2026年美团技术总监面试题及答案

2026年美团技术总监面试题及答案一、编程题（3题，每题20分，共60分）题目1（20分）：编写一个函数，实现LRU（LeastRecentlyUsed）缓存机制。缓存容量为`capacity`，输入一个键值对`key`和`value`，当访问某个键时，应该将这个键移动到缓存的前端（表示最近最常用）。如果缓存已满，则删除最久未使用的键。函数应支持以下操作：-`get(key)`:返回键对应的值，如果不存在返回-1。-`put(key,value)`:插入或更新键值对。要求：使用Python实现，时间复杂度为O(1)。答案与解析：pythonclassLRUCache:def__init__(self,capacity:int):self.capacity=capacityself.cache={}self.order=[]defget(self,key:int)->int:ifkeyinself.cache:self.order.remove(key)self.order.append(key)returnself.cache[key]return-1defput(self,key:int,value:int)->None:ifkeyinself.cache:self.order.remove(key)eliflen(self.cache)==self.capacity:oldest_key=self.order.pop(0)delself.cache[oldest_key]self.cache[key]=valueself.order.append(key)解析：-使用字典`cache`存储键值对，实现O(1)的查找。-使用列表`order`记录访问顺序，删除和插入操作为O(1)。-`get`操作时，将访问的键移动到列表末尾表示最近使用。-`put`操作时，如果键已存在则更新并移动，如果缓存已满则删除最久未使用的键（列表第一个元素）。题目2（20分）：美团外卖系统需要处理大量的订单，订单数据存储在CSV文件中，格式如下：order_id,user_id,address,total_amount,timestamp1,101,"No.123,Beijing",45.5,"2023-10-0112:30:00"2,102,"No.456,Shanghai",32.0,"2023-10-0113:15:00"...现需编写一个Python函数，读取CSV文件，统计每个城市的订单总金额，并按金额从高到低排序返回。假设城市地址格式为"City,Province"。答案与解析：pythonimportcsvdefcity_order_total(filename:str)->dict:city_totals={}withopen(filename,'r')asf:reader=csv.DictReader(f)forrowinreader:address=row['address'].split(',')city=address[0].strip()total_amount=float(row['total_amount'])ifcityincity_totals:city_totals[city]+=total_amountelse:city_totals[city]=total_amountsorted_totals=dict(sorted(city_totals.items(),key=lambdax:x[1],reverse=True))returnsorted_totals解析：-使用`csv.DictReader`读取CSV文件，按列名访问数据。-地址按逗号分割，取第一个元素为城市名。-累加每个城市的订单金额，最后按金额降序排序。-返回城市与总金额的字典。题目3（20分）：美团点评需要统计用户签到数据，签到记录存储在数据库中，表结构如下：sqlCREATETABLEsign_ins(user_idINT,sign_in_timeTIMESTAMP,location_idINT);现需编写SQL查询，统计每个用户的连续签到天数，并返回用户ID和连续天数，要求结果按连续天数降序排列。答案与解析：sqlWITHordered_sign_insAS(SELECTuser_id,sign_in_time,location_id,ROW_NUMBER()OVER(PARTITIONBYuser_idORDERBYsign_in_time)ASseqFROMsign_ins),consecutive_daysAS(SELECTuser_id,COUNT()ASconsecutive_countFROMordered_sign_insWHEREsign_in_time-INTERVAL'1day'BETWEEN(SELECTsign_in_timeFROMordered_sign_insWHEREuser_id=ordered_sign_ins.user_idANDseq=ordered_sign_ins.seq-1)GROUPBYuser_id)SELECTuser_id,consecutive_countFROMconsecutive_daysORDERBYconsecutive_countDESC;解析：-使用`ROW_NUMBER()`为每个用户的签到按时间排序。-在`consecutive_days`子查询中，检查当前签到时间是否比前一条记录多1天。-如果连续，则累加计数，最后按连续天数降序返回。-注意时间间隔使用`INTERVAL'1day'`，数据库类型需支持该语法（如PostgreSQL）。二、系统设计题（2题，每题20分，共40分）题目4（20分）：美团外卖系统需要支持实时配送路线规划，假设有100万用户同时请求路线规划，设计一个高可用的分布式系统架构，要求：1.响应时间小于200ms。2.系统可用性达到99.99%。3.支持水平扩展。答案与解析：架构设计：1.负载均衡层：使用`Nginx`或`HAProxy`分发请求到多个API网关节点。2.API网关：校验请求参数，缓存热点路线结果（如Redis），并将计算请求转发到后端服务。3.路线计算服务：-采用无状态集群（Kubernetes），每个节点运行`GraphHopper`或`OSRM`路线引擎。-使用`Raft`或`etcd`实现配置共享（如路线参数）。4.数据存储：-地图数据存储在`Cassandra`或`Elasticsearch`（索引道路信息）。-用户位置实时更新到`Redis`，支持快速查询。5.监控与告警：-使用`Prometheus`监控服务性能，`Grafana`可视化。-`Alertmanager`触发故障切换。关键技术：-缓存策略：热点路线结果缓存1小时，使用`TTL`过期。-容灾：多区域部署（如华东、华南），跨机房同步状态。-限流：使用`Hystrix`或`Sentinel`防雪崩。解析：-性能优化：API网关缓存减少后端计算压力。-可用性：多副本部署+熔断器防单点故障。-扩展性：无状态服务+数据库分片。题目5（20分）：美团闪购需要设计一个实时推荐系统，要求：1.支持离线计算（每日推荐）和在线实时推荐。2.推荐召回率不低于70%，覆盖率不低于50%。3.支持A/B测试。答案与解析：系统架构：1.离线计算层：-使用`Spark`处理用户行为日志，计算用户画像（如购买频次、偏好品类）。-基于协同过滤或深度学习（`Wide&Deep`）生成候选集，存储到`HBase`。2.在线服务：-使用`Flink`或`Kafka`实时接收用户行为，动态更新推荐列表。-推荐接口调用`Redis`缓存热点推荐结果。3.A/B测试：-使用`SeldonCore`或自定义路由，随机分流用户到不同策略（如策略A、B）。-数据采集工具`ClickHouse`统计CTR、转化率。关键技术：-冷启动：新用户推荐基于规则（如热门商品）。-实时性：`Flink`增量更新用户标签。-指标监控：`Grafana`展示推荐效果，`TensorBoard`可视化模型参数。解析：-召回率优化：混合推荐（基于内容+协同过滤）。-A/B测试：统计显著性检验（如`p-value<0.05`）。-资源控制：使用`K8s`自动扩容计算节点。三、数据库与存储题（1题，20分）题目6（20分）：美团点评需要存储用户评价数据，表结构如下：sqlCREATETABLEreviews(review_idINTPRIMARYKEY,user_idINT,business_idINT,ratingINT,contentTEXT,created_atTIMESTAMP);假设每天有100万条评价写入，设计数据库写入优化方案，要求：1.写入延迟小于5ms。2.支持快速查询最近评价（按时间排序）。3.支持按用户ID或商家ID聚合统计。答案与解析：优化方案：1.写入层：-使用`Kafka`或`Pulsar`缓冲写入请求，`RocksDB`批量落盘。-`Presto`或`ClickHouse`异步计算聚合指标。2.存储层：-主表`reviews`使用`InnoDB`，索引`created_at`和`(user_id,business_id)`。-热点数据分片（如按`business_id`哈希），避免单节点瓶颈。3.查询优化：-最近评价查询使用`Redis`缓存热点用户评价。-聚合统计预计算并存储到`Elasticsearch`（如按月份统计评分）。关键技术：