2026年互联网科技公司面试题及答案

2026年互联网科技公司面试题及答案一、编程题（共5题，每题10分，总分50分）1.题1（10分）：编写一个函数，实现将任意长度的链表反转。链表节点定义如下：pythonclassListNode:def__init__(self,val=0,next=None):self.val=valself.next=next要求：-时间复杂度O(n)，空间复杂度O(1)。-输入示例：`1->2->3->4->5`，输出：`5->4->3->2->1`。答案与解析：pythondefreverse_list(head):prev=Nonecurrent=headwhilecurrent:next_node=current.next#临时存储下一个节点current.next=prev#反转指针prev=current#移动prev到当前节点current=next_node#移动current到下一个节点returnprev解析：-时间复杂度：遍历链表一次，O(n)。-空间复杂度：只用三个指针变量，O(1)。-核心逻辑：通过迭代方式逐个反转节点指针，直到当前节点为空。2.题2（10分）：实现一个无重复字符的最长子串查找功能。输入一个字符串，返回最长子串的长度。要求：-输入示例：`"abcabcbb"`，输出：`3`（最长子串为"abc"）。-输入示例：`"pwwkew"`，输出：`3`（最长子串为"wke"）。答案与解析：pythondeflength_of_longest_substring(s):char_set=set()left=0max_len=0forrightinrange(len(s)):whiles[right]inchar_set:char_set.remove(s[left])left+=1char_set.add(s[right])max_len=max(max_len,right-left+1)returnmax_len解析：-时间复杂度：O(n)，每个字符最多访问两次（left和right）。-空间复杂度：O(min(m,n))，m为字符集大小，n为字符串长度。-核心逻辑：使用滑动窗口（双指针）和哈希集合记录字符出现位置，动态调整窗口范围。3.题3（10分）：给定一个整数数组，找出其中和为特定值的最长子数组长度。要求：-输入示例：`nums=[1,-2,3,5,-1,2]`，目标和`target=3`，输出：`4`（子数组[1,-2,3,5]的和为3）。答案与解析：pythondefmax_subarray_len(nums,target):sum_map={0:-1}#初始化前缀和为0时索引为-1current_sum=0max_len=0fori,numinenumerate(nums):current_sum+=numifcurrent_sum-targetinsum_map:max_len=max(max_len,i-sum_map[current_sum-target])ifcurrent_sumnotinsum_map:sum_map[current_sum]=ireturnmax_len解析：-时间复杂度：O(n)，遍历数组一次。-空间复杂度：O(n)，存储前缀和的哈希表。-核心逻辑：通过前缀和+哈希表记录第一个出现的前缀和位置，快速查找满足条件的子数组。4.题4（10分）：实现一个LRU（最近最少使用）缓存，支持get和put操作。缓存容量为固定值。要求：-输入示例：`capacity=2`，操作序列`["LRU","put",1,1,"get",1,"put",2,3,"get",2,"put",4,"get",1,"get",3]`，输出：`[1,-1,-1,3,4]`。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：-时间复杂度：get和put均为O(1)，通过双向链表和哈希表实现。-核心逻辑：哈希表存储键值对，双向链表维护使用顺序，最近使用的节点移动到尾部。5.题5（10分）：给定一个二叉树，判断其是否为完全二叉树。要求：-输入示例：1/\23/\45输出：`True`。1/\23\4输出：`False`。答案与解析：pythonfromcollectionsimportdequeclassTreeNode:def__init__(self,val=0,left=None,right=None):self.val=valself.left=leftself.right=rightdefis_complete_binary_tree(root:TreeNode)->bool:ifnotroot:returnTruequeue=deque([root])flag=False#标记是否遇到过不完整的节点whilequeue:node=queue.popleft()ifnode:ifflag:returnFalse#后面出现满节点，前面有缺失节点flag=Truequeue.append(node.left)queue.append(node.right)else:flag=True#遇到空节点后，后续节点必须全部为空returnTrue解析：-时间复杂度：O(n)，遍历所有节点。-空间复杂度：O(n)，使用队列存储节点。-核心逻辑：层序遍历，遇到第一个空节点后，后续节点必须全部为空。二、系统设计题（共3题，每题20分，总分60分）1.题1（20分）：设计一个高并发的短链接系统。要求：-输入长链接，输出短链接（如6位随机字母），点击短链接可自动跳转至长链接。-支持高并发访问（QPS>1万），分布式部署，具备可扩展性。答案与解析：系统架构：1.URL缩短服务：-使用分布式ID生成器（如TwitterSnowflake算法）生成唯一ID。-将ID转换为短链接（如62进制编码，`a-zA-Z0-9`共62个字符，6位长度约等于`1.15e9`个短链接）。-缓存ID与长链接的映射关系（Redis/Hazelcast）。2.路由服务：-使用Nginx/LVS进行负载均衡，分发请求到后端服务。-后端服务采用无状态架构（如SpringCloud/FaaS），支持弹性伸缩。3.缓存层：-高频访问的短链接缓存到Redis，TTL设为24小时。-热点短链接可使用本地缓存（内存）。4.数据库：-使用分片数据库（如ShardingSphere），按ID范围分片。高并发优化：-异步处理：使用消息队列（Kafka/RabbitMQ）削峰填谷。-CDN加速：静态资源（如favicon）部署到CDN。-限流降级：熔断器（Hystrix）防止雪崩。2.题2（20分）：设计一个实时消息推送系统，支持单聊和群聊。要求：-支持WebSocket长连接，低延迟推送。-用户离线时，消息可存储到数据库，待上线后重发。-支持消息加签、防重放。答案与解析：系统架构：1.接入层：-WebSocket协议接入，使用Nginx反向代理。-Token认证，防止未授权访问。2.消息队列：-使用RabbitMQ/Kafka传递消息，确保高吞吐。-单聊消息直连，群聊消息广播到所有成员。3.存储层：-离线消息存储到Redis（内存）或Tair（持久化）。-消息加签（如HMAC-SHA256），防篡改。4.推送服务：-根据用户设备类型（iOS/Android/Web）推送至客户端。-客户端接收后更新本地数据库。技术选型：-WebSocket：Socket.IO/FastAPI。-消息存储：Redis+RocksDB（持久化）。-防重放：使用UUID+Redis过期时间。3.题3（20分）：设计一个高并发的实时推荐系统，支持个性化推荐。要求：-输入用户行为数据（点击、收藏、购买），输出Top10推荐商品。-支持增量更新，低延迟查询。答案与解析：系统架构：1.数据采集层：-用户行为日志接入Kafka，使用Flume/Flink实时处理。2.特征工程：-用户画像（年龄、性别、购买偏好）存储到Redis。-商品标签（类别、热度）存储到Elasticsearch。3.推荐引擎：-协同过滤（ALS/SVD），基于用户/商品相似度。-热门推荐（如商品点击量Top10）。-实时更新（用户行为触发重计算）。4.查询服务：-使用Redis缓存用户实时推荐结果。-查询时先命中缓存，否则计算后缓存。性能优化：-冷启动：新用户推荐基于热门商品。-离线+在线结合：模型离线训练（Spark），在线实时调优（TensorFlowServing）。-降级策略：推荐失败时回退到随机推荐。三、算法题（共3题，每题10分，总分30分）1.题1（10分）：给定一个数组，返回所有可能的子集。要求：-输入：`[1,2,3]`，输出：`[[],[1],[1,2],[1,2,3],[1,3],[2],[2,3],[3]]`。答案与解析：pythondefsubsets(nums):res=[]subset=[]defbacktrack(start):res.append(subset.copy())foriinrange(start,len(nums)):subset.append(nums[i])backtrack(i+1)subset.pop()backtrack(0)returnres解析：-回溯算法：类似全排列，但每次选择后不删除原元素。-时间复杂度：O(2^n)，n为数组长度。2.题2（10分）：给定一个字符串，判断其是否为有效的括号组合。要求：-输入：`"()[]{}"`，输出：`True`。-输入：`"([)]"`，输出：`False`。答案与解析：pythondefisValid(s):stack=[]mapping={')':'(','}':'{',']':'['}forcharins:ifcharinmapping:top_element=stack.pop()ifstackelse'#'ifmapping[char]!=top_element:returnFalseelse:stack.append(char)returnnotstack解析：-栈结构：左括号入栈，右括号弹出并比对。-时间复杂度：O(n)。3.题3（10分）：给定一个无序数组，找出不重复的三元组，使得a+b+c=0。要求：-输入：`[-1,0,1,2,-1,-4]`，输出：`[[-1,-1,2],[-1,0,1]]`。答案与解析：pythondefthreeSum(nums):nums.sort()res=[]n=len(nums)foriinrange(n):ifi>0andnums[i]==nums[i-1]:continueleft,right=i+1,n-1whileleft<right:total=nums[i]+nums[left]+nums[right]iftotal<0:left+=1eliftotal>0:right-=1else:res.append([nums[i],nums[left],nums[right]])whileleft<rightandnums[left]==nums[left+1]:left+=1whileleft<rightandnums[right]==nums[right-1]:right-=1left+=1right-=1returnres解析：-排序+双指针：排序后固定一个数，其余用双指针找和为0的组合。-时间复杂度：O(n^2)。四、数据库题（共2题，每题10分，总分20分）1.题1（10分）：设计一个电商订单表（SQL），支持高并发写入。要求：-字段：`order_id`（主键）、`user_id`、`product_id`、`quantity`、`total_price`、`status`（待支付/已支付/已取消）、`create_time`。-优化写入性能。答案与解析：sqlCREATETABLEorders(order_idBIGINTAUTO_INCREMENTPRIMARYKEY,user_idBIGINTNOTNULL,product_idBIGINTNOTNULL,quantityINTNOTNULLCHECK(quantity>0),total_priceDECIMAL(10,2)NOTNULL,statusENUM('pending','paid','cancelled')DEFAULT'pending',create_timeTIMESTAMPDEFAULTCURRENT_TIMESTAMP,INDEXidx_user_id(user_id),INDEXidx_product_id(product_id),INDEXidx_status(status))ENGINE=InnoDBDEFAULTCHARSET=utf8mb4;优化策略：-InnoDB引擎：支持行级锁和事务。-分库分表：按order_id或user_id分片。-写入缓存：Redis预存热点数据，批量写入数据库。2.题2（10分）：查询过去7天内，每个用户的订单数量和总金额。要求：-输入：`{"time_range":"last_7_days"}`，输出：json[{"user_id":1,"order_count":5,"total_amount":1200.50},{"user_id":2,"order_count":3,"total_amount":850.00}]答案与解析：sqlSELECTuser_id,COUNT(order_id)ASorder_count,SUM(total_price)AStotal_amountFROMordersWHEREcreate_time>=NOW()-INTERVAL7DAYGROUPBYuser_idORDERBYuser_id;优化建议：-物化视图：