update
This commit is contained in:
nonstriater
+119
@@ -0,0 +1,119 @@
|
||||
|
||||
|
||||
|
||||
1. 面问的主要是知识点。
|
||||
2. 面问主要考察的是设计解决方案的能力，另外辅助追问的方式，考察深度和广度，回答过程中需要列出适合的具体例子，方案还需要细致到具体的关键的函数名称，方法。
|
||||
3. 考察设计模式的理解，算法
|
||||
|
||||
|
||||
|
||||
###UI系统
|
||||
|
||||
设计一个progress bar解决方案，追问到 Core Graphic、CGPath、maskLayer。
|
||||
设计一个popup view被追问到 keyWindow、UIWindow的layer、UIView hierarchy。
|
||||
|
||||
|
||||
CALayer和View的关系
|
||||
一个UIView包含CALayer树，CALayer是一个数据模型，包含了一些用于显示的对象，但本身不用于显示。
|
||||
CALayer相当于photoshop的一个层，很多动画可以通过设置CALayer来实现。据说有人用CALayer显示图片来播放视频。
|
||||
Core animation应该是用CAlayer来实现各种动画。
|
||||
这里有篇博文，介绍的还可以http://www.cnblogs.com/uyoug321/archive/2011/01/22.html
|
||||
|
||||
|
||||
|
||||
|
||||
###消息系统
|
||||
|
||||
从设计模式的角度分析Delegate、Notification、KVO的区别。被追问到自己写的library和开源的项目中用到哪些设计模式，为什么使用，有哪些好处和坏处，现在能否改进。
|
||||
|
||||
|
||||
算是问题3的追问，设计一个方案来检测KVO的同步异步问题。willChange和 didChange的不同点，然后被追问到有没有其他地方也有类似情况，被追问到Core Data 中falut object。
|
||||
|
||||
这个是问题4的追问，设计一个KVO系统。
|
||||
|
||||
|
||||
###多线程
|
||||
Multithreading，什么时候采用Multithreading方案，以及理由。追问到系统还有哪些在后台运行的thread，
|
||||
Multithreading中常常遇到的问题，追问到死锁，优先级翻转，线程池等。
|
||||
|
||||
|
||||
|
||||
###运行时
|
||||
Objective C runtime library：这些都需要背后C一层的描述，
|
||||
Objective C的对象模型，
|
||||
block的底层实现结构，
|
||||
消息发送，消息转发，
|
||||
内存管理
|
||||
Multithreading：什么时候处理多线程，几种方式，优缺点。
|
||||
|
||||
Object c研究的比较深入的教程
|
||||
http://www.cnblogs.com/yaski/ 第6章写的尤其好
|
||||
|
||||
KVO/KVC 实现机理分析
|
||||
http://archive.cnblogs.com/a/1886332/
|
||||
|
||||
|
||||
###数据处理
|
||||
Core Data：中多线程中处理大量数据同步时的操作。
|
||||
缓存设计
|
||||
sqlite中插入特殊字符的方法和接收到处理方法。
|
||||
|
||||
|
||||
###网络部分
|
||||
asihttp代码原理 ，异步请求的原理，异步请求最大数目，为什么只能这么多？
|
||||
|
||||
|
||||
叙述TCP/UDP协议，他们的应用，TCP的三次握手，滑动窗口，超时重传;HTTP协议和COOKIE机制和一些COOKIE的问题
|
||||
http协议，tcp/ip，TCP/UDP
|
||||
|
||||
|
||||
|
||||
|
||||
### 数据结构和算法
|
||||
|
||||
C++里STL的几个库是怎么实现的
|
||||
（类似：stl有哪些容器？各个容器的区别？以及各容器的数据结构？）
|
||||
哈希表的遍历时间复杂度
|
||||
（分析：这个跟hash表的存储结构和hash函数有关）
|
||||
|
||||
|
||||
### 系统设计
|
||||
|
||||
设计一个服务器的存储模式
|
||||
大数据量缓冲服务器的架构设计
|
||||
手机汉字输入法的架构设计
|
||||
|
||||
|
||||
|
||||
### 杂谈
|
||||
简述push原理，push的证书和其它的右什么不一样？
|
||||
|
||||
|
||||
内存寻址方式，
|
||||
寄存器直接寻址
|
||||
基址寻址：方便访问k条记录
|
||||
基址+变址寻址：访问一条记录的字段
|
||||
|
||||
|
||||
|
||||
比较32位平台和64位平台不同
|
||||
内存寻址空间变大
|
||||
基本数据类型的长度也会有些变化（long ，longlong， ptr）
|
||||
|
||||
|
||||
iphone app为什么会被打回来，如何避免??
|
||||
1） 阅读文档
|
||||
2） 看别人被拒的原因，吸取教训
|
||||
|
||||
|
||||
为啥离开团队？
|
||||
在小团队里面工作，虽然比较有机会复杂整个项目，有很多的决策权，如项目框架选型，规范等
|
||||
“格局” “要求”
|
||||
当然，我也希望自己身边有一堆牛人，相互学习啦
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
+106
-41
@@ -16,34 +16,6 @@
|
||||
|
||||
|
||||
|
||||
### 快速排序
|
||||
|
||||
|
||||
递归一次，pivot 左边都比它小，右边都比它大。这是递归，分治的思想。
|
||||
|
||||
对 A[p...r] :
|
||||
1. 分解：A[p..q-1] A[q+1..r],使得 A[p...q-1]<A[q]<A[q+1..r]
|
||||
2. 解决：递归调用 快排，，对子数组A[p..q-1],A[q+1..r]排序
|
||||
3. 合并（子问题相互独立的，因此用分治算法就可以了）
|
||||
|
||||
具体步骤：
|
||||
|
||||
1. 从数列中选择一个元素，作为基准 pivot。通常去分区的第一个或最后一个
|
||||
2. 重排数列，比 pivot 小得排左边，比pivot大的排右边，相等的随便。 一句话就是`挖坑填数`
|
||||
3. 递归的，使用相同的方式，重排左右两边的子序列
|
||||
|
||||
扫描过程分2种：
|
||||
1. 挖坑排序，2头向中间扫描，先从后向前找，再从前向后找。
|
||||
2. 单向扫描
|
||||
|
||||
|
||||
平均复杂度 O(n*logn) ，
|
||||
最坏O(n^2)
|
||||
空间复杂度
|
||||
|
||||
快速排序是对冒泡排序的改进，划分交换排序。
|
||||
|
||||
|
||||
|
||||
### 冒泡排序
|
||||
|
||||
@@ -65,25 +37,88 @@
|
||||
5. 重复2
|
||||
|
||||
最坏的情况： 待排序的是一个逆序排放的数组，这样导致每一轮都要移动元素；此时复杂度是是0(n^2)
|
||||
最好的情况： 待排序的是一已经顺序排放的数字，此时只需要做一轮比较就够了 0（n）
|
||||
最好的情况： 待排序的是一已经顺序排放的数字，此时只需要做一轮比较就够了 0（n）。因此可以看到，对大部分数据已经有序这样的数组排序，使用`插入排序`非常有优势
|
||||
|
||||
空间复杂度O（1）
|
||||
|
||||
|
||||
### 希尔排序
|
||||
|
||||
### 归并排序merge
|
||||
递减增量排序算法，对`插入排序`的改进，实质是分组插入排序，又叫`缩小增量排序`
|
||||
|
||||
分治算法
|
||||
1. 先将待排数列分割成若干子序列（增量为m)
|
||||
2. 对每个子序列使用`插入排序`
|
||||
3. 减小增量，再排序
|
||||
4. 对全体元素做一次`插入排序`
|
||||
|
||||
2个有序数组的合并操作是O(n)的复杂度
|
||||
因此我们可以将无序的数组，分成2个子数组分别排序，然后再merge,依次类推
|
||||
`希尔排序`提升排序的奥秘就在于`数据元素越有序，使用插入排序效率越高`
|
||||
|
||||
归并排序的步骤
|
||||
1. 分解 ， 将一个数组分成2个子数组
|
||||
2. 解决 ， 将2个子数组都排好序，然后 merge 2个有序数组
|
||||
3. 合并
|
||||
### 快速排序
|
||||
|
||||
|
||||
递归一次，pivot 左边都比它小，右边都比它大。这是递归，分治的思想。
|
||||
|
||||
对 A[p...r] :
|
||||
1. 分解：A[p..q-1] A[q+1..r],使得 A[p...q-1]<A[q]<A[q+1..r]
|
||||
2. 解决：递归调用 快排，，对子数组A[p..q-1],A[q+1..r]排序
|
||||
3. 合并（子问题相互独立的，因此用分治算法就可以了）
|
||||
|
||||
具体步骤：
|
||||
|
||||
1. 从数列中选择一个元素，作为基准 pivot。通常取分区的第一个或最后一个
|
||||
2. 重排数列，比 pivot 小得排左边，比pivot大的排右边，相等的随便。 一句话就是`挖坑填数`
|
||||
3. 递归的，使用相同的方式，重排左右两边的子序列
|
||||
|
||||
扫描过程分2种：
|
||||
1. 挖坑排序，2头向中间扫描，先从后向前找，再从前向后找。
|
||||
2. 单向扫描
|
||||
|
||||
void quicksort(int *a, int left, int right){
|
||||
if (left<right)//加上这个，不然有死循环，造成堆栈溢出，这也是递归结束条件
|
||||
{
|
||||
int i = partion(a,left,right);//使得局部有序，i作为分隔
|
||||
quicksort(a,left,i-1);
|
||||
quicksort(a,i+1,right);
|
||||
}
|
||||
}
|
||||
|
||||
// 挖坑填数，2边向中间扫描
|
||||
int partion(int *a, int start,int end){
|
||||
int i=start,j=end;
|
||||
int tmp = a[i]; // 这里要做越界检查
|
||||
while(i<j){
|
||||
// 从后向前扫描，找到第一个小于tmp的值，来填a[i]
|
||||
while(i<j && a[j]>=tmp){
|
||||
j--;
|
||||
}
|
||||
if (i<j)//找到了,这时候a[j]为坑
|
||||
{
|
||||
a[i++] = a[j];
|
||||
}
|
||||
// 从左向右扫描，找一个大于 tmp的 数， 去填坑a[j]
|
||||
while(i<j && a[i]<tmp){
|
||||
i++;
|
||||
}
|
||||
if (i<j)
|
||||
{
|
||||
a[j++]=a[i];
|
||||
}
|
||||
}
|
||||
//扫描完成后，i==j
|
||||
a[i]=tmp;
|
||||
return i;
|
||||
}
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
平均复杂度 O(n*logn) ，
|
||||
最坏O(n^2)
|
||||
空间复杂度
|
||||
|
||||
快速排序是对冒泡排序的改进，划分交换排序。
|
||||
|
||||
|
||||
|
||||
### 堆排序
|
||||
@@ -107,7 +142,7 @@
|
||||
插入：都是插入到数组最后，然后再调整满足堆次序
|
||||
删除：删除总是发生在 A[0]处，也就是只删除根节点
|
||||
|
||||
这样难怪`堆`被称为 `优先队列`。插入和删除分别在 数组尾部和 头部，只是需要再次调整以满足堆次序。
|
||||
这样难怪`堆`被称为 `优先队列`。插入和删除分别在 数组尾部和头部，只是需要再次调整以满足堆次序。
|
||||
|
||||
`堆`的应用场景有：
|
||||
优先队列 如iOS中的NSOperationQueue 就是维护一个优先队列
|
||||
@@ -126,14 +161,44 @@
|
||||
堆排序主要时间花在建堆期间和`堆化数组`，找数列中最大树只需要O(1)时间复杂度
|
||||
|
||||
|
||||
void heap_sort(int *a, int length){
|
||||
// 建立堆 大根堆，递增排序
|
||||
heap_build(a,length);
|
||||
for (int i = length-1; i >0; --i)
|
||||
{
|
||||
//交换
|
||||
heap_swop(&a[0],&a[i]);
|
||||
//调整
|
||||
heap_adjust(a,i);
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
推排序还可以用来求 top-K 大(小)的问题。
|
||||
|
||||
|
||||
|
||||
### 希尔排序
|
||||
### 归并排序merge
|
||||
|
||||
分治算法，必然用到递归
|
||||
|
||||
2个有序数组的合并操作是O(n)的复杂度
|
||||
因此我们可以将无序的数组，分成2个子数组分别排序，然后再merge,依次类推
|
||||
|
||||
归并排序的步骤
|
||||
1. 分解 ， 将一个数组分成n/2个子数组,每个序列2个元素，(2路归并)
|
||||
2. 解决 ， 将各个子数组都排好序，然后 merge 2个有序数组
|
||||
3. 合并
|
||||
|
||||
if (length>1)
|
||||
{
|
||||
merge_sort(a,length/2);
|
||||
merge_sort(a+length/2,length-length/2);
|
||||
merge_array(a,length/2,a+length/2,length-length/2);
|
||||
}
|
||||
|
||||
|
||||
|
||||
递减增量排序算法，对`插入排序`的改进
|
||||
|
||||
|
||||
### 小结
|
||||
@@ -146,7 +211,7 @@
|
||||
|
||||
## 3种线性排序算法
|
||||
|
||||
上面的算法都是基于比较的排序，时间复杂度最好也是 NlogN.
|
||||
上面的算法都是基于比较的排序，时间复杂度最好也是 NlogN.而非基于比较的排序，可以突破NlogN的时间下限。当然，非比较的排序，也是需要有一些限定条件的。
|
||||
|
||||
|
||||
### 桶排序 bucket sort
|
||||
|
||||
+65
-22
@@ -126,17 +126,6 @@ void quicksort(int *a, int left, int right){
|
||||
}
|
||||
|
||||
|
||||
// 归并排序
|
||||
|
||||
void merge_sort(int *a, int length){
|
||||
|
||||
|
||||
|
||||
|
||||
}
|
||||
|
||||
|
||||
|
||||
// 堆排序
|
||||
|
||||
void heap_swop(int *a,int *b){
|
||||
@@ -210,34 +199,88 @@ void heap_sort(int *a, int length){
|
||||
{
|
||||
//交换
|
||||
heap_swop(&a[0],&a[i]);
|
||||
|
||||
//调整
|
||||
heap_adjust(a,i);
|
||||
}
|
||||
|
||||
}
|
||||
|
||||
|
||||
|
||||
// 归并排序
|
||||
|
||||
// 合并2个有序数组,分配一个临时空间，装a，b的结果，最后，将合并结果拷贝到数组A，是否临时空间
|
||||
void merge_array(int *a,int size_a,int *b, int size_b){
|
||||
|
||||
|
||||
int *tmp = malloc( (size_a+size_b)*sizeof(int) );
|
||||
int i,j,k;
|
||||
i=j=k=0;
|
||||
|
||||
while(i<size_a && j<size_b){
|
||||
|
||||
tmp[k++] = (a[i]>b[j])?b[j++]:a[i++];
|
||||
}
|
||||
|
||||
while(i<size_a){
|
||||
|
||||
tmp[k++]=a[i++];
|
||||
}
|
||||
|
||||
while(j<size_b){
|
||||
|
||||
tmp[k++]=b[j++];
|
||||
}
|
||||
|
||||
for (int p = 0; p < k; ++p)
|
||||
{
|
||||
a[p] = tmp[p];
|
||||
}
|
||||
|
||||
free(tmp);
|
||||
|
||||
}
|
||||
|
||||
|
||||
void merge_sort(int *a, int length){
|
||||
|
||||
|
||||
if (length>1)
|
||||
{
|
||||
|
||||
merge_sort(a,length/2);
|
||||
merge_sort(a+length/2,length-length/2);
|
||||
|
||||
merge_array(a,length/2,a+length/2,length-length/2);
|
||||
}
|
||||
|
||||
|
||||
|
||||
}
|
||||
|
||||
|
||||
///////////////////////////////////////////////
|
||||
|
||||
|
||||
#define Max_Number 50
|
||||
#define Max_Number 5000
|
||||
|
||||
int main(){
|
||||
|
||||
int a[] = {4,87,2,32,5,2,9,49,49,23,45,2,41};
|
||||
// 准备5000个数
|
||||
// int a[Max_Number];
|
||||
// for (int i = 0; i < Max_Number; ++i)
|
||||
// {
|
||||
// a[i]=rand()%Max_Number;
|
||||
// }
|
||||
//int a[] = {4,87,2,32,5,2,9,49,49,23,45,2,41};
|
||||
//准备5000个数
|
||||
int a[Max_Number];
|
||||
for (int i = 0; i < Max_Number; ++i)
|
||||
{
|
||||
a[i]=rand()%Max_Number;
|
||||
}
|
||||
|
||||
clock_t start,finish;
|
||||
|
||||
|
||||
|
||||
start = clock();
|
||||
heap_sort(a,sizeof(a)/sizeof(int)); // 有buggggggg
|
||||
merge_sort(a,sizeof(a)/sizeof(int)); // 0.002s,可以看到，归并排序还是很快的
|
||||
//heap_sort(a,sizeof(a)/sizeof(int)); // 有buggggggg
|
||||
//quicksort(a,0,sizeof(a)/sizeof(int)-1); // 0.01s
|
||||
//insert_sort(a,sizeof(a)/sizeof(int)); // 3.85s
|
||||
//select_sort(a,sizeof(a)/sizeof(int)); // 5.3s
|
||||
@@ -249,7 +292,7 @@ int main(){
|
||||
{
|
||||
printf(" %d ",a[i]);
|
||||
}
|
||||
printf("time eclipse: %.4f sec\n", (double)(finish-start)/CLOCKS_PER_SEC); // CLOCKS_PER_SEC 1000 clock()是毫秒
|
||||
printf("time eclipse: %.6f sec\n", (double)(finish-start)/CLOCKS_PER_SEC); // CLOCKS_PER_SEC 1000 clock()是毫秒
|
||||
|
||||
return 0;
|
||||
}
|
||||
|
||||
+18
-14
@@ -105,6 +105,24 @@ int div(const int x, const int y)
|
||||
|
||||
|
||||
|
||||
|
||||
求两个或N个数的最大公约数和最小公倍数。
|
||||
|
||||
|
||||
|
||||
|
||||
大整数乘法（或 大整数阶乘）
|
||||
请使用代码计算1234567891011121314151617181920*2019181716151413121110987654321 。
|
||||
|
||||
1. 注意结果可能超出长整形的最大范围 2^64-1
|
||||
2. 采用分治算法，将大整数相乘转换为小整数计算
|
||||
|
||||
规律分析：
|
||||
任意位数的整数相乘，最终都可以转化为2位数相乘
|
||||
|
||||
|
||||
|
||||
|
||||
两个数相乘，小数点后位数没有限制，请写一个高精度算法
|
||||
|
||||
|
||||
@@ -122,20 +140,6 @@ int div(const int x, const int y)
|
||||
|
||||
|
||||
|
||||
求两个或N个数的最大公约数和最小公倍数。
|
||||
|
||||
|
||||
大整数乘法（或 大整数阶乘）
|
||||
请使用代码计算1234567891011121314151617181920*2019181716151413121110987654321 。
|
||||
|
||||
1. 注意结果可能超出长整形的最大范围 2^64-1
|
||||
2. 采用分治算法，将大整数相乘转换为小整数计算
|
||||
|
||||
规律分析：
|
||||
任意位数的整数相乘，最终都可以转化为2位数相乘
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
@@ -19,6 +19,13 @@ A说不知道，B说不知道，C说不知道，然后A说知道了。
|
||||
如果用程序，又怎么实现呢？
|
||||
|
||||
|
||||
有A、B、C、D四个人，要在夜里过一座桥。他们通过这座桥分别需要耗时1、2、5、10分钟，只有一支手电，并且同时最多只能两个人一起过桥。请问，如何安排，能够在17分钟内这四个人都过桥？
|
||||
|
||||
|
||||
|
||||
有12个小球,外形相同,其中一个小球的质量与其他11个不同，给一个天平,问如何用3次把这个小球找出来，并且求出这个小球是比其他的轻还是重
|
||||
|
||||
|
||||
|
||||
|
||||
27.跳台阶问题
|
||||
|
||||
Reference in New Issue
Block a user