想搞定 Google 等名企 Offer？先学会北大学霸的这几招

范非凡同学是「技艺丛谈」的号主在去年认识的一个北大学霸，他人如其名，面试表现非同凡响。如他这样优秀的人才，当然是中国互联网公司争夺的对象，最后他加入谷歌，也算是得其所愿。这次有幸邀请到他，给我们分享下他宝贵的校招求职经验，尤其是怎么拿到 Google 的 Offer 的。

Google 的面试经验，不仅对面试微软、Facebook、Hulu等外企有很高参考价值，对面试国内大小厂也同样如此。此外，虽然本文是校园招聘的经验分享，对社招同学的求职同样具有参考意义。希望非凡同学的这次分享，能够帮到大家。

1、个人情况

本人为 2017 级毕业的硕士研究生，本科就读于南大计算机系，硕士就读北大信科，无 ACM 竞赛背景，在去年找工作季幸运地拿到了 Google 的 offer ，应平哥邀请，分享一下面试 Google 的体会。

2、背景介绍

2.1、面试流程

去年 Google 的校园招聘共有 5 次 APAC Online Test ，通过任意一次都可以进入下一环节，今年对应的有 Kickstart Test ，可以在 Google Kickstart 官网上查看练习过去几年的考题。

根据 APAC Test 的成绩表现，Google 会对部分候选人增加 1-2 轮的电话面试，形式一般考察算法和数据结构，通过在线白板写 code 。

接下来一般在一个月内 HR 会邀请候选人来 Google office 参加 4-5 轮 onsite 面试，每轮面试 45 分钟，去年的形式为 2+3 ，前两轮面试通过后会安排后面的三轮面试，一般会在一周内完成 onsite 面试流程。onsite 面试主要考察算法和数据结构，也会考察一些计算机科学基础知识，以我去年情况为例，5 轮面试中有 4 轮考察算法，1 轮考察系统设计。

面试通过后，HR 会收集候选人的面试表现，成绩单 GPA，简历等提交给 Hiring Committee，来审核候选人是否最终通过了 Hiring Bar。通过后，会进入部门匹配环节，匹配成功后则发放 offer。

2.2、校招名额

根据一些往届面试者收集的信息，Google 近三年在中国招收的名额整体呈下降趋势，海外的 offer 主要集中在美国 Moutain View 总部，但由于工作签证 H1b 抽签的随机性，导致很多 candidates 拿到了 offer 却不能去工作，需要 park 在其他国家的 office ，但 remote office 的招收名额相对较少，并以招当地人为主，所以给安排这些拿到美国总部 offer 却没抽中工作签证员工的工作地点存在比较大的麻烦，所以海外名额的数量越来越少。

以 Facebook 为例，2015 年还在大陆招收员工，有 1/3 的员工抽中了工作签证，1/3 的员工 park 在伦敦，1/3 的员工直接 Gap 一年不管了，下一年继续抽签，抽不中就友尽，同时 2016 年开始就没有专门在中国区招聘了。

Google 这两年都是招聘小年，名额整体比较少，不过随着 AlphaGo 掀起的 AI 浪潮，Google今年可能开始在中国招收 AI 领域的员工。

2.3、划重点

• 面试语言为英语。

• Google 在校招季会有 batch interview week ，面试官会在一周内只参与面试任务，所以不同轮次的候选人会遇到相同的面试官，多和其它应聘者沟通！

3、前期准备

3.1、干货们

• LeetCode (在线刷题）

刷题必备网站，包含了各种经典算法问题，新颖面经问题等，而且有按算法专题，公 司专题，热题排行榜等，非常全面。部分题型和功能需要付费，前期可以先把免费题型训练完，面前一个月充个会员把带锁的题目以及公司专题看一下。

关于刷题的策略，首先按算法专题过一遍（如二分查找，DFS，BFS，动态规划等），熟悉每种算法的套路（如遇到新问题往哪个算法上靠，即每种经典算法的特征？什么类型问题用二分查找？二分查找写法有多个变种，每个变种解决什么类型问题？常见算法复杂度分析，动态规划常用的优化空间时间的方法？），然后分析每种系列题型（如 Best Time to Buy and Sell Stock 有 n 个变种，分析每个变种的差异，如何扩展的；再例如 DFS 经典问题排列和组合，排列和组合都可以用 DFS 解决，写法有什么差异，排列组合问题的各个变种中 DFS 的写法怎么变化的；动态规划中每种题型的变种条件的改变怎么引起动归方程的改变等），然后按照公司专题来做题，还有时间的可以再看看 Top Hits。

Leetcode 在前年还稳定在经典的 151 道题，从去年开始题量就增长很快，截止到去年我面试 Google 时（见下图）大约有接近 400 道题目，现在再看 leetcode 的列表，已经接近 700 道题了。Leetcode 题目增长很快，包括很多最新的面经，以我去年刷题体验来看，大约把 leetcode 做了 2-3 遍（第一遍比较慢，后面几遍主要是查漏补缺，同时加强对之前解题思路的理解，速度会快很多），也很难保证每道题都能很快写出 bug-free 的代码，所以面试前我会使用一种策略，确保能够快速地将问题映射到使用某种算法上：打印出 leetcode 题目列表，挨个看题目标题，迅速脑海构思应该用哪种算法解决（动归？DFS？二分查找？堆栈数据结构？），有什么坑在里面（正负数？异常输入及溢出？空指针？），但不去思考代码细节怎么写，从而筛选出不太熟练的题目，再次加强复习，查漏补缺。

• LintCode（在线刷题）
  

  China 版 Leetcode，题目和 leetcode 有很多重合之处，与 leetcode 可以配合补充使用，比如 Leetcode 上有 Permutations I 和 II，lintcode 还有额外的一些变种，两者配合可以增加了解题型变种的差异。

• Elements of Programming Interviews ( EPI，好书！)

  该书涉及了面试的方方面面，除了算法外，还有很多计算机基础知识，如信号量，互斥锁等，很多 leetcode 的题目都来源于该书的习题，刷完 leetcode 后适合每个章节都快速过一下（很多题目在 leetcode 已经做过了，可以跳过），同时通过该书复习计算机科学基础知识。

• GeeksforGeeks（solution library）

  除了在线刷题外，还会遇到各种面经中没有提供 solution 的问题，经常可以在 GeeksforGeeks 上找到解答，以及很多经典算法的写法，该网站也常有一些合集。比如二叉树序列化到多叉树序列化问题（来自面经）都可以在上面找到解答。

• 一亩三分地（面经专版）

面试前两周就要开始刷面经了，面经的题目列表针对性更强，中奖率更高。一亩  三分地是一个好平台，可以看到很多近期的真题面经，我一般选择热心网友整理 的面经集合（整理了近几个月来该平台上某司的面经帖子）

• CareerCup（面经）

该网站面经更新速度比较快，感觉更多是老外在上面贴面经，一亩三分地都是华人发贴，富有余力的可以再看看这上面近期的面经。

• 其他（编程之美，程序员面试金典）

  前面的刷完，应该就差不多了，还有兴趣的可以看微软的《编程之美》以及《程序员面试金典》（Cracking the Coding Interview 中文翻译版）

3.2、个人简历

• 实习/项目经历

  在前几年 Google 还比较看中实习经历，对在微软，hulu 等外企的实习经历比较认可，可能会作为筛选简历的一个因素。但从去年开始，Google 就对所有候选人一视同仁，都需要参加 APAC Online Test，根据该成绩决定后续是否进入面试环节。实习经历可能在 Hiring Committee Review 和 Team match 的时候还具有一定影响，比如往届有同学在网易有道实习过，然后匹配部门时匹配到了 Google 输入法团队。

  
  

  就国内的企业来看，还是比较重视实习和项目经历的，很多公司可能只根据其过去的经历决定是否录用，面试走个形式。一般考察的是实验室的科研项目和公司的实习项目经历，特别对于研究生而言，在校期间最好能在老师指导下有一定的科研成果，这是最能专心做研究的时光。这样既证明了自身的创新能力，对找工作求职也有很大帮助，特别是偏研究的岗位。求职季的暑假可以考虑实习的机会。大公司实习有比较大平台和数据可供学习，小公司实习时灵活性更高，能涉猎的技术领域和踩的坑都比较多。个人觉得实习期间算法研究，工程开发都可以搞一搞，将来总会有用得着的时刻。

• ACM 竞赛经历

  有 ACM 竞赛经历还是有一定优势的，比如你辛辛苦苦刷 leetcode 600 道题，别人很早之前都做过 3000 道题了，这次只是复习一下。不过有一点是，面试官看你有竞赛经历，可能会对候选人要求更严格一点，给正常候选人出个 medium 难度题目，给 ACM 选手就出 hard 题目，所以这个有一定的不确定性。另外就是 Google 面试出原题概率较低，不管怎么样，题目是做不完的，刷题还是要注重多思考和总结。

• 简历修改

  写好的简历找身边小伙伴看看，给些修改意见。

3.3、简历内推

不仅是 Google，面试各家公司最好都先找往届的师兄师姐内推一下，会有一定的帮助。另外，尽可能地找和自己关系比较熟，对自己了解的人内推，这样在写内推意见时就比较靠谱和贴合实际。此处感谢一下之前内推我的强师兄，认真负责的给我写了一页推荐意见。

3.4、划重点

• 刷题！刷题！刷题！重要的事情讲三遍

• 整理手刷代码清单，经典算法迅速能给出 bug free code

• 不求刷题快，但求刷题精，每道题可以多看一些高分解答，多去思考总结规律，避免陷入刷过忘，忘过刷的循环

• 面前看面经，刷公司专题

• 认真改简历，简历要内推

4、模拟面试

面试中解决算法题和平时刷题的感觉还是差别挺大的，所以在有一定刷题积累后，开始和身边的小伙伴组织一些模型面试，前期可以中文面试，后期增加一些英文模拟面试。题型可以选择难度适中且相对比较新颖一点的题目，以锻炼在面试中遇到新问题如何快速反应的能力。

模拟面试的形式以 4 人为例（见下图），每次开展两轮面试，每个人分别做一次面试官和一次面试者。写代码方式可选纸笔，白板，在线编辑（google doc 或者 http://collabedit.com/），推荐刚开始和面试官交流时用纸笔，实际写代码在电脑 doc 上写（速度快，方便更改）。去年面试时，HR 会给面试双方发个共享 doc 链接，面试时在上面写 code。

5、临阵磨枪

进入 onsite 面试前一周，就可以开始临阵磨枪，此时主要以刷面经为主，来源如一亩三分地，careerCup 等。考前还有一招前文提到的锻炼快速分析题型的技巧，即打印 leetcode 题目列表，迅速构思每一道题应该用哪种算法解决，进而查漏补缺。

面试前调整心态，默念十遍：You are ready!

题目永远刷不完，相信之前的积累，心态放平和。

6、面场发挥

每一轮面试时间为 45 min，其中有前面 1-2 分钟自我介绍和后面提问面试官问题 1-2  分钟。一般会考察两道算法题，第一道简单点，第二道复杂些，或者第二道是第一道的 follow-up。

开始做题后，先思考有哪些 edge case，并向面试官提问（如空指针输入，负数，无效输入等），大约花个 3-10 分钟思考 solution，然后和面试官沟通解法及算法复杂度，面试官觉得思路 ok，就可以开始写 code。开始写 code 后一般就专心写，如果思考到有需要确认的 case，也可以及时和面试官沟通。写完 code 后，告诉面试官自己先 check 一下 code，然后自己思考一个测试用例，人肉检查一遍代码运行情况，然后思考一下 edge case 是否没问题，然后告诉面试官 ok 了。面试官边检查 code 时，可以在解释自己的 solution 时，先整体介绍用了什么算法，再分开介绍第 X 行到第 Y 行的功能。

面试语言主要为英文，去年我参加 5 轮面试，只有 1 轮系统设计面是中文。因为当时面试时间是在 batch interview week ，面试官主要是由美国总部过来的员工。不过一般面试官会将题目写出来，所以不用担心听不懂题目。面试官可能提出一些 follow-up，如果没有听明白，可以礼貌地让其重复，这个没啥影响。

自我介绍准备好，一般 1 分钟左右就行，主要介绍教育背景，做过的项目（举一个例子即可）及拿过的奖项等。

要咨询面试官的问题准备好，比如他们组主要做什么？跨部门之间的合作？避免问一些很专业的问题，如 Google XX 技术怎么实现的？

划重点

• Speak Out。在思考 solution 过程中，及时和面试官沟通你的思路变化，避免陷入长时间单方面的思考，特别是遇到不会的题目，及时和面试官沟通你当前的思路，面试官也可能根据你的思路提供一些 hints ，也能了解你解决问题的分析思路。

• 避免思维定势。遇到似曾相识的题目，却记不起解决方案时，就当做一道新题来处理，一方面节省时间，另一方面避免陷入挖掘模糊的记忆，特别很有可能这道题目是一个变种题，和之前的题目不一样。

7、乘胜追击

通过 Hiring Committee 后，现在都会先进行部门匹配，匹配成功后才发放 offer。越早开展匹配，成功的概率越高。近两年来的坑比较少。拿 Google offer 是个长期战线，面试通过以后也要经常催促一下。前两年的情况，通过面试后基本上都给匹配了某个 office，时间周期跨度也挺大，如 3 到 7 个月不等。不过去年有不少候选人最后没有匹配 office，因为去年坑太少了，不过记录还都在系统中，未来有开放的职位后还会联系这些候选人，据说有一些是候选人都入职了才匹配的。

此外，对于选择国内 Google 还是国外 Google，因人而异，国外名额集中在美国总部，不过 h1b 的中签率也比较感人，往届有不少抽不中，然后再等匹配其他 office， 经历更长的时间等待。选择国内的话有一定的缓冲时间，一方面可以逐步适应英语的工作环境，另一方面将来也有 transfer 的机会。国外的待遇相对比较好，过得相对比较安逸，世界这么大，我想去看看。

8、总结

相对于国内的面试，Google 整体的招聘流程一般考察候选人的基本功，而对候选人的过往经验不太看重，Google 想选拔优秀的员工，安排到任意的岗位中都能够胜任，所以内部部门间的流动性也比较大。国内的公司相对更多看中候选人过去的项目实习经历，希望能够到匹配的部门快速开展工作。

相对于微软、 hulu 等外企，Google 的坑比较少，不过面试的风格比较类似，都是偏向算法考察。

对于选择算法研究岗还是工程开发岗的问题，Google 目前主要招聘的是 Software Development Engineer，今年也开始招聘 Research Scientist 和 Machine Learning Engineer 职位，具体选择哪种道路可以参见之前平哥的系列文章。个人感觉两个方向都可以学习一下，将来总会有用得着之处，也许还会切换了职位。

最后想说的一点是，心态要好，面试具有运气成分，是否通过 Google 的面试不能说明什么，将来的道路还很长，总会找到适合自己的一条道路！