想來字節做研發，可以先看我這三年的體會和建議。

大家好，我是白露啊。

今天和大家分享一個真實的故事，是關于字節網友分享自己三年的工作經歷和感受。

由于白露也曾在字節待過兩年，可以說，說的都對。

你有沒有想過來字節跳動做研發？如果你有這個想法，那么不妨先看看，或許可以為你提供一些參考。

---

當我還沒來字節的時候，“字節一年，人間三年”這句話就耳熟能詳。

盡管身邊對字節的評價褒貶不一，但我始終相信，“實踐是檢驗真理的唯一標準”。

于是，經過一番思考，我決定接受挑戰，來到這個充滿機遇和未知的公司。轉眼三年過去了，我有許多感受和你們分享。

新人Landing

很多人會認為字節對新人的友好度不夠，但我的體驗確大不相同。

入職的第一天，你不會立馬陷入忙碌的工作中，通常會給新人一到兩周，甚至更長的時間去熟悉團隊的各項需求開發和質量管理流程。

在新人階段，很多人（包括我自己）都會遇到不理解的業務邏輯，再加上文檔不全，這時你可能會感到迷茫，不知道該找誰咨詢，甚至覺得提問會難為情。

我的建議是，善用搜索，學會思考，大膽提問。無論是mentor還是不認識的同事，大都會樂于幫忙。

業務和個人成長

字節的一個特點就是始終保持創業精神，擁抱變化。很多人吐槽字節的業務變化頻繁，但其實這種變化在任何公司都是常見的。

真正重要的是，你要如何適應這些變化并在其中尋找機會。

比如最近火熱的LLM和AIGC技術，字節投入了大量資源去探索新產品和技術。

如果你覺得某個新領域讓你充滿激情，那就大膽去嘗試，把它當成一次自主創業。在字節，有很多充滿創業精神的同事，他們的經驗和激情會激勵你前進。

工作氛圍和公司文化

字節的工作氛圍和企業文化非常獨特。

這里沒有PPT文化，卻有很多有價值的飛書文檔：知識庫、技術方案……

這些文檔不僅僅是普通的工作文檔，更是一個寶藏，有許多優秀且樂于分享的同事在上面提供他們的經驗和知識，包括旅游攻略、理財思維、工作認知和行業分析。

字節的氛圍平等，沒有排資論輩的文化，沒有嚴格的上下級關系，對事不對人，更注重結果。與優秀的人合作，做有挑戰的事，極大地擴展了我的視野和知識。

我的建議

如果我需要對初入職場的你提幾點建議，我會說：技術實力是基本功，但清晰的表達和強大的共情能力，更是能提高溝通效率、事倍功半的利器。

技術實力主要靠自身打磨，無論在工作中，還是工作外，不能拉下。技術沒有上限，要有自信，大多數情況下，掌握的知識足以應對工作內容，但如果想要把工作做得更好，必須多花時間和精力思考。

至于清晰的表達和共情能力，這些軟實力在工作中同樣重要。在與團隊成員和其他協作方合作時，清晰的表達能提高效率，而良好的共情能力，能站在他人角度思考問題，在邊界區域主動了解他人的工作內容，更有利于事情的推進。

Ending

紙上得來終覺淺，絕知此事要躬行。

字節跳動是一個充滿機遇和挑戰的地方，從白露自身的的體驗來看，如果你是一個很樂于挑戰的同學，那么十分適合加入字節。

我說一些其他的，在字節：

• 字節確實很值得去，很鍛煉人，也能學到好多東西。我有學弟朋友一年從1-2升職到2-1，和他對接的人都不敢相信他是一個校招生。
• 字節是一個很大的平臺，有眾多業務線：短視頻、信息流、電商、生活服務……干就完了！
• 字節一年，工作三年。是真的。

希望這篇文章能給你帶來一些新的視角和啟發，無論是對于職業規劃，還是對企業文化的理解。未來，我們將繼續分享更多有趣且有潛力的公司和人物。大家有任何問題或想法，歡迎在評論區和我討論分享~

簡單的場景題——TopK

面試官: 同學你好，今天我們來討論一個關于大數據處理的問題。假設你有10億個數據，需要找出其中最大的10000個。你知道怎么解決這個問題嗎？

求職者: 當然。我會使用最小堆的方法來解決這個問題。具體步驟如下：

1. 先拿10000個數建堆：先從10億個數據中取出前10000個元素，構建一個最小堆。
2. 逐個添加剩余元素：然后遍歷剩下的元素，如果當前元素大于堆頂元素（堆中的最小值），則將當前元素替換堆頂，并調整堆結構使之仍然是一個最小堆。
3. 遍歷完后，堆中的10000個數就是所需的最大的10000個。

這種方法的時間復雜度是O(n log m)，其中n為數據總數（10億），m為需要找出的最大元素數量（10000）。

面試官: 那么，你能解釋一下復雜度分析嗎？為什么時間復雜度是O(n log m)？

求職者: 當然。

• 建立初始堆：從前10000個數建立一個最小堆，時間復雜度是O(m)，其中m是10000。
• 遍歷剩余數據：對于每個剩余的數據，都要進行一次比較和可能的堆調整。比較操作是O(1)，堆調整是O(log m)。

所以總的時間復雜度是O(n - m) * O(log m)，簡化后就是O(n log m)。

面試官: 很好。那么，如果內存受限，你會怎么優化這個方法呢？

求職者: 如果內存受限，可以使用Hash方法將數據劃分成多個partition，每個partition交給一個線程處理。線程的處理邏輯仍然是使用最小堆。最后由一個線程將結果進行歸并。

具體步驟如下：

1. 數據劃分：將數據按照Hash方法劃分成n個partition。
2. 多線程處理：每個線程處理一個partition，使用最小堆找出每個partition中的最大10000個數。
3. 結果歸并：最后一個線程將所有partition的結果進行歸并，得到最終的最大10000個數。

面試官: 那么，這種方法的瓶頸在哪里？你會怎么進一步優化？

求職者: 這種方法的瓶頸在于數據傾斜，即每個線程的處理速度可能不同，快的線程需要等待慢的線程，導致最終的處理速度取決于最慢的線程。

為了解決這個問題，可以將數據劃分成c × n個partition（c > 1），每個線程處理完當前partition后主動取下一個partition繼續處理，直到所有數據處理完畢，最后由一個線程進行歸并。

這樣可以均衡負載，提高整體處理速度。

面試官: 很好。最后一個問題，如果數據中含有較多重復值，你會怎么處理？

求職者: 如果數據中含有較多重復值，可以先進行去重操作，然后再進行后續處理。去重的方法可以使用Hash或者依圖法。這樣可以大大減少需要處理的數據量，提高整體的處理效率。

面試官: 很好，今天的面試就到這里了，感謝你的回答。我們會盡快通知你結果。祝你好運！

參考原文:https://offernow.cn