OfferForge 导师 Dr. W. — 博士毕业，前 FAANG Senior MLE。研究方向为大规模分布式机器学习系统，曾在顶级国际学术会议发表多篇论文。负责团队学术方向把控与 MLE 面试辅导。
OfferForge 导师 Dr. S. — 前大厂 Senior SDE，精通分布式系统与大规模数据处理。曾在顶级技术会议发表多篇技术报告，专注于系统可扩展性与可靠性。负责课程体系设计与 System Design 面试辅导。
OfferForge 导师 Dr. L. — 前大厂 Senior SDE，深耕分布式系统与微服务架构。在服务治理、事件驱动架构方面有丰富实战经验。负责求职策略制定与 SDE 面试辅导，已帮助多位候选人斩获 Senior 级别 Offer。
最近看了很多朋友在讨论今年亚麻实习 OA 的题目，大多数都还是那几道反复出现的老题，变化不大。所以我把这两道遇到的新题整理了一下，希望能帮到准备 OA 的同学。这次的流程还是老样子，在 HackerRank 上做题，开始的时候需要拍照身份认证，之后整个过程都不需要再开摄像头或者共享屏幕。Test case 有 hidden 的部分，而且非常容易因为时间复杂度不过关被卡住。因此真的不能单纯依赖 ChatGPT 或者照搬以前的题解，尤其是题目描述里有些比较模糊的要求，必须结合 test case 才能判断它真正想让你实现的细节逻辑。
这一题主要模拟的是 Amazon 物流仓储中心里最典型的规划问题。题目给出的就是一个这样简化后的仓库环境——一个由 0 和 1 组成的二维网格。0 表示可以通行的道路，1 表示障碍物或不可通行的区域。同时会给出机器人起点和目标包裹位置，要求你返回从起点移动到目标位置的最短路径长度。如果根本到不了目标，就返回 -1。本质上，这道题就是典型的 BFS 最短路径问题。因为网格中的每一步路径代价一致，只要用 BFS，从起点开始层层扩展，当你第一次抵达目标位置时，那条路径就一定是最短的。代码实现时重点是维护一个队列，把下一步可能到达的位置不断压进队列，同时用 visited 去记录已经访问过的格子，避免重复计算，否则会导致时间复杂度飙升。写得够规范的话，BFS 的整体复杂度大约是 O(m·n)，完全能满足 OA 的要求。虽然从真实业务角度来看，路径规划更常使用 A* 这种带启发式函数的算法，但 OA 通常不会搞太复杂，按照 BFS 来实现就足够了。不过 test case 会专门设计那种绕远路的情形和边界条件，一定要注意比如越界判断、障碍处理、起点等于终点这些小点，否则很容易挂掉。
第二题就更偏向 Amazon Prime Video 背后的内容分发逻辑。题目里会给出 N 个服务器的当前负载，然后告诉你系统一次会新增 K 个请求，希望你能模拟系统是如何把这些请求一步一步分配出去的。每次都要把新的请求派给负载最低的那台服务器，分配完后更新它的负载，再继续进行下一轮分配。最终做完 M 次这样的分配后，要求你输出所有服务器的最终负载，并按从小到大排序。解决思路其实就是 min-heap。把所有服务器的负载丢进堆里，每次从堆顶取出负载最小的服务器，让它承担 K 个新请求，然后把更新后的负载重新放回堆。堆结构能保证你在每次选择最小负载时只要 O(log N) 的操作复杂度，而整个过程要重复 M 次，所以总复杂度大概是 O(M log N)，正好符合 OA 对时间性能的要求。这题比较容易踩坑的是边界情况，比如 K 为 0、服务器数量为 1、或者 M 特别大导致需要非常严格的堆操作效率。还有一些 test case 会故意构造负载相同的服务器，并测试你是否会把它们都正确放回堆中，而不是只更新一部分。另外最终输出前要记得把堆里的所有内容完整弹出，并保证排序正确。
做完编程题之后的 Work Simulation 就简单得多，可以理解成选择题版的 situational judgment test。不限时，而且逻辑都相对固定，有条件的话直接用 GPT 辅助做，基本不会出错。