飞书很好，但赢不了，只能裁员
心碎飞书
3 月 26 日，字节跳动旗下产品飞书的 CEO 谢欣发布全员信，正式宣布进行新一轮的组织调整，即裁员。
内部全员信如下：
我有不少朋友是在字节跳动，甚至就在 Lark 的。
同时我也因为会经常和一些平台的运营小伙伴有沟通需求，经常会使用飞书。
说一下我对飞书的看法。
飞书是一个很棒的产品，它能给你一些在其他 App（企业微信、钉钉）体会不到的舒适感。
企业微信和钉钉这两个 App 我也看过，在 tabbar 随便点点就会有满屏 icon 按宫格布局的界面。明明什么都还没做，那种无形的压力就上来了，在飞书上我基本上没有这种感觉。
那些宫格布局的功能，飞书也有，只不过紧迫感被良好的 UI 设计给摊开掉了。
当然，可能不少人会认为，作为一个办公应用，企业微信和钉钉给人带来的紧迫感觉，才是对的 ...
但办公软件敢于简洁化，恰恰说明产品的自信。
作为一个 5G 冲浪选手，我也没少听说飞书在 C 端收获的好评。
你没听错，很多个人团队/小型工作室，甚至只是有即时通讯需求的个人，也会选择飞书，这对于一个办公类的 IM 软件来说，是不可想象的。
那，如此好的一款产品，为什么会走到这一步？
总归到底，飞书应该是一款 B 端产品，而非其他。
基本面垮了，别的地方再好也没用。
飞书好比是名田径运动员，额外点亮了体操这一技能，气质方面满分，但田径成绩长期与第一二名断层。
要知道，大众（无论个人还是企业，企业一定程度也是个人）心智空间，往往只够容纳第一名，少数情况能容纳第二名，例如「可乐可乐和百事可乐」以及「企业微信和钉钉」，而飞书是三名。
导致局面的原因是显然的。
企业微信背靠微信，具有天然的链接优势，而钉钉依靠于入场得早，以及前期与政府的和谐关系，也抢占了属于自己的份额。
那飞书呢？
飞书只能去 to B 一些人家不要的企业，同时字节又和政府关系不好，丢失了最大头的客户。
后发的飞书，哪怕要成为前三，也注定要砸巨量资源，所以目前飞书的人数是钉钉的五倍。
从产品和组织架构来看，精简，确实是飞书现在应该要走的路。
只不过，时代的尘埃这次又要几百上千的人来一同承担了。
...
回归主线。
来做一道和「飞书」相关的算法原题。
题目描述
平台：LeetCode
题号：621
给你一个用字符数组 tasks 表示的 CPU 需要执行的任务列表，其中每个字母表示一种不同种类的任务。
任务可以以任意顺序执行，并且每个任务都可以在 1 个单位时间内执行完。
在任何一个单位时间，CPU 可以完成一个任务，或者处于待命状态。
然而，两个相同种类的任务之间必须有长度为整数 n 的冷却时间，因此至少有连续 n 个单位时间内 CPU 在执行不同的任务，或者在待命状态。
你需要计算完成所有任务所需要的最短时间。
示例 1：
输入：tasks = ["A","A","A","B","B","B"], n = 2
输出：8
解释：A -> B -> (待命) -> A -> B -> (待命) -> A -> B
在本示例中，两个相同类型任务之间必须间隔长度为 n = 2 的冷却时间，而执行一个任务只需要一个单位时间，所以中间出现了（待命）状态。 示例 2：
输入：tasks = ["A","A","A","B","B","B"], n = 0
输出：6
解释：在这种情况下，任何大小为 6 的排列都可以满足要求，因为 n = 0
["A","A","A","B","B","B"]
["A","B","A","B","A","B"]
["B","B","B","A","A","A"]
...
诸如此类示例 3：
输入：tasks = ["A","A","A","A","A","A","B","C","D","E","F","G"], n = 2
输出：16
解释：一种可能的解决方案是：
A -> B -> C -> A -> D -> E -> A -> F -> G -> A -> (待命) -> (待命) -> A -> (待命) -> (待命) -> A提示：
- 1<=task.length<=1041 <= task.length <= 10^41<=task.length<=104
- tasks[i] 是大写英文字母
- n 的取值范围为 [0,100][0, 100][0,100]
构造
先考虑最为简单的情况：假设只有一类任务，除了最后一个任务以外，其余任务在安排后均需要增加 nnn 个单位的冻结时间。
将任务数记为 mmm 个，其中前 m?1m - 1m?1 个任务均要消耗 n+1n + 1n+1 的单位时间，最后一个任务仅消耗 111 个单位时间，即所需要的时间为 (n+1)×(m?1)+1(n + 1) \times (m - 1) + 1(n+1)×(m?1)+1。
当存在多个任务时，由于每一类任务都需要被完成，因此本质上我们最需要考虑的是将数量最大的任务安排掉，其他任务则是间插其中。
假设数量最大的任务数为 max，共有 tot 个任务数为 max 的任务种类。
实际上，当任务总数不超过 (n+1)×(max??1)+tot(n + 1) \times (\max - 1) + tot(n+1)×(max?1)+tot 时，我们总能将其他任务插到空闲时间中去，不会引入额外的冻结时间（下左图）；而当任务数超过该值时，我们可以在将其横向添加每个 n+1n + 1n+1 块的后面，同时不会引入额外的冻结时间（下右图）：
综上，我们所需要的最小时间为上述两种情况中的较大值即可：
max?(task.length,(n+1)×(max?1)+tot)\max(task.length, (n + 1) \times (max - 1) + tot)max(task.length,(n+1)×(max?1)+tot)
Java 代码：
class Solution {
public int leastInterval(char[] tasks, int n) {
int[] cnts = new int[26];
for (char c : tasks) cnts[c - 'A']++;
int max = 0, tot = 0;
for (int i = 0; i < 26; i++) max = Math.max(max, cnts[i]);
for (int i = 0; i < 26; i++) tot += max == cnts[i] ? 1 : 0;
return Math.max(tasks.length, (n + 1) * (max - 1) + tot);
}
}C++ 代码：
class Solution {
public:
int leastInterval(vector<char>& tasks, int n) {
vector<int> cnts(26, 0);
for (char c : tasks) cnts[c - 'A']++;
int maxv = *max_element(cnts.begin(), cnts.end());
int tot = count(cnts.begin(), cnts.end(), maxv);
return max(static_cast<int>(tasks.size()), (n + 1) * (maxv - 1) + tot);
}
};Python 代码：
class Solution:
def leastInterval(self, tasks: List[str], n: int) -> int:
cnts = [0] * 26
for c in tasks:
cnts[ord(c) - ord('A')] += 1
maxv, tot = 0, 0
for i in range(26):
maxv = max(maxv, cnts[i])
for i in range(26):
tot += 1 if maxv == cnts[i] else 0
return max(len(tasks), (n + 1) * (maxv - 1) + tot)TypeScript 代码：
function leastInterval(tasks: string[], n: number): number {
const cnts = new Array<number>(26).fill(0)
for (const c of tasks) cnts[c.charCodeAt(0) - 'A'.charCodeAt(0)]++
let max = 0, tot = 0
for (let i = 0; i < 26; i++) max = Math.max(max, cnts[i])
for (let i = 0; i < 26; i++) tot += max == cnts[i] ? 1 : 0
return Math.max(tasks.length, (n + 1) * (max - 1) + tot)
}- 时间复杂度：O(n+C)O(n + C)O(n+C)
- 空间复杂度：O(C)O(C)O(C)，其中 C=26C = 26C=26 为任务字符集大小