Thư Viện Câu Hỏi Phỏng Vấn

Frontend chỉ là một giao diện tương tác và có thể bị bỏ qua bởi các công cụ như Remix, Ethers.js, hoặc các script tấn công trực tiếp vào địa chỉ contract. Smart Contract là rào cản cuối cùng đảm bảo tính toàn vẹn của dữ liệu. Nếu không kiểm tra (ví dụ: dùng require hoặc revert) ngay tại hàm của contract, kẻ tấn công có thể gửi các giá trị độc hại (như số âm, địa chỉ không hợp lệ) để làm hỏng trạng thái của contract. Luôn tuân thủ nguyên tắc 'Never trust the client' trong phát triển hệ thống phi tập trung.

Việc sử dụng Divide and Conquer cho bài toán tìm cặp điểm gần nhất giúp tối ưu hóa bằng cách chia không gian thành hai nửa. Thay vì so sánh tất cả các cặp điểm, chúng ta chỉ cần tìm khoảng cách nhỏ nhất ở hai nửa trái và phải, sau đó kiểm tra các điểm nằm gần đường biên giữa. Điểm mấu chốt là trong dải biên, mỗi điểm chỉ cần so sánh với tối đa 7 điểm lân cận khác, giúp giảm đáng kể số lượng phép so sánh cần thực hiện.

Bài toán đếm nghịch thế yêu cầu tìm số cặp (i, j) sao cho i < j và A[i] > A[j]. Khi sử dụng Merge Sort, trong quá trình trộn (merge) hai mảng con đã sắp xếp, nếu phần tử ở mảng bên phải nhỏ hơn phần tử ở mảng bên trái, ta biết ngay rằng phần tử đó nhỏ hơn tất cả các phần tử còn lại trong mảng bên trái. Điều này cho phép đếm số lượng nghịch thế trong thời gian O(n log n) thay vì O(n^2) bằng cách duyệt trâu bò.

Đệ quy sâu trong Divide and Conquer tiêu tốn bộ nhớ Stack cho mỗi lời gọi hàm. Nếu kích thước bài toán quá lớn, hệ thống sẽ bị Stack Overflow. Để khắc phục, ta có thể sử dụng kỹ thuật Memoization (lưu trữ kết quả các bài toán con đã giải) hoặc chuyển đổi sang phương pháp lặp (Iterative) kết hợp với cấu trúc dữ liệu Stack thủ công để kiểm soát bộ nhớ tốt hơn trong các hệ thống Enterprise.

Thay vì nhân a liên tiếp n lần (độ phức tạp O(n)), ta chia bài toán thành: nếu n chẵn, a^n = (a^(n/2))^2; nếu n lẻ, a^n = a * (a^((n-1)/2))^2. Việc chia đôi số mũ ở mỗi bước giúp giảm số lượng phép nhân theo hàm logarit. Đây là kỹ thuật nền tảng trong các thư viện mật mã học (Cryptography) để xử lý các số nguyên cực lớn.

Độ phức tạp của Divide and Conquer thường được biểu diễn qua định lý Master Theorem: T(n) = aT(n/b) + f(n). Nếu việc phân chia không cân bằng (ví dụ: b tiến gần về 1), độ sâu của cây đệ quy sẽ tăng lên, dẫn đến hiệu năng suy giảm nghiêm trọng. Trong thực tế, việc đảm bảo bài toán con có kích thước bằng nhau giúp duy trì độ sâu cây ở mức log(n), đảm bảo hệ thống chạy ổn định với dữ liệu lớn.

Cơ chế hoạt động của Accumulator trong reduce

Phương thức Array.prototype.reduce() thực thi một hàm callback trên từng phần tử của mảng, truyền vào kết quả của phép tính từ lần thực thi trước đó. Giá trị này được gọi là accumulator (biến tích lũy).

Bản chất của toán tử Spread (...) trong JavaScript

Toán tử spread (...) thực hiện việc sao chép nông (Shallow Copy). Điều này có nghĩa là nó tạo ra một mảng mới, nhưng các phần tử bên trong mảng đó (nếu là kiểu dữ liệu tham chiếu như Object hoặc một mảng con khác) vẫn chỉ lưu giữ địa chỉ tham chiếu trỏ đến cùng một ô nhớ với mảng gốc.

Phân tích các phương thức kiểm tra mảng

Cả ba phương thức includes(), some(), và every() đều duyệt qua mảng để trả về kết quả kiểu boolean (true hoặc false), nhưng mục đích và cơ chế khác nhau:

Cơ chế hoạt động của Array.prototype.splice()

Mảng trong JavaScript (đặc biệt là Dynamic Array) được cấp phát một vùng nhớ liên tục (Contiguous Memory Allocation) để đảm bảo độ phức tạp truy xuất ngẫu nhiên là $O(1)$.

Bài toán tìm kiếm trên mảng thông thường

Giả sử bạn có một mảng chứa 10,000 đối tượng người dùng. Nếu bạn cần tìm kiếm thông tin của một người dùng dựa vào userId nhiều lần trong ứng dụng, việc sử dụng phương thức Array.prototype.find() hoặc Array.prototype.filter() sẽ có độ phức tạp thời gian là $O(N)$ cho mỗi lần tìm kiếm. Nếu thực hiện tìm kiếm trong một vòng lặp khác, độ phức tạp tổng thể sẽ tăng lên mức $O(N^2)$, gây nghẽn cổ chai hiệu năng.

Để đảo ngược một Danh sách liên kết đơn (Singly Linked List), chúng ta cần thay đổi hướng của các con trỏ next từ node hiện tại trỏ về node trước đó thay vì trỏ về node tiếp theo.

Để tìm node giữa của một Danh sách liên kết đơn (Middle of the Linked List) mà chỉ duyệt qua một lần (O(N)), chúng ta áp dụng kỹ thuật Two Pointers (Hai con trỏ) với tốc độ khác nhau, thường gọi là thuật toán Tortoise and Hare (Rùa và Thỏ).

Việc lựa chọn giữa Linked List và Array phụ thuộc vào bài toán nghiệp vụ cụ thể liên quan đến thao tác dữ liệu và hiệu năng phần cứng.

Để tìm node thứ k tính từ cuối lên (Nth node from the end of Linked List) mà chỉ duyệt qua danh sách một lần, chúng ta tiếp tục áp dụng kỹ thuật Two Pointers nhưng với khoảng cách cố định giữa hai con trỏ.