摘要：那时候他想着，赶紧找个新工作，过上安稳的生活，可谁知道，前领导忽然找到他，说让他一起创业，每周干三天，保底能赚3W。这待遇一听就挺诱人的还在想着要不要去呢？
这两天我一个朋友的遭遇让我深有感触。
34岁被裁员，本来还挺伤心的，结果公司竟然还挺仁义，给了20万补偿。
那时候他想着，赶紧找个新工作，过上安稳的生活，可谁知道，前领导忽然找到他，说让他一起创业，每周干三天，保底能赚3W。这待遇一听就挺诱人的还在想着要不要去呢？
不过，创业这事也真是两难，现在谁敢轻易跳进创业的坑里？
虽然领导口口声声保底3W，听着不错，但创业的风险实在不小。如果真的是一场“空中楼阁”，那损失可就不止20万了，万一还欠了些账，岂不是更麻烦？
所以我的建议是“先拿到钱再去”。而且最好不要投入资金，
毕竟，创业不是个简单的事，需要考虑的方面太多了，特别是没有充足的资金和稳定的客户支持时，每周三天赚3W这种承诺也可能只是画大饼！
这个问题在面试中有时会被用来考察我们对数组、滑动窗口以及乘法的理解，特别是当你在处理复杂度和性能时，这个问题能帮你练习一些技巧。
给定一个正整数数组 nums 和一个整数 k，请你找出数组中所有乘积小于 k 的连续子数组的个数。
举个简单的例子：
输入: nums = [10, 5, 2, 6], k = 100输出: 8解释: 子数组包括 [10], [5], [2], [6], [10, 5], [5, 2], [2, 6], [5, 2, 6]，它们的乘积均小于 100。这个问题看似简单，但实现起来有一定的挑战，主要在于如何高效地处理数组中的子数组。在这个问题中，我们可以使用“滑动窗口”技巧来优化暴力解法。
暴力解法的思路是枚举所有的子数组，然后计算它们的乘积，判断是否小于 k。但显然，这样做的时间复杂度是 O(n^2)，对于大规模数据来说，可能会超时。所以，我们需要优化一下。
我们可以利用滑动窗口来降低时间复杂度，具体的思路是：
两个指针：我们维护一个左右指针（left 和 right），用来表示当前窗口的范围。窗口乘积：计算当前窗口内所有元素的乘积。判断乘积是否小于 K：当乘积小于 k 时，右指针往右扩展，继续扩大窗口。如果乘积大于等于 k，则移动左指针，缩小窗口，直到乘积小于 k。对于每次右指针扩展时，我们可以知道当前窗口中的所有子数组的乘积都小于 k。假设当前 left 指针的位置固定，那么所有以 left 为起始的子数组都满足条件，其个数是 right - left。
public class SubarrayProduct { public int numSubarrayProductLessThanK(int nums, int k) { if (k = k) { product /= nums[left]; left++; } // 所有子数组的乘积都小于 k，个数是 (right - left + 1) count += right - left + 1; right++; } return count; } public static void main(String args) { SubarrayProduct sp = new SubarrayProduct; int nums = {10, 5, 2, 6}; int k = 100; System.out.println(sp.numSubarrayProductLessThanK(nums, k)); // 输出 8 }}滑动窗口技巧是处理这类问题的关键。相对于暴力解法，滑动窗口通过动态维护一个符合条件的子数组的范围，避免了重复计算，提高了效率。它能有效降低时间复杂度，特别是在大数据量的情况下。
通过这个问题，我们可以看到滑动窗口在算法中的强大威力。它不仅能减少重复计算，还能优化空间和时间复杂度。而在实际开发中，这种技巧也常常能帮助我们在面试中脱颖而出，解决一些看似复杂的问题。
来源：麻辣小王子
