2026年华为技术部门面试题详解与答案

2026年华为技术部门面试题详解与答案一、编程基础（3题，每题10分，共30分）1.题目：编写一个函数，实现二叉树的深度优先遍历（前序遍历），并返回遍历结果列表。假设二叉树节点定义如下：pythonclassTreeNode:def__init__(self,val=0,left=None,right=None):self.val=valself.left=leftself.right=right示例输入：python构建一个示例二叉树：1/\23/\45root=TreeNode(1)root.left=TreeNode(2)root.right=TreeNode(3)root.left.left=TreeNode(4)root.left.right=TreeNode(5)示例输出：`[1,2,4,5,3]`答案与解析：pythondefpreorder_traversal(root):ifnotroot:return[]stack,result=[root],[]whilestack:node=stack.pop()result.append(node.val)ifnode.right:stack.append(node.right)ifnode.left:stack.append(node.left)returnresult解析：前序遍历的顺序是“根-左-右”，可以使用栈实现。首先将根节点入栈，然后依次出栈并访问节点，同时将右子节点和左子节点按顺序入栈（注意右子节点先入栈，这样左子节点会先被访问）。通过这种方式，可以确保遍历顺序正确。2.题目：给定一个字符串，统计其中出现频率最高的字符及其出现次数。如果有多个字符频率相同，返回所有这些字符。示例输入：`"hello"`示例输出：`[('l',2)]`（假设返回所有高频字符的列表）答案与解析：pythonfromcollectionsimportCounterdeftop_frequent_chars(s):counts=Counter(s)max_freq=max(counts.values())return[(char,freq)forchar,freqincounts.items()iffreq==max_freq]解析：使用`collections.Counter`统计每个字符的出现次数，然后找出最大频率，最后返回所有出现次数等于最大频率的字符。这种方法的时间复杂度为O(n)，空间复杂度为O(k)，其中k是不同字符的数量。3.题目：实现一个简单的LRU（LeastRecentlyUsed）缓存，支持`get`和`put`操作。缓存容量为固定值`capacity`。示例输入：pythonlru=LRUCache(2)lru.put(1,1)lru.put(2,2)print(lru.get(1))#返回1lru.put(3,3)#去除键2print(lru.get(2))#返回-1(未找到)答案与解析：pythonclassDLinkedNode: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=DLinkedNode(),DLinkedNode()self.head.next=self.tailself.tail.prev=self.headdefget(self,key:int)->int:ifkeynotinself.cache:return-1node=self.cache[key]self._move_to_head(node)returnnode.valuedefput(self,key:int,value:int)->None:ifkeyinself.cache:node=self.cache[key]node.value=valueself._move_to_head(node)else:node=DLinkedNode(key,value)self.cache[key]=nodeself._add_node(node)iflen(self.cache)>self.capacity:tail=self._pop_tail()delself.cache[tail.key]def_move_to_head(self,node):self._remove_node(node)self._add_node(node)def_add_node(self,node):node.prev=self.headnode.next=self.head.nextself.head.next.prev=nodeself.head.next=nodedef_remove_node(self,node):prev=node.prevnext=node.nextprev.next=nextnext.prev=prevdef_pop_tail(self):res=self.tail.prevself._remove_node(res)returnres解析：LRU缓存的核心是维护一个双向链表和哈希表。双向链表用于记录访问顺序，哈希表用于快速查找节点。`get`操作将节点移动到链表头部（表示最近访问），`put`操作将新节点添加到链表头部，如果超出容量则删除链表尾部节点（最久未使用）。二、系统设计（2题，每题15分，共30分）1.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，响应时间小于200ms。-链接长度尽可能短（如`/a1b2c3`）。-支持自定义短链接前缀（如`/a1b2c3`）。-链接生成和解析需高效。答案与解析：方案：1.短链接生成：使用自增ID或随机码，结合Base62编码（a-z,A-Z,0-9）将长ID映射为短字符串。-自增ID：数据库自增主键，但ID长度随时间增长。-随机码：生成随机字符串，但碰撞概率较高。-推荐使用自增ID+Base62编码，兼顾性能和长度。2.高并发支持：-使用Redis或Memcached缓存热点短链接，减少数据库访问。-数据库使用分片或读写分离，如MySQLCluster。-API网关限流熔断，防恶意攻击。3.自定义前缀：-用户可指定前缀，需校验前缀是否已存在。-前缀与短码组合，如`/a1b2c3`。伪代码：pythondefencode_to_base62(num):chars="abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789"ifnum==0:returnchars[0]result=[]whilenum>0:result.append(chars[num%62])num//=62return''.join(reversed(result))defgenerate_short_link(long_url,prefix=""):获取自增IDid=get_next_id_from_db()short_code=encode_to_base62(id)full_link=f"http://{prefix}/{short_code}"ifprefixelsef"/{short_code}"cache_short_link(short_code,long_url)#缓存映射关系returnfull_link解析：-性能优化：Redis缓存热点数据，减少数据库压力；分片数据库分散写入。-安全性：限制短链接访问频率，防链路爆破。-可扩展性：API网关支持灰度发布，平滑扩容。2.题目：设计一个实时日志分析系统，要求：-支持每秒处理10万条日志。-日志格式为JSON，包含时间戳、用户ID、事件类型等。-实时统计当前活跃用户数和事件类型分布。-支持按时间范围查询历史数据。答案与解析：方案：1.日志采集：-使用Kafka或Pulsar采集日志，高吞吐量。-Flume或Logstash预处理日志，解析JSON格式。2.实时处理：-Flink或SparkStreaming处理流数据，统计实时指标。-活跃用户数：使用窗口统计当前时间窗口内唯一用户ID。-事件类型分布：统计窗口内事件类型的频率。3.存储与查询：-Elasticsearch或ClickHouse存储历史数据，支持快速查询。-ClickHouse优化时间序列查询，适合高基数数据。伪代码：pythonFlink实时统计示例frompyflink.datastreamimportStreamExecutionEnvironmentdefprocess_logs(stream):active_users=stream.flatMap(lambdalog:[log["user_id"]])\.map(lambdauser:(user,1))\.reduceByKey(lambdaa,b:a+b)event_stats=stream.flatMap(lambdalog:[(log["event_type"],1)])\.reduceByKey(lambdaa,b:a+b)returnactive_users,event_stats解析：-性能瓶颈：日志解析和统计需并行处理，避免单机卡顿。-容错性：Kafka保证数据不丢失，Flink支持检查点重投。-可观测性：Prometheus监控系统资源，Grafana可视化统计结果。三、数据库与存储（2题，每题20分，共40分）1.题目：设计一个电商订单表，支持高并发写入和查询。表结构需包含订单号、用户ID、商品ID、金额、状态（待支付/已支付等）等字段。要求：-订单号唯一且自增。-支持按用户ID和商品ID联合查询订单。-支持高并发写入优化。答案与解析：表结构：sqlCREATETABLEorders(order_idBIGINTAUTO_INCREMENTPRIMARYKEY,user_idBIGINTNOTNULL,product_idBIGINTNOTNULL,amountDECIMAL(10,2)NOTNULL,statusENUM('pending','paid','cancelled')NOTNULL,created_atTIMESTAMPDEFAULTCURRENT_TIMESTAMP,INDEXidx_user_product(user_id,product_id),INDEXidx_status(status))ENGINE=InnoDB;优化方案：1.高并发写入：-使用InnoDB引擎，支持行锁和事务。-分库分表，按用户ID或商品ID哈希分片。-MySQLCluster或TiDB支持多副本同步。2.查询优化：-联合索引`idx_user_product`加速双关键字查询。-状态索引`idx_status`支持快速统计（如查询待支付订单）。伪代码：sql--查询用户订单SELECTFROMordersWHEREuser_id=?ANDstatus='paid';--乐观锁更新状态UPDATEordersSETstatus='paid',updated_at=CURRENT_TIMESTAMPWHEREorder_id=?ANDstatus='pending';解析：-锁策略：行锁避免写入冲突，乐观锁减少锁竞争。-索引设计：覆盖索引减少全表扫描（如`idx_user_product`）。-扩展性：分片时需考虑跨分片查询，可使用分布式SQL引擎。2.题目：设计一个分布式文件存储系统，要求：-支持多节点存储，数据分片（如3副本）。-支持文件懒加载（按需加载碎片）。-支持高可用和自动恢复。答案与解析：方案：1.数据分片与存储：-使用HDFS或Ceph存储数据，分片为固定大小（如128MB）。-数据复制到3个节点，元数据存储在NameNode或CephMetadataServer。2.懒加载实现：-文件访问时，先请求元数据获取碎片列表。-按需从副本节点加载碎片，缓存热点碎片。3.高可用与恢复：-元数据定期备份，防NameNode故障。-副本节点监控，丢失时自动重建。伪代码：python懒加载文件碎片defload_file碎片(file_id,fragments):forfraginfragments:ifnotexists_in_cache(frag):fetch_from_node(frag)解析：-一致性：使用Paxos或Raft协议保证元数据一致性。-容灾：多副本防单点故障，定期校验数据完整性。-性能：CDN缓存热点文件，减少源站压力。四、网络与分布式（2题，每题20分，共40分）1.题目：设计一个高可用的分布式配置中心，要求：-支持动态更新配置，客户端实时获取最新配置。-支持权限控制（不同角色访问不同配置）。-延迟低，更新同步时间小于100ms。答案与解析：方案：1.核心组件：-使用Apollo或Nacos，支持配置热加载。-客户端订阅配置，推送更新。2.权限控制：-配置项添加ACL（访问控制列表），角色绑定权限。-JWT或Token验证客户端身份。3.高性能同步：-使用WebSocket或MQTT推送配置变更。-Redis缓存热点配置，减少DB访问。伪代码：python客户端订阅配置defsub