2026年百度研发工程师面试题参考

2026年百度研发工程师面试题参考一、编程能力测试（共5题，每题20分，总分100分）1.题目：编写一个函数，实现快速幂算法（`pow(x,n)`），要求在O(logn)时间复杂度内完成。支持n为负数的情况。答案：cpplonglongquickPow(longlongx,longlongn){longlongres=1;x=n>0?x:1/x;while(n){if(n&1)res=x;x=x;n>>=1;}returnres;}解析：快速幂算法通过二进制拆解n，将乘法次数从O(n)优化到O(logn)。当n为负数时，通过取倒数转换为正数计算。关键在于每次将n右移一位，同时平方x，并仅当n的当前位为1时乘入结果。2.题目：给定一个包含重复元素的数组，找出所有不重复的组合，且组合中的元素按升序排列。例如，输入`[1,2,2]`，输出`[[1],[1,2],[1,2,2],[2],[2,2]]`。答案：cppvector<vector<int>>combineUnique(vector<int>&nums){sort(nums.begin(),nums.end());vector<vector<int>>res;vector<int>path;function<void(int)>dfs=[&](intpos){for(inti=pos;i<nums.size();++i){if(i>pos&&nums[i]==nums[i-1])continue;path.push_back(nums[i]);res.emplace_back(path);dfs(i+1);path.pop_back();}};dfs(0);returnres;}解析：通过排序去除重复元素，使用回溯法枚举所有组合。关键在于跳过连续重复的元素（`if(i>pos&&nums[i]==nums[i-1])continue`），避免重复组合。最终结果存储在`res`中。3.题目：实现一个LRU（LeastRecentlyUsed）缓存，支持`get`和`put`操作。容量为`capacity`，当访问或插入超出容量时，删除最久未使用的元素。答案：cppclassLRUCache{public:LRUCache(intcapacity):capacity_(capacity){}intget(intkey){if(cache.find(key)==cache.end())return-1;autoit=cache[key];cache_.erase(it);cache_[key]=it;returnit->second;}voidput(intkey,intvalue){if(cache.find(key)!=cache.end()){cache_[key]->second=value;cache_.erase(cache[key]);cache_[key]=cache_.end();}else{if(cache.size()==capacity_){cache_.erase(cache.begin());cache.erase(cache_[cache.begin()->first]);}cache_[key]=cache_.emplace(key,value).first;cache[key]=cache_[key];}}private:unordered_map<int,list<pair<int,int>>::iterator>cache;list<pair<int,int>>cache_;intcapacity_;};解析：使用`unordered_map`记录键到链表节点的映射，链表维护访问顺序。`get`操作将元素移动到链表末尾（最近使用），`put`操作在容量超出时删除链表头部（最久未使用）。关键在于通过迭代器高效更新链表。4.题目：设计一个算法，判断二叉树是否为平衡二叉树（左右子树高度差不超过1）。答案：cppintgetHeight(TreeNodenode){if(!node)return0;intleft=getHeight(node->left);if(left==-1)return-1;intright=getHeight(node->right);if(right==-1||abs(left-right)>1)return-1;returnmax(left,right)+1;}boolisBalanced(TreeNoderoot){returngetHeight(root)!=-1;}解析：递归计算左右子树高度，若任意子树不平衡（高度为-1）或高度差超过1，则整棵树不平衡。返回值为-1表示不平衡，非-1表示平衡。时间复杂度O(n)，空间复杂度O(h)。5.题目：实现一个无重复字符的最长子串查找算法（如输入`"abcabcbb"`，输出`"abc"`，长度3）。答案：cppintlengthOfLongestSubstring(strings){unordered_map<char,int>last;intres=0,start=0;for(inti=0;i<s.size();++i){if(last.count(s[i])&&last[s[i]]>=start){start=last[s[i]]+1;}last[s[i]]=i;res=max(res,i-start+1);}returnres;}解析：使用滑动窗口（`start`到`i`）和哈希表记录字符最后出现位置。若当前字符已存在于窗口内，则移动`start`到重复字符后一位。每次更新最大长度。时间复杂度O(n)，空间复杂度O(m)（m为字符集大小）。二、系统设计测试（共3题，每题30分，总分90分）1.题目：设计一个高并发的短链服务，要求支持每秒百万级请求，并保证链路稳定。答案：1.架构设计：-负载均衡：使用LVS或Nginx分发请求到后端集群。-缓存层：Redis集群缓存短链映射，TTL设为10分钟，减少数据库压力。-数据库：分库分表（按短链ID哈希），使用MySQLCluster或TiDB支持高并发写入。-异步处理：Kafka/RabbitMQ处理长链生成和更新，确保消息可靠传递。-CDN加速：静态短链请求通过CDN返回，减少源站负载。2.核心模块：-短链生成：使用哈希算法（如CRC32+Base62编码）生成短ID。-请求穿透：Redis缓存命中返回结果，未命中则查询数据库并更新缓存。-监控告警：Prometheus+Grafana监控QPS、错误率，弹性伸缩后端服务。解析：高并发场景需分层设计：缓存优先、异步削峰、数据库扩容。短链生成需保证唯一性且长度短，Redis集群提供高可用读写。关键在于负载均衡和缓存命中率优化。2.题目：设计一个实时推荐系统，用户访问网页时需在100ms内返回个性化推荐内容（如商品、新闻）。答案：1.架构设计：-输入层：用户行为日志通过Flume接入Kafka，实时传输。-特征工程：Flink/SparkStreaming处理用户画像，计算实时相似度。-推荐引擎：基于协同过滤（User-BasedCF+Item-BasedCF），冷启动用规则召回。-缓存层：Redis集群存储用户推荐结果，热点用户预加载。-输出层：V8渲染推荐模块，前端按需拉取数据。2.性能优化：-预加载：用户访问时提前加载热门推荐。-降维：特征选择减少计算量，使用LRU缓存相似度矩阵。-异步更新：推荐结果变更通过MQ通知前端，减少阻塞。解析：实时推荐的核心在于计算速度快且结果准确。通过流处理引擎+缓存+预加载策略，保证100ms内返回。协同过滤适用于场景，但需结合规则弥补冷启动问题。3.题目：设计一个支持亿级用户的实时反作弊系统，要求检测延迟低于1秒，误报率低于0.1%。答案：1.架构设计：-数据采集：WebSocket/UDP收集客户端行为数据，Storm/SparkStreaming实时处理。-特征提取：计算用户行为熵、操作频率、坐标移动速度等。-检测模型：LSTM+Attention网络识别异常序列，规则引擎补充简单作弊（如秒表）。-决策引擎：基于风险评分（FisherScore）判定作弊，高概率作弊封禁。-反馈机制：误报用户申诉后调整模型参数，持续迭代。2.性能优化：-并行计算：分布式计算特征，使用GPU加速深度学习推理。-流式监控：Redis订阅热点用户行为，优先检测高风险用户。-冷启动防御：新用户默认白名单，通过行为序列动态调整。解析：反作弊系统需兼顾速度和精度。深度学习模型适合捕捉复杂作弊行为，但需与规则引擎结合降低误报。分布式计算和流式监控是关键，同时通过用户反馈持续优化模型。三、综合能力测试（共2题，每题10分，总分20分）1.题目：简述你在项目中遇到的最高并发场景及解决方案。答案：-场景：每年双十一商品秒杀，单日QPS超50万，数据库写入压力巨大。-解决方案：1.限流降级：Nginx预热+集群限流，热点商品熔断。2.消息队列：Kafka异步处理秒杀请求，数据库分库+写入队列。3.热点防扩：Redis集群缓存秒杀库存，热点商品预减库存。4.数据库优化：索引优化+批量插入+写入分表。解析：高并发场景需多维度防御：限流防止雪崩，消息队列削峰，缓存减少数据库压力。关键在于分层设计，从入口到存储逐级减压。2.题目：谈谈你对微服务架构的理解，以及你在项目中如何实践。答案：-理解：服务拆分（按业务域）、独立部署、API网关统一入口、分布式事务（Saga模式）。-实践案例：1.拆分：将电商系统拆分为订单、支付、库存微服务。2.通信：支