字节跳动再次加码！大厂之间也开始卷起来了！

本文链接：https://blog.csdn.net/codenav/article/details/144031268

大家好！我是鸭鸭。

昨天字节跳动又发了一封全员信。

临近年终，各家公司裁员新闻不断的时候，字节反而要加码年终激励力度，对高绩效人才发放更多的期权。

今年年初，字节就更新过一次年终激励方式，而且字节员工之前的总包期权是按照季度归属。

这次则从 3 个方面进行了调整：

扩大计算基础，以月总包取代月薪来计算绩效期权，基数中不仅包括了原有的现金形式的月薪，还新增了总包中的期权月均价值，使得整体激励基数变得更大。
股数方面，会额外给高绩效员工增发一定比例（约 10%）。
月数方面，高绩效员工的激励月数上限有所提升。

自 2017 年以来，字节跳动每年都会为员工提供期权回购机会。最近一次回购活动就在 2024 年 10 月，回购价为每股 180.7 美元。

这一次字节的年终激励加码，给得还是很大方的，特别对绩效高的员工来说，到手的更多了。据说新方案会在 2024 年全年绩效评估中首次启用。

不过鸭鸭也看到有同学吐槽说更喜欢京东的 20 薪，还是现金香，不知道让你来选，会选哪一种呢？

……

大厂福利是真的香，如果不想只能在梦里做选择，那就快点开始刷题准备面试吧～

今天鸭鸭也为大家准备一份抖音的面经，大家也可以到面试鸭小程序里看其他大厂面经：

Java 抖音（校招）一面

做这个项目时遇到的印象比较深刻的问题

session 在 redis 中是如何存储的？

1. Redis 分布式 Session 实现用户登录的原理是什么？

Redis 有哪些数据结构？

1. Redis 中常见的数据类型有哪些？

Redis 的 Zset 底层是如何实现的？

Redis 中的 Zset 是基于跳表和哈希表实现的

跳表用于实现分值排序和高效的范围查询。
哈希表用于快速查找 member 的 score ，确保元素的唯一性。
1. 如何使用 Redis 快速实现排行榜？

操作系统中的进程和线程有何区别？

1. 线程和进程有什么区别？

为什么在设计并发时不使用进程，而是使用线程？

主要是资源和效率问题。进程的创建、切换和销毁需要较大的系统资源开销，且之间的通信相对复杂，比如管道、消息队列都需要额外的系统调用或者数据拷贝。

而线程就比较轻量级。

在项目中有哪些使用多线程的场景？

volatile 关键字的作用是什么？

1. Java 中 volatile 关键字的作用是什么？

为什么会出现一个线程更改了数据，而其他线程读不到的情况？

1. 什么是 Java 内存模型（JMM）？

ThreadLocal 的基本原理是什么？ThreadLocal 中 map 的 key 是什么？

1. Java 中的 ThreadLocal 是如何实现线程资源隔离的？
1. 为什么 Java 中的 ThreadLocal 对 key 的引用为弱引用？

算法：如何在数组中滑动窗口的过程中找出每一个窗口的最大值？

1. 滑动窗口最大值

一个系统中，记录处理用户提交的订单的耗时，得到实时流式输入的耗时数据的中位数

使用两个堆（大顶堆和小顶堆）

维护一个大顶堆和一个小顶堆。

大顶堆存储较小的一半数据，小顶堆存储较大的一半数据。

当新数据到来时：

如果大顶堆为空或者新数据小于等于大顶堆的堆顶元素，将新数据插入大顶堆；否则，将新数据插入小顶堆。

然后进行调整，使两个堆的元素数量差不超过 1。

要获取中位数：

如果两个堆的元素数量相同，中位数为两个堆顶元素的平均值；如果大顶堆的元素数量比小顶堆多 1，大顶堆的堆顶元素为中位数；反之，小顶堆的堆顶元素为中位数。

插入数据和获取中位数的时间复杂度都为 O(log n)，效率较高。

import java.util.PriorityQueue;

class MedianCalculator {

    private PriorityQueue<Integer> maxHeap; // 存储较小的一半数据
    private PriorityQueue<Integer> minHeap; // 存储较大的一半数据

    public MedianCalculator() {
        maxHeap = new PriorityQueue<>((a, b) -> b - a);
        minHeap = new PriorityQueue<>();
    }

    public void insertData(int data) {
        if (maxHeap.isEmpty() || data <= maxHeap.peek()) {
            maxHeap.offer(data);
        } else {
            minHeap.offer(data);
        }

        // 调整两个堆的大小
        if (maxHeap.size() > minHeap.size() + 1) {
            minHeap.offer(maxHeap.poll());
        } else if (minHeap.size() > maxHeap.size()) {
            maxHeap.offer(minHeap.poll());
        }
    }

    public double getMedian() {
        if (maxHeap.size() == minHeap.size()) {
            return (maxHeap.peek() + minHeap.peek()) / 2.0;
        } else if (maxHeap.size() > minHeap.size()) {
            return maxHeap.peek();
        } else {
            return minHeap.peek();
        }
    }

    public static void main(String[] args) {
        MedianCalculator calculator = new MedianCalculator();

        calculator.insertData(5);
        calculator.insertData(3);
        calculator.insertData(7);
        calculator.insertData(2);
        calculator.insertData(6);

        System.out.println("中位数: " + calculator.getMedian()); 
    }
}