华为OD的职级与薪资。

最新推荐文章于 2025-03-24 10:58:50 发布

程序员苍何

最新推荐文章于 2025-03-24 10:58:50 发布

阅读量5.1k

点赞数 16

分类专栏：程序人生文章标签：华为od

本文链接：https://blog.csdn.net/qq_43270074/article/details/145204261

版权

程序人生专栏收录该内容

67 篇文章

订阅专栏

大家好，我是苍何。

离谱，以前我看不上外包，现在外包看不上我！

这是不少读者给反馈的消息，华为 OD 打开了外包新世界的大门，什么薪资，什么年终奖，什么转正，该有的通通给你满足。

除了那不值一提的「外包」字眼，其他都值得一提。

D1对应华为的13级，薪资中位数在9k-13k之间。
D2对应华为的14级，薪资中位数在13k-17k之间。
D3对应华为的15级，薪资中位数在17k-21k之间。
D4对应华为的16级，薪资中位数在21k-25k之间。
D5对应华为的17级，薪资中位数在25k-32k之间

华为 OD 薪资除了基本的 base 薪资，还有绩效工资和年终奖。

除此之外，OD 也是有加班费的，加班工资为平时工资的两倍，但每个月的最后一个星期六默认需要加班，若不参加需要额外请假。

带薪年假、夜宵、班车、加班打车报销等福利等福利也和正式员工一样。

那很多人就问，这样说和华为正式编有啥区别啊？

区别还是有的，首先 OD 从性质上就是个外包，薪资普遍低于同等级别的正式员工。

例如，以14级为例，正式员工的基本工资通常在20k以上，而OD员工的薪资则在13k-17k之间

此外，OD员工的绩效奖金可能比正式员工少一些，OD 年终奖的范围在 2~4 个月。

为什么少些？OD 不是跟华为签订的劳动合同，而是其他公司，比如外企德科这样的人力公司，华为还得给人家企业钱呢，所以到你手里自然而然变少。

很多人关心 OD 的转正机会，硬性条件比如你要绩效A 吧，你得至少干满一年吧，你还得被华为高度认可才行。

有没有机会，机会还是有的，那得靠自己的努力和运气在了。

不过，从综合来看，OD 比一些中小厂薪资好少不少了，如果没有更好的选择，OD 或许可以解决燃眉之急吧。

对此，你怎么看，「新式外包」你心动了吗？欢迎评论区讨论。

…

回归主题。

今天来一道华为 OD 考过的面试算法题，给枯燥的牛马生活加加油😂。

《RocketMQ 从入门到精通》原创电子书免费下载（面试必背）
面试官看了就喜欢的简历模板免费下载！
PmHub-开源项目-助你拿个好 offer。

题目描述

平台：LeetCode

题号：219

题目名称：存在重复元素 II

给你一个整数数组 nums 和一个整数 k，判断数组中是否存在两个 不同的索引 i 和 j，满足 nums[i] == nums[j] 且 abs(i - j) <= k。如果存在，返回 true；否则，返回 false。

示例 1：

输入:

nums = [1,2,3,1], k = 3

输出:

true

示例 2：

输入:

nums = [1,0,1,1], k = 1

输出:

true

示例 3：

输入:

nums = [1,2,3,1,2,3], k = 2

输出:

false

提示：

1 <= nums. length <= 10^5
-10^9 <= nums[i] <= 10^9
0 <= k <= 10^5

解题思路

这道题目要求在数组中查找满足一定条件的两个元素。具体来说，元素值相同且索引差值不超过 k。

我们可以使用哈希表（字典）来记录每个元素上次出现的索引。遍历数组时，对于当前元素 nums[i]：

如果该元素已经存在于哈希表中，并且满足当前索引 i 与之前出现的索引差值不超过 k，则返回 true。
如果条件不满足，更新哈希表，将该元素的索引更新为当前索引。

如果遍历结束后没有找到符合条件的元素对，则返回 false。

复杂度分析：

时间复杂度：O (n)，其中 n 是数组的长度。我们遍历一次数组，每次操作哈希表的时间复杂度为均摊 O (1)。
空间复杂度：O (n)，哈希表在最坏情况下需要存储 n 个元素。

代码实现

Java 代码：

import java.util.HashMap;

public class Solution {
    public boolean containsNearbyDuplicate(int[] nums, int k) {
        // 创建一个哈希表存储数字和对应的索引
        HashMap<Integer, Integer> map = new HashMap<>();
        for (int i = 0; i < nums.length; i++) {
            // 检查当前数字是否在哈希表中，且索引差值是否不超过 k
            if (map.containsKey(nums[i]) && i - map.get(nums[i]) <= k) {
                return true;
            }
            // 更新哈希表中的当前数字的索引
            map.put(nums[i], i);
        }
        return false;
    }
}

C++ 代码：

#include <unordered_map>
#include <vector>
using namespace std;

class Solution {
public:
    bool containsNearbyDuplicate(vector<int>& nums, int k) {
        // 创建一个哈希表存储数字及其索引
        unordered_map<int, int> map;
        for (int i = 0; i < nums.size(); i++) {
            // 如果当前数字存在且满足索引差值不超过 k
            if (map.find(nums[i]) != map.end() && i - map[nums[i]] <= k) {
                return true;
            }
            // 更新哈希表
            map[nums[i]] = i;
        }
        return false;
    }
};

Python 代码：

def contains_nearby_duplicate(nums, k):
    # 创建一个哈希表存储数字和索引
    num_map = {}
    for i, num in enumerate(nums):
        # 如果当前数字存在于哈希表且索引差值不超过 k
        if num in num_map and i - num_map[num] <= k:
            return True
        # 更新哈希表
        num_map[num] = i
    return False

# 示例调用
nums = [1, 2, 3, 1]
k = 3
print(contains_nearby_duplicate(nums, k))  # 输出: True