总结
我最近从朋友那里收集到了2020-2021BAT 面试真题解析，内容很多也很系统，包含了很多内容：Android 基础、Java 基础、Android 源码相关分析、常见的一些原理性问题等等，可以很好地帮助大家深刻理解Android相关知识点的原理以及面试相关知识。
这份资料把大厂面试中常被问到的技术点整理成了PDF，包知识脉络 + 诸多细节；还有 高级架构技术进阶脑图 帮助大家学习提升进阶，也节省大家在网上搜索资料的时间来学习，也可以分享给身边好友一起学习。
这里也分享给广大面试同胞们，希望每位程序猿们都能面试成功~
Android 基础知识点
Java 基础知识点
Android 源码相关分析
常见的一些原理性问题
腾讯、字节跳动、阿里、百度等BAT大厂 2019-2020面试真题解析
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
三、面试问题解决
1、海量日志数据，提取出某日访问百度次数最多的那个IP。
算法思想： 分而治之+Hash
①.IP地址最多有2^32=4G种取值情况，所以不能完全加载到内存中处理； ②.可以考虑采用“分而治之”的思想，按照IP地址的Hash(IP)%1024值，把海量IP日 志分别存储到1024个小文件中。这样，每个小文件最多包含4MB个IP地址；
③.对于每一个小文件，可以构建一个IP为key，出现次数为value的Hash map，同时 记录当前出现次数最多的那个IP地址；
④.可以得到1024个小文件中的出现次数最多的IP，再依据常规的排序算法得到总体 上出现次数最多的IP；
2丶搜索引擎会通过日志文件把用户每次检索使用的所有检索串 都记录下来，每个查询串的长度为1-255字节。假设目前有一千 万个记录（这些查询串的重复度比较高，虽然总数是1千万，但 如果除去重复后，不超过3百万个。一个查询串的重复度越高， 说明查询它的用户越多，也就是越热门。），请你统计最热门的 10个查询串，要求使用的内存不能超过1G。
可以在内存中处理，典型的Top K算法
算法思想： hashmap+堆
①.先对这批海量数据预处理，在O（N）的时间内用Hash表完成统计；
②.借助堆这个数据结构，找出Top K，时间复杂度为O(N*logK)。 或者：采用trie树，关键字域存该查询串出现的次数，没有出现为0。最后用10个元 素的最小推来对出现频率进行排序。
3、有一个1G大小的一个文件，里面每一行是一个词，词的大小 不超过16字节，内存限制大小是1M。返回频数最高的100个词。
算法思想： 分而治之 + hash统计 + 堆排序
①.顺序读文件中，对于每个词x，取hash(x)%5000，然后按照该值存到5000个小文 件（记为x0,x1,…x4999）中。这样每个文件大概是200k左右。如果其中的有的文件 超过了1M大小，还可以按照类似的方法继续往下分，直到分解得到的小文件的大小 都不超过1M。
②.对每个小文件，采用trie树/hash_map等统计每个文件中出现的词以及相应的频 率。
③.取出出现频率最大的100个词（可以用含100个结点的最小堆）后，再把100个词 及相应的频率存入文件，这样又得到了5000个文件。最后就是把这5000个文件进 行归并（类似于归并排序）的过程了。
4、有10个文件，每个文件1G，每个文件的每一行存放的都是用 户的query，每个文件的query都可能重复。要求你按照query的 频度排序。
方案1：算法思想：分而治之 + hash统计 + 堆排序
顺序读取10个文件，按照hash(query)%10的结果将query写入到另外10个文件中。 这样新生成的文件每个的大小大约也1G，大于1G继续按照上述思路分。
找一台内存在2G左右的机器，依次对用hash_map(query, query_count)来统计每个 query出现的次数。利用快速/堆/归并排序按照出现次数进行排序。将排序好的 query和对应的query_cout输出到文件中。这样得到了10个排好序的文件（记 为）。
对这10个文件进行归并排序（内排序与外排序相结合）。
方案2： 算法思想：hashmap+堆
一般query的总量是有限的，只是重复的次数比较多而已，可能对于所有的query， 一次性就可以加入到内存了。这样，我们就可以采用trie树/hash_map等直接来统计 每个query出现的次数，然后按出现次数做快速/堆/归并排序就可以了。
5、 给定a、b两个文件，各存放50亿个url，每个url各占64字 节，内存限制是4G，让你找出a、b文件共同的url
方案1： 可以估计每个文件安的大小为5G×64=320G，远远大于内存限制的4G。所 以不可能将其完全加载到内存中处理。考虑采取分而治之的方法。
算法思想： 分而治之 + hash统计
遍历文件a，对每个url求取hash(url)%1000，然后根据所取得的值将url分别存储到 1000个小文件（记为a0,a1,…,a999）中。这样每个小文件的大约为300M。
遍历文件b，采取和a相同的方式将url分别存储到1000小文件（记为 b0,b1,…,b999）。这样处理后，所有可能相同的url都在对应的小文件 （a0vsb0,a1vsb1,…,a999vsb999）中，不对应的小文件不可能有相同的url。然后 我们只要求出1000对小文件中相同的url即可。
求每对小文件中相同的url时，可以把其中一个小文件的url存储到hash_set中。然后 遍历另一个小文件的每个url，看其是否在刚才构建的hash_set中，如果是，那么就 是共同的url，存到文件里面就可以了。
方案2： 如果允许有一定的错误率，可以使用Bloom filter，4G内存大概可以表示 340亿bit。将其中一个文件中的url使用Bloom filter映射为这340亿bit，然后挨个读 取另外一个文件的url，检查是否与Bloom filter，如果是，那么该url应该是共同的 url（注意会有一定的错误率）。
6、在2.5亿个整数中找出不重复的整数，注，内存不足以容纳这 2.5亿个整数。
采用2-Bitmap（每个数分配2bit，00表示不存在，01表示出现一次，10表示多次， 11无意义）进行，共需内存2^32 * 2 bit=1 GB内存，还可以接受。然后扫描这2.5亿 个整数，查看Bitmap中相对应位，如果是00变01，01变10，10保持不变。所描完 事后，查看bitmap，把对应位是01的整数输出即可。
7、给40亿个不重复的unsigned int的整数，没排过序的，然后 再给一个数，如何快速判断这个数是否在那40亿个数当中？
方案1： 申请512M的内存，一个bit位代表一个unsigned int值。读入40亿个数，设 置相应的bit位，读入要查询的数，查看相应bit位是否为1，为1表示存在，为0表示 不存在。
方案2： 因为2^32为40亿多，所以给定一个数可能在，也可能不在其中；
这里我们把40亿个数中的每一个用32位的二进制来表示
假设这40亿个数开始放在一个文件中。
然后将这40亿个数分成两类:
1.最高位为0
2.最高位为1
并将这两类分别写入到两个文件中，其中一个文件中数的个数<=20亿，而另一个 >=20亿（这相当于折半了）；
与要查找的数的最高位比较并接着进入相应的文件再查找
再然后把这个文件为又分成两类:
1.次最高位为0
2.次最高位为1
并将这两类分别写入到两个文件中，其中一个文件中数的个数<=10亿，而另一个 >=10亿（这相当于折半了）；
与要查找的数的次最高位比较并接着进入相应的文件再查找。
… 以此类推，就可以找到了。
（顺手留下GitHub链接，需要获取相关面试等内容的可以自己去找）
https://github.com/xiangjiana/Android-MS
(VX：mm14525201314)
PDF和源码获取
重要知识点
下面是有几位Android行业大佬对应上方技术点整理的一些进阶资料。
高级进阶篇——高级UI，自定义View（部分展示）
UI这块知识是现今使用者最多的。当年火爆一时的Android入门培训，学会这小块知识就能随便找到不错的工作了。不过很显然现在远远不够了，拒绝无休止的CV,亲自去项目实战，读源码，研究原理吧！
- 面试题部分合集
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
ps://bbs.csdn.net/topics/618156601)**
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
扫一扫
923
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
