2026年美团技术部面试题库及答案详解

2026年美团技术部面试题库及答案详解一、编程题（共5题，每题15分，总分75分）1.题目：请实现一个函数，输入一个链表，反转链表后返回反转后的链表。链表节点定义如下：pythonclassListNode:def__init__(self,val=0,next=None):self.val=valself.next=next示例输入：`[1,2,3,4,5]`示例输出：`[5,4,3,2,1]`答案：pythondefreverseList(head:ListNode)->ListNode:prev=Nonecurrent=headwhilecurrent:next_node=current.next#保存下一个节点current.next=prev#反转当前节点的指针prev=current#移动prev到当前节点current=next_node#移动current到下一个节点returnprev解析：反转链表采用迭代法，通过三个指针`prev`、`current`和`next_node`实现。初始时`prev`为`None`，`current`为头节点。每次循环中，先保存`current.next`（即`next_node`），然后反转`current.next`指向`prev`，最后移动`prev`和`current`到下一个节点。循环结束后，`prev`即为反转后的头节点。2.题目：给定一个包含非负整数的数组，你的任务是统计其中所有奇数数字的平均值。如果数组中奇数的数量为0，则返回0。示例输入：`[1,2,3,4,5]`示例输出：`3.0`答案：pythondefaverageOfOdds(nums):total=0count=0fornuminnums:ifnum%2!=0:total+=numcount+=1returntotal/countifcount!=0else0解析：遍历数组，统计奇数的总和和数量。如果奇数数量为0，直接返回0；否则返回总和除以数量。时间复杂度O(n)，空间复杂度O(1)。3.题目：实现一个函数，输入一个字符串，返回该字符串的最长回文子串的长度。示例输入：`"babad"`示例输出：`3`（"bab"或"aba"）答案：pythondeflongestPalindrome(s:str)->int:n=len(s)ifn==0:return0dp=[[False]nfor_inrange(n)]max_len=1foriinrange(n):dp[i][i]=Trueforiinrange(n-1):ifs[i]==s[i+1]:dp[i][i+1]=Truemax_len=2forlengthinrange(3,n+1):foriinrange(n-length+1):j=i+length-1ifs[i]==s[j]anddp[i+1][j-1]:dp[i][j]=Truemax_len=lengthreturnmax_len解析：使用动态规划法。`dp[i][j]`表示子串`s[i:j+1]`是否为回文。初始时单个字符都是回文，两字符相同也为回文。对于长度大于2的子串，如果`s[i]==s[j]`且`s[i+1:j]`为回文，则`s[i:j]`为回文。遍历所有可能的子串长度，记录最长回文子串的长度。4.题目：实现一个函数，输入一个整数数组，返回该数组的中位数。示例输入：`[3,1,2,4,5]`示例输出：`3.0`答案：pythondeffindMedianSortedArrays(nums1,nums2):merged=sorted(nums1+nums2)n=len(merged)ifn%2==0:return(merged[n//2-1]+merged[n//2])/2else:returnmerged[n//2]解析：合并两个已排序数组，然后根据合并后数组的长度计算中位数。如果长度为偶数，取中间两个数的平均值；否则取中间数。时间复杂度O(nlogn)，空间复杂度O(n)。5.题目：实现一个函数，输入一个字符串，判断该字符串是否为有效的括号组合（只考虑`()`、`[]`、`{}`）。示例输入：`"()[]{}"`示例输出：`True`答案：pythondefisValid(s:str)->bool:stack=[]mapping={')':'(',']':'[','}':'{'}forcharins:ifcharinmapping:top_element=stack.pop()ifstackelse'#'ifmapping[char]!=top_element:returnFalseelse:stack.append(char)returnnotstack解析：使用栈结构，遍历字符串。对于每个字符，如果是右括号，检查栈顶是否为对应的左括号；否则将字符入栈。最后如果栈为空，则有效。时间复杂度O(n)，空间复杂度O(n)。二、系统设计题（共3题，每题25分，总分75分）1.题目：设计一个高并发的短链接系统。要求：1.输入任意长度的URL，输出固定长度的短链接。2.支持高并发访问和快速跳转。3.支持链路追踪（如点击统计）。答案：系统架构：1.短链接生成：-使用自增ID或随机算法生成唯一标识（如62进制编码，如`aV3f7`）。-缓存常用操作，避免频繁数据库写入。2.高并发支持：-前端使用分布式缓存（如RedisCluster）存储短链接与长链接的映射，分片存储。-后端使用负载均衡（如Nginx+LVS）分发请求。3.链路追踪：-使用Redis或MySQL记录点击日志，包含时间戳、IP、User-Agent等。-实时统计接口，返回统计结果。伪代码：python生成短链接defgenerate_short_url(long_url):id=generate_unique_id()#62进制编码short_url=f"/{id}"cache.set(id,long_url)#缓存映射returnshort_url跳转长链接defredirect_to_long_url(short_url):id=short_url.split('/')[-1]long_url=cache.get(id)ifnotlong_url:long_url=db.get(id)#查数据库iflong_url:log_click(id)#记录点击returnlong_urlreturn"URLnotfound"解析：短链接系统核心在于高效生成和解析，同时保证高并发和可追踪性。采用缓存+数据库两级存储，前端负载均衡，后端链路追踪日志，确保系统可用性和扩展性。2.题目：设计一个实时新闻推荐系统，要求：1.用户阅读新闻后可反馈（喜欢/不喜欢）。2.根据用户行为动态调整推荐顺序。3.支持实时更新和低延迟推荐。答案：系统架构：1.数据采集：-用户行为（阅读、点赞、分享）实时写入Kafka，接入Flink或SparkStreaming处理。2.推荐逻辑：-协同过滤（基于用户/新闻相似度）。-内容推荐（根据新闻特征向量）。-实时因子（用户近期行为权重更高）。3.存储与分发：-用户画像存入Redis，推荐结果存入Memcached。-推送服务（如MQTT）实时下发推荐。伪代码：python用户行为处理defprocess_user_behavior(user_id,news_id,action):log_action(user_id,news_id,action)#写入Kafkaupdate_user_profile(user_id)#更新用户画像实时推荐defget_realtime_recommendations(user_id):profile=redis.get(user_id)recommendations=recommend_system(profile)#调用推荐引擎returnrecommendations解析：实时推荐系统需要结合用户行为和新闻特征，采用流式计算实时更新用户画像，结合多种推荐算法（协同过滤+内容推荐）实现精准推荐。通过缓存和消息队列保证低延迟和高可用性。3.题目：设计一个高并发的秒杀系统。要求：1.支持秒杀商品数量限制。2.防止超卖和重复购买。3.用户体验流畅（避免秒杀失败）。答案：系统架构：1.库存控制：-使用Redis分布式锁或Lua脚本原子扣减库存。-库存超限时直接返回失败。2.订单生成：-使用消息队列（如RabbitMQ）异步处理订单，避免超卖。-订单状态（待支付/已支付）用Redis或数据库记录。3.防作弊：-限制用户频率（如1分钟内限购1次）。-验证码+验证手机号减少恶意购买。伪代码：python秒杀逻辑def秒杀(user_id,goods_id):lock=redis.setnx(f"lock:{goods_id}",1,nx=True,ex=10)ifnotlock:return"系统繁忙"stock=redis.decr(f"stock:{goods_id}")ifstock<0:redis.incr(f"stock:{goods_id}")return"库存不足"create_order(user_id,goods_id)#异步生成订单return"秒杀成功"解析：秒杀系统核心在于库存原子扣减和订单异步处理。使用分布式锁+Redis原子操作保证库存准确性，消息队列解耦订单生成，验证码+频率限制防止作弊，确保系统稳定性和用户体验。三、数据库题（共2题，每题20分，总分40分）1.题目：设计一个电商订单表，包含以下字段：-`order_id`（订单ID）、`user_id`（用户ID）、`goods_id`（商品ID）、`quantity`（数量）、`price`（单价）、`total_price`（总价）、`status`（订单状态）、`create_time`（创建时间）。要求：1.如何保证订单ID的唯一性？2.如何优化查询订单列表（按用户ID分页）？答案：表设计：sqlCREATETABLEorders(order_idBIGINTAUTO_INCREMENTPRIMARYKEY,user_idBIGINTNOTNULL,goods_idBIGINTNOTNULL,quantityINTNOTNULL,priceDECIMAL(10,2)NOTNULL,total_priceDECIMAL(10,2)NOTNULL,statusTINYINTNOTNULLDEFAULT0,--0待支付，1已支付等create_timeTIMESTAMPDEFAULTCURRENT_TIMESTAMP,INDEXidx_user_id(user_id),FOREIGNKEY(user_id)REFERENCESusers(user_id),FOREIGNKEY(goods_id)REFERENCESgoods(goods_id));解答：1.订单ID唯一性：使用`AUTO_INCREMENT`或`SERIAL`生成自增ID，保证唯一性。2.优化查询：-为`user_id`创建索引`idx_user_id`。-使用`LIMIToffset,count`分页。-考虑缓存热门用户订单（如Redis）。解析：订单表设计需保证唯一性、高查询效率和事务一致性。自增ID确保ID唯一，索引优化分页查询，外键约束保证数据完整性。缓存可提升热用户查询性能。2.题目：假设订单表数据量巨大，如何优化以下查询：sqlSELECTuser_id,SUM(total_price)AStotal_spentFROMordersWHEREstatus=1GROUPBYuser_idORDERBYtotal_spentDESCLIMIT10;答案：优化方案：1.物化视图：-定期计算并存储每个用户的总消费（如每天凌晨跑批）。sqlCREATETABLEuser_spent(user_idBIGINTPRIMARYKEY,total_spentDECIMAL(10,2)NOTNULL);2.实时更新：-订单支付后实时更新`user_spent`表（如使用触发器或消息队列）。3.查询优化：-直接查询`user_spent`表，避免全表计算。sqlSELECTuser_id,total_spentFROMuser_spentORDERBYtotal_spentDESCLIMIT10;解析：大数据量查询优化核心是避免全表扫描。物化视图存储计算结果，实时更新保证数据新鲜度，直接