美团技术支持团队面试题集

2026年美团技术支持团队面试题集一、编程语言与算法（共5题，每题10分，总分50分）1.题目：实现一个函数，输入一个非负整数`n`，返回`n`的平方根，精确到小数点后两位。不得使用第三方库，只能使用加减乘除和循环。示例：输入：`8`，输出：`2.83`输入：`0`，输出：`0.00`2.题目：给定一个字符串`s`，统计其中最长连续重复子串的长度。例如：输入：`"aabbbccddd"`，输出：`4`（对应`"ddd"`）输入：`"abcdef"`，输出：`1`3.题目：实现快速排序算法，要求在原地排序（不使用额外数组），并说明时间复杂度和空间复杂度。4.题目：设计一个LRU（最近最少使用）缓存，容量为`capacity`。支持`get(key)`和`put(key,value)`操作。要求时间复杂度为O(1)。5.题目：给定一个链表，判断是否为回文链表。例如：输入：`1->2->2->1`，输出：`true`输入：`1->2`，输出：`false`二、系统设计（共3题，每题20分，总分60分）1.题目：设计一个高并发的短链接生成系统，要求：-支持秒级访问量百万级别。-链接长度不超过6位。-支持分布式部署和快速扩展。-说明核心组件设计（数据库、缓存、负载均衡等）。2.题目：美团外卖用户实时位置上报系统，要求：-支持百万级用户实时位置更新。-位置数据需支持5分钟内过期。-如何保证数据一致性（例如，用户移动时平滑更新位置）。3.题目：设计一个美团闪购的订单实时推送系统，要求：-推送给骑手时需考虑网络延迟和骑手位置。-支持骑手手动确认或拒绝订单。-说明如何优化消息队列（如Kafka/RocketMQ）。三、数据库与存储（共2题，每题15分，总分30分）1.题目：美团商品详情页需要缓存商品数据，假设使用Redis和MySQL，说明：-Redis如何设计key（例如`goods:detail:{goods_id}`）；-MySQL分库分表方案（例如按商品类目或ID范围）。2.题目：某城市骑手每日订单量数据存储在MySQL中，表结构为：sqlCREATETABLEorders(idINTAUTO_INCREMENTPRIMARYKEY,rider_idINT,order_timeDATETIME,amountDECIMAL(10,2));如何优化查询：`SELECTrider_id,COUNT()FROMordersWHEREorder_timeBETWEEN'2026-01-01'AND'2026-01-31'GROUPBYrider_idORDERBYCOUNT()DESCLIMIT10;`四、分布式与中间件（共3题，每题15分，总分45分）1.题目：美团支付系统需要支持跨域事务，说明：-如何使用2PC或TCC方案；-分布式事务的优缺点及美团可能的解决方案（如Seata）。2.题目：设计一个美团点评的优惠券秒杀系统，要求：-使用Redis实现抢购锁；-如何防止超卖和秒杀失败。3.题目：美团内部消息通知系统使用RabbitMQ，说明：-如何保证消息不丢失（生产者、消费者、Broker三端策略）；-如何处理消息积压问题。五、网络与系统运维（共2题，每题15分，总分30分）1.题目：美团外卖App需要兼容4G和5G网络环境，说明：-如何优化图片和API响应速度；-DNS轮询和CDN结合的方案。2.题目：某区域服务器CPU使用率持续飙高，如何排查：-`top`/`dstat`命令分析；-是否需要扩容或调整队列。答案与解析一、编程语言与算法1.答案：pythondefsqrt(n:float)->float:ifn<2:returnnprecision=0.01left,right=0,nwhileright-left>precision:mid=(left+right)/2ifmidmid<n:left=midelse:right=midreturnround(left,2)解析：二分查找法，逐步缩小平方根范围，精度到0.01。时间复杂度O(logn)，空间复杂度O(1)。2.答案：pythondeflongest_repeating_substring(s:str)->int:max_len=1current_len=1foriinrange(1,len(s)):ifs[i]==s[i-1]:current_len+=1max_len=max(max_len,current_len)else:current_len=1returnmax_len解析：滑动窗口遍历，记录连续重复字符长度。3.答案：pythondefquick_sort(arr,low,high):iflow<high:pivot=partition(arr,low,high)quick_sort(arr,low,pivot-1)quick_sort(arr,pivot+1,high)defpartition(arr,low,high):pivot=arr[high]i=low-1forjinrange(low,high):ifarr[j]<=pivot:i+=1arr[i],arr[j]=arr[j],arr[i]arr[i+1],arr[high]=arr[high],arr[i+1]returni+1解析：时间复杂度O(nlogn)，空间复杂度O(logn)（递归栈）。4.答案：pythonclassLRUCache:def__init__(self,capacity:int):self.capacity=capacityself.cache={}self.head,self.tail=Node(0,0),Node(0,0)self.head.next,self.tail.prev=self.tail,self.headdefget(self,key:int)->int:ifkeyinself.cache:node=self.cache[key]self._remove(node)self._add(node)returnnode.valuereturn-1defput(self,key:int,value:int)->None:ifkeyinself.cache:self._remove(self.cache[key])node=Node(key,value)self.cache[key]=nodeself._add(node)iflen(self.cache)>self.capacity:lru=self.tail.prevself._remove(lru)delself.cache[lru.key]解析：使用双向链表+哈希表实现，get时移动到头部，put时淘汰最久未使用节点。5.答案：pythonclassListNode:def__init__(self,val=0,next=None):self.val=valself.next=nextdefis_palindrome(head:ListNode)->bool:ifnotheadornothead.next:returnTrueslow,fast=head,headwhilefastandfast.next:slow,fast=slow.next,fast.next.nextsecond_half=reverse_list(slow)first_half=headwhilesecond_half:iffirst_half.val!=second_half.val:returnFalsefirst_half,second_half=first_half.next,second_half.nextreturnTruedefreverse_list(head:ListNode)->ListNode:prev=Nonewhilehead:next_node=head.nexthead.next=prevprev=headhead=next_nodereturnprev解析：快慢指针找到中点，反转后半部分，逐个比对。二、系统设计1.答案：核心组件：-分布式ID生成器（如Snowflake）：生成唯一6位短码（例如`1xxxxx`）。-Redis缓存：缓存`short_url:long_url`映射，TTL设为1天。-数据库（MySQL分表）：按ID范围分表，支持快速查询。-负载均衡（Nginx）：分发请求到不同节点。2.答案：方案：-数据库（MySQL分表）：按区域分表，每个用户一条位置记录。-Redis：缓存用户位置，过期5分钟。-WebSocket实时推送：服务器主动更新客户端位置。-一致性保证：用户移动时先更新Redis，5秒后同步MySQL。3.答案：方案：-消息队列（Kafka）：存储订单消息，高吞吐。-骑手端SDK：实时推送消息，支持确认/拒绝。-优化：-分区：按骑手ID分区，确保消息顺序。-重试机制：超时消息延迟重发。三、数据库与存储1.答案：Rediskey设计：-`goods:detail:{goods_id}`：缓存结构包含`{id}`避免冲突。-`goods:cache:{category}`：按类目缓存，减少全表扫描。MySQL分表：-按商品类目分表（如`goods_category_0`~`goods_category_9`）。-按ID范围分表（如`goods_id_1`存储`1~10000`）。2.答案：优化方案：-索引：在`order_time`和`rider_id`上建组合索引。-分页：使用`WHERErider_idIN(SELECTidFROMordersWHEREorder_timeBETWEEN...GROUPBYidORDERBYCOUNT()DESCLIMIT100)`预聚合。-缓存：对`rider_id`结果缓存（如Redis）。四、分布式与中间件1.答案：2PC方案：-Prepare阶段：分布式事务各参与方准备资源，锁表。-Commit阶段：全部成功则提交，否则回滚。美团方案：-Seata：基于本地消息表实现TCC，降低耦合。2.答案：Redis锁实现：pythonimportredisr=redis.Redis()lock_key=f"coupon:{coupon_id}"whilenotr.set(lock_key,"locked",nx=True,ex=10):passtry:扣减库存ifstock>0:stock-=1执行其他操作except:r.delete(lock_key)raisefinally:r.delete(lock_key)防止超卖：-库存预扣减，失败则拒绝。3.答案：不丢失策略：-生产者：发送消息时设置`ack`，失败重试。-Broker：持久化消息，未确认则重发。-消费者：消息确认机制，失败写入死信队列。积压处理：-扩容消费者；-延迟处理：慢消息分批发送。五