2026年百度技术岗面试题集

2026年百度技术岗面试题集一、编程基础与算法（5题，每题10分，共50分）1.题目：给定一个非空整数数组，返回其中出现频率最高的元素。如果有多个元素出现频率相同，返回任意一个。例如，输入`[1,1,2,2,3]`，输出`1`或`2`。要求：时间复杂度O(n)，空间复杂度O(n)。2.题目：实现一个LRU（最近最少使用）缓存，支持`get`和`put`操作。`get(key)`返回`key`对应的值，如果不存在返回`-1`；`put(key,value)`将键值对插入缓存。当缓存容量已满时，需要删除最近最少使用的元素。要求：使用哈希表和双向链表实现，时间复杂度O(1)。3.题目：给定一个字符串`s`和一个字符规律`p`，其中`p`包含字母和数字，字母表示字符本身，数字表示重复次数。例如，`s="abc"`,`p="a2c3"`，返回`true`（即`"aaabcc"`）。要求：支持``通配符，``可以匹配任意字符。4.题目：实现快速排序算法，要求原地排序（不使用额外数组），并分析其平均时间复杂度和最坏时间复杂度。5.题目：给定一个正整数`n`，判断其是否为完全平方数。例如，`n=16`返回`true`，`n=14`返回`false`。要求：不使用`Math.sqrt`，时间复杂度O(logn)。二、系统设计与架构（3题，每题15分，共45分）1.题目：设计一个短链接服务，要求：-输入任意长度的URL，输出固定长度的短链接（如`/abc123`）。-支持长链接的反向解析（输入短链接返回原链接）。-高并发场景下性能稳定，支持分布式部署。要求：说明核心组件设计、数据结构、分布式方案及容灾措施。2.题目：设计一个微博Feed流系统，要求：-用户可以发布不超过1000字的动态，包含文字、图片、视频等多媒体内容。-Feed流支持按时间倒序展示，并分页加载（如每页20条）。-支持关注/取消关注功能，关注者实时收到新动态。要求：说明数据存储方案（SQL/NoSQL）、缓存策略、消息队列应用场景。3.题目：设计一个分布式限流系统，要求：-支持按IP或用户ID进行限流（如每秒1000次）。-支持预热期（如刚上线时逐步放开流量）。-限流策略需高可用，支持热更新（如动态调整限流阈值）。要求：说明限流算法（如令牌桶、漏桶）、存储方案（Redis/本地缓存）及分布式实现。三、数据库与存储（2题，每题20分，共40分）1.题目：对比MySQL和Redis在缓存场景下的优劣，并说明如何结合两者实现高可用缓存。要求：分析数据一致性、性能、成本等维度，给出具体架构方案。2.题目：设计一个订单表（`orders`），包含字段：`id`（自增主键）、`user_id`（用户ID）、`total_amount`（订单金额）、`status`（状态，如`pending`、`paid`、`delivered`）、`created_at`（创建时间）。要求：-支持按`user_id`和`status`快速查询未支付的订单。-支持按`created_at`分页查询最近7天的订单。要求：说明索引设计、SQL优化方案及分库分表思路。四、分布式与中间件（2题，每题20分，共40分）1.题目：解释CAP理论，并说明在百度等大型互联网场景下，如何权衡一致性、可用性和分区容错性。要求：结合具体业务场景（如搜索、推荐）给出设计决策。2.题目：设计一个分布式事务解决方案，要求：-支持至少两种异构存储（如MySQL和MongoDB）。-保证事务的原子性和一致性。-考虑性能和延迟问题。要求：说明事务协议（如2PC）、补偿机制及选型依据。答案与解析一、编程基础与算法1.答案：pythonfromcollectionsimportCounterdeftop_frequent(nums):counter=Counter(nums)returncounter.most_common(1)[0][0]解析：使用`Counter`统计频率，`most_common(1)`获取最高频元素。时间复杂度O(n)，空间复杂度O(n)。2.答案：pythonclassLRUCache:def__init__(self,capacity):self.capacity=capacityself.cache={}self.head,self.tail=Node(0,0),Node(0,0)self.head.next,self.tail.prev=self.tail,self.headclassNode:def__init__(self,key,value):self.key=keyself.value=valueself.prev,self.next=None,Nonedefget(self,key):ifkeynotinself.cache:return-1node=self.cache[key]self._move_to_head(node)returnnode.valuedefput(self,key,value):ifkeyinself.cache:node=self.cache[key]node.value=valueself._move_to_head(node)else:iflen(self.cache)==self.capacity:self._remove_tail()new_node=self.Node(key,value)self.cache[key]=new_nodeself._add_to_head(new_node)def_move_to_head(self,node):self._remove_node(node)self._add_to_head(node)def_add_to_head(self,node):node.prev,node.next=self.head,self.head.nextself.head.next.prev=nodeself.head.next=nodedef_remove_node(self,node):prev_node,next_node=node.prev,node.nextprev_node.next,next_node.prev=next_node,prev_nodedef_remove_tail(self):tail=self.tail.prevself._remove_node(tail)delself.cache[tail.key]解析：使用双向链表维护访问顺序，哈希表记录节点。`get`时移动到头部，`put`时先删除旧节点再添加新节点。时间复杂度O(1)。3.答案：pythondefisMatch(s,p):dp=[[False](len(p)+1)for_inrange(len(s)+1)]dp[0][0]=Trueforjinrange(2,len(p)+1):ifp[j-1]=='':dp[0][j]=dp[0][j-2]foriinrange(1,len(s)+1):forjinrange(1,len(p)+1):ifp[j-1]==s[i-1]orp[j-1]=='?':dp[i][j]=dp[i-1][j-1]elifp[j-1]=='':dp[i][j]=dp[i][j-2]ordp[i-1][j]returndp[-1][-1]解析：动态规划解法，`dp[i][j]`表示`s[:i]`与`p[:j]`是否匹配。``可匹配零个或多个前一个字符。时间复杂度O(mn)，空间复杂度O(mn)。4.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：快速排序核心是分治思想，通过`partition`函数将数组划分为两部分。平均时间复杂度O(nlogn)，最坏O(n²)（当pivot最小或最大时）。5.答案：pythondefisPerfectSquare(n):left,right=1,nwhileleft<=right:mid=(left+right)//2ifmidmid==n:returnTrueelifmidmid<n:left=mid+1else:right=mid-1returnFalse解析：二分查找法，逐步缩小平方根范围。时间复杂度O(logn)，空间复杂度O(1)。二、系统设计与架构1.答案：核心组件：-短链接生成器：使用哈希函数（如MD5或Base62）将长链接映射为短ID。-分布式存储：将长链接和短ID的映射关系存储在Redis（内存缓存）或分布式数据库中。-负载均衡器：多台短链接服务节点通过负载均衡分配请求。-反向解析服务：定时同步短ID和长链接，支持快速查询。分布式方案：-使用Snowflake算法生成全局唯一短ID。-Redis设置过期时间，自动清理无用的短链接。-异步写入分布式数据库（如HBase），支持高并发查询。容灾措施：-数据库异地多活，主从复制。-短链接生成器使用分布式锁（如ZooKeeper）。2.答案：数据存储：-关系型数据库（MySQL）：存储用户信息、动态基础字段（`id`,`user_id`,`content`,`created_at`）。-NoSQL（Redis）：缓存热门Feed流，减少数据库压力。-消息队列（Kafka）：异步更新关注者Feed。缓存策略：-Feed流分页加载时，先查Redis，缓存未命中再查MySQL。-动态发布时，先写入Redis缓存，再异步更新数据库。消息队列应用：-用户关注/取关时，推送消息到Kafka。-关注者服务订阅Kafka，实时更新Feed流。3.答案：限流算法：-令牌桶：每秒生成固定数量的令牌，请求需持有令牌才能通过。-漏桶：请求以固定速率流出，超限请求排队等待。存储方案：-Redis：使用`EXPIRE`设置令牌桶容量和速率。-本地内存：低并发场景可使用原子操作（如CAS）。热更新方案：-使用配置中心（如Nacos）动态下发限流阈值。-服务端监听配置变更，实时调整限流策略。三、数据库与存储1.答案：MySQLvsRedis：-MySQL：事务支持、复杂查询、ACID兼容，适合结构化数据。-Redis：内存存储、高速读写，适合缓存热点数据。缓存架构：-多级缓存：Redis+Memcached（缓存头信息）。-数据同步：MySQL主从复制+Redis发布订阅，保证一致性。2.答案：索引设计：sqlCREATEINDEXidx_user_statusONorders(user_id,status);CREATEINDEXidx_created_atONorders(created_at);SQL优化：sql--查询未支付订单SELECTFROMordersWHEREuser_id=?ANDstatus='pending';--分页查询SELECTFROMordersWHEREcreated_at>=?ANDcreated_at<?ORDERBYcreated_atDESCLIMIT20;分库分表：-按`user_id`分表，支持水平扩展。-使用ShardingSphere或MyCAT实现路由。四、分布式与中间件1.答案：CAP理论：-百度场景