网易工程师面试题及答案

2026年网易工程师面试题及答案一、编程题（共3题，每题20分，总分60分）1.题目（20分）：编写一个函数，实现字符串的“翻转词序”，要求不改变单词内部的字符顺序。例如，输入`"Ilove网易"`，输出`"网易loveI"`。请使用Python或Java实现，并考虑时间复杂度和空间复杂度。答案与解析：Python实现：pythondefreverse_words(s:str)->str:ifnots:return""words=s.split()return''.join(words[::-1])Java实现：javapublicStringreverseWords(Strings){if(s==null||s.length()==0)return"";String[]words=s.split("");StringBuildersb=newStringBuilder();for(inti=words.length-1;i>=0;i--){sb.append(words[i]);if(i!=0)sb.append("");}returnsb.toString();}解析：1.时间复杂度：O(n)，其中n为字符串长度，因为需要遍历所有字符。2.空间复杂度：O(n)，用于存储分割后的单词和结果字符串。3.优化：如果不允许使用额外空间，可以原地修改字符串，但Python字符串不可变，Java可以但操作复杂。2.题目（20分）：设计一个LRU（LeastRecentlyUsed）缓存，支持`get`和`put`操作。缓存容量为`capacity`，当访问或插入元素时，最久未使用的元素将被移除。请使用Python或Java实现，并说明如何维护缓存顺序。答案与解析：Python实现（使用`collections.OrderedDict`）：pythonfromcollectionsimportOrderedDictclassLRUCache:def__init__(self,capacity:int):self.cache=OrderedDict()self.capacity=capacitydefget(self,key:int)->int:ifkeynotinself.cache:return-1self.cache.move_to_end(key)returnself.cache[key]defput(self,key:int,value:int)->None:ifkeyinself.cache:self.cache.move_to_end(key)self.cache[key]=valueiflen(self.cache)>self.capacity:self.cache.popitem(last=False)Java实现（使用`LinkedHashMap`）：javaimportjava.util.LinkedHashMap;importjava.util.Map;classLRUCache<K,V>extendsLinkedHashMap<K,V>{privateintcapacity;publicLRUCache(intcapacity){super(capacity,0.75f,true);this.capacity=capacity;}@OverrideprotectedbooleanremoveEldestEntry(Map.Entry<K,V>eldest){returnsize()>capacity;}publicVget(Objectkey){returnsuper.get(key);}publicvoidput(Kkey,Vvalue){super.put(key,value);}}解析：1.`get`操作：将访问的键移动到字典末尾，表示最近使用。2.`put`操作：如果键已存在，则更新值并移动到末尾；如果超出容量，则删除链表头部（最久未使用）。3.时间复杂度：O(1)，因为`OrderedDict`和`LinkedHashMap`支持快速插入、删除和移动。3.题目（20分）：给定一个包含重复元素的数组，返回所有不重复的全排列。例如，输入`[1,1,2]`，输出`[[1,1,2],[1,2,1],[2,1,1]]`。请使用Python或Java实现，并说明如何避免重复排列。答案与解析：Python实现（使用回溯法）：pythondefpermuteUnique(nums):defbacktrack(path,used,res):iflen(path)==len(nums):res.append(path.copy())returnforiinrange(len(nums)):ifused[i]:continueifi>0andnums[i]==nums[i-1]andnotused[i-1]:continueused[i]=Truepath.append(nums[i])backtrack(path,used,res)path.pop()used[i]=Falsenums.sort()res=[]used=[False]len(nums)backtrack([],used,res)returnresJava实现：javaimportjava.util.ArrayList;importjava.util.Arrays;importjava.util.List;publicclassPermuteUnique{publicList<List<Integer>>permuteUnique(int[]nums){List<List<Integer>>res=newArrayList<>();Arrays.sort(nums);boolean[]used=newboolean[nums.length];backtrack(nums,newArrayList<>(),res,used);returnres;}privatevoidbacktrack(int[]nums,List<Integer>path,List<List<Integer>>res,boolean[]used){if(path.size()==nums.length){res.add(newArrayList<>(path));return;}for(inti=0;i<nums.length;i++){if(used[i])continue;if(i>0&&nums[i]==nums[i-1]&&!used[i-1])continue;used[i]=true;path.add(nums[i]);backtrack(nums,path,res,used);path.remove(path.size()-1);used[i]=false;}}}解析：1.排序去重：先排序，相同数字相邻，便于跳过重复排列。2.回溯法：每次选择未使用的数字，并标记为已使用，递归继续；回溯时撤销标记。3.避免重复：如果当前数字与前一个数字相同且前一个数字未被使用，则跳过（因为已经处理过该排列）。二、系统设计题（共2题，每题20分，总分40分）1.题目（20分）：设计一个高并发的短链接生成系统，要求：-支持分布式部署，可水平扩展。-链接长度尽可能短（如`http://short.ly/a1b2c3`）。-支持高并发访问（如QPS10万+）。答案与解析：设计方案：1.短链接生成：-使用自增ID或哈希算法（如CRC32）生成短码，如`a1b2c3`。-采用62进制（a-z,A-Z,0-9）减少长度。2.分布式部署：-使用Redis或Zookeeper作为分布式锁或计数器，确保ID全局唯一。-负载均衡（如Nginx轮询）分发请求。3.高并发支持：-前端使用CDN缓存热点链接。-后端数据库使用分库分表（如MySQLCluster）。-异步处理请求（如消息队列Kafka）。4.数据存储：-关系型数据库（索引优化）或NoSQL（如RedisHash）。-索引短码和原URL，支持快速查询。伪代码示例：python短码生成defencode_id(num):chars="0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ"base=len(chars)res=[]whilenum>0:res.append(chars[num%base])num//=basereturn''.join(res[::-1])解析：-分布式ID：可使用Twitter的Snowflake算法（时间戳+机器ID+序列号）。-缓存策略：热点链接预加载到内存，减少数据库压力。-容错性：使用熔断器（如Hystrix）防雪崩。2.题目（20分）：设计一个实时数据监控平台，要求：-支持百万级数据接入（如日志、指标）。-实时计算统计指标（如平均数、最大值）。-支持SQL查询（简化版）。答案与解析：设计方案：1.数据接入：-使用Flume/Kafka收集数据，分流到不同主题（如日志、指标）。-数据格式统一（如JSON或Protobuf）。2.实时计算：-使用RedisStreams或Pulsar窗口计算（如滑动窗口求平均）。-流处理框架（如Flink）计算聚合指标。3.SQL支持：-简化SQL解析（如`SELECTCOUNT()FROMlogsWHEREtimestamp>...`）。-使用Trie树优化多字段查询。4.存储：-时序数据库（如InfluxDB）存储指标，支持时间范围查询。-热数据缓存（如Redis）。伪代码示例：python简单滑动窗口平均数计算defmoving_avg(stream,window_size):queue=deque()total=0fornuminstream:total+=numqueue.append(num)iflen(queue)>window_size:total-=queue.popleft()yieldtotal/len(queue)解析：-性能优化：分区（如按时间或地域）减少计算范围。-容错性：数据重复写入Kafka，确保不丢失。-扩展性：模块化设计（接入、计算、存储分离）。三、数据库题（共2题，每题10分，总分20分）1.题目（10分）：解释“数据库索引失效”的场景，并举例说明如何优化。答案与解析：索引失效场景：-函数运算：如`WHEREYEAR(timestamp)=2023`，索引无法利用。-隐式类型转换：如`WHEREage='30'`，数字索引被当作字符串处理。-OR条件：如`WHEREid=1ORname='A'`，无法使用索引。优化方法：1.避免函数运算：改为`WHEREtimestamp>='2023-01-01'ANDtimestamp<'2024-01-01'`。2.显式类型转换：如`WHEREage=CAST('30'ASINT)`。3.拆分OR条件：使用UNION或独立查询。示例SQL：sql--原始（失效）SELECTFROMusersWHEREid=1ORname='A';--优化SELECTFROMusersWHEREid=1UNIONSELECTFROMusersWHEREname='A';解析：-索引选择：覆盖索引（索引包含所有查询字段）可减少查询开销。-索引类型：B-Tree索引适用于范围查询，哈希索引适用于精确匹配。2.题目（10分）：解释“数据库分库分表”的优缺点，并说明适用场景。答案与解析：分库分表优点：-水平扩展：分表后单表数据量可控，可分布式部署。-读写分离：主库写，从库读，提升性能。缺点：-复杂性：跨表JOIN操作需额外处理（如分布式事务）。-维护成本：分区键选择不当会导致数据倾斜。适用场景：-数据量巨大：如订单表（每日百万级写入）。-热点数据：如用户画像表（部分用户高频访问）。解析：-分区策略：按时间（如按月分表