某程序员吐槽：网络工程师被通知调岗为保安，薪资2360 元每月。。
虎哥约 4 分钟今天看到一个挺让人震惊的吐槽，一位网络工程师竟然被调岗为保安，薪资降到2360元/月！
这个事情真的是让人感到不敢相信——从网络工程师到保安，这跨度实在太大了吧？想象一下，一个平时跟服务器、代码打交道的技术大佬，突然要去看大门
更夸张的是，薪资还缩水到一个连普通职工都难以接受的水平。这不单单是一个职位调动这么简单，简直是对技术工作的极大不尊重啊！
你要知道，程序员一线的工作压力可不是开玩笑的，面对的是技术难题和业务需求，每天都得埋头苦干，眼睛都不敢离开屏幕一秒钟。突然告诉你，今天你去保安岗了，还降薪，你心里得有多难受啊。
我觉得，这样的情况不能忍！确实，网友说的没错，大家一定得拿起法律的武器保护自己，找劳动局来解决问题，这绝不是“低头认命”的时候。
如果公司这样对待员工，咱们也不能轻易低头，走正规渠道，法律有的是办法！
算法题：有效三角形的个数
最近在刷算法题的时候碰到一道挺有意思的题目：有效三角形的个数。
一开始看到题目，我还以为是个简单的几何问题，结果一做才发现，它有点“套路深”。为了给大家做个分享，我决定把这道题的思路和解法给大家理理顺。
问题大致是这样的：给定一个整数数组 nums，其中每个元素代表一个线段的长度，要求你找到数组中有多少组三角形的边长是有效的。有效的三角形意味着三个数加起来满足“三角形不等式定理”，即：任何两边之和必须大于第三边。
简单来说，就是我们要找出所有三元组 (i, j, k)，满足：
nums[i] + nums[j] > nums[k]nums[i] + nums[k] > nums[j]nums[j] + nums[k] > nums[i]
这就要求我们不仅要找到所有可能的三角形组合，还要判断它们是否符合这个不等式定理。看起来是个经典的“枚举三元组”问题，不过，我们可以做一些优化。
一开始的暴力法
想法很简单，直接用三重循环去枚举所有的三元组，然后判断是否符合条件。代码可以写成这样：
def triangleNumber(nums):
count = 0
n = len(nums)
for i in range(n):
for j in range(i+1, n):
for k in range(j+1, n):
if nums[i] + nums[j] > nums[k] and nums[i] + nums[k] > nums[j] and nums[j] + nums[k] > nums[i]:
count += 1
return count
这段代码做得挺直观的：三个嵌套的 for 循环，遍历所有可能的三元组，并通过条件判断来确保符合三角形的标准。
但是！这样的暴力解法时间复杂度是 O(n^3)，在数据量大时性能就会非常差，尤其是当 n 很大的时候，这种方法可能直接就卡死了。
思路优化：排序+双指针
说到优化，我们可以用到“排序”和“双指针”这一招。首先，排序能让我们轻松地判定三个数是否能组成三角形，因为如果数组是排好序的，三角形不等式定理就可以简化成一个判断条件：nums[i] + nums[j] > nums[k]，只要这条成立，另外两条自然也就满足了。
那怎么使用双指针呢？首先我们可以将数组排序，然后固定最小的两边，剩下的第三边就可以通过双指针来查找满足条件的个数。
具体步骤如下：
将数组排序。 固定最远端的元素（即第三边）。 使用双指针来遍历剩下的两边，找出所有有效的三角形。
优化后的代码如下：
def triangleNumber(nums):
nums.sort()
count = 0
n = len(nums)
for k in range(2, n):
i, j = 0, k - 1 # 双指针
while i < j:
if nums[i] + nums[j] > nums[k]:
count += (j - i) # 所有满足条件的i，j都可以形成三角形
j -= 1 # 右指针左移
else:
i += 1 # 左指针右移
return count
在这段代码中，我们先将数组排序，然后对于每个 k，通过双指针遍历 i 和 j 来找出所有符合条件的三角形。如果 nums[i] + nums[j] > nums[k] 成立，那么说明从 i 到 j 之间的所有 i 都能与 j 和 k 形成三角形，因此直接把 (j - i) 加到答案中。
这种方法的时间复杂度是 O(n^2)，比暴力解法要好很多。
性能提升与实际应用
从暴力解法到优化后的方法，时间复杂度从 O(n^3) 降到了 O(n^2)，这在实际中提升了很多性能。大家可以试着对比一下在大数据量下两种方法的运行时间，差距简直是天壤之别。
如果我们把这道题放到实际应用中，比如你做一些几何建模或者网络规划，可能会涉及到类似的三角形判定问题，尤其是在需要快速处理大规模数据时，优化算法的效率就显得尤为重要。
总结
这道题虽然看起来简单，但涉及到的不仅是算法的优化技巧，还需要你对一些常见的数学定理有一定的理解。通过排序和双指针的方式优化时间复杂度，能让你在面对大数据时，避免被暴力解法拖慢脚步。
对编程、职场感兴趣的同学，大家可以联系我微信：golang404，拉你进入“程序员交流群”。
虎哥作为一名老码农，整理了全网最全《python高级架构师资料合集》。