2019年12月份，在公司經歷了一些事后，下定決心準備跳槽，目標MS，直到2020年11月中旬拿到offer，個中滋味，唯有自知，下面把這一年看的資料，視頻鏈接和經歷記錄下來，

目錄：

– 推薦資源
– 刷題時間線
– 面試程序
– 面試建議
– 資料結構路線圖

推薦資源

1、資料結構與演算法分析 C語言描述 [美] 馬克·艾倫·維斯（Mark，Allen，Weiss） 著，馮舜璽譯 譯 機械工業出版社 華章圖書
這本書比較全面講解了各種基礎資料結構，還擴展開了很多復雜資料結構，比如AVL樹，伸展樹，左式堆，二項佇列，
每一章看著內容不多，但個個都是經典，比如第8章就是union find，第10章大概講解了幾種經典的演算法，貪婪，分治，DP，回溯，是一本值得反復看的資料結構和演算法書，

2、演算法(第4版)(圖靈出品) [美] Robert Sedgewick，[美] Kevin Wayne 著，謝路云 譯 人民郵電出版社
另一本十分經典的資料結構和演算法的入門書籍，雖然很厚，但由于有插圖，有書后習題（跳過），所以內容其實不多，由淺入深講解了資料結構的各種API，并形象得將資料結構畫了出來，比如搜索二叉樹的find_floor, find_ceiling等api，及字串排序的MSD，LSD排序，處處都閃耀著
這么多年前人總結的智慧，
這本書一個人啃會很困難，推薦是先看一章講解的視頻，然后再看書復習一遍，這樣進度就會很快，
https://www.bilibili.com/video/BV1K4411b7jM?from=search&seid=3902990027078030614
https://www.bilibili.com/video/BV134411L7Um?from=search&seid=3902990027078030614

3、演算法導論 原書第3版 [美] 科爾曼 著 華章圖書
演算法導論側重演算法即各種時間復雜度，空間復雜度的計算，說實話我并沒有看這本書，我是直接看了MIT的演算法導論公開課，并認真將每一課的內容筆記下來，效果和看一本書差不多，對各種時間復雜度O(nlogn), O(n^2),O(n)的推導方式有了了解，特別是多核的時間復雜度計算，及新技術對演算法優化提升的幫助，比如cache，分布式計算等，一次沒有看懂可以反復觀看，能加深理解，
直接貼上bilibili的鏈接：
https://www.bilibili.com/video/BV1ot411a7Lt?from=search&seid=5037764187974363628

4、labulaodng的演算法小抄
Leetcode上的熱門up主，貌似是一個剛畢業的研究生，將leetcode上的演算法做了一定的總結，強烈推薦，我是每一章都反復咀嚼，對于資料結構和演算法的熟練掌握特別有幫助，對演算法的理解能提高一個臺階，

5、作業系統：精髓與設計原理（原書第6版） 斯托林斯（William Stallings） 著，陳向群，陳渝 譯 機械工業出版社 華章圖書
這本書并沒有針對特定的作業系統，書中能看到windows和linux的影子，這本書比較詳細介紹了作業系統的各個組件，所以就當成專業名詞的解釋，是一本不錯的工具書，有空翻兩下，總會有很多識訓，

6、編程珠璣 [美] Jon Bentley 著
程式員必看的書之一，看完之前的資料結構，你在看這本書，就會理解資料結構使用的場合，優劣等，書里還詳細介紹了程式員需要考慮的常見知識，代碼調優，性能分析，節省空間等，資料結構部分不是重點，技術的各種使用場景是這本書的特點，

7、演算法筆記 刁瑞，謝妍 著
我主要是沖著作者是ACMer，想看看專業演算法工程師的知識點，但內容干澀難懂，代碼是sudo code，比較難消化，大概講第2章和第3章的動態規劃部分看完，就束之高閣了，
在這里提這本書，就是想感慨一下計算機經典的書籍全是美國高校的教授寫得，中美的差距，在基礎理論這一塊差距還是很大，

8、計算機科學叢書·云計算：概念、技術與架構 [美] Thomas ERL，[英] Zaigham Mahmood，[巴西] Ricardo Puttini 著，龔奕利，賀蓮，胡創 譯 機械工業出版社 華章圖書
做為分布式系統，云計算的入門書籍，講解了基礎概念，沒事就翻翻，

9、網易公開課上也有很多MIT的CS課程，多看一些，對英語聽力也有幫助，

10、《背包9講》
ACM大神的動態規劃經典，我只看了第一第二講，能足以解決Leetcode上大部分的0-1問題，

刷題時間線：

打基礎期：

2019年12月份~2020年1月份，看完了書籍1，然后開始做了一些leetcode題目，發現遇到題目很難想出來用什么資料結構或者演算法來解決，
于是就重新看書籍1，書籍2，并同時看書籍2的視頻，看完一章，到leetcode上針對這個資料結構做5~10題，資料結構也直接從0開始寫，加深印象，知乎上也有很多刷leetcode的經驗分享，可以多看一下，為下一步的刷題找好方向，
到2020年5月份，書1，書2和視頻看完，leetcode題目大概在200題，資料結構和演算法都掌握差不多了，下面開始隨機刷題，即并不針對某一種題型，而是直接按順序做簡單和中等的題目，期間遇到了很多巧妙的解題技巧，各種資料結構和演算法的靈活運用，
期間開始刷書籍3，并在看評論區的時候看到了書籍4，開始邊做題邊刷書籍3的視頻和書籍4的電子版，這個程序持續到了2020年8月份，

瓶頸期：

2020年8月份開始，明顯感覺題目會出現2種情況，要么題目看一眼就知道怎么做，并很快解決，要么題目一直無法想到解決方法，
這是由于前者的題目可以直接用演算法套用，便可以從之前做題的經驗里找到相似題目，而后者多是新題，新的資料結構，必須靜下心仔細把解法吃透，從暴力解法，逐步優化到O(nlogn),O(n)等，這一段時間會經歷很多挫折感，會有點迷茫，遇到比較難一點的，會有要放棄的感覺，這時需要不斷給自己打氣，灌雞湯，堅持下去，以達到量變引起質變，
這段時間可以刷刷bilibili上很多leetcode up主的刷題講解視頻，可以加快新題型的學習，

沖刺和復習期：

2020年10月份左右，收到訊息目標部門增加了hire count，預計2個月內就要去面試，這時開始做2件事：
1、出去找別的公司鍛煉面試，找人模擬面試，模擬線上做題的程序，
經歷真實的面試，可以整理自己這幾年的作業內容，鍛煉介紹自己的思路，可以發現一般面試官會常問的幾個題目，
發現自己在介紹，問答中存在問題，比如思路不清晰，作業內容，專案經歷不清晰等，
找人模擬線上做題的程序，對方隨機在1000開外找題目，你看到題目后，把思路先講解給對方聽，然后直接在記事本里做題目，目標是10~20分鐘能寫出編譯能過，corner case都考慮到的perfect code，
2、將之前做過的簡單和中等的題目，全部按照類別整理成腦圖，并在每個題目后面用1-2句話描述解題思路，便于復習，
腦圖的好處在于復盤，整理，重新消化，避免了貪快，貪多，導致前面的題目又忘掉的情況，
百度腦圖鏈接：
http://naotu.baidu.com/file/95c3d4021d64acd2dbdd29e273a348dc?token=fe237079bc46383f

面試程序

在2020年11月聯系HR以后，第一天進行了1輪電話面試，通過后，進行了4輪的技術面試，
第一面，英文自我介紹，然后用英文回答了一些技術問題，
編程題是《XXX》，大概思考了一下，就和面試官把題目思路說了一遍，20分鐘代碼寫完，有一個case沒考慮到，在面試官指點下寫完，
第二面，中文自我介紹，專案經歷，
編程題是《XXX》，10分鐘完成，第二題《XXX》，10分鐘完成，
第三面，中文自我介紹，作業中最有挑戰的作業和問題，介紹了專案經歷，英文回答了一題技術問題，
編程題《XXX》，先用快慢指標的方式，先序遍歷遞回去構造左右子樹，10分鐘完成，時間復雜度是O(nlogn)，
面試官問有沒有O(n)的方式，將鏈表輸出到陣列，然后先序遍歷遞回去構造，
面試官問，有沒有空間復雜度為O(1)的方法，先遍歷鏈表，知道長度，然后中序遍歷的方式，優先構造左子樹，訣竅在于類似線段樹的構造，
第四面，中文自我介紹，作業中最有挑戰的作業和問題，介紹了專案經歷，英文回答了一題技術問題，
設計題《XXX》，《XXX》
第五面，Boss面試，比較友好得聊了公司，部門的未來發展，自我介紹了作業經歷，專案經歷，英文回答了一些技術問題，
編程題《XXX》，大概15分鐘完成，

面試準備

1、準備中文和英文的簡歷，
2、準備一份中英文的面試講稿：
自我介紹，作業內容，能體現自身技術能力的案例，
作業內容，建議先列框架，作業的職責有哪些方面，然后每個方面再展開，有哪些內容，每個內容再具1-2個具體的技術例子，
這樣避免了專案，作業內容介紹時，出現大而虛的尷尬，可大可小，收放自如，不然面試官看到作業內容太寬泛無法深入提出問題，
3、需要準備的問題：
1、最有成就感的bugfix，
2、最有挑戰的問題，怎么思考，怎么處理的，
3、自己完整參與的專案，leader級別的話，需要將整個專案的程序詳細講清楚，

資料結構路線圖

先從連續記憶體的資料結構：
1、陣列
2、字串
3、鏈表
4、堆疊
5、佇列
6、哈希
7、堆
8、并查集
然后是連續記憶體的演算法：
1、排序：希爾排序，快速排序，歸并排序，計數排序，
需要知道每個排序的特點，時間復雜度（保證，最差，隨機），空間復雜度，是否穩定等，
2、查找：二分法，雙指標，快速選擇
然后是樹狀資料結構：
1、二叉樹
2、搜索二叉樹
3、字典樹
4、線段樹
其他N叉樹，紅黑樹，伸展樹，了解了解就好，不需要能寫出來，

然后是進階的演算法：
1、遍歷：廣度，深度，雙端廣度
2、貪心，分治，回溯，FSM，

最后是比較難的動態規劃，分一維DP，二維DP，0-1背包這些，
重點是能推匯出動態規劃的狀態轉移方程，有了方程，代碼就完成一半了，