2026年美团技术总监面试题及答案参考

2026年美团技术总监面试题及答案参考一、编程题（3题，每题20分，共60分）题目1（20分）：请实现一个函数，输入一个包含重复数字的数组，返回所有可能的子集，其中每个子集不包含重复的数字。例如，输入`[1,2,2]`，输出`[[],[1],[1,2],[1,2,2],[2],[2,2]]`。答案：pythondefsubsets_with_duplicates(nums):defbacktrack(start,path):res.append(path[:])foriinrange(start,len(nums)):ifi>startandnums[i]==nums[i-1]:continuepath.append(nums[i])backtrack(i+1,path)path.pop()nums.sort()res=[]backtrack(0,[])returnres示例print(subsets_with_duplicates([1,2,2]))解析：1.先对数组排序，以便通过相邻比较跳过重复元素。2.使用回溯法生成所有子集，每次选择一个数字时，跳过与前一个数字相同的选项（避免重复子集）。3.时间复杂度O(2^n)，空间复杂度O(n)，其中n为数组长度。题目2（20分）：美团外卖系统需要处理大量订单，请设计一个算法，实现订单的实时负载均衡分配。假设有K个骑手，每个订单有一个预估处理时间（单位：秒），要求将订单分配给当前负载最低的骑手，以最小化整体完成时间。答案：pythonimportheapqclassRider:def__init__(self,id):self.id=idself.current_load=0#当前累计处理时间defadd_order(self,time):self.current_load+=timedef__lt__(self,other):returnself.current_load<other.current_loaddefassign_orders(orders,k):riders=[Rider(i)foriinrange(k)]heapq.heapify(riders)fororderinorders:rider=heapq.heappop(riders)rider.add_order(order)heapq.heappush(riders,rider)returnriders示例orders=[3,2,1,4,5,2]k=2riders=assign_orders(orders,k)forriderinriders:print(f"骑手{rider.id}的负载：{rider.current_load}")解析：1.使用最小堆（优先队列）维护当前负载最低的骑手。2.每次分配订单时，选择堆顶骑手（负载最小），更新其负载并重新调整堆。3.时间复杂度O(nlogk)，空间复杂度O(k)，其中n为订单数。题目3（20分）：美团点评需要统计用户活跃度，请设计一个数据结构，支持高效查询：给定一个时间区间[start,end]，返回该区间内活跃用户数（定义：至少登录过一次的用户）。假设每天的用户登录记录存储在一个列表中，每个记录为`(用户ID,登录时间)`。答案：pythonfromsortedcontainersimportSortedListclassActiveUserCounter:def__init__(self):self.users=SortedList()#存储用户ID及其最后登录时间defrecord_login(self,user_id,timestamp):self.users.add((user_id,timestamp))defquery_active_users(self,start,end):returnlen([userforuserinself.usersifstart<=user[1]<=end])示例counter=ActiveUserCounter()counter.record_login(1,1000)counter.record_login(2,1500)counter.record_login(1,2000)print(counter.query_active_users(500,2500))#输出：2解析：1.使用`SortedList`维护用户登录记录，按时间排序。2.查询时遍历列表，统计时间在[start,end]内的用户。3.时间复杂度O(nlogn)，空间复杂度O(n)，其中n为用户数。二、系统设计题（2题，每题20分，共40分）题目4（20分）：设计美团外卖的订单推送系统，要求支持：1.实时推送：用户下单后立即通知骑手和用户；2.可靠性：网络异常时能重试；3.高并发：每秒处理万级订单。答案：1.系统架构：-消息队列（如Kafka/Kafka）：订单事件进入队列，解耦下单、推送流程。-推送服务：消费消息队列，根据骑手/用户ID分发通知（WebSocket/长连接）。-重试机制：推送失败时，记录到Redis（带过期），定时任务重试。-限流：超时队列（如RedisStream）控制并发，避免雪崩。2.关键技术：-WebSocket：实时双向通信，减少HTTP轮询开销。-分布式缓存（Redis）：缓存用户/骑手状态，加速查询。解析：美团外卖场景对实时性要求高，需结合消息队列和长连接技术。可靠性通过重试队列保障，高并发通过限流和异步化处理。题目5（20分）：设计美团点评的商家推荐系统，要求：1.基于用户历史行为（浏览、收藏、评价）；2.支持个性化推荐（不同用户看到不同商家）；3.实时更新（新商家/用户行为即时反映）。答案：1.数据存储：-用户行为：ES索引，支持多维度检索（如按距离、评分、品类）。-商家标签：HBase存储，快速查询新商家属性。2.推荐逻辑：-协同过滤：基于用户相似度（如ItemCF），结合商家标签。-实时性：Redis缓存用户近30天行为，冷启动时用全局热门。3.更新机制：-流处理（Flink）：用户行为实时计算，更新推荐模型。-离线增量：每日全量重算，结合在线模型。解析：个性化推荐需结合用户行为和商家属性，实时性通过流处理和缓存保障。美团点评场景下，需平衡冷启动和实时更新。三、数据库与分布式（2题，每题20分，共40分）题目6（20分）：美团外卖的订单表（`orders`）中有`骑手ID`、`用户ID`、`创建时间`，如何设计分库分表方案，支持千万级日增量？答案：1.分库：按`骑手ID`或`城市ID`分库（如MySQLCluster），每个库承载部分骑手/城市。2.分表：按`创建时间`按天分表（如`orders_20231201`），使用`tumble`窗口。3.读写分离：查询走从库，写入走主库，使用ShardingSphere路由。解析：外卖场景数据量巨大，需结合垂直/水平切分，同时考虑时序分表和读写分离。题目7（20分）：设计美团点评的用户画像系统，要求支持：1.用户标签实时计算（如“吃货”“爱逛街”）；2.支持多租户（不同商家看到的标签不同）；3.高可用（用户标签更新不丢失）。答案：1.存储：-标签：Redis（热点标签）+HBase（全量标签），支持原子更新。-租户：用户表加`tenant_id`字段，标签表也按租户分表。2.计算：-实时：Flink计算用户行为，更新Redis标签。-离线：Spark每日全量计算，补全实时数据。解析：多租户场景需在存储和计算中加入租户维度，实时计算依赖流处理。题目8（20分）：美团外卖的骑手调度