面试手撕 / 华为

华为面试手撕高频题与备考规划

2027 届秋招资料（本页已累加已有题目的频次，不新增题目）：2027届应届生华为手撕面试经验汇总，含近期题目、逐题来源与独立统计口径。

历史统计基于 6139 篇面经（小红书 4867 + 牛客 1272），LC 真题 199 种、总频次 629 次；2026-10-15 累加 2027 届资料中本页已有的 13 道题、17 次记录后，累计频次为 646 次（仅合并已有题目）。华为面试手撕 = 80% LeetCode 原题（Hot 100 为主）+ 20% 基础算法/ML 手撕。每位考生通常有一次换题机会。

面试流程概览

轮次说明

技术面考察内容

考察顺序不固定，有些面试官会一开始就让你写代码。

手撕代码形式

线上面试：

线下面试：白板编程，在白纸上写代码，面试官肉眼观察。

主管面

• 80% 聊天：生活、价值观、为人处世
• 20% 继续问技术

各岗位手撕考察方向

AI 算法岗

影响因素：简历项目方向 + 面试官个人偏好，随机性大。

软件开发岗（通软/数据开发/测试等 · 最多人投递）

考察形式：一道主题题 + 面试官追问变体或换解法。

嵌入式 / 数字 IC 岗

注意：嵌入式/IC 是完全独立的备考体系，和软件开发岗无重叠。

高频手撕题 Top 38（分类详解）

历史统计来源：小红书（4867 篇）+ 牛客网（1272 篇）共 6139 篇华为校招面经，LC 真题 199 种、总频次 629 次（历史高频≥5 共 38 种）。基础数据版本：v12，生成于 2026-05-02，已剔除 OD 机考/笔试来源。2026-10-15 已将 2027 届资料中本页已有题目的 17 次记录累加至下表，累计频次 646 次；新题及未确认编码的题目不计入，版本未细分的 Attention 不并入 Self-Attention 或 MHA。

分类总览

按主要数据结构或核心解法单一归类，每题只计一次；同一题仍可能有多种解法。LC 300 归入动态规划（也可用贪心 + 二分），LC 142 归入链表（快慢指针），LC 23 归入链表（堆 / 分治合并），LC 451 归入哈希（计数 + 排序 / 桶排序）。

双指针/滑动窗口（6 道）

图论（3 道）

栈系列（4 道）

链表（8 道）

二叉树（2 道）

排序/二分（3 道）

动态规划（5 道）

回溯（2 道）

哈希（2 道）

贪心（2 道）

矩阵模拟（1 道）

Hot100 之外需额外准备的题

38 道高频题里，大部分来自 Hot100，但以下几道不在 Hot100 中，需要单独准备：

加上非 LC 的原创题（手写快排 5 次、手写单例模式 4 次），只刷 Hot100 有明显盲区。

备考优先级：TOP7 必刷（覆盖约 40% 考察概率）

附件 TOP20 对照（独立统计）

来源：用户提供的《华为手撕题TOP20.xlsx》，工作表标题为“华为正式岗面试手撕算法题 TOP20（基于1148篇面经统计）”。附件基于 1148 篇面经，剔除 OD、机考、笔试，仅统计面试现场手撕；共 89 道题、639 次记录，以下 TOP20 合计 323 次。

这份附件与上文 6139 篇 / 累计 646 次是独立口径，样本是否重叠未知，频次不相加、不覆盖。原 38 题分类表、原频次和历史快排 5 次记录保持原口径。附件中 18 道 LC 题已有练习入口；本次补充 LC179 和无 LC 题号的手写快速排序讲解，不受原 38 题范围限制。

9.1-10.12「49 场面试手撕汇总」补充（用户转录，独立口径）

来源为用户提供的转录，原文链接未提供；未经独立核验「49 场」面试次数。以下按题目或主题去重整理为三组，共 14 / 8 / 8 项；这是题目清单，无原始统计频次，不参与 TOP20 排序，表中先后也不代表面试频率。并查集的局部次数描述见组3，不能据此推算其他题目的次数。

三来源统计边界：历史 6139 篇 / 累计 646 次（已含此前 2027 届已有题目的增量）、附件 TOP20 的 1148 篇 / 639 次记录与本次「49 场」转录分别保留。三来源样本是否重叠未知，频次不相加、不覆盖，本次不调整原 38 题分类频次、TOP20 排名或附件频次。

收录到本文不代表已有本地练习。下表的「练习」仅指当前页面已注册且有测试用例的题目；其余 LC 题使用「官方题页」。题号题名错配时同时保留原文与官方对照，候选题不视为已确认原题。

组1：常见 LC 补漏（14 项）

组2：扩展 LC 题与原文疑点（8 项）

题号和题名按用户转录保留，尤其不能将下面两处错配静默改成另一道题。

组3：非 LC / 基础算法主题（8 项）

这些转录条目缺少完整题面，不分配 LC 题号；下表仅给复习方向，具体模型和输入输出以原题为准。

如何安排补漏

TOP20 前 5 题优先：岛屿数量、无重复字符的最长子串、手写快速排序、有效的括号、LRU 缓存，顺序沿用附件排名。完成后再按薄弱点选择本补充区的题目。

LC215 准备快速选择 + 堆双解，能说明是否修改输入、复杂度与流式场景，见已有双解讲解。同时练习 ACM 模式 I/O，自己完成读入、调用与输出，可使用ACM 模拟 IDE。补上并查集的路径压缩与按大小合并，会解释连通性查询和集合合并；这些是复习建议，不由局部次数推导全局排名。

附件题目讲解

手写快速排序：随机枢轴 + 原地三路划分

任务是将数组按非降序排列。例如 [3,1,3,2] 排序后为 [1,2,3,3]。这是基础算法手撕，没有 LC 题号。面试时应能解释划分过程、递归边界、重复值和最坏复杂度。

每轮随机选择枢轴，将当前区间划为小于、等于、大于枢轴三段。扫描时维护 [left, lt) 小于枢轴、[lt, i) 等于枢轴、(gt, right] 大于枢轴；[i, gt] 待处理。从右侧换来的元素尚未判断，必须保留 i 继续检查。等值段无需再排序，全相等输入也只需一次扫描。

下面只递归较短的一侧，较长一侧用循环处理，避免有序大数组触发线性深度的递归栈。

from random import randint


def quick_sort(nums):
    def sort(left, right):
        while left < right:
            pivot = nums[randint(left, right)]
            lt = i = left
            gt = right
            while i <= gt:
                if nums[i] < pivot:
                    nums[lt], nums[i] = nums[i], nums[lt]
                    lt += 1
                    i += 1
                elif nums[i] > pivot:
                    nums[i], nums[gt] = nums[gt], nums[i]
                    gt -= 1
                else:
                    i += 1
            if lt - left < right - gt:
                sort(left, lt - 1)
                left = gt + 1
            else:
                sort(gt + 1, right)
                right = lt - 1

    sort(0, len(nums) - 1)

期望时间 O(n log n)，最坏仍为 O(n²)；每层只递归短区间，辅助栈空间上界 O(log n)。算法原地修改数组，不稳定；空数组、单元素、负数与重复值都适用。随机化降低退化概率，不能宣称消除了最坏情况。

LC215：快速选择和堆都要准备

练习入口。第 K 大按排序位置计数，不去重，例如 [3,2,3,1] 中第 2 大仍是 3，且 1 <= k <= len(nums)。

快速选择：目标是升序下标 len(nums)-k。三路划分后，若目标落在等值段就返回，否则只保留目标所在的一侧。这一步与完整快排的区别在于只处理一个子区间。

from random import randint


def find_kth_largest_quickselect(nums, k):
    target = len(nums) - k
    left, right = 0, len(nums) - 1
    while left <= right:
        pivot = nums[randint(left, right)]
        lt = i = left
        gt = right
        while i <= gt:
            if nums[i] < pivot:
                nums[lt], nums[i] = nums[i], nums[lt]
                lt += 1
                i += 1
            elif nums[i] > pivot:
                nums[i], nums[gt] = nums[gt], nums[i]
                gt -= 1
            else:
                i += 1
        if target < lt:
            right = lt - 1
        elif target > gt:
            left = gt + 1
        else:
            return nums[target]

期望时间 O(n)，最坏 O(n²)，额外空间 O(1)，会修改输入数组。

大小为 K 的最小堆：堆中始终保留已扫描元素中最大的 K 个，堆顶就是它们中最小的数。新元素比堆顶大时才替换，扫描结束后堆顶为全局第 K 大。

import heapq


def find_kth_largest_heap(nums, k):
    heap = nums[:k]
    heapq.heapify(heap)
    for i in range(k, len(nums)):
        if nums[i] > heap[0]:
            heapq.heapreplace(heap, nums[i])
    return heap[0]

建堆 O(k)，后续维护 O((n-k) log k)，整体可写作 O(n log(k+1))，额外空间 O(k)；不修改输入，也适合流式数据。要点是最小堆保留最大 K 个，不能把堆的方向写反。

LC179 最大数：比较拼接后的顺序

本地练习 · 原题与约束

给定非负整数数组，调整排列使拼接出的数字最大，返回字符串。例如 [10,2] 得到 "210"，[3,30,34,5,9] 得到 "9534330"。约束：1 <= nums.length <= 100，0 <= nums[i] <= 10^9。

不能按整数大小或单个字符串的字典序排序。对于字符串 a、b，比较 a+b 和 b+a；若前者大，a 就应排在前面。例如 "3"+"30" > "30"+"3"，所以 3 在 30 前面。相邻交换不会改变其他位置的拼接，按这个比较器排列即可得到最大结果。比较结果相等时两种顺序等价。

from functools import cmp_to_key


def largest_number(nums):
    def compare(a, b):
        ab, ba = a + b, b + a
        return (ba > ab) - (ba < ab)

    parts = sorted(map(str, nums), key=cmp_to_key(compare))
    return "0" if parts[0] == "0" else "".join(parts)

全零输入必须返回 "0"，不能返回 "00"。设元素最大位数为 L，时间 O(n log n · L)，空间 O(nL)，结果始终保留为字符串。

LC451 根据字符出现频率排序（原统计 8 次）

本地练习 · 原题与约束

将字符串按字符出现频率从高到低重排，同一字符必须连续，同频字符可任意排列，大小写视为不同字符。例如 "tree" 可返回 "eert" 或 "eetr"；"cccaaa" 可返回 "cccaaa" 或 "aaaccc"，但 "cacaca" 不合法；"Aabb" 可返回 "bbAa"。约束：1 <= s.length <= 5*10^5，仅含大小写英文字母和数字。

先用哈希表计数，再按频率排序不同字符，最后一次性拼接各字符块。不要逐字符反复拼接不可变字符串。

from collections import Counter


def frequency_sort(s):
    counts = Counter(s)
    return "".join(c * counts[c] for c in sorted(counts, key=counts.get, reverse=True))

设长度为 n、不同字符数为 m，时间 O(n + m log m)，包含返回字符串的空间为 O(n + m)。也可按频率建桶，将排序部分降为线性扫描。本地判题验证原字符多重集、同字符分组连续、组频率非升序，不固定比较某一个答案字符串。

LC406 根据身高重建队列（原统计 5 次）

本地练习 · 原题与约束

每个人用 [h,k] 表示，h 为身高，k 是队列前方身高大于等于 h的人数。给定打乱顺序的人员数组，返回符合条件的队列。例如 [[7,0],[4,4],[7,1],[5,0],[6,1],[5,2]] 可还原为 [[5,0],[7,0],[5,2],[6,1],[4,4],[7,1]]；[[6,0],[5,0],[4,0],[3,2],[2,2],[1,4]] 可还原为 [[4,0],[5,0],[2,2],[3,2],[1,4],[6,0]]。约束：1 <= people.length <= 2000，每项恰有两个整数，0 <= h <= 10^6，0 <= k < people.length，保证存在解。

按身高降序，同身高按 k 升序处理。插入当前人时，已处理的人都不矮于他，因此在下标 k 插入，前方恰有 k 个满足条件的人。同高者须按 k 升序，否则可能在队列还不够长时插入，破坏计数。后来插入的矮个子不会影响已放置高个子的约束。

def reconstruct_queue(people):
    queue = []
    for person in sorted(people, key=lambda p: (-p[0], p[1])):
        queue.insert(person[1], person)
    return queue

排序 O(n log n)，列表插入累计 O(n²)，整体时间 O(n²)，空间 O(n)。本地判题先核对输出与输入的人员多重集，再逐人计算前方身高大于等于其身高的人数；不会通过忽略顺序的排序比较来验收。

华为特色：追问文化

华为面试与字节、腾讯最大的差异在于追问。字节通常是一道题写完再出第二道，华为面试官喜欢在同一道题上反复追问：

结论：准备华为面试，每道高频题不能只会一种写法。双解是标配，不是加分项。

华为特色：原创手撕题

华为有部分 LC 上找不到直接对应的原创题，频次不高但值得准备：

AI 岗 ML/DL 手撕频次

仅算法岗 / AI 方向 / 大模型岗需要准备，软件开发岗不考

随着大模型岗位增多，Attention 机制手撕频次在快速上升。要求从零手写 PyTorch 代码，不是伪代码。

与腾讯、字节的对比

完整手撕题单

26 届实习 + 秋招

AI 算法方向

通软方向

其他方向

25 届秋招

AI 算法方向

通软方向

其他方向

10 天备考速通规划

刷题顺序按手撕高频考点从高到低排列。AI 岗与非 AI 岗共用 Day 1~9，AI 岗额外完成 Day 10。刷题注重质量，一定自己写一遍代码。刷得快可以一天多个 Day，刷得慢适当抛弃 Hard 题。

Day 1：哈希 + 数组技巧 + 矩阵

Day 2：栈与双指针

Day 3：回溯

Day 4：BFS + 动态规划基础

Day 5：动态规划进阶

Day 6：贪心 + 二叉树基础

Day 7：二分查找与堆

Day 8：技巧 + 数学

Day 9：链表

Day 10：AI 岗专题（非 AI 岗跳过）

必备前置知识

手撕代码模板（ACM 模式）

华为面试手撕是 ACM 模式，需要自己处理输入输出。面试官看重解耦 + 抽象 + 规范命名。

import sys
input = sys.stdin.readline


class Solution:
    def solve(self, arr):
        """核心逻辑函数，与输入输出解耦"""
        # 实现算法逻辑
        return result


if __name__ == "__main__":
    sol = Solution()
    # 处理输入
    n = int(input())
    arr = list(map(int, input().split()))
    # 调用解法并输出
    print(sol.solve(arr))

要点：

• 逻辑函数与 I/O 分离，体现解耦思想
• 变量命名规范，不用单字母（除循环变量 i, j）
• 面试时先和面试官确认输入格式，再动手写

常见问题

小结

1. Top 3 必刷：无重复字符最长子串（32次）、岛屿数量（31次）、有效的括号（22次）— 断层高频
2. 每道高频题准备双解：追问换解法是华为面试文化。岛屿数量（DFS+BFS）、接雨水（双指针+单调栈）、反转链表（递归+迭代）、数组第K大（堆+快速选择）尤其要备双解
3. Hot100 之外的补漏：LC 451、LC 300、LC 93、LC 406 共 4 道题不在 Hot100，加上手写快排/单例 2 道原创题，需专门补一遍
4. LRU 必须手写数据结构：17 次排第 4，面试时会明确禁用内置 LinkedHashMap/OrderedDict，双向链表+哈希表需完整手写
5. BFS/DFS 是华为最爱：岛屿数量、腐烂的橘子、层序遍历、课程表反复出现
6. 栈类题高频：有效的括号、字符串解码、每日温度、最小栈
7. AI 岗额外准备 ML 手撕：Self-Attention（18次）、MHA（15次）、KMeans（14次）是 Top 3
8. ACM 模式 + 规范命名：面试官看重代码质量，提前练好模板