百度算法面试

A. 算法-面试题系列 - 求数组左部分最大值减去右部分最大值的绝对值

给定一个数组arr长度为N，你可以把任意长度大于0且小于N的前缀作为左部分，剩下的作为右部分。

但是每种划分下都有左部分的最大值和右部分的最大值

请返回最大的， 左部分最大值减去右部分最大值的绝对值 。

算法流程

我们要求左边最大减去右边最大，max肯定是在左边数组和右边数组中的最后参与决策的最大数。

假设12在左边数组中，右边数组剩下[5,6,7]

因为把max放入了左边的数组，所以， 我们需要右边数组的最大值尽可能的小 ，数组个数越少，他的最大值就是尽可能的小，比如剩下[5,6,7]的情况，我们可以看到我们区arr[N-1]这个数作为右侧数组，是最满足 左部分最大值减去右部分最大值的绝对值 条件的。

同理 把max划分到右侧数组，左侧数组a[0]划分是最符合条件的。

B. 面试会出哪些经典算法题

如下：

1、排序算法∶快速排序、归并排序、计数排序

2、搜索算法∶回溯、递归、剪枝技巧

3、图论∶最短路、最小生成树、网络流建模

4、动态规划：背包问题、最长子序列、计数问题

5、基础技巧：分治、倍增、二分、贪心

6、数组与链表：单/双向链表、跳舞链

7、栈与队列

8、树与图：最近公共祖先、并查集

9、哈希表

10、堆：大/小根堆、可并堆

11、字符串∶字典树、后缀树

算法简介：

算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。

如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。

算法中的指令描述的是一个计算，当其运行时能从一个初始状态和（可能为空的）初始输入开始，经过一系列有限而清晰定义的状态，最终产生输出并停止于一个终态。一个状态到另一个状态的转移不一定是确定的。随机化算法在内的一些算法，包含了一些随机输入。

形式化算法的概念部分源自尝试解决希尔伯特提出的判定问题，并在其后尝试定义有效计算性或者有效方法中成形。

这些尝试包括库尔特·哥德尔、Jacques Herbrand和斯蒂芬·科尔·克莱尼分别于1930年、1934年和1935年提出的递归函数，阿隆佐·邱奇于1936年提出的λ演算，1936年Emil Leon Post的Formulation 1和艾伦·图灵1937年提出的图灵机。即使在当前，依然常有直觉想法难以定义为形式化算法的情况。

C. 算法岗面试都会考代码吗

会。
算法岗面试的第一关，手撕代码环节，主要考察你对数据结构和一般算法的掌握，以及作为码农最基本的编程能力。二至三道编程题写完之后，就进入到了面试的第二关，算法基础知识考察环节，这里的算法指的是机器学习、深度学习以及细分方向上，比如CV、NLP相关的算法知识。

D. 百度计算机视觉算法工程师面经(research 岗，已offer)

一面(技术面)：
1、相机外参，相机内参
2、分水岭算法
3、目标检测了解吗
4、3D这块有了解吗
5、论文是你写的吗
6、介绍一下图像分割
7、Deeplab v1, v2, v3, v3+
8、U-net后续改进
9、Non-local
10、经典三维重建公式
11、分割常用backbone

二面(技术面)：
1、数据增强方法
2、dropout方法
3、图像分割常见深度学习方法
4、简单介绍一下三维重建项目，平行还是stereo，如何估计的depth map
5、deep lab v3与deep lab v3+的区别
6、深度可分离卷积介绍，输入输出，channel数
7、为什么mobile net要用深度可分离卷积
8、数据集imbalance如何处理
9、常见的图像分割损失函数
10、iou能作为损失函数吗
11、linux 下shell命令行开发熟悉吗
12、组里以发论文为主，写论文的意愿
13、相机内外参
14、现在大几，可实习到什么时候
15、希望自驱性比较高

三面(hr面)
因为是日常实习岗不是校招所以没有...

总结
二次面试过程中我都有些太随意了，有过一些打断面试小姐姐说话的举动，谢谢说的比较少，中间不舒服还活动了下嗓子...还好问的问题比较简单最后过了。

E. 百度面试：如何用Redis实现限流

限流是高并发系统中重要的功能，旨在维持系统稳定性和可用性。其核心在于对数据流量、请求频率或资源消耗进行有计划的限制。限流能有效避免系统负载过高，防止性能下降或崩溃，确保服务质量。

常见的限流算法包括计数器算法、滑动窗口算法和令牌桶算法。计数器算法通过维持一个计数器并设置过期时间来限制请求，但存在突刺问题。滑动窗口算法利用有序集合存储请求时间，通过窗口内请求数量判断是否限流。令牌桶算法通过定时任务在Redis中添加令牌，程序通过获取令牌执行操作。

使用Redis实现限流具有灵活性和高性能的优点，但也存在一些挑战，如并发控制和资源管理。微服务中选择限流策略需考虑整体架构、性能需求以及分布式环境下的协调问题。此外，Redis在大规模场景下的扩展性和一致性问题也需要特别关注。

本文详细介绍了使用Redis实现限流的三种常见算法，并探讨了每种算法的特点及其适用场景。通过实践代码示例，读者能够更好地理解限流实现的细节。同时，课后思考部分引导读者思考使用Redis限流的优缺点，以及为何在微服务环境中可能不选择Redis作为限流工具。

本文内容已整理至www.javacn.site面试小站，涵盖Redis、JVM、并发、MySQL、Spring、Spring Boot、Spring Cloud、MyBatis、设计模式、消息队列等模块，旨在帮助开发者深入理解并应用这些技术。