2026年软件工程师招聘面试题目集

2026年软件工程师招聘面试题目集一、编程能力测试（共5题，每题20分，总分100分）题目1（Java基础-20分）题目：请用Java实现一个方法，输入一个整数数组，返回该数组中所有奇数元素的平方和。要求：1)不能使用任何第三方库；2)时间复杂度尽可能低；3)如果输入为null或空数组，返回0。答案：javapublicclassOddSquareSum{publicstaticintcalculateOddSquareSum(int[]nums){if(nums==null||nums.length==0){return0;}intsum=0;for(intnum:nums){if(num%2!=0){sum+=numnum;}}returnsum;}//测试用例publicstaticvoidmain(String[]args){System.out.println(calculateOddSquareSum(newint[]{1,2,3,4,5}));//1+9+25=35System.out.println(calculateOddSquareSum(newint[]{2,4,6}));//0System.out.println(calculateOddSquareSum(newint[]{1,-3,5,-7}));//1+9+25+49=84System.out.println(calculateOddSquareSum(null));//0System.out.println(calculateOddSquareSum(newint[]{}));//0}}解析：1.输入验证：首先检查数组是否为null或空，这是编程的基本实践，避免空指针异常。2.奇数判断：使用`num%2!=0`判断奇数，这是Java中判断奇偶的标准方法。3.平方计算：直接计算平方并累加，时间复杂度为O(n)，是最低效率的实现方式。4.代码简洁性：使用增强型for循环提高代码可读性，避免手动索引管理。题目2（Python算法-20分）题目：请用Python实现一个函数，输入一个字符串，返回该字符串中所有单词的长度之和。要求：1)单词之间由空格分隔；2)忽略标点符号；3)空字符串返回0。答案：pythonimportstringdefsum_word_lengths(s):ifnots:return0移除标点符号translator=str.maketrans('','',string.punctuation)cleaned=s.translate(translator)按空格分割words=cleaned.split()计算长度之和returnsum(len(word)forwordinwords)测试用例print(sum_word_lengths("Hello,world!"))#10print(sum_word_lengths("Pythonisgreat."))#13print(sum_word_lengths(""))#0print(sum_word_lengths(""))#0print(sum_word_lengths("Onetwothree"))#6解析：1.输入验证：检查字符串是否为空，这是函数的基本要求。2.标点处理：使用`str.maketrans`和`translate`移除所有标点符号，这是Python中处理字符串的标准方法。3.分割单词：`split()`默认按空白字符分割，效率高且代码简洁。4.长度计算：使用生成器表达式计算长度之和，这是Python中推荐的写法。题目3（JavaScript异步编程-20分）题目：请用JavaScript实现一个函数`fetchData`，该函数按顺序执行以下操作：1)调用`api1()`返回Promise，等待结果；2)使用获取的结果作为参数调用`api2()`；3)返回`api2()`的结果。要求：使用async/await语法。答案：javascriptasyncfunctionfetchData(){try{//1.调用api1并等待结果constresult1=awaitapi1();//2.使用result1调用api2constresult2=awaitapi2(result1);//3.返回api2的结果returnresult2;}catch(error){console.error("Error:",error);throwerror;}}//示例API函数functionapi1(){returnnewPromise(resolve=>{setTimeout(()=>resolve("success1"),1000);});}functionapi2(param){returnnewPromise(resolve=>{setTimeout(()=>resolve(param+"success2"),1000);});}//测试fetchData().then(console.log).catch(console.error);解析：1.异步处理：`async/await`是现代JavaScript处理异步的标准方式，代码可读性强。2.错误处理：使用`try/catch`捕获可能的Promise错误，这是良好的编程实践。3.顺序执行：通过`await`确保按顺序执行，避免Promise链的嵌套复杂性。4.代码结构：函数封装清晰，易于测试和维护。题目4（C++内存管理-20分）题目：请用C++实现一个简单的内存池管理类，要求：1)支持动态分配和释放内存；2)限制最大内存使用量；3)当内存不足时抛出异常。答案：cppinclude<iostream>include<stdexcept>include<unordered_map>classMemoryPool{private:size_tmaxMemory;size_tcurrentUsage;std::unordered_map<void>allocatedBlocks;public:MemoryPool(size_tmaxMem):maxMemory(maxMem),currentUsage(0){}~MemoryPool(){for(auto&block:allocatedBlocks){delete[]block.first;}}voidallocate(size_tsize){if(size==0)throwstd::invalid_argument("Sizecannotbezero");//检查是否超出最大内存if(currentUsage+size>maxMemory){throwstd::bad_alloc();}//分配内存voidblock=newchar[size];allocatedBlocks[block]=block;currentUsage+=size;returnblock;}voiddeallocate(voidblock){if(block==nullptr)return;//从映射中移除autoit=allocatedBlocks.find(block);if(it!=allocatedBlocks.end()){allocatedBlocks.erase(it);currentUsage-=sizeof(char)it->first;}//释放内存delete[]block;}size_tgetUsage()const{returncurrentUsage;}};//测试用例intmain(){MemoryPoolpool(1024);try{voidmem1=pool.allocate(100);voidmem2=pool.allocate(200);pool.deallocate(mem1);voidmem3=pool.allocate(300);std::cout<<"Currentmemoryusage:"<<pool.getUsage()<<std::endl;}catch(conststd::exception&e){std::cerr<<"Exception:"<<e.what()<<std::endl;}return0;}解析：1.内存管理：使用`new/delete`管理内存，但通过映射跟踪分配情况。2.安全检查：`allocate`方法检查内存限制，防止溢出。3.双重检查：确保不会重复释放同一内存块。4.异常处理：使用标准C++异常处理机制。题目5（Go并发编程-20分）题目：请用Go实现一个程序，创建5个goroutine，每个goroutine模拟一个任务耗时1秒。主goroutine等待所有任务完成，然后输出"所有任务完成"。要求：使用channel同步。答案：gopackagemainimport("fmt""time")funcmain(){//创建一个缓冲channeldone:=make(chanbool,5)fori:=0;i<5;i++{gofunc(idint){//模拟耗时1秒的任务time.Sleep(1time.Second)fmt.Printf("任务%d完成\n",id)done<-true//发送完成信号}(i)}//等待所有任务完成fori:=0;i<5;i++{<-done}fmt.Println("所有任务完成")}解析：1.并发模型：使用goroutine实现并发，这是Go的典型用法。2.同步机制：通过bufferedchannel实现等待所有goroutine完成。3.命名规范：函数和变量命名符合Go的惯例。4.错误处理：没有错误处理，但实际应用中应考虑可能的错误场景。二、系统设计测试（共3题，每题30分，总分90分）题目1（短链接系统设计-30分）题目：请设计一个短链接系统，要求：1)输入长链接，输出6位短链接；2)支持自定义短链接前缀；3)点击短链接后重定向到原始长链接；4)系统需支持高并发访问。答案：plaintext设计方案：1.核心组件：-URL缩短服务：接收长链接，生成短链接-路由器：将短链接请求转发到URL解析服务-URL解析服务：将短链接转换为原始长链接-数据库：存储长链接与短链接的映射关系2.短链接生成算法：-使用62进制字符集：a-z,A-Z,0-9-哈希算法：SHA256(长链接+唯一ID)-取哈希值前6位作为短链接3.自定义前缀支持：-在数据库中存储前缀与唯一ID的映射-生成短链接时，使用自定义前缀+ID4.高并发支持：-使用Redis缓存热点短链接-数据库读写分离-负载均衡分配请求5.技术选型：-后端：Go或Node.js-数据库：Redis(缓存)+PostgreSQL(持久化)-CDN：加速短链接分发6.性能指标：-响应时间：<200ms-并发支持：每秒10万+请求-容错率：>99.9%解析：1.算法选择：62进制编码可生成大量唯一短链接，适合高并发场景。2.高可用设计：通过Redis缓存和数据库分离提高性能和可用性。3.扩展性考虑：预留了自定义前缀和CDN集成方案。4.安全性考虑：未提及HTTPS，实际设计中应强制使用HTTPS。题目2（实时消息推送系统设计-30分）题目：请设计一个实时消息推送系统，要求：1)支持多用户在线状态管理；2)支持离线消息存储和重传；3)支持消息优先级；4)系统需支持大规模用户。答案：plaintext设计方案：1.架构分层：-推送服务层：负责消息路由和分发-状态管理服务：管理用户在线状态-消息存储服务：存储离线消息-用户服务：管理用户信息2.核心组件：-WebSocket长连接：保持实时通信-Redis：存储用户在线状态和消息队列-MongoDB：存储离线消息-Kafka：处理高吞吐量消息3.在线状态管理：-使用RedisSet存储在线用户ID-客户端定期心跳更新状态-状态变更事件实时同步4.离线消息处理：-消息到达时先检查用户状态-在线则立即推送，离线则存入MongoDB-定期检查用户状态并重传未读消息5.消息优先级：-消息携带优先级字段-高优先级消息使用Kafka快速通道-低优先级消息使用标准队列6.大规模支持：-消息分片处理-地域性负载均衡-服务化拆分解析：1.技术选型合理性：WebSocket+Redis+MongoDB+Kafka组合适合实时系统。2.重传机制设计：考虑了离线场景，但未提及重传超时，实际设计需加入。3.优先级实现：通过消息字段和不同队列实现，但未说明具体策略。4.扩展性考虑：提到了服务化拆分，但未细化。题目3（分布式计数器设计-30分）题目：请设计一个分布式计数器系统，要求：1)支持高并发计数；2)计数器可动态创建和删除；3)保证计数一致性；4)支持计数器分片。答案：plaintext设计方案：1.架构设计：-元数据服务：管理计数器定义-计数器服务：实现具体计数逻辑-分布式锁服务：保证计数一致性2.核心组件：-RedisCluster：存储计数器值-ZooKeeper：存储计数器定义和锁元数据-负载均衡器：分发请求到不同节点3.计数实现：-使用RedisINCR命令实现原子计数-计数器ID采用分片策略：-根据计数器名称哈希到不同节点-每个节点存储特定范围内的计数器4.动态管理：-元数据服务提供CRUD接口-使用ZooKeeperWatch监听变更-计数器定义变更时重新路由请求5.一致性保证：-使用RedisCluster的槽位机制-计数操作前获取ZooKeeper锁-分布式锁使用红锁算法6.性能优化：-计数器热点预取-读多写少场景使用本地缓存-批量计数优化解析：1.技术选型：RedisCluster+ZooKeeper是分布式系统中常见的组合。2.分片设计：通过哈希分片提高并发处理能力，但未说明分片策略细节。3.锁机制：使用红锁算法保证分布式环境下的一致性。4.扩展性考虑：提到了热点预取，但未说明具体实现方式。三、数据库与存储（共2题，每题20分，总分40分）题目1（数据库索引优化-20分）题目：请解释数据库索引的工作原理，并说明以下场景应如何优化索引：1)查询条件包含多个字段；2)大量写入操作；3)数据量超过百万。答案：plaintext数据库索引工作原理：1.基本原理：-索引是数据的排序表示-通过键值映射到数据行位置-B+树是最常见的索引结构2.多字段查询优化：-创建组合索引（如CREATEINDEXidx_field1_field2ONtable(field1,field2)）-索引顺序重要：优先使用选择性高的字段-覆盖索引：索引包含所有查询字段，避免回表3.高写入优化：-使用部分索引（WHERE条件创建的索引）-调整索引填充因子-使用无锁写入技术（如MySQL的InnoDB自适应索引）4.大数据量优化：-分区表：水平切分数据-索引分片：对索引也进行分片-索引下推：在索引内部完成