大厂离职后，签好了竞业协议，天天发朋友圈在国外旅游，原公司HR立即让公司停止发放竞业补偿金，告知不竞业了!

刚看到个贴子，说有网友离职签了竞业，结果天天在国外旅游发圈，原公司HR一看立马停发补偿金，说她“不竞业了”。

我觉得关键点不是旅不旅游，而是有没有违反竞业的实质约定。

网友回帖有说“HR小题大做”“人家去哪玩关你啥事”，但说句实话，竞业协议本质上就是钱换束缚，你收了人家的补偿，就要按规则来，这是契约精神。你天天晒自由，HR当然怀疑你要么有收入来源、要么不缺这点钱，那人家反应也正常。

换个角度讲，口头承诺在职场那是真不靠谱的，尤其牵涉到钱。任何跟公司对接的事，没落到书面上都不算数，朋友圈更是不能当“清白证明”。

总的来说，拿补偿就按规矩来；不想被约束就别签。

面试题：任务调度器

LeetCode 上这题大概是这样：

• 有一台单核 CPU，一次只能执行一个任务。
• 给你一堆任务，比如 ['A','A','A','B','B','C']，同一个字母就是同一种任务。
• CPU 执行完某种任务后，必须“冷却” n 个时间单位，期间不能再执行同一种任务，但可以执行别的任务，或者空转（idle）。
• 问：最少需要多少个时间单位，才能把所有任务干完？

比如：tasks = ["A","A","A","B","B","B"], n = 2一个最优安排是：A B idle A B idle A B，长度是 8。

最直接的想法：每次都挑目前剩下次数最多的任务来执行，这样热门任务尽量被“分散”开，中间塞别的任务。

一个常见写法是：

1. 统计每种任务的出现次数；
2. 用最大堆（优先队列）每次弹出“剩余次数最多”的几个任务；
3. 一轮最多执行 n+1 个不同任务，执行完这一轮，如果还有剩余次数，再塞回堆里；
4. 直到堆空为止，顺便数时间。

这个方案能过题，不过代码会偏长，还要维护堆、轮次啥的，思路上是没问题的：尽量把频率高的任务分散开，中间用其他任务或者 idle 填坑。

但这题有个更优雅的数学解，面试说出来比较加分。

关键观察： 真正决定排布长度的，是出现次数最多的那种任务。

设：

• max_count = 某种任务出现的最大次数；
• max_kinds = 有多少种任务的次数都等于 max_count。

举个例子：A 出现 3 次，B 出现 3 次，C 出现 1 次：

• max_count = 3
• max_kinds = 2（A 和 B）

想象一下，把所有“最频繁”的任务先排成几行，比如只看 A：

A _ _ A _ _ A

max_count = 3，那就有 max_count - 1 = 2 个“间隔”，每个间隔长度是 n+1：

• 前面的 max_count - 1 行，每行长度至少是 n+1（“任务 + n 个冷却格”）。
• 最后一行只放那些“出现次数最多的任务”，不需要后面的冷却了。

如果有好几种任务都同频，比如 A、B 都是 3 次，你可以这么想：

A _ _ A _ _ A
B _ _ B _ _ B

最后一列会堆在一起，所以总格子数公式就出来了：

理论上最少需要：(max_count - 1) * (n + 1) + max_kinds

但这只是“按最难任务计算出来的框架长度”。如果你的任务特别多，把所有任务都塞进去后，总任务数本身可能比这个框架更长，那答案就应该是任务总数。

所以最终答案是：

max( len(tasks),  (max_count - 1) * (n + 1) + max_kinds )

这行式子非常经典，基本就是这题的核心。

按上面思路，Python 写出来就很短了，用 collections.Counter 就行：

from collections import Counter
from typing import List

classSolution:
defleastInterval(self, tasks: List[str], n: int) -> int:
# 统计每种任务的出现次数
        counter = Counter(tasks)

# 出现的最大次数
        max_count = max(counter.values())

# 有多少种任务的次数都等于最大次数
        max_kinds = sum(1for c in counter.values() if c == max_count)

# 公式：(max_count - 1) * (n + 1) + max_kinds
        frame_len = (max_count - 1) * (n + 1) + max_kinds

# 结果是 “任务总数” 和 “框架长度” 之间取最大
return max(len(tasks), frame_len)

简单分析一下复杂度：

• 统计次数 O(m)，m 是任务种类数（最多 26 个字母，可以当常数）；
• 整体时间复杂度就是 O(len(tasks))，空间复杂度也差不多。

在实际业务里，很多排班、限流、冷却时间的问题，脑子里都可以往这个模型上靠一靠：找出最“频繁”的那拨东西，然后想怎么把它们拆开放在一个时间轴/队列里，中间用别的任务填空，这种“按最坏瓶颈倒推公式”的方式，在调度、缓存、数据库这些场景也挺常用的。