互联网公司算法工程师面试题库及答案

2026年互联网公司算法工程师面试题库及答案一、编程基础题（共5题，每题10分）1.题目：请实现一个函数，输入一个正整数n，返回其阶乘的结果。要求使用递归和迭代两种方法实现，并比较两种方法的优缺点。2.题目：给定一个字符串s，请实现一个函数，返回s中所有唯一字符的集合。要求时间复杂度不超过O(n)。3.题目：请实现一个函数，输入一个链表的头节点head，返回链表的中间节点。要求时间复杂度为O(n)，空间复杂度为O(1)。4.题目：请实现一个函数，输入一个整数数组nums和一个目标值target，返回nums中所有和为target的三元组。要求不重复计算相同的组合。5.题目：请实现一个函数，输入一个字符串s，返回s的所有子集。要求不重复计算相同的子集。二、数据结构与算法题（共5题，每题10分）1.题目：请解释快速排序和归并排序的时间复杂度，并说明在什么情况下快速排序可能比归并排序更快。2.题目：请实现一个函数，输入一个二叉树的头节点root，返回该二叉树的所有层序遍历结果。3.题目：请实现一个函数，输入一个无向图，判断该图是否存在环。要求时间复杂度不超过O(V+E)。4.题目：请实现一个函数，输入一个字符串s，返回s的最长回文子串。要求时间复杂度不超过O(n^2)。5.题目：请解释堆和栈的区别，并说明在哪些场景下使用堆更合适。三、机器学习与深度学习题（共5题，每题10分）1.题目：请解释过拟合和欠拟合的概念，并说明如何通过正则化和数据增强等方法防止过拟合。2.题目：请实现一个简单的线性回归模型，输入一个二维数组X和一维数组y，返回模型的参数（权重和偏置）。3.题目：请解释卷积神经网络（CNN）的基本原理，并说明其在图像识别任务中的优势。4.题目：请解释循环神经网络（RNN）的局限性，并说明如何通过LSTM或GRU来解决这些问题。5.题目：请解释迁移学习的概念，并说明在哪些场景下使用迁移学习更合适。四、系统设计题（共3题，每题20分）1.题目：请设计一个简单的短链接系统，要求输入一个长链接，返回一个短链接，并能够通过短链接查询到原始的长链接。2.题目：请设计一个简单的消息队列系统，要求支持消息的发布和订阅功能，并能够保证消息的可靠传输。3.题目：请设计一个简单的推荐系统，要求输入用户的历史行为数据，返回用户可能感兴趣的商品。五、数据库题（共3题，每题10分）1.题目：请解释SQL中的JOIN操作，并说明INNERJOIN和LEFTJOIN的区别。2.题目：请解释数据库索引的作用，并说明如何选择合适的字段建立索引。3.题目：请解释数据库事务的概念，并说明ACID特性。六、分布式系统题（共3题，每题10分）1.题目：请解释CAP理论，并说明在哪些场景下选择一致性优先、可用性优先或分区容错性优先。2.题目：请解释分布式锁的实现原理，并说明常见的分布式锁实现方式（如基于Redis或Zookeeper）。3.题目：请解释分布式事务的概念，并说明常见的分布式事务解决方案（如2PC、TCC）。七、综合应用题（共2题，每题15分）1.题目：请设计一个简单的新闻推荐系统，要求输入用户的历史阅读数据，返回用户可能感兴趣的新闻。2.题目：请设计一个简单的社交推荐系统，要求输入用户的朋友关系数据和用户的行为数据，返回用户可能感兴趣的朋友。答案及解析一、编程基础题1.答案：python递归方法deffactorial_recursive(n):ifn==0:return1returnnfactorial_recursive(n-1)迭代方法deffactorial_iterative(n):result=1foriinrange(1,n+1):result=ireturnresult解析：递归方法的优点是代码简洁，但可能导致栈溢出；迭代方法的空间复杂度更低，但代码稍显复杂。2.答案：pythondefunique_characters(s):returnset(s)解析：使用集合可以自动去重，时间复杂度为O(n)。3.答案：pythondefmiddle_node(head):slow=headfast=headwhilefastandfast.next:slow=slow.nextfast=fast.next.nextreturnslow解析：快慢指针法，时间复杂度为O(n)，空间复杂度为O(1)。4.答案：pythondefthree_sum(nums,target):nums.sort()result=[]foriinrange(len(nums)-2):ifi>0andnums[i]==nums[i-1]:continueleft,right=i+1,len(nums)-1whileleft<right:total=nums[i]+nums[left]+nums[right]iftotal==target:result.append([nums[i],nums[left],nums[right]])whileleft<rightandnums[left]==nums[left+1]:left+=1whileleft<rightandnums[right]==nums[right-1]:right-=1left+=1right-=1eliftotal<target:left+=1else:right-=1returnresult解析：排序后使用双指针法，时间复杂度为O(n^2)。5.答案：pythondefsubsets(s):result=[[]]forcharins:result+=[curr+[char]forcurrinresult]returnresult解析：回溯法，时间复杂度为O(2^n)。二、数据结构与算法题1.答案：快速排序的平均时间复杂度为O(nlogn)，最坏情况为O(n^2)；归并排序的时间复杂度始终为O(nlogn)。快速排序在随机数据或数据分布均匀时可能比归并排序更快，但归并排序更稳定。2.答案：pythondeflevel_order_traversal(root):ifnotroot:return[]result=[]queue=[root]whilequeue:level=[]for_inrange(len(queue)):node=queue.pop(0)level.append(node.val)ifnode.left:queue.append(node.left)ifnode.right:queue.append(node.right)result.append(level)returnresult解析：广度优先搜索（BFS）。3.答案：pythondefhas_cycle(graph):visited=set()fornodeingraph:ifnodenotinvisited:ifdfs(node,visited,graph):returnTruereturnFalsedefdfs(node,visited,graph):ifnodeinvisited:returnTruevisited.add(node)forneighboringraph[node]:ifdfs(neighbor,visited,graph):returnTruereturnFalse解析：深度优先搜索（DFS）。4.答案：pythondeflongest_palindrome(s):ifnots:return""start,end=0,0foriinrange(len(s)):len1=expand_from_center(s,i,i)len2=expand_from_center(s,i,i+1)max_len=max(len1,len2)ifmax_len>end-start:start=i-(max_len-1)//2end=i+max_len//2returns[start:end+1]defexpand_from_center(s,left,right):whileleft>=0andright<len(s)ands[left]==s[right]:left-=1right+=1returnright-left-1解析：中心扩展法。5.答案：堆是一种基于优先队列的数据结构，支持快速插入和删除最大或最小元素；栈是一种后进先出（LIFO）的数据结构，支持快速压入和弹出元素。在需要快速找到最大或最小元素的场景下使用堆更合适。三、机器学习与深度学习题1.答案：过拟合是指模型在训练数据上表现很好，但在测试数据上表现较差；欠拟合是指模型在训练数据和测试数据上都表现较差。通过正则化（如L1、L2）和数据增强可以防止过拟合。2.答案：pythonimportnumpyasnpclassLinearRegression:def__init__(self):self.weights=Noneself.bias=Nonedeffit(self,X,y):X=np.array(X)y=np.array(y)X_b=np.c_[np.ones((X.shape[0],1)),X]self.weights=np.linalg.inv(X_b.T.dot(X_b)).dot(X_b.T).dot(y)self.bias=self.weights[0]self.weights=self.weights[1:]defpredict(self,X):X=np.array(X)X_b=np.c_[np.ones((X.shape[0],1)),X]returnX_b.dot(self.weights)+self.bias解析：使用正规方程求解线性回归模型参数。3.答案：卷积神经网络（CNN）通过卷积层和池化层自动提取图像特征，适用于图像识别任务。4.答案：循环神经网络（RNN）在处理长序列数据时会出现梯度消失或梯度爆炸问题，LSTM和GRU通过引入门控机制来解决这些问题。5.答案：迁移学习是指将在一个任务上学习到的知识应用到另一个任务上。在数据量较少或计算资源有限的情况下使用迁移学习更合适。四、系统设计题1.答案：plaintext1.使用哈希函数将长链接映射为短链接。2.存储短链接和长链接的映射关系，可以使用Redis或MySQL。3.通过短链接查询长链接，并返回给用户。2.答案：plaintext1.使用生产者和消费者模式实现消息的发布和订阅。2.使用消息队列（如Kafka或RabbitMQ）存储消息。3.保证消息的可靠传输，可以使用消息确认机制。3.答案：plaintext1.收集用户的历史行为数据（如点击、购买）。2.使用协同过滤或基于内容的推荐算法生成推荐列表。3.返回推荐列表给用户。五、数据库题1.答案：INNERJOIN返回两个表中满足连接条件的记录；LEFTJOIN返回左表的所有记录，以及右表中满足连接条件的记录。2.答案：索引可以加快查询速度，选择经常用于查询条件的字段建立索引。3.答案：数据库事务是指一系列操作要么全部成功，要么全部失败。ACID特性是指原子性、一致性、隔离性和持久性。六、分布式系统题1.答案：CAP理论是指一致性（Consistency）、可用性（Availability）和分区容错性（Partitiontolerance）。在分布式系统中，通常需要根据业务需求选择一致性优先、可用性优先或分区容错性优先。2.答案：分布式锁的实现原理是通过一个中央协调器来维护锁的状态。常见