要说拿到 亚马逊 的 offer，那可真不是件容易事儿。作为全球数一数二的科技巨头，亚马逊的面试标准出了名的高，不光看你技术牛不牛、解决问题能力强不强，还得看你跟他们那套著名的领导力准则合不合拍。
无论你是想进军软件工程，还是立志成为产品经理，问对问题都能帮你摸清门道，找到成功的秘诀。接下来的分享，咱们就来聊聊那些亚马逊面试里的“真题”，给你一些独家见解和应战策略，让你能自信满满地去面试，从一众高手中脱颖而出！
Amazon Interview Code 1：电商套利利润最大化
设想你是一名电商套利者，计划在促销季节从一家大型零售商（例如沃尔玛）低价购入商品，然后在另一个电商平台（例如亚马逊）上以更高的价格卖出，以此获得利润。你的任务是确定最佳的购买和销售时机，以实现最大的利润。
给定两个数组，分别代表在连续几天内，同一商品在沃尔玛和亚马逊的每日价格。你的目的是找出一个购买和销售的时机组合，使得利润最大化。
输入：
walmart_prices[]：一个整数数组，表示连续几天内沃尔玛的商品价格。amazon_prices[]：一个整数数组，表示连续几天内亚马逊的商品价格。
输出：一个整数，表示能够实现的最大利润。
示例：
输入：
walmart_prices = [4, 7, 5, 8]amazon_prices = [6, 8, 7, 8]
输出：4
解释：你可以在第0天以4美元的价格从沃尔玛购买商品，在第1天以8美元的价格在亚马逊卖出，从而获得4美元的利润。
注意：
- 你可以假设两个数组的长度相同，且每天只能进行一次交易（即只能购买或销售一次商品）。
- 如果没有利润可图，输出应为0。
面试过程:
首先面试官和候选人进行了短暂的自我介绍:
在面试过程中，面试官深入探讨了候选人过往的职业经历，特别是其参与的关键项目细节，旨在评估其实际解决问题的能力。候选人分享了近期通过技术创新，显著提升系统运行效率的经历。他强调了自身对数据结构与算法深刻理解的运用，这些专业知识成为他优化系统性能、实现性能的手段。通过实例阐述，候选人不仅展现了其技术实力，还体现了将理论知识灵活应用于实践场景的能力。
面试官：听起来很不错，那接下来我们进入技术面试环节？
候选人：好的，没问题
接下来是一道代码编程题:
面试官提出了一个代码问题，如何通过策略性地选择，在Walmart购买商品并在Amazon平台上出售，以实现利润最大化的目标。候选人迅速捕捉到了问题的核心要点，并理解了问题。为了进一步确保对问题的全面把握，候选人提出了一系列澄清问题。
澄清问题:
候选人继续深入提问，以便全面地理解问题场景和边界条件：”这道题的意思是我们要寻找在Walmart购买并在Amazon出售的最大利润，对吗？”这再次确认了候选人对问题目标的准确理解。”
面试官给予肯定回答后，候选人进一步提出：”好的，两者的价格列表是相同的吗？”
面试官明确回复：”是的，两个列表的长度相同，每个时间点上的价格对应相同的商品。”
候选人考虑到了特殊情况，提出：”那么如果Walmart的价格始终高于Amazon的价格，我们可以假设卖家将不会进行交易吗？”
面试官的肯定回答：”是的，买家可以策略性的选择是否交易，没有买入卖出的话，利润是0″
代码思路:
候选人开始详细阐述其解决方案：采用动态规划的思想，但实际上，在这个特定问题中，更接近于一种滑动窗口或单次遍历的优化策略。候选人计划用一个变量来动态追踪到目前为止在Walmart看到的最低价格，这是一个聪明的策略，因为它允许在遍历Amazon价格时，迅速计算出基于当前最低Walmart价格的潜在利润。
面试官对候选人的思路表示了认可：”思路没问题，那么这样设计的时间复杂度是多少呢？”
候选人准确地指出：”由于只遍历了一次价格列表，因此时间复杂度是O(n)，其中n是价格列表的长度。”
面试官的对候选人的回答进行了肯定，并提出如何处理边界情况、如何确保代码的正确性以及如何在实际应用中验证和优化算法时间复杂度等方面。
细节问题讨论:
面试官接着问：”假设Walmart的价格始终高于Amazon，该怎样挑选合适的策略呢？”
候选人：”这种情况下，买家不会发生任何交易，利润为0。”
面试官：”所以能否考虑到其他边界条件呢？”
候选人迅速回应：”如果两个列表的长度不相等或者价格列表为空。对于这些问题，需要确保输入有效，这在实际编程中是非常重要的，因为不合法的输入往往会导致程序出错或产生不可预测的结果。”
面试官：”不错，解决思路没有问题。那请开始实现一下代码吧”
Clarification Question:
Candidates: “So can Walmart Sellers assume that they can buy from Walmart first and then wait for Amazon to provide better pricing?”
The interviewer followed up with “Yes, So the customer can wait and get a price that is lower Amazon in future date after purchasing an item from Walmart”
Code Question Discussion:
The candidate stressed the need to resolve it efficiently. She stressed the necessity to track all Walmart prices seen so far and calculate their profit at each step, before calculating what Amazon would make from each price change. She further detailed declaring initial variables such as minimum price from Walmart or maximum profit and updating profit calculations at every Amazon price step until reaching maximum profits so far.
Interviewer liked the proposed technique and advised candidate to implement it immediately.
Follow-up Questions:
The interviewer asked: “Assuming Walmart’s prices are always higher than Amazon’s, How we choose a suitable strategy to buy goods?”
Candidate: “In this case, we will not make any transactions and the profit will be zero.”
Interviewer: “Let’s consider other boundary conditions.”
The candidate responded: “If the lengths of two lists are not equal or the price list is empty, it is important to ensure that the input is valid for these issues, as invalid input often leads to program errors or unpredictable results.”
Interviewer: “Great, there is no problem with the solution idea. Then please start implementing the code.”
Amazon Interview Code 2：合并N个有序列表
Question:
Example:
面试过程:
代码题目问答
候选人提问深入：进一步明确了任务的核心，即需要将多个已排序的列表合并成一个单一的、同样保持有序的新列表。紧接着提出了解题方法：”在合并这些列表时，是否可以借助优先队列（特别是最小堆min-heap）来优化这一过程呢？通过构建最小堆来动态追踪每个列表的当前最小元素，我们能够实现一个较为高效的合并算法，其时间复杂度大约为O(N log k)，这里N代表所有列表中的元素总数，k则是列表的个数。这样的方法能否适用于我们的场景？”
面试官给予了肯定的反馈：“你的思路非常清晰且正确。利用最小堆来辅助合并多个有序列表，确实是一个有效的优化手段。这种方法不仅保持了合并后列表的有序性，还通过减少不必要的比较次数，显著提升了算法的效率。”
代码思路:
候选人提出的使用min-heap（最小堆）来合并多个有序列表的思路是非常清晰和有效的。以下是该思路的详细步骤，以及每一步的解释：
- 初始化优先队列（min-heap）：创建一个最小堆，用于存储来自各个有序列表的当前最小元素。
- 迭代处理最小堆：在一个循环中，不断从最小堆中取出当前的最小元素（即堆顶元素），并将其添加到结果列表中。
- 合并结果：当最小堆为空时，表示所有列表的元素都已经被处理完毕。
Clarification Question:
The candidate asked: “Are we combining multiple sorted lists into one?
The interviewer replied, “Yes, while merging multiple sorted list,the resultant has to be a single sorted array”.
Code Discussion:
The product guy elaborated upon two alternatives(predictions). One is the brute force method of simply concatenating every list together and then sorting that resulting collection which takes O(N log N) time, where N represents the total number of elements. The second approach made more sense: Candidate had advised using a min-heap (priority queue) to easily merge the lists in an optimized way.
It required the initialisation of a min heap with minimum element from each list. Such candidate would keep extracting smallest element and pushing the next successor from that list until all elements were merged. This one gives you O(N log k) complexity, with respect to the number of lists which is denoted here as k.
The interviewer was pleased with that answer, recognizing the potential time savings, and asked for coding to begin.
For More Information
We assist you with the interviews and proxy interview services so that your chances of getting into your dream company are perfected. Get in touch with us any time.
如果你面试、笔试有问题，请随时联系我，专业协助您通过笔试、面试，欢迎随时咨询我。
