2026年网络公司研发岗必刷题库菜鸟网络研发经理经典面试题

2026年网络公司研发岗必刷题库：菜鸟网络研发经理经典面试题一、编程语言与数据结构（共5题，每题10分）1.题目：请实现一个函数，输入一个链表，反转链表后返回反转后的链表。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)。2.题目：给定一个包含n个整数的数组，请你找出其中和最接近0的三个数的组合。假设数组中的整数范围在-10^4到10^4之间，且数组长度至少为3。例如：输入数组[1,60,-10,70,-80,55]，输出[-10,1,55]（因为-10+1+55=46，是距离0最近的和）。3.题目：请实现一个LRU（LeastRecentlyUsed）缓存机制，使用哈希表和双向链表实现，支持get和put操作。要求：-get(key)——返回key对应的值，如果不存在返回-1。-put(key,value)——插入或更新key对应的值，如果缓存容量已满，则删除最久未使用的项。缓存容量为固定值。4.题目：给定一个字符串，请你找出其中不含有重复字母的子串的最长长度。例如：输入"abcabcbb"，输出"abc"的长度3。5.题目：请实现一个二叉树的深度优先遍历（前序、中序、后序），并分别用递归和迭代方式实现。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二、系统设计（共3题，每题20分）1.题目：设计一个高并发的短链接系统，要求：-支持将任意长度的URL转换为固定长度的短链接。-支持通过短链接快速反查原始URL。-系统需要具备高可用性和高扩展性，支持分布式部署。2.题目：设计一个微博系统的用户关注功能，要求：-支持用户A关注用户B，用户B关注用户C。-支持查看用户A的粉丝列表和关注列表。-支持实时推送关注者的动态。-数据量可能达到千万级别，需要考虑性能优化。3.题目：设计一个消息推送系统，要求：-支持多种推送渠道（如短信、App推送、微信推送）。-支持定时推送和实时推送。-推送失败时需要重试机制，并记录推送日志。-系统需要具备高可靠性和低延迟。三、数据库与缓存（共4题，每题15分）1.题目：假设你正在设计一个电商平台的订单表，表结构如下：sqlCREATETABLEorders(idINTPRIMARYKEYAUTO_INCREMENT,user_idINT,product_idINT,order_timeTIMESTAMP,total_amountDECIMAL(10,2),statusENUM('pending','paid','shipped','completed','cancelled'));请写出以下SQL查询：-查询最近30天内状态为"paid"的订单数量。-查询每个用户的订单总金额，并按金额降序排列。2.题目：请解释MySQL中的索引类型（如B-Tree索引、哈希索引、全文索引），并说明在什么场景下使用哪种索引。3.题目：假设你正在使用Redis作为缓存，请写出以下场景的Redis缓存设计：-缓存用户个人信息，如昵称、头像等。-缓存热点商品数据，如商品详情、价格等。-缓存查询结果，如SQL查询结果、第三方API调用结果。4.题目：请解释数据库事务的ACID特性，并说明在什么场景下会出现事务问题（如脏读、不可重复读、幻读）。四、分布式与微服务（共4题，每题15分）1.题目：假设你正在设计一个分布式事务系统，请解释以下概念：-CAP理论-2PC（两阶段提交）协议-TCC（Try-Confirm-Cancel）协议-Saga模式2.题目：请解释分布式系统中的常见问题，如：-超时问题-锁竞争问题-数据一致性问题3.题目：假设你正在使用Kafka作为消息队列，请写出以下场景的Kafka使用场景：-用户行为日志采集-微服务解耦-分布式事务补偿4.题目：请解释微服务架构中的服务发现机制，并说明常用的服务发现工具（如Consul、Eureka、Nacos）。五、网络与系统（共3题，每题20分）1.题目：请解释TCP的三次握手和四次挥手过程，并说明在什么场景下会出现TCP连接问题（如死锁、超时）。2.题目：请解释HTTP/1.1和HTTP/2的区别，并说明HTTP/2的优势。3.题题：假设你正在设计一个高可用的Web服务，请写出以下方案：-使用Nginx作为反向代理-使用Keepalived实现服务高可用-使用负载均衡（如LVS、HAProxy）答案与解析一、编程语言与数据结构1.反转链表pythonclassListNode:def__init__(self,val=0,next=None):self.val=valself.next=nextdefreverseList(head:ListNode)->ListNode:prev=Nonecurrent=headwhilecurrent:next_node=current.nextcurrent.next=prevprev=currentcurrent=next_nodereturnprev解析：-使用三个指针prev、current、next_node实现链表反转。-每次将current的next指向prev，然后移动指针。-时间复杂度O(n)，空间复杂度O(1)。2.三数和最接近0pythondefthreeSumClosest(nums):nums.sort()n=len(nums)closest_sum=sum(nums[:3])foriinrange(n-2):left,right=i+1,n-1whileleft<right:current_sum=nums[i]+nums[left]+nums[right]ifabs(current_sum)<abs(closest_sum):closest_sum=current_sumifcurrent_sum<0:left+=1else:right-=1returnclosest_sum解析：-先排序数组，然后固定一个数，使用双指针法查找另外两个数。-每次计算三数之和，并与当前最接近0的值比较。-时间复杂度O(n^2)，空间复杂度O(1)。3.LRU缓存pythonclassLRUCache:def__init__(self,capacity:int):self.capacity=capacityself.cache={}self.head=ListNode(0)self.tail=ListNode(0)self.head.next=self.tailself.tail.prev=self.headdefget(self,key:int)->int:ifkeyinself.cache:node=self.cache[key]self._remove(node)self._add(node)returnnode.valuereturn-1defput(self,key:int,value:int)->None:ifkeyinself.cache:self._remove(self.cache[key])node=ListNode(key,value)self.cache[key]=nodeself._add(node)iflen(self.cache)>self.capacity:lru=self.tail.prevself._remove(lru)delself.cache[lru.key]def_remove(self,node):delself.cache[node.key]node.prev.next=node.nextnode.next.prev=node.prevdef_add(self,node):node.next=self.head.nextnode.next.prev=nodeself.head.next=nodenode.prev=self.head解析：-使用双向链表和哈希表实现LRU缓存。-get操作将节点移动到链表头部，put操作将新节点插入头部，并删除最久未使用的节点。-时间复杂度O(1)，空间复杂度O(capacity)。4.最长无重复子串pythondeflengthOfLongestSubstring(s:str)->int: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：-使用滑动窗口法，左指针和右指针分别表示子串的左右边界。-每次移动右指针，如果字符已存在，则移动左指针。-时间复杂度O(n)，空间复杂度O(min(m,n))，m为字符集大小。5.二叉树遍历前序遍历（递归）pythondefpreorderTraversal(root:TreeNode)->List[int]:result=[]defdfs(node):ifnotnode:returnresult.append(node.val)dfs(node.left)dfs(node.right)dfs(root)returnresult前序遍历（迭代）pythondefpreorderTraversal(root:TreeNode)->List[int]: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中序遍历（递归）pythondefinorderTraversal(root:TreeNode)->List[int]:result=[]defdfs(node):ifnotnode:returndfs(node.left)result.append(node.val)dfs(node.right)dfs(root)returnresult中序遍历（迭代）pythondefinorderTraversal(root:TreeNode)->List[int]:stack,result,node=[],[],rootwhilestackornode:whilenode:stack.append(node)node=node.leftnode=stack.pop()result.append(node.val)node=node.rightreturnresult后序遍历（递归）pythondefpostorderTraversal(root:TreeNode)->List[int]:result=[]defdfs(node):ifnotnode:returndfs(node.left)dfs(node.right)result.append(node.val)dfs(root)returnresult后序遍历（迭代）pythondefpostorderTraversal(root:TreeNode)->List[int]:stack1,stack2,result=[root],[],[]whilestack1:node=stack1.pop()ifnode:stack2.append(node)stack1.append(node.left)stack1.append(node.right)whilestack2:node=stack2.pop()result.append(node.val)returnresult解析：-前序遍历先访问根节点，中序遍历左-根-右，后序遍历左-右-根。-递归方式简单直观，迭代方式需要借助栈实现。二、系统设计1.短链接系统设计思路：-使用哈希算法（如MD5、SHA1）将长URL转换为固定长度的短链接。-使用分布式缓存（如Redis）存储短链接与长URL的映射关系。-使用分布式ID生成器（如Snowflake）生成唯一短链接。-使用负载均衡（如Nginx）分发请求。伪代码：pythondefgenerate_short_url(long_url):hash_value=md5(long_url).hexdigest()short_url=base58.encode(int(hash_value,16))redis.set(short_url,long_url)returnshort_url2.微博关注功能设计思路：-使用关系型数据库（如MySQL）存储用户关系表，表结构如下：sqlCREATETABLEfollow关系(follower_idINT,followee_idINT,PRIMARYKEY(follower_id,followee_id));-使用Redis缓存用户关注列表和粉丝列表。-使用消息队列（如Kafka）实时推送关注者动态。伪代码：pythondeffollow(userA,userB):db.insert("follow关系",follower_id=userA,followee_id=userB)redis.sadd(f"{userA}_fans",userB)redis.sadd(f"{userB}_followers",userA)kafka.send("follow_topic",userA,userB)3.消息推送系统设计思路：-使用消息队列（如RabbitMQ、Kafka）接收推送请求。-使用定时任务（如Celery）处理定时推送。-使用Redis存储推送状态和重试次数。-使用分布式服务（如PushService）负责具体推送逻辑。伪代码：pythondefpush_message(user_id,channel,message,delay=0):ifdelay>0:celery.schedule(delay,push_service.push,args=(user_id,channel,message))else:push_service.push(user_id,channel,message)三、数据库与缓存1.订单表SQL查询sql--查询最近30天内状态为"paid"的订单数量SELECTCOUNT()ASpaid_order_countFROMordersWHEREstatus='paid'ANDorder_time>NOW()-INTERVAL30DAY;--查询每个用户的订单总金额，并按金额降序排列SELECTuser_id,SUM(total_amount)AStotal_amountFROMordersGROUPBYuser_idORDERBYtotal_amountDESC;2.索引类型-B-Tree索引：适用于范围查询和排序，如`order_time>'2023-01-01'`。-哈希索引：适用于精确查询，如`user_id=100`。-全文索引：适用于文本搜索，如`nameLIKE'%张%'`。3.Redis缓存设计-用户信息缓存：使用`SETuser:100:nickname"Alice"`存储用户昵称，过期时间1小时。-热点商品缓存：使用`SETproduct:1000:details'{"name":"iPhone15",...}'`存储商品详情，过期时间10分钟。-查询结果缓存：使用`SETquery:orders'{"time":"2023-01-01","count":100}'`缓存SQL查询结果，过期时间5分钟。4.事务问题-脏读：一个事务读取了另一个未提交事务的数据。-不可重复读：一个事务多次读取同一数据，但数据被其他事务修改。-幻读：一个事务多次读取同一范围的数据，但其他事务插入了新的数据。四、分布式与微服务1.分布式事务-CAP理论：一致性（Consisten