网友吐槽：外包做事真是极其不负责，一点owner精神都没有，活该当一辈子外包，真tm不靠谱。。。

嗨，大家好！最近看到一个挺有意思的网友吐槽，内容大致是关于外包员工做事不靠谱的。

说的是让外包做个Grafana面板，结果半个月都搞不定。

从我这个做程序员的角度来看，外包他们不像我们这些正式员工那样，可能会对项目的长期发展有责任感，也没有那么强的归属感。

外包通常是按任务收费，做完就走，能拖则拖，毕竟他们的目标只是交付，而不是关心后期的维护和优化。

不过，网友的批评也不完全没有道理。

毕竟如果你要求外包做到“owner”的水平，那是不是有点过分？

要么就直接招聘正式员工来负责这些工作，要么就给外包方明确的责任和期限。

换句话说，问题的根源其实在于公司对外包的管理不到位，期待过高但又没给相应的支持。

今天咱们来聊个技术题目:二级关注者。

你可能会问，啥是二级关注者？你是不是在用“社交媒体平台”的语言来给我整技术题？没错，别被名字迷惑了，其实这个问题的核心跟我们常见的图算法相关。如果你在写社交网络功能或者构建一个图模型，你就会发现，这类题目挺常见的。咱们今天就用Java来一步步捋清楚这道题。

假设你有一个社交网络，每个用户可以关注其他用户，我们要找出某个用户的二级关注者。

举个例子，假设用户 A 关注了用户 B，用户 B 关注了用户 C，那么 C 就是 A 的“二级关注者”，因为 C 是 B 的关注对象，而 B 又是 A 的关注对象。

这道题可以看似简单，但要实现清晰且高效的解决方案，还是得有点技巧。我们将它抽象成一个图问题，其中每个用户是图中的一个节点，关注关系就是图中的一条有向边。

算法思路

1. 图的构建：首先，我们要为每个用户构建一个图结构，这个结构可以用一个哈希表来表示，键是用户的 ID，值是该用户关注的所有人。

2. 查找二级关注者：接下来，给定一个用户（比如 A），我们要找到他的二级关注者。具体来说，首先找到 A 的直接关注者，然后对每个直接关注者，再找出他们的关注者，这些就是二级关注者。

3. 去重：注意，二级关注者的定义是“某个用户的二级关注者”，所以同一个二级关注者可能被多个直接关注者指向。为了去重，我们可以使用集合（Set）来保存结果。

代码实现

让我们用 Java 来实现这个算法。假设我们有一个 Map<Integer, List<Integer>> 来表示用户关注的关系，接着我们编写一个函数来查找二级关注者。

import java.util.*;
public class SocialNetwork {
        public static Set<Integer> findSecondDegreeFollowers(Map<Integer, List<Integer>> follows, int userId) {
        // 用一个Set来保存二级关注者，避免重复
        Set<Integer> secondDegreeFollowers = new HashSet<>();
                // 获取给定用户的直接关注者列表
        List<Integer> directFollowers = follows.get(userId);
                if (directFollowers != null) {
            for (int follower : directFollowers) {
                // 遍历每个直接关注者，获取他们的关注者
                List<Integer> followersOfFollower = follows.get(follower);
                if (followersOfFollower != null) {
                    secondDegreeFollowers.addAll(followersOfFollower);
                }
            }
        }
                // 返回二级关注者
        return secondDegreeFollowers;
    }
        public static void main(String[] args) {
        // 构建用户关注关系
        Map<Integer, List<Integer>> follows = new HashMap<>();
                follows.put(1, Arrays.asList(2, 3));  // 用户1关注2和3
        follows.put(2, Arrays.asList(4, 5));  // 用户2关注4和5
        follows.put(3, Arrays.asList(6, 7));  // 用户3关注6和7
                // 查找用户1的二级关注者
        Set<Integer> secondDegree = findSecondDegreeFollowers(follows, 1);
                // 输出二级关注者
        System.out.println("用户1的二级关注者: " + secondDegree);
    }
}

解释

1. 数据结构：我们使用了一个 HashMap<Integer, List<Integer>> 来存储每个用户关注的人的列表。这个 Map 的键是用户的 ID，值是一个列表，包含该用户的所有关注者。

2. 查找逻辑：给定用户的 ID，我们首先获取他的直接关注者列表，然后再从每个直接关注者的关注列表中提取出他们的关注者，最终将这些关注者加入一个 HashSet 中，以便去重。

3. 结果：通过 addAll() 方法，我们可以将所有的二级关注者添加到集合中。如果一个用户有多个直接关注者，我们会遍历每个直接关注者，找到他们的关注者并去重。

复杂度分析

这道题的时间复杂度主要取决于两个部分：

• 获取用户的直接关注者：O(d)，其中 d 是直接关注者的数量。
• 获取每个直接关注者的关注者：O(d * f)，其中 f 是每个直接关注者的关注者数量。

因此，整体的时间复杂度为 O(d * f)，即直接关注者的数量乘以每个关注者的关注者数量。

总结

虽然这道题看似简单，但实际编写起来要考虑很多细节，特别是在大数据量的情况下，如何有效地去重、提高效率是很重要的。在实际的社交网络平台中，类似的算法被广泛应用于推荐系统、社交图谱等功能的实现。

-END-

以上，就是今天的分享了，看完文章记得右下角给何老师点赞，也欢迎在评论区写下你的留言。