/泛娱乐行业的算法工程师这套题都值得认真过一遍。1. 试卷整体设计与考点分布1.1 映客算法D卷的题型结构先说试卷的构成所有题目都是线上OJ模式需要在限定时间内完成并提交编译器支持C、Java和Python。D卷的整体结构分四部分单选题、多选题、编程题和一道机器学习简答题。单选题大概10道每道2分主要考察数据结构、算法复杂度、操作系统和网络基础多选题5道左右难度会明显上一个台阶经常会出现“以下哪些说法正确”这种需要仔细辨析的题目编程题有3道分值占比最大一道简单、一道中等、一道偏难这也是决定你能不能进面试的关键最后那道机器学习简答题更像是附加题考的是你对基础概念的理解深度。这种结构其实很典型算法岗笔试考察的不只是你会不会写代码还包括基础理论的扎实程度。映客作为直播平台它的算法团队主要做推荐、内容理解、风控这些方向所以笔试里出现机器学习的题目一点都不意外建议准备的时候不要只刷题基础理论也得过一遍。1.2 考点覆盖与难度分层从考点分布来看D卷有一个很明显的倾向数据结构基础占比高字符串处理是重点动态规划基本必考机器学习只考最核心的概念。这和LeetCode上那种高频题集是有区别的它更看重基础和工程实现能力。具体到难度我的感受是这样的单选题和多选题属于送分题和拉分题并存的组合有些题一眼就能看出答案有些题则需要你花时间仔细推演编程题第1道是保底题基本是链表操作或者字符串处理级别不能丢分第2道开始上难度典型的贪心或DP题需要你能快速抽象出模型第3道题会考图论或者高级数据结构这道题通常只有少数人能完整AC做不出来也不用太慌部分正确的得分也能拉开差距。接下来我按题目类型逐一拆解重点讲编程题因为编程题才是笔试的胜负手。2. 字符串与数据结构类题目解析2.1 KMP算法与next数组计算这套卷子单选和多选里都出现了KMP算法而且不是简单地问“KMP的时间复杂度是多少”而是直接给你一个模式串让你算next数组。我印象里题目直接给了pabacaba这个模式串问它的next数组是多少。这种题目只要理解了next数组的定义就是纯计算题没有任何难度但很多人恰恰就是在这里丢分因为他们只记代码不理解原理。首先要明确next数组的定义next[i]表示模式串p[0...i]这个前缀子串中最长的相等前缀和后缀的长度。注意这个长度不能等于整个子串的长度也就是不能拿自己和自己匹配。有了这个定义我们直接手动计算。模式串p a b a c a b a长度为7。我们逐个位置计算next[0]子串是a只有一个字符没有真前缀和真后缀所以next[0] 0。next[1]子串是ab前缀集合{a}后缀集合{b}没有交集所以next[1] 0。next[2]子串是aba前缀{a, ab}后缀{a, ba}最大公共部分是a长度为1所以next[2] 1。next[3]子串是abac前缀{a, ab, aba}后缀{c, ac, bac}没有交集所以next[3] 0。next[4]子串是abaca前缀{a, ab, aba, abac}后缀{a, ca, aca, baca}最大公共部分是a长度1所以next[4] 1。next[5]子串是abacab前缀{a, ab, aba, abac, abaca}后缀{b, ab, cab, acab, bacab}最大公共部分是ab长度2所以next[5] 2。next[6]子串是abacaba前缀{a, ab, aba, abac, abaca, abacab}后缀{a, ba, aba, caba, acaba, bacaba}最大公共部分是aba长度3所以next[6] 3。所以这个模式串的next数组是[0, 0, 1, 0, 1, 2, 3]。如果你用的是某些教材或算法库中从1开始计数的版本结果会整体偏移一位题目里如果没有明确说明通常默认是从0开始计数的这个要注意。这里我分享一个我的判断技巧你算出来的数组最后一位是什么可以用来反过来验证自己有没有算错。像这个题最后一位是3说明整个字符串的最长公共前后缀是aba你回看字符串最后三个字符确实是aba这个验证过程很快能帮你发现低级错误。2.2 编程题字符串去重与排序D卷的第一道编程题我记得很清楚是“给定一个字符串去除其中重复的字符并按照字符的ASCII码从小到大排序输出”。这题不难但它考察的是你对容器和排序的熟练度。第一次做这类题的同学容易犯一个错误用两层循环暴力去重时间复杂度 O(n^2)字符串长一点就会超时。其实这题有个很简单的做法用一个bool数组或者set去记录已经出现过的字符然后遍历一次字符串把所有出现过的字符收集起来最后排序输出。如果进一步优化因为英文字母的ASCII码范围是有限的可以直接开一个大小为128的布尔数组每次遇到字符就把对应位置置为true最后遍历这个数组输出即可。这样时间复杂度是 O(n)空间复杂度是 O(1)完美。#include bits/stdc.h using namespace std; int main() { string s; cin s; bool vis[128] {false}; for (char c : s) { vis[c] true; } for (int i 0; i 128; i) { if (vis[i]) cout (char)i; } cout endl; return 0; }这题我重点提醒三件事。第一看清题目要求是去重后保留原始顺序还是排序输出这题要求的是排序如果你保留了原始顺序就错了。第二如果字符串里可能包含大写字母和小写字母ASCII码的排序结果是A-Z在a-z前面题目如果没有特别说明大小写不敏感那就按ASCII码来不要画蛇添足做大小写转换。第三输入是否可能包含空格如果可能用getline而不是cin这道题没给这个坑但类似的题目经常有。3. 排序算法与查找算法专题3.1 手写快速排序的边界问题D卷的单选题里出现了排序算法的比较多选里也有“下列哪些排序算法是稳定的”这种题。这种题属于经典八股但编程题里也暗含排序的考察而且是在第2道编程题里用到了排序的关键思想。但在这之前先把这些基础考点说透。快速排序的考点通常集中在时间复杂度平均O(n log n)最坏O(n^2)、是否稳定不稳定、以及手写实现的边界处理。笔试时如果让你手写快排一定要注意你的实现里 left和right 指针的移动顺序以及递归终止条件。我在这里贴一个我常用的、不容易写错的快排模板int partition(vectorint nums, int l, int r) { int pivot nums[l]; while (l r) { while (l r nums[r] pivot) r--; nums[l] nums[r]; while (l r nums[l] pivot) l; nums[r] nums[l]; } nums[l] pivot; return l; } void quickSort(vectorint nums, int l, int r) { if (l r) return; int pos partition(nums, l, r); quickSort(nums, l, pos - 1); quickSort(nums, pos 1, r); }这个模板的核心思想是先取最左边的元素作为基准值然后从右往左找比基准值小的元素把它填到左边的坑里再从左往右找比基准值大的元素把它填到右边的坑里。这样左右交替填坑最后把基准值放回正确位置。整个过程只需要 O(1) 的额外空间。踩坑提醒一定是先从右往左找再从左往右找顺序不能反。因为基准值取的是最左边的元素如果先从左往右找会破坏初始的“坑位”逻辑最终结果仍然是正确的但某些极端情况下下标会越界。笔试的时候如果时间紧用这个模板可以直接默写不容易出错。3.2 堆排序与TopK问题的实战思路D卷编程题第2题我记得是“给定一个无序数组找出其中第K大的元素”。这题看着简单但它有多种解法每种解法的优劣也反映了你对算法理解的深度。最简单的做法直接排序然后取下标为n - k的元素时间复杂度 O(n log n)。在笔试中如果数组长度不超过10的5次方这个做法是可以通过的完全没问题。但如果你追求更优解法可以用快速选择算法基于快排的partition思想平均时间复杂度降为 O(n)或者利用容量为K的最小堆时间复杂度 O(n log K)空间复杂度 O(K)。我当时用的是最小堆的做法。遍历数组时维护一个大小为K的最小堆每来一个新元素如果堆的大小小于K就直接入堆否则如果新元素大于堆顶就弹出堆顶并把新元素入堆。遍历结束后堆顶就是第K大的元素。用C的priority_queueint, vectorint, greaterint可以直接实现。#include bits/stdc.h using namespace std; int findKthLargest(vectorint nums, int k) { priority_queueint, vectorint, greaterint pq; for (int x : nums) { if (pq.size() k) pq.push(x); else if (x pq.top()) { pq.pop(); pq.push(x); } } return pq.top(); } int main() { int n, k; cin n k; vectorint nums(n); for (int i 0; i n; i) cin nums[i]; cout findKthLargest(nums, k) endl; return 0; }这道题我强烈建议你把三种解法都写一遍因为面试环节很可能会追问“如果数组很大大到不能全部加载到内存怎么办”这时候你可以回答使用堆因为堆的空间复杂度只有O(K)可以配合外部排序或者流式处理。这就是典型的笔试为面试做的铺垫你在笔试时用最优解面试时就能顺着往下说。顺带说一句堆排序本身也是常考的排序算法。它的时间复杂度是O(n log n)而且不稳定。它和快速排序的差别在于堆排序最坏情况下依然是O(n log n)而快排最坏会退化到O(n^2)所以某些对稳定性没有要求但要求最坏情况可控的场景堆排序反而是更好的选择。4. 图论与贪心算法实战4.1 单源最短路径Dijkstra算法与堆优化D卷第3道编程题我印象里是图论相关的给了一个带权无向图要求计算从源点到所有点的最短路径。这题考察的是Dijkstra算法而且题目里图的规模比较大用朴素的O(V^2)写法会超时所以必须用优先队列优化也就是堆优化的Dijkstra时间复杂度 O(E log V)。Dijkstra算法的核心思想是贪心每次从未确定最短路的顶点中取出距离源点最近的那个顶点用它的出边去松弛其他顶点。这个“取出最近顶点”的操作如果用普通数组遍历每次要O(V)整体就是O(V^2)如果用小根堆来维护每次取出堆顶是O(log V)整体就是O(E log V)在稀疏图上效果非常明显。#include bits/stdc.h using namespace std; const int INF 0x3f3f3f3f; vectorpairint, int adj[100005]; int dist[100005]; void dijkstra(int s, int n) { fill(dist, dist n 1, INF); dist[s] 0; priority_queuepairint, int, vectorpairint, int, greaterpairint, int pq; pq.push({0, s}); while (!pq.empty()) { auto [d, u] pq.top(); pq.pop(); if (d dist[u]) continue; for (auto [v, w] : adj[u]) { if (dist[u] w dist[v]) { dist[v] dist[u] w; pq.push({dist[v], v}); } } } } int main() { int n, m, s; cin n m s; for (int i 0; i m; i) { int u, v, w; cin u v w; adj[u].push_back({v, w}); adj[v].push_back({u, w}); } dijkstra(s, n); for (int i 1; i n; i) { if (dist[i] INF) cout INF ; else cout dist[i] ; } cout endl; return 0; }这里有两个关键的细节必须注意。第一if (d dist[u]) continue这句不能省因为同一个顶点可能被多次入堆当它被取出来时如果当前记录的距离已经比堆里保存的距离小说明这是一条过期的松弛记录直接跳过否则会多做很多无效操作甚至可能导致死循环。第二边的存储用的是pairint, int默认排序是先按第一个元素排所以要把距离放在first顶点编号放在second这样堆顶就是距离最小的顶点。负权边的图是不能用Dijkstra的这一点多选题里也会考。如果图中存在负权边但不存在负权环可以用SPFA如果存在负权环最短路径问题本身就是无解的。这种知识边界要理清楚面试官很爱在这个地方做文章。4.2 最小生成树与并查集的应用D卷的多选题里有一道“下列关于最小生成树的说法正确的是”的题目选项中涉及Prim算法和Kruskal算法的比较。这题不难但需要你记住Prim算法适合稠密图时间复杂度O(V^2)用堆优化可以到O(E log V)Kruskal算法适合稀疏图时间复杂度O(E log E)它的核心数据结构是并查集。并查集在这里不只是为了过笔试它本身就是算法岗面试的高频考点。我在准备映客D卷的时候把并查集的路径压缩和按秩合并写成了一个模板每次遇到图论题直接复用int fa[100005]; int find(int x) { return fa[x] x ? x : fa[x] find(fa[x]); } void unite(int x, int y) { x find(x); y find(y); if (x ! y) fa[x] y; }上面这个find函数里用了路径压缩也就是在递归查找的过程中直接把节点的父节点指向根节点这样下次查询就是O(1)级别。如果加上按秩合并也就是让深度小的树往深度大的树上合可以进一步保证树的深度不超过O(log n)这样整体的时间复杂度就是反阿克曼函数级别的几乎可以认为是常数时间。最小生成树的思想在直播业务里也有应用场景比如视频分发网络中的节点组网优化、多机房之间的专线成本预估抽象出来都是在一个加权无向图里找最小成本的连通方案。如果你能在笔试的编程题里主动提到这个业务关联面试官会觉得你不只是会刷题而是真的在思考怎么把算法落地到业务中。4.3 贪心算法区间调度类问题D卷没有单独出一道贪心题但在某道多选题里考察了一个“给定一系列区间选出尽可能多的互不重叠的区间”的问题这其实是经典的贪心算法典型题。做法也简单把所有区间按右端点排序然后从左到右遍历能选就选。这个思路说出来很简单但很多人不知道为什么按右端点排序是正确的最优解。我当时的理解方式是这样的如果按右端点排序每次选择的区间结束得越早留给后面区间的空间就越大因此选择的区间数量就可能越多。如果按左端点排序或者按区间长度排序都可能导致一个覆盖范围很大的区间被选中从而挤掉后面多个小区间这不是我们希望看到的。struct Interval { int l, r; bool operator(const Interval other) const { return r other.r; } }; int maxNonOverlapping(vectorInterval intervals) { sort(intervals.begin(), intervals.end()); int cnt 0, lastEnd -1; for (auto it : intervals) { if (it.l lastEnd) { cnt; lastEnd it.r; } } return cnt; }我建议在做这类题目的时候先在草稿纸上画一条时间线把区间画上去然后手动模拟一遍贪心选择的过程。这个过程能帮你快速理解贪心策略为什么正确也能帮你在面试的时候给面试官讲明白你的思路。面试时光说“这题用贪心”是不够的还要能论证“为什么贪心是对的”。5. 动态规划专项突破5.1 从记忆化搜索到递推DP动态规划是算法岗笔试的绝对主力映客D卷的编程题第2题或者第3题的位置上出现过一道典型的DP题我印象中是一道最长上升子序列LIS的变种题。LIS最基础的做法是O(n^2)的动态规划定义dp[i]表示以第i个元素结尾的最长上升子序列长度状态转移方程是dp[i] max(dp[j] 1)其中j i且nums[j] nums[i]。这个思路很好理解而且是很多复杂DP问题的基础一定要能默写出来。不过如果题目把数据范围加大到n是10的5次方O(n^2)的DP就超时了。这时候需要用贪心二分的优化维护一个数组dd[i]表示长度为i的上升子序列的最小末尾元素值。遍历每个元素时在d数组中二分查找第一个大于等于当前元素的位置并更新它。int lengthOfLIS(vectorint nums) { vectorint d; for (int x : nums) { auto it lower_bound(d.begin(), d.end(), x); if (it d.end()) d.push_back(x); else *it x; } return (int)d.size(); }这个优化版本就是经典的“耐心排序”思想理解起来稍微有些抽象。我自己的理解方式是把d[i]想成“长度为i的子序列结尾能有多小”。比如数组[2, 1, 3]遍历到2的时候d变成[2]遍历到1的时候lower_bound找到第一个大于等于1的位置是开头把2替换成1d变成[1]。这并不代表子序列的长度变短了只是说明“长度为1的子序列最小可以以1结尾”这个信息在后续扩展时非常有用。遍历到3的时候3比当前d中所有元素都大所以扩展d变成[1, 3]长度为2。笔试的时候如果你对二分版本没把握可以先用O(n^2)版本写一遍确保能过基础测试用例然后如果时间充裕再去优化。很多人的策略是直接用二分版本结果边界条件写错反而丢了全部分数。稳扎稳打先把基础分拿到再考虑拔高。5.2 背包问题的状态设计思路背包问题是DP里最常考的一大类问题映客D卷虽然没有直接考裸的背包题但它的DP题里隐含了背包的思想给定若干物品每个物品有价值和一个限制条件问在限制范围内如何选择使总价值最大。这是典型的0-1背包。0-1背包的状态转移方程你一定要形成肌肉记忆dp[j] max(dp[j], dp[j - weight[i]] value[i])遍历j的时候必须从大到小。为什么要从大到小因为0-1背包要求每个物品只能选一次如果从小到大遍历j那么dp[j - weight[i]]可能已经在当前物品的循环中被更新过了这就相当于同一个物品被选了多次变成了完全背包的问题。vectorint dp(capacity 1, 0); for (int i 0; i n; i) { for (int j capacity; j weight[i]; j--) { dp[j] max(dp[j], dp[j - weight[i]] value[i]); } }如果同样的问题改成“每个物品可以选无限次”那就是完全背包遍历j的时候改成从小到大即可。这两种背包的区别就是一个循环顺序的差别但含义完全不同笔试的时候一定要看清题目说的是“每个物品只有一个”还是“每个物品有无限多个”。D卷的多选题里出现过“以下哪些属于动态规划的应用场景”的选项其中包含“最长公共子序列”“背包问题”“Dijkstra算法”等。这道题就是在考察你对算法思想本质的理解Dijkstra看起来像DP但它本质上是贪心不是DP这个区分一定要能说清楚。6. 机器学习基础题与业务结合6.1 过拟合的识别与处理方法D卷的最后有一道简答题内容是“在推荐系统的CTR预估模型中训练集AUC很高但测试集AUC很低分析可能的原因并给出解决方案”。这题本质是在考过拟合但直接问过拟合太泛结合CTR预估这个业务场景之后难度就上来了。我当时从三个层面回答了这个问题。首先是数据层面训练集和测试集分布不一致比如训练样本大多来自某几个特定时间段或特定用户群而测试集覆盖了全量用户解决方案是做样本重采样、按时间划分训练集验证集、做更精细的特征分桶。其次是模型层面模型过于复杂特征维度高、树模型深度过大或者深度网络层数过多导致把训练集的噪声也学进去了解决方案是加正则化项、降低模型复杂度、增加Dropout比例、提前停止训练。最后是特征工程层面使用了大量高基类别特征但又没有做充分的平滑处理导致模型记住了训练集中的特例而不是学到泛化规律解决方案是特征哈希、embedding降维、或者对高基特征做目标编码的时候要加平滑项。这一题的回答质量很大程度上能看出你是否真正做过机器学习项目而不只是背过概念。如果你是校招生没有太多实习经验也一定要把这个问题的逻辑链条想清楚数据、模型、特征三者之间的关系以及如何用验证集来判断模型到底是不是过拟合。6.2 常见损失函数与评估指标选择题D卷的多选题里还考察了损失函数和评估指标之间的对应关系。这类题目属于送分题但需要你记忆准确。我把常见的对应关系整理一下二分类问题常用交叉熵损失配合sigmoid或softmax、hinge损失配合SVM回归问题常用均方误差MSE、平均绝对误差MAE、Huber Loss评估指标准确率Accuracy、精确率Precision、召回率Recall、F1值、AUC这里面最容易混淆的是Precision和Recall。一句话帮助记忆Precision是“预测为正的里面有多少是真正的正例”Recall是“真实为正的里面有多少被预测出来了”。在推荐系统和风控场景中这两个指标往往此消彼长需要通过调整阈值来平衡。AUC这个指标在CTR预估里是必考的它的含义是“随机从正样本中取一个随机从负样本中取一个正样本得分大于负样本得分的概率”。AUC对样本不均衡不敏感所以在点击率预估这种正负样本比例悬殊的场景里AUC比Accuracy更可靠。这个点我在回答简答题的时候也提到了作为评估指标的补充说明会显得你的答案更完整。7. 笔试实战避坑与时间分配7.1 编程题常见的隐藏坑讲完了具体的题目再来聊聊笔试现场的实战问题。映客用的在线OJ系统对代码格式、输入输出、内存限制都有严格的要求我总结了自己在笔试里踩过的几个坑也希望你们能避开。第一个坑是输入输出的格式问题。千万不要在输出里添加多余的提示信息比如“请输入数组长度”这种话OJ系统是全自动判题的它只比对标准输出多了任何字符都会被判错。第二个坑是数组越界尤其是C的数组大小开小了OJ系统会直接报Runtime Error。我的习惯是统一把数组大小开到题目上限加5到10比如数据范围是10的5次方我就开100005宁可浪费一点内存也不要越界。第三个坑是数据量大的时候必须用scanf/printf或者关闭C的输入输出同步ios::sync_with_stdio(false)和cin.tie(nullptr)这两行一定要写否则cin读入10的6次方级别数据会明显变慢超时就很冤枉了。再说一个容易被忽略的题目给的变量名可能和常规习惯不一样比如“给定n个整数其中n表示数字个数”和“给定一个字符串s其中s的长度为n”这两种描述方式可能会出现在同一道题里读题的时候一定要看清每道题里每个字母的含义不要死板地认为n一定表示数组长度。7.2 时间分配与答题顺序策略D卷的答题时间是90分钟题量大概在18题左右其中编程题占了大头。这个时间是很紧张的我当时的时间分配策略是这样的单选和多选一共控制在25分钟以内不会的题先蒙一个答案并标记不在一道题上死磕3道编程题第1道简单题控制在10分钟以内第2道中等题控制在20分钟以内第3道难题预留25分钟最后留10分钟检查代码和做没做完的标记题。这个策略的核心思路是确保简单题和中档题不丢分然后再去冲击难题。很多同学在难题上死磕了40分钟结果前面的简单选择题没时间检查丢了基础分非常可惜。编程题如果实在没有思路也要把暴力解法写出来因为OJ系统的判题规则往往是部分正确的能过几个测试用例就能拿几分。比如第3道图论题如果不会Dijkstra至少可以写一个Floyd算法的O(n^3)版本在小数据量的测试用例上也能拿一些分数。笔试结束后强烈建议你立刻把自己写过的代码复制保存下来。一方面可以复盘自己的思路另一方面如果后续面试官问“你笔试的时候第三题是怎么做的”你能够准确地说出你的实现细节。我自己的习惯是每做完一道编程题就把代码以题目的关键字命名存到本地目录里比如dijkstra_heap.cpp、kth_largest.cpp这样后续复盘时效率极高。8. 算法题的扩展与面试追问准备8.1 从D卷考点延伸到面试高频题笔试只是第一关通过笔试之后面试环节还会围绕笔试题进行深度追问。根据我的经验映客的面试官会问你“这道题还有没有其他解法”或者“你的解法在什么场景下会退化”这些都是从D卷的考点延伸出来的。所以你在准备笔试的时候就要带着面试的视角去思考每一道题。举个例子D卷考了Dijkstra算法面试官追问的方向大概率是如果图中存在负权边怎么办如果图是稀疏图用堆优化还是朴素写法如果要求多源最短路径应该用什么算法你可能还需要手写一遍SPFA或者Floyd。同理D卷考了TopK问题面试官就会追问海量数据场景比如1亿个整数中找最大的100个内存只有10MB这时候你需要回答分治堆或者基于哈希分桶的外部排序方案。我强烈建议你准备一个“一题多解”的笔记本每做完一道笔试题就在下面补充至少两种解法并分析它们的时空复杂度。这个习惯会在面试时给你带来巨大的回报因为面试官最烦听到“这题我只会一种解法”这种回答。8.2 直播业务场景中算法岗的真实工作最后聊一点软性的内容。映客是做直播和社交的算法岗进去之后主要会接触三类业务推荐系统直播间推荐、用户关注流排序、内容理解图像/音频的分类与审核、以及风控反垃圾、反作弊。D卷里的机器学习简答题和这些业务是强相关的如果你在笔试阶段就展现出对业务场景的理解会让面试官对你的评价上一个台阶。举个例子直播间的推荐可以抽象成一个典型的召回排序两阶段问题。召回阶段用协同过滤、聚类、向量召回等方法从海量直播间中选出一批候选排序阶段用CTR预估模型LR、GBDT、DeepFM等对候选直播间打分。这个过程中既要处理用户行为序列又要考虑直播间的实时状态在线人数、热度趋势等比传统的商品推荐要复杂得多。准备校招的同学可以提前去了解一下这一套推荐系统的经典架构不需要太深但至少要知道每个模块是干什么的以及算法岗在其中的位置。我个人在实际准备这套D卷的过程中最大的体会是算法笔试表面上考的是代码能力和知识记忆实际上考的是你在有限时间内判断“该拿什么分、该放弃什么题”的决策能力。映客D卷的题目难度分布很科学它不会让所有人都做不出来但也不会让所有人都拿满分最终筛选出来的是那些基本功扎实、临场心态稳定、能够合理分配精力的候选人。如果你正在准备算法岗的春招或秋招我建议你把这份D卷当成一次全真模拟先自己掐时间做一遍再对照文章里的思路复盘。最后再分享一个小技巧每次模拟完笔试把错题和超时的题目整理到一个“错题本”里标注错误原因和正确思路考前只需翻这个本子效率比刷十套新题都高。 
长河君 · 2026/8/29 4:20:21 · 阅读 1.2k 映客算法岗笔试D卷全解析：从KMP到Dijkstra的实战指南
2020年春招那会儿我面的是映客的算法岗笔试拿到的正是这份D卷。说实话映客的算法笔试题在直播行业里算是有分量的不是随便刷两道LeetCode就能应付的那种它既要考察经典数据结构和算法的基本功也会带一点机器学习相关的题目毕竟是算法岗不是单纯的后端开发。当时做完这套题我特意把题型和解题思路记了下来现在回头看这套D卷对准备校招算法岗的同学依然有很强的参考价值。这篇文章我会从试卷的整体结构开始拆然后逐题讲思路、贴代码、说踩坑点最后聊一聊笔试现场的时间分配和心态问题。无论你是正在准备春招秋招的应届生还是想跳槽进直播/泛娱乐行业的算法工程师这套题都值得认真过一遍。1. 试卷整体设计与考点分布1.1 映客算法D卷的题型结构先说试卷的构成所有题目都是线上OJ模式需要在限定时间内完成并提交编译器支持C、Java和Python。D卷的整体结构分四部分单选题、多选题、编程题和一道机器学习简答题。单选题大概10道每道2分主要考察数据结构、算法复杂度、操作系统和网络基础多选题5道左右难度会明显上一个台阶经常会出现“以下哪些说法正确”这种需要仔细辨析的题目编程题有3道分值占比最大一道简单、一道中等、一道偏难这也是决定你能不能进面试的关键最后那道机器学习简答题更像是附加题考的是你对基础概念的理解深度。这种结构其实很典型算法岗笔试考察的不只是你会不会写代码还包括基础理论的扎实程度。映客作为直播平台它的算法团队主要做推荐、内容理解、风控这些方向所以笔试里出现机器学习的题目一点都不意外建议准备的时候不要只刷题基础理论也得过一遍。1.2 考点覆盖与难度分层从考点分布来看D卷有一个很明显的倾向数据结构基础占比高字符串处理是重点动态规划基本必考机器学习只考最核心的概念。这和LeetCode上那种高频题集是有区别的它更看重基础和工程实现能力。具体到难度我的感受是这样的单选题和多选题属于送分题和拉分题并存的组合有些题一眼就能看出答案有些题则需要你花时间仔细推演编程题第1道是保底题基本是链表操作或者字符串处理级别不能丢分第2道开始上难度典型的贪心或DP题需要你能快速抽象出模型第3道题会考图论或者高级数据结构这道题通常只有少数人能完整AC做不出来也不用太慌部分正确的得分也能拉开差距。接下来我按题目类型逐一拆解重点讲编程题因为编程题才是笔试的胜负手。2. 字符串与数据结构类题目解析2.1 KMP算法与next数组计算这套卷子单选和多选里都出现了KMP算法而且不是简单地问“KMP的时间复杂度是多少”而是直接给你一个模式串让你算next数组。我印象里题目直接给了pabacaba这个模式串问它的next数组是多少。这种题目只要理解了next数组的定义就是纯计算题没有任何难度但很多人恰恰就是在这里丢分因为他们只记代码不理解原理。首先要明确next数组的定义next[i]表示模式串p[0...i]这个前缀子串中最长的相等前缀和后缀的长度。注意这个长度不能等于整个子串的长度也就是不能拿自己和自己匹配。有了这个定义我们直接手动计算。模式串p a b a c a b a长度为7。我们逐个位置计算next[0]子串是a只有一个字符没有真前缀和真后缀所以next[0] 0。next[1]子串是ab前缀集合{a}后缀集合{b}没有交集所以next[1] 0。next[2]子串是aba前缀{a, ab}后缀{a, ba}最大公共部分是a长度为1所以next[2] 1。next[3]子串是abac前缀{a, ab, aba}后缀{c, ac, bac}没有交集所以next[3] 0。next[4]子串是abaca前缀{a, ab, aba, abac}后缀{a, ca, aca, baca}最大公共部分是a长度1所以next[4] 1。next[5]子串是abacab前缀{a, ab, aba, abac, abaca}后缀{b, ab, cab, acab, bacab}最大公共部分是ab长度2所以next[5] 2。next[6]子串是abacaba前缀{a, ab, aba, abac, abaca, abacab}后缀{a, ba, aba, caba, acaba, bacaba}最大公共部分是aba长度3所以next[6] 3。所以这个模式串的next数组是[0, 0, 1, 0, 1, 2, 3]。如果你用的是某些教材或算法库中从1开始计数的版本结果会整体偏移一位题目里如果没有明确说明通常默认是从0开始计数的这个要注意。这里我分享一个我的判断技巧你算出来的数组最后一位是什么可以用来反过来验证自己有没有算错。像这个题最后一位是3说明整个字符串的最长公共前后缀是aba你回看字符串最后三个字符确实是aba这个验证过程很快能帮你发现低级错误。2.2 编程题字符串去重与排序D卷的第一道编程题我记得很清楚是“给定一个字符串去除其中重复的字符并按照字符的ASCII码从小到大排序输出”。这题不难但它考察的是你对容器和排序的熟练度。第一次做这类题的同学容易犯一个错误用两层循环暴力去重时间复杂度 O(n^2)字符串长一点就会超时。其实这题有个很简单的做法用一个bool数组或者set去记录已经出现过的字符然后遍历一次字符串把所有出现过的字符收集起来最后排序输出。如果进一步优化因为英文字母的ASCII码范围是有限的可以直接开一个大小为128的布尔数组每次遇到字符就把对应位置置为true最后遍历这个数组输出即可。这样时间复杂度是 O(n)空间复杂度是 O(1)完美。#include bits/stdc.h using namespace std; int main() { string s; cin s; bool vis[128] {false}; for (char c : s) { vis[c] true; } for (int i 0; i 128; i) { if (vis[i]) cout (char)i; } cout endl; return 0; }这题我重点提醒三件事。第一看清题目要求是去重后保留原始顺序还是排序输出这题要求的是排序如果你保留了原始顺序就错了。第二如果字符串里可能包含大写字母和小写字母ASCII码的排序结果是A-Z在a-z前面题目如果没有特别说明大小写不敏感那就按ASCII码来不要画蛇添足做大小写转换。第三输入是否可能包含空格如果可能用getline而不是cin这道题没给这个坑但类似的题目经常有。3. 排序算法与查找算法专题3.1 手写快速排序的边界问题D卷的单选题里出现了排序算法的比较多选里也有“下列哪些排序算法是稳定的”这种题。这种题属于经典八股但编程题里也暗含排序的考察而且是在第2道编程题里用到了排序的关键思想。但在这之前先把这些基础考点说透。快速排序的考点通常集中在时间复杂度平均O(n log n)最坏O(n^2)、是否稳定不稳定、以及手写实现的边界处理。笔试时如果让你手写快排一定要注意你的实现里 left和right 指针的移动顺序以及递归终止条件。我在这里贴一个我常用的、不容易写错的快排模板int partition(vectorint nums, int l, int r) { int pivot nums[l]; while (l r) { while (l r nums[r] pivot) r--; nums[l] nums[r]; while (l r nums[l] pivot) l; nums[r] nums[l]; } nums[l] pivot; return l; } void quickSort(vectorint nums, int l, int r) { if (l r) return; int pos partition(nums, l, r); quickSort(nums, l, pos - 1); quickSort(nums, pos 1, r); }这个模板的核心思想是先取最左边的元素作为基准值然后从右往左找比基准值小的元素把它填到左边的坑里再从左往右找比基准值大的元素把它填到右边的坑里。这样左右交替填坑最后把基准值放回正确位置。整个过程只需要 O(1) 的额外空间。踩坑提醒一定是先从右往左找再从左往右找顺序不能反。因为基准值取的是最左边的元素如果先从左往右找会破坏初始的“坑位”逻辑最终结果仍然是正确的但某些极端情况下下标会越界。笔试的时候如果时间紧用这个模板可以直接默写不容易出错。3.2 堆排序与TopK问题的实战思路D卷编程题第2题我记得是“给定一个无序数组找出其中第K大的元素”。这题看着简单但它有多种解法每种解法的优劣也反映了你对算法理解的深度。最简单的做法直接排序然后取下标为n - k的元素时间复杂度 O(n log n)。在笔试中如果数组长度不超过10的5次方这个做法是可以通过的完全没问题。但如果你追求更优解法可以用快速选择算法基于快排的partition思想平均时间复杂度降为 O(n)或者利用容量为K的最小堆时间复杂度 O(n log K)空间复杂度 O(K)。我当时用的是最小堆的做法。遍历数组时维护一个大小为K的最小堆每来一个新元素如果堆的大小小于K就直接入堆否则如果新元素大于堆顶就弹出堆顶并把新元素入堆。遍历结束后堆顶就是第K大的元素。用C的priority_queueint, vectorint, greaterint可以直接实现。#include bits/stdc.h using namespace std; int findKthLargest(vectorint nums, int k) { priority_queueint, vectorint, greaterint pq; for (int x : nums) { if (pq.size() k) pq.push(x); else if (x pq.top()) { pq.pop(); pq.push(x); } } return pq.top(); } int main() { int n, k; cin n k; vectorint nums(n); for (int i 0; i n; i) cin nums[i]; cout findKthLargest(nums, k) endl; return 0; }这道题我强烈建议你把三种解法都写一遍因为面试环节很可能会追问“如果数组很大大到不能全部加载到内存怎么办”这时候你可以回答使用堆因为堆的空间复杂度只有O(K)可以配合外部排序或者流式处理。这就是典型的笔试为面试做的铺垫你在笔试时用最优解面试时就能顺着往下说。顺带说一句堆排序本身也是常考的排序算法。它的时间复杂度是O(n log n)而且不稳定。它和快速排序的差别在于堆排序最坏情况下依然是O(n log n)而快排最坏会退化到O(n^2)所以某些对稳定性没有要求但要求最坏情况可控的场景堆排序反而是更好的选择。4. 图论与贪心算法实战4.1 单源最短路径Dijkstra算法与堆优化D卷第3道编程题我印象里是图论相关的给了一个带权无向图要求计算从源点到所有点的最短路径。这题考察的是Dijkstra算法而且题目里图的规模比较大用朴素的O(V^2)写法会超时所以必须用优先队列优化也就是堆优化的Dijkstra时间复杂度 O(E log V)。Dijkstra算法的核心思想是贪心每次从未确定最短路的顶点中取出距离源点最近的那个顶点用它的出边去松弛其他顶点。这个“取出最近顶点”的操作如果用普通数组遍历每次要O(V)整体就是O(V^2)如果用小根堆来维护每次取出堆顶是O(log V)整体就是O(E log V)在稀疏图上效果非常明显。#include bits/stdc.h using namespace std; const int INF 0x3f3f3f3f; vectorpairint, int adj[100005]; int dist[100005]; void dijkstra(int s, int n) { fill(dist, dist n 1, INF); dist[s] 0; priority_queuepairint, int, vectorpairint, int, greaterpairint, int pq; pq.push({0, s}); while (!pq.empty()) { auto [d, u] pq.top(); pq.pop(); if (d dist[u]) continue; for (auto [v, w] : adj[u]) { if (dist[u] w dist[v]) { dist[v] dist[u] w; pq.push({dist[v], v}); } } } } int main() { int n, m, s; cin n m s; for (int i 0; i m; i) { int u, v, w; cin u v w; adj[u].push_back({v, w}); adj[v].push_back({u, w}); } dijkstra(s, n); for (int i 1; i n; i) { if (dist[i] INF) cout INF ; else cout dist[i] ; } cout endl; return 0; }这里有两个关键的细节必须注意。第一if (d dist[u]) continue这句不能省因为同一个顶点可能被多次入堆当它被取出来时如果当前记录的距离已经比堆里保存的距离小说明这是一条过期的松弛记录直接跳过否则会多做很多无效操作甚至可能导致死循环。第二边的存储用的是pairint, int默认排序是先按第一个元素排所以要把距离放在first顶点编号放在second这样堆顶就是距离最小的顶点。负权边的图是不能用Dijkstra的这一点多选题里也会考。如果图中存在负权边但不存在负权环可以用SPFA如果存在负权环最短路径问题本身就是无解的。这种知识边界要理清楚面试官很爱在这个地方做文章。4.2 最小生成树与并查集的应用D卷的多选题里有一道“下列关于最小生成树的说法正确的是”的题目选项中涉及Prim算法和Kruskal算法的比较。这题不难但需要你记住Prim算法适合稠密图时间复杂度O(V^2)用堆优化可以到O(E log V)Kruskal算法适合稀疏图时间复杂度O(E log E)它的核心数据结构是并查集。并查集在这里不只是为了过笔试它本身就是算法岗面试的高频考点。我在准备映客D卷的时候把并查集的路径压缩和按秩合并写成了一个模板每次遇到图论题直接复用int fa[100005]; int find(int x) { return fa[x] x ? x : fa[x] find(fa[x]); } void unite(int x, int y) { x find(x); y find(y); if (x ! y) fa[x] y; }上面这个find函数里用了路径压缩也就是在递归查找的过程中直接把节点的父节点指向根节点这样下次查询就是O(1)级别。如果加上按秩合并也就是让深度小的树往深度大的树上合可以进一步保证树的深度不超过O(log n)这样整体的时间复杂度就是反阿克曼函数级别的几乎可以认为是常数时间。最小生成树的思想在直播业务里也有应用场景比如视频分发网络中的节点组网优化、多机房之间的专线成本预估抽象出来都是在一个加权无向图里找最小成本的连通方案。如果你能在笔试的编程题里主动提到这个业务关联面试官会觉得你不只是会刷题而是真的在思考怎么把算法落地到业务中。4.3 贪心算法区间调度类问题D卷没有单独出一道贪心题但在某道多选题里考察了一个“给定一系列区间选出尽可能多的互不重叠的区间”的问题这其实是经典的贪心算法典型题。做法也简单把所有区间按右端点排序然后从左到右遍历能选就选。这个思路说出来很简单但很多人不知道为什么按右端点排序是正确的最优解。我当时的理解方式是这样的如果按右端点排序每次选择的区间结束得越早留给后面区间的空间就越大因此选择的区间数量就可能越多。如果按左端点排序或者按区间长度排序都可能导致一个覆盖范围很大的区间被选中从而挤掉后面多个小区间这不是我们希望看到的。struct Interval { int l, r; bool operator(const Interval other) const { return r other.r; } }; int maxNonOverlapping(vectorInterval intervals) { sort(intervals.begin(), intervals.end()); int cnt 0, lastEnd -1; for (auto it : intervals) { if (it.l lastEnd) { cnt; lastEnd it.r; } } return cnt; }我建议在做这类题目的时候先在草稿纸上画一条时间线把区间画上去然后手动模拟一遍贪心选择的过程。这个过程能帮你快速理解贪心策略为什么正确也能帮你在面试的时候给面试官讲明白你的思路。面试时光说“这题用贪心”是不够的还要能论证“为什么贪心是对的”。5. 动态规划专项突破5.1 从记忆化搜索到递推DP动态规划是算法岗笔试的绝对主力映客D卷的编程题第2题或者第3题的位置上出现过一道典型的DP题我印象中是一道最长上升子序列LIS的变种题。LIS最基础的做法是O(n^2)的动态规划定义dp[i]表示以第i个元素结尾的最长上升子序列长度状态转移方程是dp[i] max(dp[j] 1)其中j i且nums[j] nums[i]。这个思路很好理解而且是很多复杂DP问题的基础一定要能默写出来。不过如果题目把数据范围加大到n是10的5次方O(n^2)的DP就超时了。这时候需要用贪心二分的优化维护一个数组dd[i]表示长度为i的上升子序列的最小末尾元素值。遍历每个元素时在d数组中二分查找第一个大于等于当前元素的位置并更新它。int lengthOfLIS(vectorint nums) { vectorint d; for (int x : nums) { auto it lower_bound(d.begin(), d.end(), x); if (it d.end()) d.push_back(x); else *it x; } return (int)d.size(); }这个优化版本就是经典的“耐心排序”思想理解起来稍微有些抽象。我自己的理解方式是把d[i]想成“长度为i的子序列结尾能有多小”。比如数组[2, 1, 3]遍历到2的时候d变成[2]遍历到1的时候lower_bound找到第一个大于等于1的位置是开头把2替换成1d变成[1]。这并不代表子序列的长度变短了只是说明“长度为1的子序列最小可以以1结尾”这个信息在后续扩展时非常有用。遍历到3的时候3比当前d中所有元素都大所以扩展d变成[1, 3]长度为2。笔试的时候如果你对二分版本没把握可以先用O(n^2)版本写一遍确保能过基础测试用例然后如果时间充裕再去优化。很多人的策略是直接用二分版本结果边界条件写错反而丢了全部分数。稳扎稳打先把基础分拿到再考虑拔高。5.2 背包问题的状态设计思路背包问题是DP里最常考的一大类问题映客D卷虽然没有直接考裸的背包题但它的DP题里隐含了背包的思想给定若干物品每个物品有价值和一个限制条件问在限制范围内如何选择使总价值最大。这是典型的0-1背包。0-1背包的状态转移方程你一定要形成肌肉记忆dp[j] max(dp[j], dp[j - weight[i]] value[i])遍历j的时候必须从大到小。为什么要从大到小因为0-1背包要求每个物品只能选一次如果从小到大遍历j那么dp[j - weight[i]]可能已经在当前物品的循环中被更新过了这就相当于同一个物品被选了多次变成了完全背包的问题。vectorint dp(capacity 1, 0); for (int i 0; i n; i) { for (int j capacity; j weight[i]; j--) { dp[j] max(dp[j], dp[j - weight[i]] value[i]); } }如果同样的问题改成“每个物品可以选无限次”那就是完全背包遍历j的时候改成从小到大即可。这两种背包的区别就是一个循环顺序的差别但含义完全不同笔试的时候一定要看清题目说的是“每个物品只有一个”还是“每个物品有无限多个”。D卷的多选题里出现过“以下哪些属于动态规划的应用场景”的选项其中包含“最长公共子序列”“背包问题”“Dijkstra算法”等。这道题就是在考察你对算法思想本质的理解Dijkstra看起来像DP但它本质上是贪心不是DP这个区分一定要能说清楚。6. 机器学习基础题与业务结合6.1 过拟合的识别与处理方法D卷的最后有一道简答题内容是“在推荐系统的CTR预估模型中训练集AUC很高但测试集AUC很低分析可能的原因并给出解决方案”。这题本质是在考过拟合但直接问过拟合太泛结合CTR预估这个业务场景之后难度就上来了。我当时从三个层面回答了这个问题。首先是数据层面训练集和测试集分布不一致比如训练样本大多来自某几个特定时间段或特定用户群而测试集覆盖了全量用户解决方案是做样本重采样、按时间划分训练集验证集、做更精细的特征分桶。其次是模型层面模型过于复杂特征维度高、树模型深度过大或者深度网络层数过多导致把训练集的噪声也学进去了解决方案是加正则化项、降低模型复杂度、增加Dropout比例、提前停止训练。最后是特征工程层面使用了大量高基类别特征但又没有做充分的平滑处理导致模型记住了训练集中的特例而不是学到泛化规律解决方案是特征哈希、embedding降维、或者对高基特征做目标编码的时候要加平滑项。这一题的回答质量很大程度上能看出你是否真正做过机器学习项目而不只是背过概念。如果你是校招生没有太多实习经验也一定要把这个问题的逻辑链条想清楚数据、模型、特征三者之间的关系以及如何用验证集来判断模型到底是不是过拟合。6.2 常见损失函数与评估指标选择题D卷的多选题里还考察了损失函数和评估指标之间的对应关系。这类题目属于送分题但需要你记忆准确。我把常见的对应关系整理一下二分类问题常用交叉熵损失配合sigmoid或softmax、hinge损失配合SVM回归问题常用均方误差MSE、平均绝对误差MAE、Huber Loss评估指标准确率Accuracy、精确率Precision、召回率Recall、F1值、AUC这里面最容易混淆的是Precision和Recall。一句话帮助记忆Precision是“预测为正的里面有多少是真正的正例”Recall是“真实为正的里面有多少被预测出来了”。在推荐系统和风控场景中这两个指标往往此消彼长需要通过调整阈值来平衡。AUC这个指标在CTR预估里是必考的它的含义是“随机从正样本中取一个随机从负样本中取一个正样本得分大于负样本得分的概率”。AUC对样本不均衡不敏感所以在点击率预估这种正负样本比例悬殊的场景里AUC比Accuracy更可靠。这个点我在回答简答题的时候也提到了作为评估指标的补充说明会显得你的答案更完整。7. 笔试实战避坑与时间分配7.1 编程题常见的隐藏坑讲完了具体的题目再来聊聊笔试现场的实战问题。映客用的在线OJ系统对代码格式、输入输出、内存限制都有严格的要求我总结了自己在笔试里踩过的几个坑也希望你们能避开。第一个坑是输入输出的格式问题。千万不要在输出里添加多余的提示信息比如“请输入数组长度”这种话OJ系统是全自动判题的它只比对标准输出多了任何字符都会被判错。第二个坑是数组越界尤其是C的数组大小开小了OJ系统会直接报Runtime Error。我的习惯是统一把数组大小开到题目上限加5到10比如数据范围是10的5次方我就开100005宁可浪费一点内存也不要越界。第三个坑是数据量大的时候必须用scanf/printf或者关闭C的输入输出同步ios::sync_with_stdio(false)和cin.tie(nullptr)这两行一定要写否则cin读入10的6次方级别数据会明显变慢超时就很冤枉了。再说一个容易被忽略的题目给的变量名可能和常规习惯不一样比如“给定n个整数其中n表示数字个数”和“给定一个字符串s其中s的长度为n”这两种描述方式可能会出现在同一道题里读题的时候一定要看清每道题里每个字母的含义不要死板地认为n一定表示数组长度。7.2 时间分配与答题顺序策略D卷的答题时间是90分钟题量大概在18题左右其中编程题占了大头。这个时间是很紧张的我当时的时间分配策略是这样的单选和多选一共控制在25分钟以内不会的题先蒙一个答案并标记不在一道题上死磕3道编程题第1道简单题控制在10分钟以内第2道中等题控制在20分钟以内第3道难题预留25分钟最后留10分钟检查代码和做没做完的标记题。这个策略的核心思路是确保简单题和中档题不丢分然后再去冲击难题。很多同学在难题上死磕了40分钟结果前面的简单选择题没时间检查丢了基础分非常可惜。编程题如果实在没有思路也要把暴力解法写出来因为OJ系统的判题规则往往是部分正确的能过几个测试用例就能拿几分。比如第3道图论题如果不会Dijkstra至少可以写一个Floyd算法的O(n^3)版本在小数据量的测试用例上也能拿一些分数。笔试结束后强烈建议你立刻把自己写过的代码复制保存下来。一方面可以复盘自己的思路另一方面如果后续面试官问“你笔试的时候第三题是怎么做的”你能够准确地说出你的实现细节。我自己的习惯是每做完一道编程题就把代码以题目的关键字命名存到本地目录里比如dijkstra_heap.cpp、kth_largest.cpp这样后续复盘时效率极高。8. 算法题的扩展与面试追问准备8.1 从D卷考点延伸到面试高频题笔试只是第一关通过笔试之后面试环节还会围绕笔试题进行深度追问。根据我的经验映客的面试官会问你“这道题还有没有其他解法”或者“你的解法在什么场景下会退化”这些都是从D卷的考点延伸出来的。所以你在准备笔试的时候就要带着面试的视角去思考每一道题。举个例子D卷考了Dijkstra算法面试官追问的方向大概率是如果图中存在负权边怎么办如果图是稀疏图用堆优化还是朴素写法如果要求多源最短路径应该用什么算法你可能还需要手写一遍SPFA或者Floyd。同理D卷考了TopK问题面试官就会追问海量数据场景比如1亿个整数中找最大的100个内存只有10MB这时候你需要回答分治堆或者基于哈希分桶的外部排序方案。我强烈建议你准备一个“一题多解”的笔记本每做完一道笔试题就在下面补充至少两种解法并分析它们的时空复杂度。这个习惯会在面试时给你带来巨大的回报因为面试官最烦听到“这题我只会一种解法”这种回答。8.2 直播业务场景中算法岗的真实工作最后聊一点软性的内容。映客是做直播和社交的算法岗进去之后主要会接触三类业务推荐系统直播间推荐、用户关注流排序、内容理解图像/音频的分类与审核、以及风控反垃圾、反作弊。D卷里的机器学习简答题和这些业务是强相关的如果你在笔试阶段就展现出对业务场景的理解会让面试官对你的评价上一个台阶。举个例子直播间的推荐可以抽象成一个典型的召回排序两阶段问题。召回阶段用协同过滤、聚类、向量召回等方法从海量直播间中选出一批候选排序阶段用CTR预估模型LR、GBDT、DeepFM等对候选直播间打分。这个过程中既要处理用户行为序列又要考虑直播间的实时状态在线人数、热度趋势等比传统的商品推荐要复杂得多。准备校招的同学可以提前去了解一下这一套推荐系统的经典架构不需要太深但至少要知道每个模块是干什么的以及算法岗在其中的位置。我个人在实际准备这套D卷的过程中最大的体会是算法笔试表面上考的是代码能力和知识记忆实际上考的是你在有限时间内判断“该拿什么分、该放弃什么题”的决策能力。映客D卷的题目难度分布很科学它不会让所有人都做不出来但也不会让所有人都拿满分最终筛选出来的是那些基本功扎实、临场心态稳定、能够合理分配精力的候选人。如果你正在准备算法岗的春招或秋招我建议你把这份D卷当成一次全真模拟先自己掐时间做一遍再对照文章里的思路复盘。最后再分享一个小技巧每次模拟完笔试把错题和超时的题目整理到一个“错题本”里标注错误原因和正确思路考前只需翻这个本子效率比刷十套新题都高。