A. Web前端崗位面試題有哪些
前端面試題匯總，基本上會有四大類問題，具體如下：
一、HTML
1、Doctype作用？嚴格模式與混雜模式如何區分？它們有何意義?
2、HTML5 為什麼只需要寫 <!DOCTYPE HTML>？
3、行內元素有哪些？塊級元素有哪些？ 空(void)元素有那些？
4、頁面導入樣式時，使用link和@import有什麼區別？
5、介紹一下你對瀏覽器內核的理解？
6、常見的瀏覽器內核有哪些？
7、html5有哪些新特性、移除了那些元素？如何處理HTML5新標簽的瀏覽器兼容問題？如何區分 HTML 和 HTML5？
8、簡述一下你對HTML語義化的理解？
9、HTML5的離線儲存怎麼使用，工作原理能不能解釋一下？
10、瀏覽器是怎麼對HTML5的離線儲存資源進行管理和載入的呢？
11、請描述一下 cookies，sessionStorage 和 localStorage 的區別？
12、iframe有那些缺點？
13、Label的作用是什麼？是怎麼用的？（加 for 或 包裹）
14、HTML5的form如何關閉自動完成功能？
15、如何實現瀏覽器內多個標簽頁之間的通信? (阿里)
16、webSocket如何兼容低瀏覽器？(阿里)
17、頁面可見性（Page Visibility）API 可以有哪些用途？
18、如何在頁面上實現一個圓形的可點擊區域？
19、實現不使用 border 畫出1px高的線，在不同瀏覽器的Quirksmode和CSSCompat模式下都能保持同一效果。
20、網頁驗證碼是幹嘛的，是為了解決什麼安全問題？
21、tite與h1的區別、b與strong的區別、i與em的區別？
二、css
1、介紹一下標準的CSS的盒子模型？與低版本IE的盒子模型有什麼不同的？
2、CSS選擇符有哪些？哪些屬性可以繼承？
3、CSS優先順序演算法如何計算？
4、CSS3新增偽類有那些？
5、如何居中div？如何居中一個浮動元素？如何讓絕對定位的div居中？
6、display有哪些值？說明他們的作用。
7、position的值relative和absolute定位原點是？
8、CSS3有哪些新特性？
9、請解釋一下CSS3的Flexbox（彈性盒布局模型）,以及適用場景？
10、用純CSS創建一個三角形的原理是什麼？
11、一個滿屏 品 字布局 如何設計?
三、常見兼容性問題？
1、li與li之間有看不見的空白間隔是什麼原因引起的？有什麼解決辦法？
2、經常遇到的瀏覽器的兼容性有哪些？原因，解決方法是什麼，常用hack的技巧 ？
3、為什麼要初始化CSS樣式。
4、absolute的containing block計算方式跟正常流有什麼不同？
5、CSS里的visibility屬性有個collapse屬性值是幹嘛用的？在不同瀏覽器下以後什麼區別？
6、position跟display、margin collapse、overflow、float這些特性相互疊加後會怎麼樣？
7、對BFC規范(塊級格式化上下文：block formatting context)的理解？
8、CSS權重優先順序是如何計算的？
9、請解釋一下為什麼會出現浮動和什麼時候需要清除浮動？清除浮動的方式
10、移動端的布局用過媒體查詢嗎？
11、使用 CSS 預處理器嗎？喜歡那個？
12、CSS優化、提高性能的方法有哪些？
13、瀏覽器是怎樣解析CSS選擇器的？
14、在網頁中的應該使用奇數還是偶數的字體？為什麼呢？
15、margin和padding分別適合什麼場景使用？
16、抽離樣式模塊怎麼寫，說出思路，有無實踐經驗？[阿里航旅的面試題]
17、元素豎向的百分比設定是相對於容器的高度嗎？
18、全屏滾動的原理是什麼？用到了CSS的那些屬性？
19、什麼是響應式設計？響應式設計的基本原理是什麼？如何兼容低版本的IE？
20、視差滾動效果，如何給每頁做不同的動畫？（回到頂部，向下滑動要再次出現，和只出現一次分別怎麼做？）
21、::before 和 :after中雙冒號和單冒號 有什麼區別？解釋一下這2個偽元素的作用。
22、如何修改chrome記住密碼後自動填充表單的黃色背景 ？
23、你對line-height是如何理解的？
24、設置元素浮動後，該元素的display值是多少？（自動變成display:block）
25、怎麼讓Chrome支持小於12px 的文字？
26、讓頁面里的字體變清晰，變細用CSS怎麼做？（-webkit-font-smoothing: antialiased;）
27、font-style屬性可以讓它賦值為「oblique」 oblique是什麼意思？
28、position:fixed;在android下無效怎麼處理？
29、如果需要手動寫動畫，你認為最小時間間隔是多久，為什麼？（阿里）
30、display:inline-block 什麼時候會顯示間隙？(攜程)
31、overflow: scroll時不能平滑滾動的問題怎麼處理？
32、有一個高度自適應的div，裡面有兩個div，一個高度100px，希望另一個填滿剩下的高度。
33、png、jpg、gif 這些圖片格式解釋一下，分別什麼時候用。有沒有了解過webp？
34、什麼是Cookie 隔離？（或者說：請求資源的時候不要讓它帶cookie怎麼做）
35、style標簽寫在body後與body前有什麼區別？
四、JavaScript
1、介紹JavaScript的基本數據類型。
2、說說寫JavaScript的基本規范？
3、JavaScript原型，原型鏈 ? 有什麼特點？
4、JavaScript有幾種類型的值？（堆：原始數據類型和 棧：引用數據類型），你能畫一下他們的內存圖嗎？
5、Javascript如何實現繼承？
6、Javascript創建對象的幾種方式？
7、Javascript作用鏈域?
8、談談This對象的理解。
9、eval是做什麼的？
10、什麼是window對象? 什麼是document對象?
11、null，undefined的區別？
12、寫一個通用的事件偵聽器函數(機試題)。
13、[「1」, 「2」, 「3」].map(parseInt) 答案是多少？
14、關於事件，IE與火狐的事件機制有什麼區別？ 如何阻止冒泡？
15、什麼是閉包（closure），為什麼要用它？
16、javascript 代碼中的」use strict」;是什麼意思 ? 使用它區別是什麼？
17、如何判斷一個對象是否屬於某個類？
18、new操作符具體幹了什麼呢?
19、用原生JavaScript的實現過什麼功能嗎？
20、Javascript中，有一個函數，執行時對象查找時，永遠不會去查找原型，這個函數是？
21、對JSON的了解？
22、[].forEach.call($$("*"),function(a){ a.style.outline="1px solid #"+(~~(Math.random()*(1<<24))).toString(16) }) 能解釋一下這段代碼的意思嗎？
23、js延遲載入的方式有哪些？
24、Ajax 是什麼? 如何創建一個Ajax？
25、同步和非同步的區別?
26、如何解決跨域問題?
27、頁面編碼和被請求的資源編碼如果不一致如何處理？
28、模塊化開發怎麼做？
29、AMD（Moles/Asynchronous-Definition）、CMD（Common MoleDefinition）規范區別？
30、requireJS的核心原理是什麼？（如何動態載入的？如何避免多次載入的？如何 緩存的？）
31、讓你自己設計實現一個requireJS，你會怎麼做？
32、談一談你對ECMAScript6的了解？
33、ECMAScript6 怎麼寫class么，為什麼會出現class這種東西?
34、非同步載入的方式有哪些？
35、documen.write和 innerHTML的區別?
36、DOM操作——怎樣添加、移除、移動、復制、創建和查找節點?
37、.call() 和 .apply() 的含義和區別？
38、數組和對象有哪些原生方法，列舉一下？
39、JS 怎麼實現一個類。怎麼實例化這個類
40、JavaScript中的作用域與變數聲明提升？
41、如何編寫高性能的Javascript？
42、那些操作會造成內存泄漏？
43、JQuery的源碼看過嗎？能不能簡單概況一下它的實現原理？
44、jQuery.fn的init方法返回的this指的是什麼對象？為什麼要返回this？
45、jquery中如何將數組轉化為json字元串，然後再轉化回來？
46、jQuery 的屬性拷貝(extend)的實現原理是什麼，如何實現深拷貝？
47、jquery.extend 與 jquery.fn.extend的區別？
48、jQuery 的隊列是如何實現的？隊列可以用在哪些地方？
49、談一下Jquery中的bind(),live(),delegate(),on()的區別？
50、JQuery一個對象可以同時綁定多個事件，這是如何實現的？
51、是否知道自定義事件。jQuery里的fire函數是什麼意思，什麼時候用？
52、jQuery 是通過哪個方法和 Sizzle 選擇器結合的？（jQuery.fn.find()進入Sizzle）
53、針對 jQuery性能的優化方法？
54、Jquery與jQuery UI有啥區別？
55、JQuery的源碼看過嗎？能不能簡單說一下它的實現原理？
56、jquery 中如何將數組轉化為json字元串，然後再轉化回來？
57、jQuery和Zepto的區別？各自的使用場景？
58、針對 jQuery 的優化方法？
59、Zepto的點透問題如何解決？
60、jQueryUI如何自定義組件?
61、需求：實現一個頁面操作不會整頁刷新的網站，並且能在瀏覽器前進、後退時正確響應。給出你的技術實現方案？
62、如何判斷當前腳本運行在瀏覽器還是node環境中？（阿里）
63、移動端最小觸控區域是多大？
64、jQuery 的 slideUp動畫 ，如果目標元素是被外部事件驅動, 當滑鼠快速地連續觸發外部元素事件, 動畫會滯後的反復執行，該如何處理呢?
65、把 Script 標簽 放在頁面的最底部的body封閉之前 和封閉之後有什麼區別？瀏覽器會如何解析它們？
66、移動端的點擊事件的有延遲，時間是多久，為什麼會有？ 怎麼解決這個延時？（click 有 300ms 延遲,為了實現safari的雙擊事件的設計，瀏覽器要知道你是不是要雙擊操作。）
67、知道各種JS框架(Angular, Backbone, Ember, React, Meteor, Knockout…)么? 能講出他們各自的優點和缺點么?
68、Underscore 對哪些 JS 原生對象進行了擴展以及提供了哪些好用的函數方法？
69、解釋JavaScript中的作用域與變數聲明提升？
70、那些操作會造成內存泄漏？
71、JQuery一個對象可以同時綁定多個事件，這是如何實現的？
72、Node.js的適用場景？
(如果會用node)知道route, middleware, cluster, nodemon, pm2, server-side rendering么?
73、解釋一下 Backbone 的 MVC 實現方式？
74、什麼是「前端路由」?什麼時候適合使用「前端路由」? 「前端路由」有哪些優點和缺點?
75、知道什麼是webkit么? 知道怎麼用瀏覽器的各種工具來調試和debug代碼么?
76、如何測試前端代碼么? 知道BDD, TDD, Unit Test么? 知道怎麼測試你的前端工程么(mocha, sinon, jasmin, qUnit..)?
77、前端templating(Mustache, underscore, handlebars)是幹嘛的, 怎麼用?
78、簡述一下 Handlebars 的基本用法？
79、簡述一下 Handlerbars 的對模板的基本處理流程， 如何編譯的？如何緩存的？
80、用js實現千位分隔符?(來源：前端農民工，提示：正則+replace)
檢測瀏覽器版本版本有哪些方式？
81、我們給一個dom同時綁定兩個點擊事件，一個用捕獲，一個用冒泡，你來說下會執行幾次事件，然後會先執行冒泡還是捕獲
B. 阿里一般面試三面的通過率
阿里一般面試三面的通過率50%。
面試是通過書面、面談或線上交流(視頻、電話)的形式來考察一個人的工作能力與綜合素質，通過面試可以初步判斷應聘者是否可以融入自己的團隊。是一種經過組織者精心策劃的招聘活動。
C. 阿里二面通過率
92%。阿里巴巴集團的使命是讓天下沒有難做的生意。二面是第二次面試，通過率是很高的，達到了92%。阿里巴巴旨在助力企業，幫助商家、品牌、零售商及其他企業變革營銷。
D. 2019阿里前端面試題
干開發也有不少年頭了，其實每個開發人員應該都有總結和寫技術點的習慣，俗言說得好「好記性不如一個爛筆頭」。
我是一枚女程序猿，很少發文章，並且我深知這是不對的，不管好與壞分享出來大家一起討論，總會把不好的變成好的，窄路變成寬路。哎，可能個人使然，但是發表出來的還是很少，都是在自己的工作筆記里每次記錄著技術心得和一些總結。總覺得發表出來萬一不好，被人取笑了怎麼辦。總之是一個愛多想的女程序員。
最近我以前一個同事在找工作，她面試了阿里，然後跟我聊了聊，說讓我多發表自己的文章，建立自己的社區，最好再多參與一些開源項目或者在git上多建一些自己的項目。這話我以前也聽過，但是就是執行上不徹底啊。
這不，我現在必須把自己以前寫好的或者接下來的每一點技術總結也好 經驗總結也好，都想寫出來，就當不為別人看，為自己也行！
話不多說了，她給我發了一道她面試阿里的題。我自己做了做。這是我目前想到的思路和寫法。歡迎有更好更優的方案發出來。我也可以學習。謝謝~
題目：
篩選筆試題 (請在半小時內完成):
var arr = [
{name:'小米1', value: 1, type: 2, date: '2018-06-07T08:00:01.589Z' },
{name:'錘子T1', value: 1, type: 2, date: '2018-06-07T08:10:01.589Z' },
{name:'小米2', value: 1, type: 4, date: '2018-06-07T20:00:01.589Z' },
{name:'小米2', value: 4, type: 4, date: '2018-06-07T20:10:21.189Z' },
{name:'小米4', value: 1, type: 4, date: '2018-06-07T08:00:01.560Z' },
{name:'小米4', value: 2, type: 4, date: '2018-06-07T08:10:31.584Z' },
{name:'小米6', value: 1, type: 3, date: '2018-06-07T08:00:01.589Z' },
{name:'小米5s',value: 1, type: 4, date: '2018-06-07T08:00:01.589Z' },
{name:'錘子T2', value: 1, type: 4, date: '2018-06-07T08:00:01.589Z' },
{name:'錘子T1', value: 4, type: 4, date: '2018-06-07T08:06:01.589Z' },
{name:'魅藍note5', value: 1, type: 4, date: '2018-06-07T08:00:01.589Z' },
{name:'魅藍note2', value: 5, type: 4, date: '2018-06-02T08:07:01.589Z' },
{name:'魅藍note2', value: 6, type: 4, date: '2018-06-07T08:00:01.589Z' },
{name:'魅藍note3', value: 1, type: 4, date: '2018-06-05T08:00:01.589Z' },
{name:'魅藍note', value: 1, type: 4, date: '2018-06-07T08:00:01.589Z' },
{name:'oppor9', value: 7, type: 4, date: '2018-06-04T08:04:01.588Z' },
{name:'華為p9', value: 1, type: 4, date: '2018-06-02T08:00:01.577Z' },
{name:'華為p9', value: 2, type: 4, date: '2018-06-07T08:00:01.110Z' },
{name:'華為p10', value: 1, type: 1, date: '2018-06-07T08:00:01.534Z' }
];
/**
* 請用您認為最優化的方式，將arr中的type為4的數據過濾出來，
* 然後按相同的 name + date（按天）合並value（value累加），
* 然後按 value 降序(從大到小)排序，
* 最後每行按照 "${name},${本地日期},售出${sum(value)}部" 的格式，如："小米2,2017年06月08日,售出5部", 列印(console.log)出來。
* 可以使用第三方js庫，可以使用es6。
* 請在半小時內完成。
要求最後輸出結果樣例如下:
oppor9,2017年06月04日,售出7部
魅藍note2,2017年06月07日,售出6部
魅藍note2,2017年06月02日,售出5部
小米2,2017年06月08日,售出5部
......
*/
function printArray(arr){
}
我的解答：
function printArray(arr){
const res = arr.filter(function(item, index, arr){
item.date = item.date.split('T')[0]
return item.type === 4
})
console.log(res)
const newArr = []
const temp = {}
for(const i in res) {
const key = `${res[i].name}@${res[i].date}`
if (temp[key]) {
temp[key] += res[i].value
} else {
temp[key] = res[i].value
}
}
console.log(temp)
for (const key in temp) {
const tempObj = {}
tempObj.name = key.split('@')[0]
tempObj.date = key.split('@')[1]
tempObj.value = temp[key]
newArr.push(tempObj)
}
console.log(newArr)
function compare(prop) {
return function(a, b){
const value1 = a[prop]
const value2 = b[prop]
return value2 - value1
}
}
newArr.sort(compare('value'))
console.log(newArr)
newArr.forEach((item, index) => {
const printStr = `${item.name},${item.date.split('-')[0]}年${item.date.split('-')[1]}月${item.date.split('-')[2]}日,售出${item.value}部`
console.log(printStr)
})
}
printArray(arr)
我有注意到時間那有點差異，題目數組里給的是2018，讓最後列印出來是2017年，我自己覺得是列印錯了。如果在現場我估計我會再問一下面試官這里是否不一樣。如果真不一樣，程序里在處理一下就行了
好了，此題完結。
E. 阿里前端面試題（1）——解構/非同步/markdown語法解析
a. 不完全解構，也會成功，不會報錯
b. 只要支持 Iterator 介面，都可以被解構賦值
c. null 可以替代默認值，而成功的解構賦值
d. 解構中不定參數可以出現在除第一個以外的其他位置
e. 解構是先找到同名屬性，然後再賦給對應的變數
f. 默認值可以引用解構賦值的其他變數，但該變數必須已經聲明
(d)
迭代一個對象的屬性
不定參數只能放在最後一個位置
a. 在JavaScript中，任務被分為兩種，一種宏任務（MacroTask），一種叫微任務（MicroTask），setTimeout 屬於微任務
b. setTimeout(func, 500) 會精確的在 500ms 後執行 func
c. Promise、generator、async/await 都是非同步解決方案
d. process.nextTick、Promise 都屬於 node 中的微隊列
e. 瀏覽器的 Event Loop 和 node 的 Event Loop 是不同的，實現機制也不一樣
f. 在 node 中setTimeout 和 setImmediate 執行階段是一致的
(c,d,e)
解析：f 兩者的執行順序要根據當前的執行環境才能確定
（那怎麼知道主線程執行棧為空啊？js引擎存在monitoring process進程，會持續不斷的檢查主線程執行棧是否為空，一旦為空，就會去Event Queue那裡檢查是否有等待被調用的函數）
https://juejin.im/post/59e85eebf265da430d571f89
Markdown 是非常受技術人員喜歡的一種文本格式，請使用 JavaScript 來實現 marked 方法來進行 markdown 文本的 HTML 渲染，可以滿足以下需求：
function marked(str) {
// your code here
}
marked('@@whatever@@').trim() // <p><blink>whatever</blink></p >
marked(' abc @@def@@ ghi ').trim() // <p><em>abc</em> <blink>def</blink> <strong>ghi</strong></p >
marked('@@ cool @@').trim() // <p><blink><strong>cool</strong></blink></p >
可以實現題目中的要求，但是還不能滿足「@@abc」這樣缺少對應字元串的情況
F. 阿里巴巴的面試流程是什麼樣子的
在阿里巴巴面試通常會有3輪面試：
1、第一輪面試：
第一輪面試通常是電話面，面試官會提前打電話約定面試時間，在接到面試官電話時，不要緊張，如果自己尚未准備好面試，或者時間不方便，可以將時間約靠後一點，留下足夠的時間緩沖。
面試的時候不用太緊張，面試你的工程師通常就是你所應聘崗位所在團隊的成員，他是在為自己的團隊挑選隊友，因此，沒有理由為難你。
2、第二輪面試：
如果你順利通過第一輪面試，那麼，大約一周後，將進行第二輪面試。第二輪面試的面試官通常是團隊主管（不一定是你所應聘崗位所在的團隊，因為存在「交叉面「防作弊）。
第二輪面試如果是程序員會考察程序員的能力水平，通過筆試和問答做出最後的判斷。
3、第三輪面試：
在通過第二輪面試後，通常就進入到了技術「終面」，本輪通常由部門總監、HRD來面試。主要面試個人的心理素質，職業素養以及為人待物的能力。
如果面試者可以順利通過3論面試就可以收到來自阿里巴巴的offer了。
1、基礎知識的掌握
阿里的技術面試通常是一個由淺入深的過程。起初，面試官會根據崗位要求問一些技術相關的基礎問題。當然「基礎」二字的含義並不是簡單，如果沒有充分的准備和足夠的積累，也容易被拒絕。
根據面試經驗，超過一半的應聘者在這個環節被拒絕，因此，建議應聘者切勿「裸考」，否則留下一個「基礎不扎實」的面試記錄，短期內再應聘阿里的成功率就很低了。
2、應變能力
阿裡面試官會通過設計類問題來考查應聘者的「應變能力」。
例如，給一個具體的問題，要求應聘者給出設計方案，比如設計一個交通信號燈系統，一個中國象棋系統，一個問答系統，一個在線購物網站等等。要求畫出模塊圖，給出關鍵的API的定義或者類和類之間的關系。
G. 阿裡面試演算法題合集一
0,1,,n-1這n個數字排成一個圓圈，從數字0開始，每次從這個圓圈裡刪除第m個數字。求出這個圓圈裡剩下的最後一個數字。
例如，0、1、2、3、4這5個數字組成一個圓圈，從數字0開始每次刪除第3個數字，則刪除的前4個數字依次是2、0、4、1，因此最後剩下的數字是3。
示例 1：
輸入: n = 5, m = 3
輸出: 3
示例 2：
輸入: n = 10, m = 17
輸出: 2
請實現一個函數，輸入一個整數，輸出該數二進製表示中 1 的個數。例如，把 9 表示成二進制是 1001，有 2 位是 1。因此，如果輸入 9，則該函數輸出 2。
示例 1：
輸入：
輸出：3
解釋：輸入的二進制串 中，共有三位為 '1'。
數字以0123456789101112131415…的格式序列化到一個字元序列中。在這個序列中，第5位（從下標0開始計數）是5，第13位是1，第19位是4，等等。
請寫一個函數，求任意第n位對應的數字。
示例 1：
輸入：n = 3
輸出：3
示例 2：
輸入：n = 11
輸出：0
注意這里必須是long 類型
輸入一個非負整數數組，把數組里所有數字拼接起來排成一個數，列印能拼接出的所有數字中最小的一個。
示例 1:
輸入: [10,2]
輸出: "102"
示例 2:
輸入: [3,30,34,5,9]
輸出: "3033459"
老師想給孩子們分發糖果，有 N 個孩子站成了一條直線，老師會根據每個孩子的表現，預先給他們評分。
你需要按照以下要求，幫助老師給這些孩子分發糖果：
每個孩子至少分配到 1 個糖果。
相鄰的孩子中，評分高的孩子必須獲得更多的糖果。
那麼這樣下來，老師至少需要准備多少顆糖果呢？
示例 1:
輸入: [1,0,2]
輸出: 5
解釋: 你可以分別給這三個孩子分發 2、1、2 顆糖果。
示例 2:
輸入: [1,2,2]
輸出: 4
解釋: 你可以分別給這三個孩子分發 1、2、1 顆糖果。
第三個孩子只得到 1 顆糖果，這已滿足上述兩個條件。
在一條環路上有 N 個加油站，其中第 i 個加油站有汽油 gas[i] 升。
你有一輛油箱容量無限的的汽車，從第 i 個加油站開往第 i+1 個加油站需要消耗汽油 cost[i] 升。你從其中的一個加油站出發，開始時油箱為空。
如果你可以繞環路行駛一周，則返回出發時加油站的編號，否則返回 -1。
說明:
如果題目有解，該答案即為唯一答案。
輸入數組均為非空數組，且長度相同。
輸入數組中的元素均為非負數。
示例 1:
輸入:
gas = [1,2,3,4,5]
cost = [3,4,5,1,2]
輸出: 3
貪心的思路是，只要總和大於0 就可以繞一圈，
開始位置的貪心思路是，如果從剛開始sum小於0，一定不是從之前開始，而是從當前下一個位置，sum = 0 清空
給定一個非負整數數組，你最初位於數組的第一個位置。
數組中的每個元素代表你在該位置可以跳躍的最大長度。
你的目標是使用最少的跳躍次數到達數組的最後一個位置。
示例:
輸入: [2,3,1,1,4]
輸出: 2
解釋: 跳到最後一個位置的最小跳躍數是 2。
從下標為 0 跳到下標為 1 的位置，跳 1 步，然後跳 3 步到達數組的最後一個位置。
給定一個非負整數數組，你最初位於數組的第一個位置。
數組中的每個元素代表你在該位置可以跳躍的最大長度。
判斷你是否能夠到達最後一個位置。
示例 1:
輸入: [2,3,1,1,4]
輸出: true
解釋: 我們可以先跳 1 步，從位置 0 到達 位置 1, 然後再從位置 1 跳 3 步到達最後一個位置。
一條包含字母 A-Z 的消息通過以下方式進行了編碼：
'A' -> 1
'B' -> 2
...
'Z' -> 26
給定一個只包含數字的非空字元串，請計算解碼方法的總數。
示例 1:
輸入: "12"
輸出: 2
解釋: 它可以解碼為 "AB"（1 2）或者 "L"（12）。
這里一定注意 第一個數為0 的情況，s.charAt(0) == '0' 第一個為0 要直接返回0 才行
給定一個數組，它的第 i 個元素是一支給定股票第 i 天的價格。
如果你最多隻允許完成一筆交易（即買入和賣出一支股票一次），設計一個演算法來計算你所能獲取的最大利潤。
注意：你不能在買入股票前賣出股票。
示例 1:
輸入: [7,1,5,3,6,4]
輸出: 5
解釋: 在第 2 天（股票價格 = 1）的時候買入，在第 5 天（股票價格 = 6）的時候賣出，最大利潤 = 6-1 = 5 。
注意利潤不能是 7-1 = 6, 因為賣出價格需要大於買入價格；同時，你不能在買入前賣出股票。
給定三個字元串 s1, s2, s3, 驗證 s3 是否是由 s1 和 s2 交錯組成的。
示例 1:
輸入: s1 = "aabcc", s2 = "dbbca", s3 = "aadbbcbcac"
輸出: true
給你一個字元串 s 和一個字元規律 p，請你來實現一個支持 '.' 和 '*' 的正則表達式匹配。
'.' 匹配任意單個字元
'*' 匹配零個或多個前面的那一個元素
所謂匹配，是要涵蓋 整個 字元串 s的，而不是部分字元串。
說明:
s 可能為空，且只包含從 a-z 的小寫字母。
p 可能為空，且只包含從 a-z 的小寫字母，以及字元 . 和 *。
示例 1:
輸入:
s = "aa"
p = "a"
輸出: false
解釋: "a" 無法匹配 "aa" 整個字元串。
給定一個整數矩陣，找出最長遞增路徑的長度。
對於每個單元格，你可以往上，下，左，右四個方向移動。 你不能在對角線方向上移動或移動到邊界外（即不允許環繞）。
示例 1:
輸入: nums =
[
[9,9,4],
[6,6,8],
[2,1,1]
]
輸出: 4
解釋: 最長遞增路徑為 [1, 2, 6, 9]。
使用帶記憶的可以避免超時
使用動態規劃解題
給出一個由無重復的正整數組成的集合，找出其中最大的整除子集，子集中任意一對 (Si，Sj) 都要滿足：Si % Sj = 0 或 Sj % Si = 0。
如果有多個目標子集，返回其中任何一個均可。
示例 1:
輸入: [1,2,3]
輸出: [1,2] (當然, [1,3] 也正確)
給定一些標記了寬度和高度的信封，寬度和高度以整數對形式 (w, h) 出現。當另一個信封的寬度和高度都比這個信封大的時候，這個信封就可以放進另一個信封里，如同俄羅斯套娃一樣。
請計算最多能有多少個信封能組成一組「俄羅斯套娃」信封（即可以把一個信封放到另一個信封裡面）。
說明:
不允許旋轉信封。
示例:
輸入: envelopes = [[5,4],[6,4],[6,7],[2,3]]
輸出: 3
解釋: 最多信封的個數為 3, 組合為: [2,3] => [5,4] => [6,7]。
標準的動態規劃
一隻青蛙想要過河。 假定河流被等分為 x 個單元格，並且在每一個單元格內都有可能放有一石子（也有可能沒有）。 青蛙可以跳上石頭，但是不可以跳入水中。
給定石子的位置列表（用單元格序號升序表示）， 請判定青蛙能否成功過河（即能否在最後一步跳至最後一個石子上）。 開始時， 青蛙默認已站在第一個石子上，並可以假定它第一步只能跳躍一個單位（即只能從單元格1跳至單元格2）。
如果青蛙上一步跳躍了 k 個單位，那麼它接下來的跳躍距離只能選擇為 k - 1、k 或 k + 1個單位。 另請注意，青蛙只能向前方（終點的方向）跳躍。
請注意：
石子的數量 ≥ 2 且 < 1100；
每一個石子的位置序號都是一個非負整數，且其 < 231；
第一個石子的位置永遠是0。
示例 1:
[0,1,3,5,6,8,12,17]
true
使用數組+ 鏈表枚舉所有的可能
給你兩個單詞 word1 和 word2，請你計算出將 word1 轉換成 word2 所使用的最少操作數 。
你可以對一個單詞進行如下三種操作：
插入一個字元
刪除一個字元
替換一個字元
示例 1：
輸入：word1 = "horse", word2 = "ros"
輸出：3
解釋：
horse -> rorse (將 'h' 替換為 'r')
rorse -> rose (刪除 'r')
rose -> ros (刪除 'e')
給定不同面額的硬幣 coins 和一個總金額 amount。編寫一個函數來計算可以湊成總金額所需的最少的硬幣個數。如果沒有任何一種硬幣組合能組成總金額，返回 -1。
示例 1:
輸入: coins = [1, 2, 5], amount = 11
輸出: 3
解釋: 11 = 5 + 5 + 1
示例 2:
輸入: coins = [2], amount = 3
輸出: -1
給定一個字元串 s，找到 s 中最長的迴文子串。你可以假設 s 的最大長度為 1000。
示例 1：
輸入: "babad"
輸出: "bab"
注意: "aba" 也是一個有效答案。
給定一個字元串 S 和一個字元串 T，計算在 S 的子序列中 T 出現的個數。
一個字元串的一個子序列是指，通過刪除一些（也可以不刪除）字元且不幹擾剩餘字元相對位置所組成的新字元串。（例如，"ACE" 是 "ABCDE" 的一個子序列，而 "AEC" 不是）
題目數據保證答案符合 32 位帶符號整數范圍。
示例 1：
輸入：S = "rabbbit", T = "rabbit"
輸出：3
給定一個無序的整數數組，找到其中最長上升子序列的長度。
示例:
輸入: [10,9,2,5,3,7,101,18]
輸出: 4
使用二分查詢
在一個由 0 和 1 組成的二維矩陣內，找到只包含 1 的最大正方形，並返回其面積。
示例:
輸入:
1 0 1 0 0
1 0 1 1 1
1 1 1 1 1
1 0 0 1 0
輸出: 4
給定正整數 n，找到若干個完全平方數（比如 1, 4, 9, 16, ...）使得它們的和等於 n。你需要讓組成和的完全平方數的個數最少。
示例 1:
輸入: n = 12
輸出: 3
解釋: 12 = 4 + 4 + 4.
你是一個專業的小偷，計劃偷竊沿街的房屋。每間房內都藏有一定的現金，影響你偷竊的唯一制約因素就是相鄰的房屋裝有相互連通的防盜系統，如果兩間相鄰的房屋在同一晚上被小偷闖入，系統會自動報警。
給定一個代表每個房屋存放金額的非負整數數組，計算你 不觸動警報裝置的情況下 ，一夜之內能夠偷竊到的最高金額。
示例 1：
輸入：[1,2,3,1]
輸出：4
你是一個專業的小偷，計劃偷竊沿街的房屋，每間房內都藏有一定的現金。這個地方所有的房屋都圍成一圈，這意味著第一個房屋和最後一個房屋是緊挨著的。同時，相鄰的房屋裝有相互連通的防盜系統，如果兩間相鄰的房屋在同一晚上被小偷闖入，系統會自動報警。
給定一個代表每個房屋存放金額的非負整數數組，計算你在不觸動警報裝置的情況下，能夠偷竊到的最高金額。
示例 1:
輸入: [2,3,2]
輸出: 3
思路是忽略第一個求一個結果，忽略最後一個求一個結果，只要一個時一個結果
// 可以使用rangeCopy 將其放入一個函數中求解
給定一個三角形，找出自頂向下的最小路徑和。每一步只能移動到下一行中相鄰的結點上。
相鄰的結點 在這里指的是 下標 與 上一層結點下標 相同或者等於 上一層結點下標 + 1 的兩個結點。
例如，給定三角形：
[
[2],
[3,4],
[6,5,7],
[4,1,8,3]
]
自頂向下的最小路徑和為 11（即，2 + 3 + 5 + 1 = 11）。
給定一個包含非負整數的 m x n 網格，請找出一條從左上角到右下角的路徑，使得路徑上的數字總和為最小。
說明：每次只能向下或者向右移動一步。
示例:
輸入:
[
[1,3,1],
[1,5,1],
[4,2,1]
]
輸出: 7
一個機器人位於一個 m x n 網格的左上角 （起始點在下圖中標記為「Start」 ）。
機器人每次只能向下或者向右移動一步。機器人試圖達到網格的右下角（在下圖中標記為「Finish」）。
現在考慮網格中有障礙物。那麼從左上角到右下角將會有多少條不同的路徑？
示例 1:
輸入:
[
[0,0,0],
[0,1,0],
[0,0,0]
]
輸出: 2
一個機器人位於一個 m x n 網格的左上角 （起始點在下圖中標記為「Start」 ）。
機器人每次只能向下或者向右移動一步。機器人試圖達到網格的右下角（在下圖中標記為「Finish」）。
問總共有多少條不同的路徑？
假設你正在爬樓梯。需要 n 階你才能到達樓頂。
每次你可以爬 1 或 2 個台階。你有多少種不同的方法可以爬到樓頂呢？
注意：給定 n 是一個正整數。
示例 1：
輸入： 2
輸出： 2
H. 阿里 ES 面試題
可以通過版本號使用樂觀並發控制，以確保新版本不會被舊版本覆蓋，由應用層來處理具體的沖突；
另外對於寫操作，一致性級別支持quorum/one/all，默認為quorum，即只有當大多數分片可用時才允許寫操作。但即使大多數可用，也可能存在因為網路等原因導致寫入副本失敗，這樣該副本被認為故障，分片將會在一個不同的節點上重建。
對於讀操作，可以設置replication為sync(默認)，這使得操作在主分片和副本分片都完成後才會返回；如果設置replication為async時，也可以通過設置搜索請求參數_preference為primary來查詢主分片，確保文檔是最新版本。
Elasticsearch 提供的首個近似聚合是cardinality 度量。它提供一個欄位的基數，即該欄位的distinct或者unique值的數目。它是基於HLL演算法的。HLL 會先對我們的輸入作哈希運算，然後根據哈希運算的結果中的 bits 做概率估算從而得到基數。其特點是：可配置的精度，用來控制內存的使用（更精確 ＝ 更多內存）；小的數據集精度是非常高的；我們可以通過配置參數，來設置去重需要的固定內存使用量。無論數千還是數十億的唯一值，內存使用量只與你配置的精確度相關。
SEE： https://elasticsearch.cn/article/32
倒排詞典的索引需要常駐內存，無法GC，需要監控data node上segment memory增長趨勢。
各類緩存，field cache, filter cache, indexing cache, bulk queue等等，要設置合理的大小，並且要應該根據最壞的情況來看heap是否夠用，也就是各類緩存全部占滿的時候，還有heap空間可以分配給其他任務嗎？避免採用clear cache等「自欺欺人」的方式來釋放內存。
避免返回大量結果集的搜索與聚合。確實需要大量拉取數據的場景，可以採用scan & scroll api來實現。
cluster stats駐留內存並無法水平擴展，超大規模集群可以考慮分拆成多個集群通過tribe node連接。
想知道heap夠不夠，必須結合實際應用場景，並對集群的heap使用情況做持續的監控。
64 GB 內存的機器是非常理想的， 但是32 GB 和16 GB 機器也是很常見的。少於8 GB 會適得其反。
如果你要在更快的 CPUs 和更多的核心之間選擇，選擇更多的核心更好。多個內核提供的額外並發遠勝過稍微快一點點的時鍾頻率。
如果你負擔得起 SSD，它將遠遠超出任何旋轉介質。 基於 SSD 的節點，查詢和索引性能都有提升。如果你負擔得起，SSD 是一個好的選擇。
即使數據中心們近在咫尺，也要避免集群跨越多個數據中心。絕對要避免集群跨越大的地理距離。
請確保運行你應用程序的 JVM 和伺服器的 JVM 是完全一樣的。 在 Elasticsearch 的幾個地方，使用 Java 的本地序列化。
通過設置gateway.recover_after_nodes、gateway.expected_nodes、gateway.recover_after_time可以在集群重啟的時候避免過多的分片交換，這可能會讓數據恢復從數個小時縮短為幾秒鍾。
Elasticsearch 默認被配置為使用單播發現，以防止節點無意中加入集群。只有在同一台機器上運行的節點才會自動組成集群。最好使用單播代替組播。
不要隨意修改垃圾回收器（CMS）和各個線程池的大小。
把你的內存的（少於）一半給 Lucene（但不要超過 32 GB！），通過ES_HEAP_SIZE 環境變數設置。
內存交換到磁碟對伺服器性能來說是致命的。如果內存交換到磁碟上，一個 100 微秒的操作可能變成 10 毫秒。 再想想那麼多 10 微秒的操作時延累加起來。 不難看出 swapping 對於性能是多麼可怕。
Lucene 使用了大量的文件。同時，Elasticsearch 在節點和 HTTP 客戶端之間進行通信也使用了大量的套接字。 所有這一切都需要足夠的文件描述符。你應該增加你的文件描述符，設置一個很大的值，如 64,000。
補充：索引階段性能提升方法
使用批量請求並調整其大小：每次批量數據 5–15 MB 大是個不錯的起始點。
存儲：使用 SSD
段和合並：Elasticsearch 默認值是 20 MB/s，對機械磁碟應該是個不錯的設置。如果你用的是 SSD，可以考慮提高到 100–200 MB/s。如果你在做批量導入，完全不在意搜索，你可以徹底關掉合並限流。另外還可以增加 index.translog.flush_threshold_size 設置，從默認的 512 MB 到更大一些的值，比如 1 GB，這可以在一次清空觸發的時候在事務日誌里積累出更大的段。
如果你的搜索結果不需要近實時的准確度，考慮把每個索引的index.refresh_interval 改到30s。
如果你在做大批量導入，考慮通過設置index.number_of_replicas: 0 關閉副本。
搜索被執行成一個兩階段過程，我們稱之為 Query Then Fetch；
在初始查詢階段時，查詢會廣播到索引中每一個分片拷貝（主分片或者副本分片）。 每個分片在本地執行搜索並構建一個匹配文檔的大小為 from + size 的優先隊列。PS：在搜索的時候是會查詢Filesystem Cache的，但是有部分數據還在Memory Buffer，所以搜索是近實時的。
每個分片返回各自優先隊列中 所有文檔的 ID 和排序值 給協調節點，它合並這些值到自己的優先隊列中來產生一個全局排序後的結果列表。
接下來就是 取回階段，協調節點辨別出哪些文檔需要被取回並向相關的分片提交多個 GET 請求。每個分片載入並 豐富 文檔，如果有需要的話，接著返迴文檔給協調節點。一旦所有的文檔都被取回了，協調節點返回結果給客戶端。
補充：Query Then Fetch的搜索類型在文檔相關性打分的時候參考的是本分片的數據，這樣在文檔數量較少的時候可能不夠准確，DFS Query Then Fetch增加了一個預查詢的處理，詢問Term和Document frequency，這個評分更准確，但是性能會變差。
刪除和更新也都是寫操作，但是Elasticsearch中的文檔是不可變的，因此不能被刪除或者改動以展示其變更；
磁碟上的每個段都有一個相應的.del文件。當刪除請求發送後，文檔並沒有真的被刪除，而是在.del文件中被標記為刪除。該文檔依然能匹配查詢，但是會在結果中被過濾掉。當段合並時，在.del文件中被標記為刪除的文檔將不會被寫入新段。
在新的文檔被創建時，Elasticsearch會為該文檔指定一個版本號，當執行更新時，舊版本的文檔在.del文件中被標記為刪除，新版本的文檔被索引到一個新段。舊版本的文檔依然能匹配查詢，但是會在結果中被過濾掉。
shard = hash(document_id) % (num_of_primary_shards)
補充：關於Lucene的Segement：
Elasticsearch的選主是ZenDiscovery模塊負責的，主要包含Ping（節點之間通過這個RPC來發現彼此）和Unicast（單播模塊包含一個主機列表以控制哪些節點需要ping通）這兩部分；
對所有可以成為master的節點（node.master: true）根據nodeId字典排序，每次選舉每個節點都把自己所知道節點排一次序，然後選出第一個（第0位）節點，暫且認為它是master節點。
如果對某個節點的投票數達到一定的值（可以成為master節點數n/2+1）並且該節點自己也選舉自己，那這個節點就是master。否則重新選舉一直到滿足上述條件。
補充：master節點的職責主要包括集群、節點和索引的管理，不負責文檔級別的管理；data節點可以關閉http功能。
生成大量長生命周期的對象，是給heap造成壓力的主要原因，例如讀取一大片數據在內存中進行排序，或者在heap內部建cache緩存大量數據。如果GC釋放的空間有限，而應用層面持續大量申請新對象，GC頻度就開始上升，同時會消耗掉很多CPU時間。
Lucene的倒排索引(Inverted Index)是先在內存里生成，然後定期以段文件(segment file)的形式刷到磁碟的。每個段實際就是一個完整的倒排索引，並且一旦寫到磁碟上就不會做修改。 API層面的文檔更新和刪除實際上是增量寫入的一種特殊文檔，會保存在新的段里。不變的段文件易於被操作系統cache，熱數據幾乎等效於內存訪問。
基於以上2個基本事實，我們不難理解，為何官方建議的heap size不要超過系統可用內存的一半。heap以外的內存並不會被浪費，操作系統會很開心的利用他們來cache被用讀取過的段文件。
Heap分配多少合適？遵從官方建議就沒錯。 不要超過系統可用內存的一半，並且不要超過32GB。JVM參數呢？對於初級用戶來說，並不需要做特別調整，仍然遵從官方的建議，將xms和xmx設置成和heap一樣大小，避免動態分配heap size就好了。雖然有針對性的調整JVM參數可以帶來些許GC效率的提升，當有一些「壞」用例的時候，這些調整並不會有什麼魔法效果幫你減輕heap壓力，甚至可能讓問題更糟糕。
Segment不是file嗎？segment memory又是什麼？前面提到過，一個segment是一個完備的lucene倒排索引，而倒排索引是通過詞典 (Term Dictionary)到文檔列表(Postings List)的映射關系，快速做查詢的。 由於詞典的size會很大，全部裝載到heap里不現實，因此Lucene為詞典做了一層前綴索引(Term Index)，這個索引在Lucene4.0以後採用的數據結構是FST (Finite State Transcer)。 這種數據結構佔用空間很小，Lucene打開索引的時候將其全量裝載到內存中，加快磁碟上詞典查詢速度的同時減少隨機磁碟訪問次數。
說白了,ES的data node存儲數據並非只是耗費磁碟空間的，為了加速數據的訪問，每個segment都有會一些索引數據駐留在heap里。因此segment越多，瓜分掉的heap也越多，並且這部分heap是無法被GC掉的！ 理解這點對於監控和管理集群容量很重要，當一個node的segment memory佔用過多的時候，就需要考慮刪除、歸檔數據，或者擴容了。
怎麼知道segment memory佔用情況呢? CAT API可以給出答案。
Filter Cache
Filter cache是用來緩存使用過的filter的結果集的，需要注意的是這個緩存也是常駐heap，無法GC的。我的經驗是默認的10% heap設置工作得夠好了，如果實際使用中heap沒什麼壓力的情況下，才考慮加大這個設置。
Field Data cache
在有大量排序、數據聚合的應用場景，可以說field data cache是性能和穩定性的殺手。 對搜索結果做排序或者聚合操作，需要將倒排索引里的數據進行解析，然後進行一次倒排。 這個過程非常耗費時間，因此ES 2.0以前的版本主要依賴這個cache緩存已經計算過的數據，提升性能。但是由於heap空間有限，當遇到用戶對海量數據做計算的時候，就很容易導致heap吃緊，集群頻繁GC，根本無法完成計算過程。 ES2.0以後，正式默認啟用Doc Values特性(1.x需要手動更改mapping開啟)，將field data在indexing time構建在磁碟上，經過一系列優化，可以達到比之前採用field data cache機制更好的性能。因此需要限制對field data cache的使用，最好是完全不用，可以極大釋放heap壓力。 需要注意的是，很多同學已經升級到ES2.0，或者1.0里已經設置mapping啟用了doc values，在kibana里仍然會遇到問題。 這里一個陷阱就在於kibana的table panel可以對所有欄位排序。 設想如果有一個欄位是analyzed過的，而用戶去點擊對應欄位的排序表頭是什麼後果？ 一來排序的結果並不是用戶想要的，排序的對象實際是詞典； 二來analyzed過的欄位無法利用doc values，需要裝載到field data cache，數據量很大的情況下可能集群就在忙著GC或者根本出不來結果。
Bulk Queue
一般來說，Bulk queue不會消耗很多的heap，但是見過一些用戶為了提高bulk的速度，客戶端設置了很大的並發量，並且將bulk Queue設置到不可思議的大，比如好幾千。 Bulk Queue是做什麼用的？當所有的bulk thread都在忙，無法響應新的bulk request的時候，將request在內存里排列起來，然後慢慢清掉。 這在應對短暫的請求爆發的時候有用，但是如果集群本身索引速度一直跟不上，設置的好幾千的queue都滿了會是什麼狀況呢？ 取決於一個bulk的數據量大小，乘上queue的大小，heap很有可能就不夠用，內存溢出了。一般來說官方默認的thread pool設置已經能很好的工作了，建議不要隨意去「調優」相關的設置，很多時候都是適得其反的效果。
Indexing Buffer
Indexing Buffer是用來緩存新數據，當其滿了或者refresh/flush interval到了，就會以segment file的形式寫入到磁碟。 這個參數的默認值是10% heap size。根據經驗，這個默認值也能夠很好的工作，應對很大的索引吞吐量。 但有些用戶認為這個buffer越大吞吐量越高，因此見過有用戶將其設置為40%的。到了極端的情況，寫入速度很高的時候，40%都被佔用，導致OOM。
Cluster State Buffer
ES被設計成每個node都可以響應用戶的api請求，因此每個node的內存里都包含有一份集群狀態的拷貝。這個cluster state包含諸如集群有多少個node，多少個index，每個index的mapping是什麼？有少shard，每個shard的分配情況等等 (ES有各類stats api獲取這類數據)。 在一個規模很大的集群，這個狀態信息可能會非常大的，耗用的內存空間就不可忽視了。並且在ES2.0之前的版本，state的更新是由master node做完以後全量散播到其他結點的。 頻繁的狀態更新都有可能給heap帶來壓力。 在超大規模集群的情況下，可以考慮分集群並通過tribe node連接做到對用戶api的透明，這樣可以保證每個集群里的state信息不會膨脹得過大。
超大搜索聚合結果集的fetch
ES是分布式搜索引擎，搜索和聚合計算除了在各個data node並行計算以外，還需要將結果返回給匯總節點進行匯總和排序後再返回。無論是搜索，還是聚合，如果返回結果的size設置過大，都會給heap造成很大的壓力，特別是數據匯聚節點。超大的size多數情況下都是用戶用例不對，比如本來是想計算cardinality，卻用了terms aggregation + size:0這樣的方式; 對大結果集做深度分頁；一次性拉取全量數據等等。
小結：
查詢性能中routing非常重要,
分合: 在實踐過程中,索引越來越大,那麼單個shard分片也越來越大,查詢速度也越來越慢.
是選擇分索引還是分shards?
實驗中更多的shards會帶來額外的IO壓力.
Elastic 官方文檔建議：一個 Node 最好不要多於三個 shards。
線程池我們默認使用 fixed，使用 cached 有可能控制不好。主要是比較大的分片 relocation時，會導致分片自動下線，集群可能處於危險狀態。在集群高壓時，若是 cached ，分片也可能自動下線。
在大多數環境中，每個節點都在單獨的盒子或虛擬機上運行。
索引 - 在Elasticsearch中，索引是文檔的集合。
分片 -因為Elasticsearch是一個分布式搜索引擎，所以索引通常被分割成分布在多個節點上的被稱為分片的元素。
Elasticsearch 提供的首個近似聚合是cardinality 度量。它提供一個欄位的基數，即該欄位的distinct或者unique值的數目。它是基於HLL演算法的。HLL 會先對我們的輸入作哈希運算，然後根據哈希運算的結果中的 bits 做概率估算從而得到基數。其特點是：可配置的精度，用來控制內存的使用（更精確 ＝ 更多內存）；小的數據集精度是非常高的；我們可以通過配置參數，來設置去重需要的固定內存使用量。無論數千還是數十億的唯一值，內存使用量只與你配置的精確度相關 .
Solr 在傳統的搜索應用中表現好於 Elasticsearch，但在處理實時搜索應用時效率明顯低於 Elasticsearch。
Solr 是傳統搜索應用的有力解決方案，但 Elasticsearch 更適用於新興的實時搜索應用。
I. 阿里巴巴的招聘流程，技術崗位一般幾輪面試
阿里巴巴招聘技術崗位的流程:
依次進行三輪面試：初面、復面、以及hr面。
每通過一輪即可進入下一輪，三輪全過即為通過。
(9)阿里前端面試匯總擴展閱讀
面試技巧
招聘中的「經典七問」
招聘過程中常要問到的問題極其釋義總結如下：
以往工作中您的職責是什麼？――如果描述不清，可見即使有相關工作經驗，其系統性全面性也值得懷疑。
請講一下您以往的工作經歷。――考察應聘者的語言組織及表達能力，以及描述的條理化。
您以往的工作經歷中最得意最成功的一件事是什麼？您的長處是什麼？――從應聘者的回答中，可了解他是注重個人成功還是注重團隊協作。
您感覺還有哪方面的知識、技能或能力需要提升？――「提升」一詞比較委婉，一方面考察其態度是否坦誠，另一方面，也為日後的員工培訓增強針對性。
對於新的工作崗位您有什麼設想？如何開展工作？――這涉及到員工的職業生涯設計，更有關員工工作的穩定性。
您離職的原因是什麼？――這是必須要問的問題，涉及員工和組織的融合性。
您對薪金待遇和福利有什麼要求？――這個問題的重要性更是不必多言。
J. 前端面試一問三不知怎麼辦
前端面試一問三不知的時候，千萬別慌亂，可以先停一停和面試官說這個問題你需要思考一下再回答，或者說你因為太緊張之類的一時想不起來答案。
有些面試官會直接電話過去要求面試，由於面試者(尤其是學生)處於弱勢方，可能並不會拒絕面試要求，但並不意味著面試者處於最佳的物理和精神狀態下，有可能會導致面試者不能很好的發揮自己原有的實力。所以如果面試官突然打電話過來。
沒有準備好的話，不要怕冒犯面試官，一定要另外約個時間，面試官肯定會再打過來的。遭到否定面試官有可能會否定你描述的一些東西，有可能是你字眼寫的太過，比如將「熟悉」的東西寫成了「精通」，勾起了面試官的「好奇」。
有可能故意試壓，考驗你的反應，但遇到否定的時候，不要急於反駁或者是手足無措，而是詢問自省和主動討論。氣場不和有的面試官性格嚴謹沉悶，而面試者可能思維活躍，整個面試過程可能會變成面試官不停的打斷面試者讓其思維聚焦。
而面試者感到思維不停被打斷，很是氣惱，影響發揮。這種情況不可避免，但遇到這樣的面試官，請保持謙和的態度，重點是展示自己技術的廣度、深度，氣場不和並不會產生決定性的影響，面試官也不會因為這樣的原因而給與錯誤的評判。
盡量留下好的印象。結束通知有的面試官會在面試結束後說：「我的問題問完了，如果有進一步消息的話，我們會再聯系你」。面試的大部分結果，其實當場就出來了，如果你感覺給出結果的時間點不夠明確，可以反問他：「如果三天內沒有聯系，是不是就代表沒有通過？」省得讓你懷有不確切的希望。
最後，還可以挽留下面試官，講講這場面試中你的一些疑惑，獲得面試官的反饋，也可以知道自己目前哪一方面做得不足。面試中面對不會的問題面試中遇到問題不會回答，這是非常正常的，畢竟大家在學習過程中遇到的問題，跟我們在工作中遇到的問題是非常不一樣的。
除此之外，我們看問題的角度，也是有差別很大的。舉個例子，很多人都在看ReactFiber，但是如果問你們，為什麼要有Fiber這個東西，可能很多人都回答不上來，因為大家只在社區裡面看到說，Fiber是怎麼工作的啊。
但是為什麼要有Fiber？如果沒有會怎樣，而這種思考，其實是非常底層的。我相信，很多人可能都沒有思考過。那如果遇到的問題不會，你可以先選擇不會，說我覺得自己沒有信心能答出這個問題，當然我更希望聽到你說。
我現在不會，但是你給我兩分鍾思考一下，我想一下這個問題有沒有答案？我覺得這是一個很好的思考習慣，首先你在面對不會的東西是坦然的，我當下不會，很正常，我之前沒有思考過這個問題嘛，那我們再花兩分鍾思考一下。
給一個初步的答案。所以說遇到問題，也不用不會就不會，也可以有一個積極的方式回應。從面試官的角度來說，面試中考察的題目，並不是僅僅考察這道題目本身，題目的對錯並不跟最終結果直接掛鉤。面試官更希望以題目為契機。
考察面試者分析問題，解決問題的能力，以及交流過程中所體現的邏輯推理和思維方式等。跟面試官聊業務業務跟項目是完全不一樣的東西，業務認知和思考也是很重要的一個考察點，這方面面試官可能會問兩個點：業務場景和技術突破。
業務場景：面試官會詢問面試者他們的產品、業務模式、商業模式等，了解下面試者對於產品的誕生、定位、發展的認知。技術突破：技術與業務相結合這點在阿里也是一直在說但鮮有人做的非常好的地方，所以有的時候也會考察面試者。
看看他們所做的技術是如何從業務出發、給業務帶來了哪些改變以及如何去評估兩者之間產生的結果。面試結束反向互動面試官在掛斷之前，基本會給與候選人反問的機會，一般會表述為「你有什麼要問我的嗎」？無論面試的怎樣。
都希望你能說出心中的疑惑，比如面試中的某個題目、整體的評價反饋、你的建議或者了解所負責的業務，所在的團隊等等，而從面試官的角度來看，如果候選人願意反問你問題，至少能證明他是個好學的人。所以不要放棄這個互動的機會。
面試反饋每場面試結束後，面試官都會在系統里留下面試反饋，如果面試失敗，簡歷會放在人才庫里，很多人會在其中撈取簡歷，以後的面試官也可以看到之前所有的面試記錄，之所以講到這一點，是希望大家在面試中能夠保持謙和積極的心態。
認真面對每一場面試，即使這場面試沒有成功，但如果展示了好的品質，也會增加被發掘的機會，為你以後面試成功鋪路。保持聯絡如果跟面試官聊的比較好，可以請求加個微信之類的，面試是一個長期的事情，哪怕此次面試沒有通過。
以後還可能面試進來的，與面試官保持聯絡。前端面試題筆記面試會了，面試題也不能落下，這套面試筆記除了有CSS、JS、Vue、React、性能優化、伺服器埠、設計模式、數據結構和演算法面試題外，加了手寫代碼面試題。
這下面試官讓我們寫代碼也不怕啦！CSS問題flex布局css3的新特性img中alt和title的區別用純CSS創建一個三角形如何理解CSS的盒子模型？如何讓一個div水平居中如何讓一個div水平垂直居中如何清除浮動。