美团技术专家面试题解析

2026年美团技术专家面试题解析一、编程能力测试（共3题，每题20分，总分60分）1.题目：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，需要淘汰最久未使用的元素。请使用Python实现，并说明时间复杂度和空间复杂度。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=self.order.pop(0)delself.cache[oldest]self.cache[key]=valueself.order.append(key)解析：-使用字典`cache`存储键值对，实现O(1)的get和put操作。-使用列表`order`记录访问顺序，当访问或插入时，将元素移动到列表末尾。-当缓存满时，删除列表第一个元素（最久未使用）。-时间复杂度：get和put均为O(1)。-空间复杂度：O(capacity)。2.题目：美团外卖系统中，用户下单后需要分配骑手。假设有N个骑手和M个订单，骑手位置和订单位置已知，请设计一个算法，使得所有订单分配后，总距离最小。假设地图为平面直角坐标系。答案：pythonimportheapqdefassign_riders(riders,orders):初始化骑手位置堆rider_heap=[(0,i)foriinrange(len(riders))]heapq.heapify(rider_heap)total_distance=0fororderinorders:弹出距离最近的骑手_,rider_idx=heapq.heappop(rider_heap)rider_pos=riders[rider_idx]distance=((rider_pos[0]-order[0])2+(rider_pos[1]-order[1])2)0.5total_distance+=distance更新骑手位置heapq.heappush(rider_heap,(distance,rider_idx))returntotal_distance解析：-使用最小堆维护骑手与订单的距离，每次选择最近的骑手分配订单。-时间复杂度：O(MlogN)，M为订单数，N为骑手数。-空间复杂度：O(N)。3.题目：美团点评需要统计用户活跃度，给定一个用户行为日志（包含用户ID、行为类型、时间戳），请设计一个算法，统计每个用户在最近7天内每日的活跃次数（至少有一条行为记录才算活跃）。假设日志按时间排序。答案：pythonfromcollectionsimportdefaultdictdefuser_activity(log):user_activity=defaultdict(lambda:defaultdict(int))foruser,action,timestampinlog:date=timestamp[:10]#假设timestamp为YYYY-MM-DD格式user_activity[user][date]+=1result={}foruser,datesinuser_activity.items():result[user]={}fordateindates:ifdate>=max(dates.keys())-timedelta(days=7):result[user][date]=1ifdates[date]>0else0returnresult解析：-使用双层字典统计每个用户每日行为次数。-最后筛选最近7天的活跃记录，至少有一条行为才算活跃。-时间复杂度：O(L)，L为日志条数。-空间复杂度：O(UD)，U为用户数，D为最近7天。二、系统设计测试（共2题，每题30分，总分60分）1.题目：设计一个美团外卖的实时订单分配系统，要求支持高并发、低延迟，并能够动态调整骑手分配策略。请说明系统架构、关键技术及挑战。答案：系统架构：1.输入层：订单接入服务（Kafka+Flink），处理高并发订单。2.计算层：-路径规划模块（使用A算法，分布式计算）。-分配策略模块（动态调整策略，如热点区域优先分配）。3.输出层：骑手端APP推送（WebSocket+Redis）。4.监控层：Prometheus+Grafana，实时监控系统状态。关键技术：-分布式计算：使用Flink处理实时订单流。-路径规划：A算法优化骑手路径。-动态调整：根据骑手负载和订单热度调整分配策略。挑战：-高并发处理：订单峰值可达10万/秒。-实时性要求：分配延迟控制在200ms内。解析：-系统需支持高并发和低延迟，采用分布式架构和实时计算技术。-动态调整策略可提升系统鲁棒性。2.题目：设计一个美团点评的用户推荐系统，要求能够根据用户历史行为和实时兴趣，动态生成个性化推荐列表。请说明系统架构、数据来源及推荐算法。答案：系统架构：1.数据采集层：-用户行为日志（点击、收藏、购买等）。-用户画像数据（年龄、性别、地域等）。2.特征工程层：-使用SparkMLlib进行特征提取（协同过滤、用户画像特征）。3.推荐引擎：-实时推荐（使用Redis缓存，支持秒级更新）。-离线推荐（使用Hadoop进行大规模数据处理）。4.展示层：推荐列表渲染（前端接口）。数据来源：-用户行为日志、用户画像数据、商户数据。推荐算法：-协同过滤：基于用户的协同过滤（CF）。-实时兴趣：使用LRU缓存用户最近行为，动态调整推荐权重。解析：-结合离线与实时推荐，提升个性化效果。-推荐算法需兼顾准确性和实时性。三、数据库与中间件（共2题，每题15分，总分30分）1.题目：美团外卖系统需要存储用户订单数据，订单表包含主键、用户ID、骑手ID、订单状态等字段。请设计数据库表结构，并说明索引优化方案。答案：表结构：sqlCREATETABLEorders(idBIGINTPRIMARYKEYAUTO_INCREMENT,user_idBIGINTNOTNULL,rider_idBIGINT,statusINTNOTNULL,--0:待接单,1:运输中,2:已完成created_atTIMESTAMPDEFAULTCURRENT_TIMESTAMP,updated_atTIMESTAMPDEFAULTCURRENT_TIMESTAMPONUPDATECURRENT_TIMESTAMP);索引优化：-主键索引（id）。-联合索引（user_id,status）用于查询用户订单状态。-范围索引（created_at）用于按时间筛选订单。解析：-索引设计需兼顾查询效率和写入性能。2.题目：美团点评使用Kafka处理用户行为日志，请说明如何保证消息的可靠性和顺序性。答案：可靠性保证：1.生产者配置：-设置`acks=all`，确保消息被所有副本写入。-使用幂等生产者，防止重复消息。2.消费者配置：-设置`mit=false`，手动提交offset。顺序性保证：-将同一用户的行为分到同一个分区（使用用户ID作为key）。-避免跨分区的顺序性问题。解析：-Kafka的可靠性机制依赖于副本和幂等配置。-顺序性需通过分区设计保证。四、分布式与微服务（共2题，每题20分，总分40分）1.题目：美团外卖系统采用微服务架构，假设订单服务需要调用骑手服务，请说明如何解决分布式事务问题。答案：解决方案：1.本地消息表：订单服务写入本地消息表，骑手服务消费后更新状态。2.TCC事务补偿：-订单服务发起请求时，骑手服务预扣资源。-若失败则回滚，成功则确认。3.Saga模式：将事务拆分为多个本地事务，顺序执行。解析：-分布式事务需结合业务场景选择方案。2.题目：设计一个美团点评的分布式缓存系统，要求支持高可用、高并发，并能够动态扩容。请说明架构方案及关键技术。答案：架构方案：1.缓存层：Redis集群（3主3备），分片存储。2.持久化层：RedisRDB/AOF，防止数据丢失。3.动态扩容：使用Kubernetes自动扩容。关键技术：-分片：使用RedisCluster分片存储，支持海量数据。-高可用：使用哨兵或RedisCluster实现故障转移。解析：-缓存系统需兼顾性能和可用性。五、数据结构与算法（共1题，20分）1.题目：美团点评需要统计用户签到数据，给定一个用户签到的日志（包含用户ID、签到时间），请设计一个算法，统计每个用户连续签到的最长天数。假设日志按时间排序。答案：pythondeflongest_consecutive_signins(log):fromcollectionsimportdefaultdictuser_signins=defaultdict(list)foruser,timestampinlog:date=timestamp[:10]user_signins[user].append(date)result={}foruser,datesinuser_signins.items():max_streak=0current_streak=0foriinrange(len(dates)):ifi==0or(dates[i]==d