算法面试可能是微软搞出来的面试方法，现在很多公司都在效仿，而且我们的程序员也乐于解算法题，我个人以为，这是应试教育的毒瘤！我在《再谈“我是怎么招程序员”》中比较保守地说过，“问难的算法题并没有错，错的很多面试官只是在肤浅甚至错误地理解着面试算法题的目的。”，今天，我想加强一下这个观点——我反对纯算法题面试！（注意，我说的是纯算法题）
图片源 Wikipedia（点击图片查看词条）
我再次引用我以前的一个观点——
能解算法题并不意味着这个人就有能力就能在工作中解决问题，你可以想想，小学奥数题可能比这些题更难，但并不意味着那些奥数能手就能解决实际问题。
好了，让我们来看一个示例（这个示例是昨天在微博上的一个讨论），这个题是——“找出无序数组中第 2 大的数”，几乎所有的人都用了O(n)的算法，我相信对于我们这些应试教育出来的人来说，不用排序用O(n)算法是很正常的事，连我都不由自主地认为O(n)算法是这个题的标准答案。我们太习惯于标准答案了，这是我国教育最悲哀的地方。（广义的洗脑就是让你的意识依赖于某个标准答案，然后通过给你标准答案让你不会思考而控制你）
功能性需求分析
试想，如果我们在实际工作中得到这样一个题我们会怎么做？我一定会分析这个需求，因为我害怕需求未来会改变，今天你叫我找一个第 2 大的数，明天你找我找一个第 4 大的数，后天叫我找一个第 100 大的数，我不搞死了。需求变化是很正常的事。分析完这个需求后，我会很自然地去写找第K大数的算法——难度一下子就增大了。
很多人会以为找第K大的需求是一种“过早扩展”的思路，不是这样的，我相信我们在实际编码中写过太多这样的程序了，你一定不会设计出这样的函数接口 —— Find2ndMaxNum (int* array， int len)，就好像你不会设计出 DestroyBaghdad (); 这样的接口，而是设计一个 DestoryCity ( City& ); 的接口，而把 Baghdad 当成参数传进去！所以，你应该是声明一个叫 FindKthMaxNum (int* array， int len, int kth)，把 2 当成参数传进去。这是最基本的编程方法，用数学的话来说，叫代数！最简单的需求分析方法就是把需求翻译成函数名，然后看看是这个接口不是很二？！
（注：不要纠结于 FindMaxNum () 或 FindMinNum () ，因为这两个函数名的业务意义很清楚了，不像 Find2ndMaxNum () 那么二）
非功能性需求分析
性能之类的东西从来都是非功能性需求，对于算法题，我们太喜欢研究算法题的空间和时间复杂度了。我们希望做到空间和时间双丰收，这是算法学术界的风格。所以，习惯于标准答案的我们已经失去思考的能力，只会机械地思考算法之内的性能，而忽略了算法之外的性能。
如果题目是 —— “从无序数组中找到第K个最大的数”，那么，我们一定会去思考用O(n)的线性算法找出第K个数。事实上，也有线性算法 —— STL 中可以用 nth_element 求得类似的第n大的数，其利用快速排序的思想，从数组S中随机找出一个元素X，把数组分为两部分 Sa 和 Sb。Sa 中的元素大于等于X，Sb 中元素小于X。这时有两种情况：1）Sa 中元素的个数小于k，则 Sb 中的第k-Sa 个元素即为第k大数；2） Sa 中元素的个数大于等于k，则返回 Sa 中的第k大数。时间复杂度近似为O(n)。
搞学术的 nuts 们到了这一步一定会欢呼胜利！但是他们哪里能想得到性能的需求分析也是来源自业务的！
我们一说性能，基本上是个人都会问，请求量有多大？如果我们的 FindKthMaxNum ()的请求量是m次，那么你的这个每次都要O(n)复杂度的算法得到的效果就是O(n*m)，这一点，是书呆子式的学院派人永远想不到的。因为应试教育让我们不会从实际思考了。
工程式的解法
根据上面的需求分析，有软件工程经验的人的解法通常会这样：
1）把数组排序，从大到小。
2）于是你要第k大的数，就直接访问 array[k]。
排序只需要一次，O(n*log (n))，然后，接下来的m次对 FindKthMaxNum ()的调用全是O(1)的，整体复杂度反而成了线性的。
其实，上述的还不是工程式的最好的解法，因为，在业务中，那数组中的数据可能会是会变化的，所以，如果是用数组排序的话，有数据的改动会让我重新排序，这个太耗性能了，如果实际情况中会有很多的插入或删除操作，那么可以考虑使用B+ 树。
工程式的解法有以下特点：
1）很方便扩展，因为数据排好序了，你还可以方便地支持各种需求，如从第 k1 大到 k2 大的数据（那些学院派写出来的代码在拿到这个需求时又开始挠头苦想了）
2）规整的数据会简化整体的算法复杂度，从而整体性能会更好。（公欲善其事，必先利其器）
3）代码变得清晰，易懂，易维护！（学院派的和 STL 一样的近似O(n)复杂度的算法没人敢动）
争论
你可能会和我有以下争论，
- 如果程序员做这个算法题用排序的方式，他一定不会像你想那么多。是的，你说得对。但是我想说，很多时候，我们直觉地思考，恰恰是正确的路。因为“排序”这个思路符合人类大脑处理问题的方式，而使用学院派的方式是反大脑直觉的。反大脑直觉的，通常意味着晦涩难懂，维护成本上升。
- 就是一道面试题，我就是想测试一下你的算法技能，这也扯太多了。没问题，不过，我们要清楚我们是在招什么人？是一个只会写算法的人，还是一个会做软件的人？这个只有你自己最清楚。
- 这个算法题太容易诱导到学院派的思路了。是的这道“找出第K大的数”，其实可以变换为更为业务一点的题目——“我要和别的商户竞价，我想排在所有竞争对手报价的第K名，请写一个程序，我输入K，和一个商品名，系统告诉我应该订多少价？（商家的所有商品的报价在一数组中）”——业务分析，整体性能，算法，数据结构，增加需求让应聘者重构，这一个问题就全考了。
- 你是不是在说算法不重要，不用学？千万别这样理解我，搞得好像如果面试不面，我就可以不学。算法很重要，算法题能锻炼我们的思维，而且也有很多实际用处。我这篇文章不是让大家不要去学算法，这是完全错误的，我是让大家带着业务问题去使用算法。问你业务问题，一样会问到算法题上来。
小结
看过这上面的分析，我相信你明白我为什么反对纯算法面试题了。原因就是纯算法的面试题根本不能反应一个程序的综合素质！
那么，在面试中，我们应该要考量程序员的那些综合素质呢？我以为有下面这些东西：
- 会不会做需求分析？怎么理解问题的？
- 解决问题的思路是什么？想法如何？
- 会不会对基础的算法和数据结构灵活运用？
另外，我们知道，对于软件开发来说，在工程上，难是的下面是这些挑战：
- 软件的维护成本远远大于软件的开发成本。
- 软件的质量变得越来越重要，所以，测试工作也变得越来越重要。
- 软件的需求总是在变的，软件的需求总是一点一点往上加的。
- 程序中大量的代码都是在处理一些错误的或是不正常的流程。
所以，对于编程能力上，我们应该主要考量程序员的如下能力：
- 设计是否满足对需求的理解，并可以应对可能出现的需求变化。
- 程序是否易读，易维护？
- 重构代码的能力如何？
- 会不会测试自己写好的程序？
所以，这段时间，我越来越倾向于问应聘者一些有业务意义的题，而且应增加或更改需求来看程序员的重构代码的能力，写完程序后，让应聘者设计测试案例。
比如：解析加减乘除表达式，字符串转数字，洗牌程序，口令生成器，通过 ip 地址找地点，英汉词典双向检索……
总之，我反对纯算法面试题！