腾讯技术专家面试题集及答案详解

2026年腾讯技术专家面试题集及答案详解一、编程题（共5题，每题20分）题目1（20分）实现一个LRU（LeastRecentlyUsed）缓存机制，要求：1.支持自动删除最久未使用项2.提供get(key)和put(key,value)操作3.时间复杂度为O(1)4.使用Python实现答案：pythonclassLRUCache:def__init__(self,capacity:int):self.capacity=capacityself.cache={}self.order=[]defget(self,key:str)->int:ifkeyinself.cache:更新访问顺序self.order.remove(key)self.order.append(key)returnself.cache[key]return-1defput(self,key:str,value:int)->None:ifkeyinself.cache:更新值和顺序self.order.remove(key)eliflen(self.cache)>=self.capacity:删除最久未使用项oldest_key=self.order.pop(0)delself.cache[oldest_key]self.cache[key]=valueself.order.append(key)解析：-使用哈希表实现O(1)的get操作-使用双向链表维护访问顺序，实现O(1)的put操作-当缓存容量满时，删除链表头部元素（最久未使用）-实现过程中注意key存在时的顺序更新题目2（20分）给定一个包含n个点的无向图，点编号从0到n-1。每个点有一个权值，你需要找到一个路径，使得：1.路径经过所有点至少一次2.路径总权值最小3.路径可以重复经过点4.请返回最小总权值答案：pythondefmin_weighted_hamiltonian_path(n,edges,weights):fromheapqimportheappop,heappush构建邻接表graph={i:[]foriinrange(n)}for(u,v)inedges:graph[u].append((v,weights[u]))graph[v].append((u,weights[v]))暴力解法（适用于小规模问题）实际面试可能需要启发式算法或近似解ifn<=10:预处理所有点的排列fromitertoolsimportpermutationsmin_cost=float('inf')forperminpermutations(range(n)):ifperm[0]==0:#确保从0开始cost=0foriinrange(n-1):u,v=perm[i],perm[i+1]找到相邻边的最小权值min_edge=float('inf')for(x,w)ingraph[u]:ifx==v:min_edge=min(min_edge,w)cost+=min_edgemin_cost=min(min_cost,cost)returnmin_costelse:对于大规模问题，使用启发式算法这里提供近似解思路return"对于大规模问题，可以使用贪心算法或近似算法"解析：-小规模问题使用暴力枚举所有排列-大规模问题需要使用启发式算法（如贪心算法或近似算法）-贪心策略：每次选择当前未访问点中与已访问点连接权值最小的边-注意题目允许重复经过点，但要求经过所有点至少一次-真实面试中可能需要根据n的大小决定使用哪种算法题目3（20分）实现一个字符串匹配算法，要求：1.支持在文本串中查找多个模式串2.时间复杂度为O(n+mk)，其中n是文本长度，m是模式串长度，k是模式串数量3.支持正则表达式匹配（简单版本）4.使用C++实现答案：cppinclude<vector>include<string>include<unordered_map>classMultiPatternMatcher{public:MultiPatternMatcher(conststd::vector<std::string>&patterns){for(constauto&pattern:patterns){buildNextArray(pattern);}}std::vector<int>match(conststd::string&text){std::vector<int>results;for(inti=0;i<patterns.size();++i){intpos=search(text,patterns[i]);if(pos!=-1){results.push_back(pos);}}returnresults;}private:std::vector<std::string>patterns;std::vector<std::vector<int>>next;voidbuildNextArray(conststd::string&pattern){intm=pattern.size();next.emplace_back(m,-1);intj=-1;for(inti=1;i<m;++i){while(j>=0&&pattern[i]!=pattern[j]){j=next[i-1][j];}if(pattern[i]==pattern[j]){j++;}next.back()[i]=j;}}intsearch(conststd::string&text,conststd::string&pattern){intn=text.size();intm=pattern.size();if(m==0)return0;std::vector<int>next_array=next[patterns.index(pattern)];intj=-1;for(inti=0;i<n;++i){while(j>=0&&text[i]!=pattern[j]){j=next_array[j];}if(text[i]==pattern[j]){j++;}if(j==m){returni-m+1;}}return-1;}};解析：-使用KMP算法的多模式匹配变体-构建每个模式串的next数组（部分匹配表）-对每个模式串独立进行KMP匹配-时间复杂度满足O(n+mk)要求-对于正则表达式匹配，可以在此基础上扩展支持特殊字符题目4（20分）实现一个分布式锁服务，要求：1.支持多个客户端获取和释放锁2.确保同一时间只有一个客户端持有锁3.支持锁超时机制4.使用Python实现答案：pythonimportthreadingimporttimeimportuuidimportsocketclassDistributedLock:def__init__(self):self.lock=threading.Lock()self.locks={}#{resource_id:(client_id,timestamp)}self.server_id=str(uuid.uuid4())self.host=socket.gethostname()defacquire(self,resource_id,timeout=10):"""获取分布式锁"""deadline=time.time()+timeoutclient_id=f"{self.server_id}-{socket.gethostname()}:{uuid.uuid4()}"whiletime.time()<deadline:withself.lock:ifresource_idnotinself.locks:self.locks[resource_id]=(client_id,time.time())returnTrue轮询等待time.sleep(0.01)returnFalsedefrelease(self,resource_id):"""释放分布式锁"""withself.lock:ifresource_idinself.locksandself.locks[resource_id][0]==client_id:delself.locks[resource_id]defis_locked(self,resource_id):"""检查锁状态"""withself.lock:returnresource_idinself.locks解析：-使用本地锁保护全局状态-每个资源记录持有者和服务端ID-实现锁超时机制，避免死锁-通过唯一标识符区分不同服务器的客户端-实际生产环境可能需要结合Redis等存储实现更可靠的分布式锁题目5（20分）设计一个消息队列系统，要求：1.支持发布/订阅模式2.支持消息持久化3.支持消息确认机制4.支持至少一次传递保证5.使用Java实现答案：javaimportjava.util.;importjava.util.concurrent.;publicclassMessageQueue{privatestaticclassMessage{Stringcontent;longtimestamp;Stringpublisher;booleanacknowledged;Message(Stringcontent,Stringpublisher){this.content=content;this.timestamp=System.currentTimeMillis();this.publisher=publisher;this.acknowledged=false;}}privateMap<String,Set<String>>topicSubscribers;privateMap<String,Queue<Message>>messageQueues;privateMap<String,Set<String>>subscriberAck;privateExecutorServiceexecutor;publicMessageQueue(){topicSubscribers=newConcurrentHashMap<>();messageQueues=newConcurrentHashMap<>();subscriberAck=newConcurrentHashMap<>();executor=Executors.newFixedThreadPool(10);}publicvoidpublish(Stringtopic,Stringmessage,Stringpublisher){Messagemsg=newMessage(message,publisher);messageQputeIfAbsent(topic,k->newConcurrentLinkedQueue<>()).add(msg);//通知订阅者topicSputeIfPresent(topic,(k,subs)->{for(Stringsub:subs){executor.submit(()->{try{messageQueues.get(k).add(msg);//等待订阅者确认subscriberAputeIfAbsent(k,v->newHashSet<>()).add(sub);//假设5秒超时if(!subscriberAck.get(k).remove(sub,System.currentTimeMillis()+5000)){System.out.println("Messagedeliveryfailedfortopic"+k);}}catch(Exceptione){e.printStackTrace();}});}returnsubs;});}publicvoidsubscribe(Stringtopic,Stringsubscriber){topicSputeIfAbsent(topic,k->newConcurrentHashSet<>()).add(subscriber);}publicvoidacknowledge(Stringtopic,Stringsubscriber){subscriberAputeIfPresent(topic,(k,subs)->{subs.add(subscriber);returnsubs;});}publicvoidclose(){executor.shutdown();try{if(!executor.awaitTermination(60,TimeUnit.SECONDS)){executor.shutdownNow();}}catch(InterruptedExceptione){executor.shutdownNow();}}}解析：-使用ConcurrentHashMap实现线程安全-支持消息持久化：将消息存储在队列中-实现至少一次传递：通过acknowledged标志和确认机制-发布者-订阅者模式：使用topic组织消息-使用ExecutorService异步处理订阅者通知-注意：实际生产系统需要更完善的消息存储和传输机制二、系统设计题（共3题，每题30分）题目6（30分）设计一个微信级别的消息推送系统，要求：1.支持全球用户（10亿级别）2.支持多种推送类型（通知、消息、订阅）3.支持离线推送4.支持推送失败重试5.支持推送效果统计答案：plaintext系统架构设计：1.消息中心（MQ+Redis+MySQL）-消息生产：通过Kafka/Flink处理用户行为，生成推送需求-消息存储：Redis存储待推送消息（TTL+过期），MySQL存储持久化记录-消息路由：根据用户标签、设备类型、推送类型等进行路由2.推送服务（微服务集群）-推送服务：处理消息分发，支持同步/异步推送-离线推送：将未触达的消息存入Redis，定时重试-推送失败处理：记录失败原因，按优先级重试3.资源管理（Redis+Zookeeper）-用户标签管理：Redis存储用户标签，支持实时更新-设备管理：记录设备信息，支持设备失效处理-负载均衡：Zookeeper实现服务发现和负载均衡4.数据统计（Hadoop+Elasticsearch）-实时统计：Elasticsearch存储实时推送效果-离线统计：Hadoop处理历史推送数据-数据看板：提供多维度推送效果分析关键点：1.全球用户支持：-多区域部署消息中心-CDN加速推送-地域化内容生成2.高可用设计：-消息中心集群化-推送服务冗余部署-多副本存储3.性能优化：-消息批处理-热点用户/消息预加载-按设备分组推送4.安全设计：-用户身份验证-推送签名-敏感内容过滤解析：-采用分布式架构支持海量用户-多层次消息队列处理高并发-离线推送机制保证消息不丢失-推送效果多维度统计-考虑全球部署和地域优化-需要关注跨区域网络延迟问题-可以进一步扩展支持消息透传和APNS/FCM等推送协议题目7（30分）设计一个类似抖音/快手的内容推荐系统，要求：1.支持个性化推荐2.支持实时更新3.支持冷启动问题4.支持多样性和新颖性5.支持实时反馈优化答案：plaintext系统架构设计：1.数据采集层（Kafka+HDFS）-用户行为：实时采集点击、点赞、评论等数据-内容特征：提取视频标签、音频特征等-用户画像：存储用户兴趣、偏好等信息2.推荐引擎（SparkMLlib+TensorFlow）-协同过滤：基于用户行为的相似度推荐-内容特征：基于视频内容的相似度推荐-混合推荐：结合多种算法生成最终推荐列表3.实时计算（Flink+Redis）-实时特征：实时更新用户兴趣-冷启动处理：新用户推荐热门内容-推荐更新：根据实时反馈调整推荐4.服务层（微服务集群）-推荐服务：提供推荐API-缓存服务：Redis存储热点推荐-推送服务：将推荐结果下发到客户端关键点：1.个性化推荐：-基于用户历史行为-基于用户画像-基于内容特征2.实时更新：-实时特征更新-推荐模型在线学习-实时反馈处理3.冷启动问题：-新用户推荐热门内容-基于用户注册信息推荐-群智推荐（初始阶段）4.多样性和新颖性：-限制相似内容比例-探索新内容-混合推荐策略5.实时反馈优化：-实时收集用户点击、停留时间等反馈-基于反馈调整推荐模