飞书很好,但赢不了,只能裁员

面试七股多一股 2024-04-05 13:26:39
心碎飞书

3 月 26 日,字节跳动旗下产品飞书的 CEO 谢欣发布全员信,正式宣布进行新一轮的组织调整,即裁员。

内部全员信如下:

我有不少朋友是在字节跳动,甚至就在 Lark 的。

同时我也因为会经常和一些平台的运营小伙伴有沟通需求,经常会使用飞书。

说一下我对飞书的看法。

飞书是一个很棒的产品,它能给你一些在其他 App(企业微信、钉钉)体会不到的舒适感。

企业微信和钉钉这两个 App 我也看过,在 tabbar 随便点点就会有满屏 icon 按宫格布局的界面。明明什么都还没做,那种无形的压力就上来了,在飞书上我基本上没有这种感觉。

那些宫格布局的功能,飞书也有,只不过紧迫感被良好的 UI 设计给摊开掉了。

当然,可能不少人会认为,作为一个办公应用,企业微信和钉钉给人带来的紧迫感觉,才是对的 ...

但办公软件敢于简洁化,恰恰说明产品的自信。

作为一个 5G 冲浪选手,我也没少听说飞书在 C 端收获的好评。

你没听错,很多个人团队/小型工作室,甚至只是有即时通讯需求的个人,也会选择飞书,这对于一个办公类的 IM 软件来说,是不可想象的。

那,如此好的一款产品,为什么会走到这一步?

总归到底,飞书应该是一款 B 端产品,而非其他。

基本面垮了,别的地方再好也没用。

飞书好比是名田径运动员,额外点亮了体操这一技能,气质方面满分,但田径成绩长期与第一二名断层。

要知道,大众(无论个人还是企业,企业一定程度也是个人)心智空间,往往只够容纳第一名,少数情况能容纳第二名,例如「可乐可乐和百事可乐」以及「企业微信和钉钉」,而飞书是三名。

导致局面的原因是显然的。

企业微信背靠微信,具有天然的链接优势,而钉钉依靠于入场得早,以及前期与政府的和谐关系,也抢占了属于自己的份额。

那飞书呢?

飞书只能去 to B 一些人家不要的企业,同时字节又和政府关系不好,丢失了最大头的客户。

后发的飞书,哪怕要成为前三,也注定要砸巨量资源,所以目前飞书的人数是钉钉的五倍。

从产品和组织架构来看,精简,确实是飞书现在应该要走的路。

只不过,时代的尘埃这次又要几百上千的人来一同承担了。

...

回归主线。

来做一道和「飞书」相关的算法原题。

题目描述

平台:LeetCode

题号:621

给你一个用字符数组 tasks 表示的 CPU 需要执行的任务列表,其中每个字母表示一种不同种类的任务。

任务可以以任意顺序执行,并且每个任务都可以在 1 个单位时间内执行完。

在任何一个单位时间,CPU 可以完成一个任务,或者处于待命状态。

然而,两个相同种类的任务之间必须有长度为整数 n 的冷却时间,因此至少有连续 n 个单位时间内 CPU 在执行不同的任务,或者在待命状态。

你需要计算完成所有任务所需要的最短时间。

示例 1:

输入:tasks = ["A","A","A","B","B","B"], n = 2输出:8解释:A -> B -> (待命) -> A -> B -> (待命) -> A -> B 在本示例中,两个相同类型任务之间必须间隔长度为 n = 2 的冷却时间,而执行一个任务只需要一个单位时间,所以中间出现了(待命)状态。

示例 2:

输入:tasks = ["A","A","A","B","B","B"], n = 0输出:6解释:在这种情况下,任何大小为 6 的排列都可以满足要求,因为 n = 0["A","A","A","B","B","B"]["A","B","A","B","A","B"]["B","B","B","A","A","A"]...诸如此类

示例 3:

输入:tasks = ["A","A","A","A","A","A","B","C","D","E","F","G"], n = 2输出:16解释:一种可能的解决方案是: A -> B -> C -> A -> D -> E -> A -> F -> G -> A -> (待命) -> (待命) -> A -> (待命) -> (待命) -> A

提示:

1<=task.length<=1041 <= task.length <= 10^41<=task.length<=104tasks[i] 是大写英文字母n 的取值范围为 [0,100][0, 100][0,100]构造

先考虑最为简单的情况:假设只有一类任务,除了最后一个任务以外,其余任务在安排后均需要增加 nnn 个单位的冻结时间。

将任务数记为 mmm 个,其中前 m−1m - 1m−1 个任务均要消耗 n+1n + 1n+1 的单位时间,最后一个任务仅消耗 111 个单位时间,即所需要的时间为 (n+1)×(m−1)+1(n + 1) \times (m - 1) + 1(n+1)×(m−1)+1。

当存在多个任务时,由于每一类任务都需要被完成,因此本质上我们最需要考虑的是将数量最大的任务安排掉,其他任务则是间插其中。

假设数量最大的任务数为 max,共有 tot 个任务数为 max 的任务种类。

实际上,当任务总数不超过 (n+1)×(max⁡−1)+tot(n + 1) \times (\max - 1) + tot(n+1)×(max−1)+tot 时,我们总能将其他任务插到空闲时间中去,不会引入额外的冻结时间(下左图);而当任务数超过该值时,我们可以在将其横向添加每个 n+1n + 1n+1 块的后面,同时不会引入额外的冻结时间(下右图):

综上,我们所需要的最小时间为上述两种情况中的较大值即可:

max⁡(task.length,(n+1)×(max−1)+tot)\max(task.length, (n + 1) \times (max - 1) + tot)max(task.length,(n+1)×(max−1)+tot)

Java 代码:

class Solution { public int leastInterval(char[] tasks, int n) { int[] cnts = new int[26]; for (char c : tasks) cnts[c - 'A']++; int max = 0, tot = 0; for (int i = 0; i < 26; i++) max = Math.max(max, cnts[i]); for (int i = 0; i < 26; i++) tot += max == cnts[i] ? 1 : 0; return Math.max(tasks.length, (n + 1) * (max - 1) + tot); }}

C++ 代码:

class Solution {public: int leastInterval(vector<char>& tasks, int n) { vector<int> cnts(26, 0); for (char c : tasks) cnts[c - 'A']++; int maxv = *max_element(cnts.begin(), cnts.end()); int tot = count(cnts.begin(), cnts.end(), maxv); return max(static_cast<int>(tasks.size()), (n + 1) * (maxv - 1) + tot); }};

Python 代码:

class Solution: def leastInterval(self, tasks: List[str], n: int) -> int: cnts = [0] * 26 for c in tasks: cnts[ord(c) - ord('A')] += 1 maxv, tot = 0, 0 for i in range(26): maxv = max(maxv, cnts[i]) for i in range(26): tot += 1 if maxv == cnts[i] else 0 return max(len(tasks), (n + 1) * (maxv - 1) + tot)

TypeScript 代码:

function leastInterval(tasks: string[], n: number): number { const cnts = new Array<number>(26).fill(0) for (const c of tasks) cnts[c.charCodeAt(0) - 'A'.charCodeAt(0)]++ let max = 0, tot = 0 for (let i = 0; i < 26; i++) max = Math.max(max, cnts[i]) for (let i = 0; i < 26; i++) tot += max == cnts[i] ? 1 : 0 return Math.max(tasks.length, (n + 1) * (max - 1) + tot)}时间复杂度:O(n+C)O(n + C)O(n+C)空间复杂度:O(C)O(C)O(C),其中 C=26C = 26C=26 为任务字符集大小
0 阅读:0