有了这份程序员面试指南，你离大厂Offer还远吗？| 附推荐书籍

本篇文章，我将结合英文版的 Google 面试指南的主线，根据自己的理解对文章进行修改，然后结合自己面试国内大厂的经验给大家阐述。其实我觉得，各大公司针对程序员岗位的面试流程来讲是相对比较通用的，只是有的公司在算法（Code）环节要求会更高一些，比如 Google，Airbnb （之前也面过 Airbnb，被完虐），包括国内的头条等。 

因为这份面试指南相对比较通用，因此直接把题目从 Google 面试指南改为大厂面试指南了。下面就直接来说重点吧。

了解你投递的岗位

首先最重要的就是了解你要投递、面试的岗位具体的工作内容和职责，一般还需要了解对应 hc 的职级。一般而言，公司招聘都是一个萝卜一个坑，萝卜太大或太小都不一定合适。比如有的公司，预期是招聘 P7 级别的，但你刚毕业两三年，可能希望就不大。本来只想招聘 P6，结果来了一个 P8 的候选人肯定不合适，所以有时候面试没通过并不是候选人不够优秀，也有可能是候选人过于优秀。

这里分享一个国内部分互联网公司职级薪酬对比图，大家可以参考一下。

互联网大厂薪资对应关系，图来源：曾加@知乎

下面阐述下原文中的 Google 的 SWE 岗位。

SWE 其实就是 Software Engineer 的缩写，就是一般的码农岗位啦。Google 的 SWE 岗位根据不同的项目，可能需要参与到项目的各个流程中，比如：调研（研究），设计架构，做计划，开发测试以及发布等各个周期。

涉及到具体的产品可能需要处理大规模的数据，需要提供详细的解决方案，将具体的方案落地时可能会涉及到技术的方方面面。有点“全栈工程师”的味道。

Google 是一家技术驱动型公司，招聘各种技术人才来处理各种技术难题，影响的用户都是数千万上亿级别的。设计到的具体产品包括：AdWords，Chrome 浏览器，Android，Youtube Google 云和 Google 地图等等，Google 的工程师正在通过各种各样的技术来改变世界。

面试 Tips

在面试过程中，期望了解到候选人的思考过程，不仅仅是考察技术能力，同时也会考察候选人到底是怎么来解决具体问题的。候选人需要和面试官来回沟通确认来明确和佐证自己的观点。

在面试过程中可能会遇到一些开放式的问题。这个时候也不用紧张，可以和面试官来沟通明确具体问题的边界，一步一步来解决。

当回答一个问题的时候，候选人需要多尝试思考一些优化的方案。很多情况下，可能最开始的解法不一定是最优的。如果可能的话，在最开始回答问题的时候，可以直接先给面试官一个暴力的解法，这样方便在很短的时间之内明确你是否真的了解清楚了题意。

面试过程中，并不一定真的会在 IDE 上编译和跑通代码。但最好刻意提前在白板或者纸上联系写代码。注意要想清楚一些边界的条件，不要遗留一些明显的 bug。但不用纠结一些具体的很小语法错误，只要让面试官明确意思即可，比如不用纠结substring的参数到底是(startIndex, length) 还是 (startIndex, endIndex)。

电话面试

电话面试一般会涉及到数据结构和算法，大概也就是 20~30 行代码，你可以用你自己最熟悉的编程语言。注意代码有良好的可读性，并且足够鲁棒。

1. 你可能会被问一个很开放的问题，需要你跟面试官沟通明确问题的边界，具体的需求；

2. 问题明确后，你需要向面试官解释你的算法思路；

3. 然后需要有能力将上面的算法思路转成代码。因为时间有限，不会要求你给一个完美的解法的。可以先写出一个解法来，然后再逐步优化。注意一些边界的 case。确实在真实的面试场景中这一步就会卡掉很多人。

4. 逐步优化你的代码，自己主动写测试用例来测试解决其中的 bug。一定要自己主动多思考、自测，而不要等到面试官来提示你或者指出你的bug。在面试当中，你主动思考写测试用例会有加分的。

编码（算法）面试

• Coding: 至少用一门你熟悉的编程语言(不限，推荐 C++，Java，Python，Go 或者 C)实现给定的题目。从代码中会考察一些基本的API、面向对象的设计，编码和测试，包括各种边界条件的处理。注意会重点关注解题目过程中的理解和沟通能力，而非背诵。
• 算法: 可能会涉及到 排序/搜索/分治/动态规划/贪心/递归，具体数据结构，以及也有可能会涉及到 Dijkstra 和 A* 等算法，需要你会算法复杂度的分析。推荐你在下笔（下手）之前，最好先和面试官沟通大致思路。
• 排序: 常见的排序算法，时间/空间复杂度，各自适用的使用场景分析。例如 快排/归并/堆排序/插入/基数排序等等；知道比如在有一些特殊的场景下，可能插入排序或者基数排序会优于常见的快排、归并或者堆排序。
• 数据结构: 数组/链表/堆/栈/hash/数/二叉树等；知道具体什么算法搭配什么数据结构。
• 数学: 可能会涉及到离散数学、组合数学等。这在 Google 还相对比较常见。例如选取问题 -- N 个中选 K 个的方法等;
• 图: 有一些问题可能常常会涉及到图相关算法，例如距离，搜索，连通性，环的检测。你需要知道常见的图的表达方式(例如矩阵/邻接表)，并理解各种表达方式的优缺点。图的遍历方式 bfs/dfs 等，算法复杂度和代码实现。
• 递归: 递归和迭代的转换;

系统设计

参考资源

书籍

• Cracking the Coding Interview^[1] By: Gayle Laakmann McDowell

• Programming Interviews Exposed: Secrets to Landing Your Next Job^[2] By: John Mongan, Eric Giguere, Noah Suojanen, Noah Kindler

• Programming Pearls^[3] By:Jon Bentley

• Introduction to Algorithms^[4] By: Thomas Cormen, Charles Leiserson, Ronald Rivest, Clifford Stein

然后，我再推荐一下部分书籍，大部分确实值得仔细研读的。下图是我的部分书籍，不过说来惭愧，有好多我也没仔细读过，甚至有的都还没打开（快告诉我，我不是一个人）。不过还是想计划慢慢啃一啃的。

关于 Google

• Company - Google^[5]

• The Google story^[6]

• Life @ Google^[7]

• Google Developers^[8]

• Open Source Projects^[9]

• Github: Google Style Guide^[10]

面试准备

• How we hire^[11]

• Interviewing @ Google^[12]

• Candidate Coaching Session: Tech Interviewing^[13]

• CodeJam: Practice & Learn^[14]

• Technical Development Guide^[15]

Google Publications

• The Google File System^[16]

• Bigtable^[17]

• MapReduce^[18]

• Google Spanner^[19]

• Google Chubby^[20]

参考资料