携程技术主管招聘面试题库

2026年携程技术主管招聘面试题库一、编程能力测试（共5题，每题10分）1.编程题：实现一个LRU缓存机制题目：请用Python实现一个LRU（LeastRecentlyUsed）缓存机制，支持get和put操作。缓存容量为固定值，当缓存满时，最久未使用的元素将被移除。要求时间复杂度为O(1)。答案：pythonclassLRUCache:def__init__(self,capacity:int):self.capacity=capacityself.cache={}self.order=[]defget(self,key:int)->int:ifkeyinself.cache:self.order.remove(key)self.order.append(key)returnself.cache[key]return-1defput(self,key:int,value:int)->None:ifkeyinself.cache:self.order.remove(key)eliflen(self.cache)>=self.capacity:oldest_key=self.order.pop(0)delself.cache[oldest_key]self.cache[key]=valueself.order.append(key)解析：LRU缓存的核心是维护一个有序链表，通过`order`列表记录访问顺序。`get`操作时，若元素存在则将其移至队尾表示最近使用；`put`操作时，若缓存已满则删除队首元素（最久未使用），新元素加入队尾。Python的`list`操作虽然不是严格O(1)，但可通过`collections.OrderedDict`优化为O(1)。2.编程题：携程机票查询接口优化题目：携程机票查询接口存在性能瓶颈，请设计一个缓存策略（如TTL过期缓存或本地缓存），优化接口响应时间。假设每次查询包含出发地、目的地、日期等参数。答案：pythonfromfunctoolsimportlru_cacheimporttimeclassFlightCache:def__init__(self,ttl:int=300):self.ttl=ttlself.cache={}defquery(self,origin:str,destination:str,date:str):key=(origin,destination,date)current_time=time.time()ifkeyinself.cache:data,timestamp=self.cache[key]ifcurrent_time-timestamp<self.ttl:returndata#返回缓存数据模拟API调用result=self.fetch_flight_data(origin,destination,date)self.cache[key]=(result,current_time)returnresultdeffetch_flight_data(self,origin,destination,date):模拟数据库查询或API调用returnf"{origin}to{destination}on{date}"解析：采用TTL过期缓存机制，避免重复请求。键值由查询参数组合生成，缓存命中时返回本地数据。实际场景可结合Redis分布式缓存，减少内存压力。3.编程题：分布式锁实现题目：携程库存系统需要防止超卖，请用Redis实现分布式锁，确保同一时间只有一个请求扣减库存。答案：pythonimportredisimportuuidclassRedisLock:def__init__(self,redis_client:redis.Redis,lock_key:str):self.redis_client=redis_clientself.lock_key=lock_keyself.token=str(uuid.uuid4())defacquire(self,timeout:int=10):deadline=time.time()+timeoutwhiletime.time()<deadline:ifself.redis_client.setnx(self.lock_key,self.token):returnTruetime.sleep(0.1)returnFalsedefrelease(self):self.redis_client.delete(self.lock_key)解析：利用Redis的`SETNX`命令实现锁，避免死锁需设置超时时间。成功获取锁后，业务完成时通过`DEL`释放。携程高并发场景下可结合Redlock算法提高可靠性。4.编程题：携程动态定价算法简化版题目：请用伪代码描述动态定价算法的核心逻辑，假设票价受时间（提前预订天数）、需求（节假日）、竞争（同航线其他航班）影响。答案：pythondefcalculate_price(base_price,days_before,is_holiday,competition_count):time_factor=1-0.1days_before#提前几天越少，价格越高demand_factor=1.5ifis_holidayelse1.0#节假日溢价competition_factor=1-0.05competition_count#竞争越激烈，价格越低final_price=base_pricetime_factordemand_factorcompetition_factorreturnmax(final_price,base_price0.5)#最低50%保底解析：动态定价需综合多维度因素，简化模型中时间、需求、竞争分别用乘法系数调整。实际应用需引入更复杂的机器学习模型，但此逻辑可快速模拟价格波动。5.编程题：携程多线程抢购并发控制题目：携程演唱会门票抢购场景，假设有1000张票，1000个用户同时请求，请用Python实现防止超卖的多线程抢购程序。答案：pythonimportthreadingimportrandomclassTicketSystem:def__init__(self,total_tickets:int):self.total_tickets=total_ticketsself.lock=threading.Lock()self.tickets=total_ticketsdefbuy_ticket(self,user_id:int):withself.lock:ifself.tickets>0:self.tickets-=1returnTruereturnFalsedefuser_thread(user_id,system):ifsystem.buy_ticket(user_id):print(f"User{user_id}boughtaticket.")else:print(f"User{user_id}failedtobuy.")total_users=1000system=TicketSystem(1000)threads=[threading.Thread(target=user_thread,args=(i,system))foriinrange(total_users)]forthreadinthreads:thread.start()forthreadinthreads:thread.join()解析：使用互斥锁`threading.Lock`确保线程安全，每次购买时检查库存。实际场景需考虑请求限流、熔断机制，避免数据库过载。二、系统设计测试（共4题，每题15分）1.系统设计题：携程实时推荐系统题目：设计一个携程酒店实时推荐系统，输入用户ID和查询参数（如价格区间、评分），1秒内返回匹配酒店列表。答案：1.数据存储：-使用Elasticsearch索引酒店数据（价格、评分、地理位置等），支持快速全文检索。-用户画像存入Redis，缓存热门城市、偏好标签。2.计算逻辑：-用户请求时，先匹配Redis缓存，无命中则查询Elasticsearch。-结合用户历史行为（通过Flink实时计算）和协同过滤算法生成推荐列表。3.架构图：-接口层（Kafka消费请求），定时任务（离线特征工程）+实时计算（Flink）。-响应结果分桶缓存（CDN+Redis），降低延迟。解析：推荐系统需平衡实时性和准确率，Elasticsearch+Redis组合可满足低延迟需求。携程场景下需考虑多模态数据（图片、评价）融合。2.系统设计题：携程分布式订单系统题目：设计支持百万级QPS的携程订单系统，要求高可用、可扩展，并解决超卖问题。答案：1.架构：-订单服务拆分为：API网关（Nginx+Koa）、订单核心（SpringCloud+Redis集群）。-库存扣减通过分布式事务（Seata+Zookeeper）保证一致性。2.核心模块：-订单创建时，先查Redis库存（本地缓存），命中则扣减；未命中则阻塞重试。-超卖补偿：超卖订单标记为无效，通过定时任务补偿库存。3.监控：-Prometheus+Grafana监控服务水位，告警时自动扩容。解析：携程订单系统需兼顾性能与一致性，Redis+Seata方案可兼顾低延迟与分布式事务。实际需考虑预扣库存策略（预冻结+确认扣减）。3.系统设计题：携程多语言路由系统题目：设计支持全球多语言的携程路由系统，输入URL自动匹配语言版本（如``）。答案：1.域名解析：-DNS层面配置语言后缀（如`.`）。-路由层（Nginx配置`if`语句或GeoIP模块）根据IP匹配语言。2.内容分发：-静态资源（JS/CSS）缓存CDN（Cloudflare），动态内容通过语言标签路由。-后端服务（Golang+Gin）根据请求头`Accept-Language`选择语言。3.架构图：-DNS→CDN→API网关（语言检测）→多语言后端集群。解析：多语言系统需考虑SEO优化（URL规范化）和本地化（时区、货币）。携程需支持方言（如繁体中文、越南语）。4.系统设计题：携程消息推送系统题目：设计一个低延迟、高可靠的携程消息推送系统，支持短信、App推送、邮件。答案：1.消息队列：-使用RabbitMQ（集群模式），生产者发送消息，消费者分发给终端。-短信通过阿里云SMS（批量优化），App推送使用MQTT协议。2.可靠性保障：-重试机制（指数退避），失败消息存入DLQ（死信队列）。-终端离线时，消息写入Redis，App启动时拉取。3.监控：-消息状态（发送中/成功/失败）写入InfluxDB，用于根因分析。解析：消息系统需支持多渠道路由，携程场景下需考虑推送优先级（如航班动态比广告高）。三、数据库与存储测试（共3题，每题12分）1.数据库题：携程机票数据分库分表方案题目：携程机票表（flight表）数据量达千万级，设计分库分表方案，要求查询性能和写入吞吐量。答案：1.分库：-按航线分库（如`flight_db_1`存储国内航班，`flight_db_2`国际航班）。2.分表：-按日期分表（`flight_20231201`），利用MySQL分区表。-主键设计：`flight_id`（自增）+`date`（分区键）。3.读写分离：-主库（写）+从库（读），通过ProxySQL路由慢查询。解析：机票系统需兼顾时序数据（历史航班）和实时查询（当日动态），分表可提升缓存命中率。2.数据库题：携程用户画像数据库设计题目：设计携程用户画像数据库，存储用户标签（如“商旅”“亲子游”）、消费偏好，支持快速查询。答案：1.表结构：sql--用户基础表CREATETABLEusers(user_idBIGINTPRIMARYKEY,nameVARCHAR(50),reg_dateDATE);--用户标签表（多对多关系）CREATETABLEuser_tags(user_idBIGINT,tag_idINT,scoreFLOAT,FOREIGNKEY(user_id)REFERENCESusers(user_id));2.索引优化：-`user_tags`表使用`user_id`和`tag_id`复合索引。-使用Elasticsearch聚合用户标签分布。解析：用户画像系统需支持增量更新（实时标签变更），Elasticsearch适合聚合分析场景。3.数据库题：携程分布式数据库选型题目：携程需要支持跨地域数据同步（如华东、华南机房），选择合适的分布式数据库方案。答案：1.选型：-使用TiDB（MySQL兼容，分布式架构）。-分片规则：按城市分片（华东机房存储`city=1`数据）。2.同步方案：-TiDB内置跨地域同步功能（通过TiCDC异步同步）。-数据一致性容忍1分钟延迟（通过业务补偿）。解析：携程需考虑数据主权和延迟问题，TiDB的分布式事务和混合容灾方案较适合。四、分布式与中间件测试（共3题，每题10分）1.中间件题：携程Kafka消费组设计题目：设计携程订单消息的Kafka消费组，要求消息不丢失、消费端可动态扩容。答案：1.消费组配置：-消费组（group_id）分为：实时处理（group-A）、离线计算（group-B）。-每个消费组内多个消费者（消费者数量=分区数副本系数）。2.消息保障：-生产者设置`acks=all`，确保数据写入Broker所有副本。-消费端使用`fetch.min.bytes`避免空轮询。3.动态扩容：-通过KafkaController动态调整分区数（逐步扩容）。解析：携程需兼顾实时消费（如支付通知）和离线分析（用户行为统计），消费组分区数需预留扩容空间。2.中间件题：携程Redis高可用方案题目：设计携程核心业务（如用户登录）的Redis高可用方案。答案：1.架构：-使用RedisSentinel（3个Master+多个Slave）。-Master故障时，Slave自动接替，客户端通过Keepalived切换。2.持久化：-RDB（每5分钟全量备份）+AOF（每秒日志追加）。-数据库地址存入Consul，客户端动态获取。3.分片：-使用RedisCluster（4个Master+复制节点），键值哈希分片。解析：携程核心缓存需高可用，RedisCluster适合大容量场景，但客户端需改造为支持分片。3.中间件题：携程RabbitMQ死信队列设计题目：设计携程订单创建失败消息的RabbitMQ死信队列（DLQ）方案。答案：1.DLQ配置：-创建死信交换器（`x-dead-letter-exchange`），路由到`dead_queue`。-当消息TTL过期或拒绝次数超限（`x-max-priority`）时进入DLQ。2.处理流程：-DLQ消息通过定时任务补偿库存（补偿后重新入主队列）。-失败消息记录到ES（便于根因分析）。解析：死信队列需兼顾补偿效率和告警机制，携程场景下需考虑补偿幂等性（避免重复补偿）。五、数据库与存储测试（共3题，每题10分）1.系统设计题：携程分布式缓存架构题目：设计携程分布式缓存架构，要求缓存命中率90%以上，支持秒级扩容。答案：1.架构：-使用Redis集群（3Master+6Slave），数据分片+异地多活。-热点数据（如