2026年软件工程师招聘面试常见问题集

2026年软件工程师招聘面试常见问题集一、编程能力测试（共5题，每题10分，总分50分）1.题目：请用Python实现一个函数，输入一个整数列表，返回列表中所有奇数的平方和。要求不使用内置函数，时间复杂度尽可能低。pythondefsum_of_odd_squares(nums):pass2.题目：请用Java实现一个方法，输入一个字符串，返回该字符串中所有连续重复字符的最长长度。例如，输入"abccba"，返回3。javapublicintlongestRepeatingChar(Strings){//你的代码}3.题目：请用C++实现一个函数，输入一个二维数组（矩阵），返回该矩阵的所有对角线（主对角线和副对角线）元素的和。假设矩阵为n×n。cppintdiagonalSum(int[][]matrix){//你的代码}4.题目：请用JavaScript实现一个函数，输入一个正整数，返回该整数的二进制表示中1的个数。例如，输入5（二进制101），返回2。javascriptfunctioncountOnes(n){//你的代码}5.题目：请用Go语言实现一个函数，输入一个字符串，返回该字符串中所有字母字符（不区分大小写）的频率统计。例如，输入"Hello,World!"，返回{'H':1,'e':1,'l':3,'o':2,'W':1,'r':1,'d':1}。gofuncletterFrequency(sstring)map[rune]int{//你的代码}二、系统设计（共3题，每题15分，总分45分）1.题目：设计一个简单的微博系统，要求支持用户发布动态、关注/取消关注用户、获取关注用户的动态列表。请说明系统架构、主要模块、数据存储方案及关键接口设计。2.题目：设计一个高并发的短链接生成系统，要求支持高并发请求、链接唯一性、可快速访问原始链接。请说明系统架构、数据存储方案、分布式设计及关键算法。3.题目：设计一个实时消息推送系统（如微信通知），要求支持多端（iOS、Android、Web）实时通知、消息离线存储、消息优先级管理。请说明系统架构、技术选型、数据存储及关键算法。三、数据库与SQL（共4题，每题12分，总分48分）1.题目：请写SQL查询，找出过去一个月内活跃用户（至少登录过一次）中，最常访问的3个城市。假设表名为`users`，字段包括`user_id`、`login_time`、`city`。2.题目：请写SQL查询，找出所有订单金额大于平均订单金额的订单，并按金额降序排列。假设表名为`orders`，字段包括`order_id`、`user_id`、`amount`。3.题目：请写SQL查询，找出所有订单中，每个用户的订单总数及平均订单金额。假设表名为`orders`，字段包括`order_id`、`user_id`、`amount`。4.题目：请写SQL查询，将`orders`表中的`order_id`和`amount`字段拆分为两个新表`order_details`（`order_id`）和`amount_details`（`amount`）。假设使用PostgreSQL。四、算法与数据结构（共4题，每题15分，总分60分）1.题目：请实现快速排序算法，输入一个整数数组，返回排序后的数组。要求原地排序，不使用额外空间。2.题目：请实现二叉树的深度优先遍历（前序、中序、后序），输入树的根节点，返回遍历结果列表。假设使用递归方式实现。3.题目：请实现Dijkstra算法，输入一个图的邻接矩阵和起点，返回从起点到所有点的最短路径。假设图无向，边权为正。4.题目：请实现LRU缓存算法，输入一个容量为N的缓存，支持`get`和`put`操作，返回操作后的缓存状态。假设使用哈希表和双向链表实现。五、系统运维与监控（共3题，每题15分，总分45分）1.题目：请说明如何监控一个高可用微服务集群（如Kubernetes中的SpringBoot应用），包括关键指标、监控工具及告警策略。2.题目：请说明如何处理分布式系统中的分布式锁问题，列举至少两种分布式锁的实现方案及优缺点。3.题目：请说明如何优化一个高并发API的性能，列举至少三种优化方法及具体操作。六、行为面试（共3题，每题15分，总分45分）1.题目：请分享一次你解决过的最复杂的软件问题，包括问题背景、解决过程、遇到的困难及最终结果。2.题目：请分享一次你和团队成员在项目中的冲突，你是如何处理的？结果如何？3.题目：请分享一次你主动提出的技术改进建议，包括改进背景、具体方案及最终效果。答案与解析一、编程能力测试1.Python：pythondefsum_of_odd_squares(nums):total=0fornuminnums:ifnum%2!=0:total+=num2returntotal解析：遍历列表，判断每个数是否为奇数，如果是则平方后累加。时间复杂度为O(n)，空间复杂度为O(1)。2.Java：javapublicintlongestRepeatingChar(Strings){intmax=0,count=1;for(inti=1;i<s.length();i++){if(s.charAt(i)==s.charAt(i-1)){count++;}else{max=Math.max(max,count);count=1;}}returnMath.max(max,count);}解析：双指针遍历字符串，统计连续重复字符的长度，更新最大值。时间复杂度为O(n)，空间复杂度为O(1)。3.C++：cppintdiagonalSum(int[][]matrix){intn=matrix.size();intsum=0;for(inti=0;i<n;i++){sum+=matrix[i][i];//主对角线sum+=matrix[i][n-i-1];//副对角线}if(n%2==1){sum-=matrix[n/2][n/2];//中心点被重复计算}returnsum;}解析：遍历矩阵，累加主对角线和副对角线元素，注意中心点重复计算需要减去。4.JavaScript：javascriptfunctioncountOnes(n){letcount=0;while(n>0){count+=n&1;n=n>>1;}returncount;}解析：位运算统计1的个数，每次与1做与运算，右移一位，直到n为0。时间复杂度为O(logn)。5.Go：gofuncletterFrequency(sstring)map[rune]int{freq:=make(map[rune]int)for_,char:=ranges{ifunicode.IsLetter(char){char=unicode.ToLower(char)freq[char]++}}returnfreq}解析：遍历字符串，统计字母字符的频率，忽略大小写。使用`unicode`包处理字符。二、系统设计1.微博系统：-架构：采用微服务架构，包括用户服务、动态服务、关注服务、消息服务等。-模块：用户服务（注册登录）、动态服务（发布/获取动态）、关注服务（关注/取消关注）、消息服务（推送通知）。-数据存储：用户信息存储在MySQL，动态存储在MongoDB（支持文本索引），关注关系存储在Redis（高速查询）。-接口设计：-`POST/users/register`：注册用户。-`POST/users/login`：用户登录。-`POST/dynamics`：发布动态。-`GET/dynamics?user_id={id}`：获取用户动态。-`POST/follows`：关注用户。-`DELETE/follows`：取消关注。2.短链接系统：-架构：采用分布式架构，包括短链接生成服务、长链接解析服务、缓存服务（Redis）。-数据存储：短链接存储在Redis（高速查询），长链接与短链接的映射存储在MySQL（持久化）。-算法：使用Base62编码（a-z、A-Z、0-9）生成短链接，确保唯一性。-分布式设计：使用Snowflake算法生成唯一ID，分布式部署生成服务，负载均衡。3.实时消息推送系统：-架构：采用MQ（Kafka）+缓存（Redis）+消息服务（WebSocket/Server-SentEvents）架构。-技术选型：Kafka（高吞吐量）、Redis（缓存消息）、WebSocket（实时推送）。-数据存储：用户订阅关系存储在Redis，消息存储在Kafka，离线消息存储在MongoDB。-关键算法：使用优先级队列管理消息优先级，使用发布/订阅模式实现多端推送。三、数据库与SQL1.活跃用户城市：sqlSELECTcity,COUNT()ASactive_usersFROMusersWHERElogin_time>=NOW()-INTERVAL'1MONTH'GROUPBYcityORDERBYactive_usersDESCLIMIT3;2.订单金额大于平均：sqlSELECTFROMordersWHEREamount>(SELECTAVG(amount)FROMorders)ORDERBYamountDESC;3.用户订单统计：sqlSELECTuser_id,COUNT()ASorder_count,AVG(amount)ASavg_amountFROMordersGROUPBYuser_id;4.表拆分：sqlCREATETABLEorder_detailsASSELECTorder_idFROMorders;CREATETABLEamount_detailsASSELECTamountFROMorders;四、算法与数据结构1.快速排序：pythondefquick_sort(arr):iflen(arr)<=1:returnarrpivot=arr[len(arr)//2]left=[xforxinarrifx<pivot]middle=[xforxinarrifx==pivot]right=[xforxinarrifx>pivot]returnquick_sort(left)+middle+quick_sort(right)2.二叉树遍历：pythondefpreorder(root):return[root.val]+preorder(root.left)+preorder(root.right)ifrootelse[]definorder(root):returninorder(root.left)+[root.val]+inorder(root.right)ifrootelse[]defpostorder(root):returnpostorder(root.left)+postorder(root.right)+[root.val]ifrootelse[]3.Dijkstra算法：pythonimportheapqdefdijkstra(graph,start):distances={node:float('inf')fornodeingraph}distances[start]=0pq=[(0,start)]whilepq:dist,current=heapq.heappop(pq)forneighbor,weightingraph[current].items():ifdist+weight<distances[neighbor]:distances[neighbor]=dist+weightheapq.heappush(pq,(dist+weight,neighbor))returndistances4.LRU缓存：pythonclassListNode:def__init__(self,key=0,value=0):self.key=keyself.value=valueself.prev=Noneself.next=NoneclassLRUCache:def__init__(self,capacity:int):self.capacity=capacityself.cache={}self.head,self.tail=ListNode(),ListNode()self.head.next=self.tailself.tail.prev=self.headdefget(self,key:int)->int:ifkeyinself.cache:node=self.cache[key]self._move_to_front(node)returnnode.valuereturn-1defput(self,key:int,value:int)->None:ifkeyinself.cache:node=self.cache[key]node.value=valueself._move_to_front(node)else:iflen(self.cache)==self.capacity:self._remove_least_recently_used()new_node=ListNode(key,value)self.cache[key]=new_nodeself._add_to_front(new_node)def_move_to_front(self,node):self._remove_node(node)self._add_to_front(node)def_remove_node(self,node):prev_node,next_node=node.prev,node.nextprev_node.next=next_nodenext_node.prev=prev_nodedef_add_to_front(self,node):node.prev=self.headnode.next=self.head.nextself.head.next.prev=nodeself.head.next=nodedef_remove_least_recently_used(self):tail_prev=self.tail.prevself._remove_node(tail_prev)de