2026年深入剖析哔哩哔哩校招面试题目考点

2026年深入剖析：哔哩哔哩校招面试题目考点一、编程能力测试（共3题，每题10分，总分30分）1.题目：编写一个函数，实现将一个字符串中的所有大写字母转换为小写字母，所有小写字母转换为大写字母，其余字符保持不变。要求：-输入字符串长度不超过1000个字符。-不能使用内置的`swapCase`或类似方法。-时间复杂度要求O(n)。答案：pythondefswap_case(s:str)->str:result=[]forcharins:if'a'<=char<='z':result.append(char.upper())elif'A'<=char<='Z':result.append(char.lower())else:result.append(char)return''.join(result)解析：-遍历字符串中的每个字符，判断其是否为小写字母（`'a'<=char<='z'`）或大写字母（`'A'<=char<='Z'`）。-小写字母转大写使用`char.upper()`，大写字母转小写使用`char.lower()`。-非字母字符保持不变。-时间复杂度为O(n)，空间复杂度为O(n)，因为需要存储转换后的结果。2.题目：实现一个LRU（LeastRecentlyUsed）缓存，支持`get`和`put`操作。缓存容量为固定值`capacity`。要求：-`get(key)`：返回键对应的值，如果不存在返回-1。-`put(key,value)`：将键值对插入缓存，如果键已存在则更新值；如果缓存已满，则删除最久未使用的键。-使用双向链表和哈希表实现，保证`get`和`put`操作的时间复杂度为O(1)。答案：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.headdef_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=node.prevnext_node=node.nextprev_node.next=next_nodenext_node.prev=prev_nodedef_move_to_head(self,node):self._remove_node(node)self._add_node(node)def_pop_tail(self):res=self.tail.prevself._remove_node(res)returnresdefget(self,key:int)->int:node=self.cache.get(key,None)ifnotnode:return-1self._move_to_head(node)returnnode.valuedefput(self,key:int,value:int)->None:node=self.cache.get(key)ifnotnode:newNode=DLinkedNode(key,value)self.cache[key]=newNodeself._add_node(newNode)iflen(self.cache)>self.capacity:tail=self._pop_tail()delself.cache[tail.key]else:node.value=valueself._move_to_head(node)解析：-使用双向链表维护访问顺序，头节点为最近访问，尾节点为最久未访问。-哈希表`cache`存储键到链表节点的映射，实现O(1)的get操作。-`get`时将节点移动到头节点，`put`时如果键已存在则更新值并移动到头节点；如果缓存已满，则删除尾节点（最久未使用）。3.题目：给定一个数组`nums`和一个目标值`target`，找出数组中和为目标值的三元组数目，并返回数目。要求：-不考虑重复的三元组。-时间复杂度要求O(n²)。答案：pythondefthree_sum(nums:list)->int:nums.sort()count=0n=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==target:count+=1left+=1right-=1whileleft<rightandnums[left]==nums[left-1]:left+=1whileleft<rightandnums[right]==nums[right+1]:right-=1eliftotal<target:left+=1else:right-=1returncount解析：-先对数组排序，方便使用双指针。-固定第一个数`nums[i]`，使用左指针`left`和右指针`right`分别指向`i+1`和数组末尾。-如果三数之和等于`target`，则计数并移动指针，同时跳过重复元素。-如果和小于`target`，左指针右移；如果大于`target`，右指针左移。-时间复杂度为O(n²)，空间复杂度为O(1)。二、系统设计（共2题，每题15分，总分30分）1.题目：设计一个支持高并发访问的短链接系统。要求：-用户输入长链接，系统返回短链接，并支持通过短链接跳转回长链接。-短链接长度不超过6位，且具有唯一性。-支持高并发访问（如每秒百万级请求）。-系统需具备一定的容错性（如短链接被误删除时能恢复）。答案：核心设计：1.短链接生成：-使用哈希函数（如SHA-256）对长链接进行哈希，取哈希值的前6位作为短链接（或使用自定义62进制编码减少位数）。-为避免冲突，可使用布隆过滤器预处理，或增加随机前缀。2.存储方案：-短链接→长链接映射关系存储在内存缓存（如Redis）中，支持快速读写。-磁盘存储使用分布式数据库（如Cassandra），保证高可用和水平扩展。3.高并发处理：-使用负载均衡（如Nginx）分发请求。-Redis设置高可用集群（如三副本），避免单点故障。4.容错性：-短链接生成时保留原始哈希值，若编码冲突可重新生成。-定期校验缓存和磁盘数据一致性。技术选型：-短链接生成：SHA-256+Base62编码。-缓存：RedisCluster。-磁盘存储：Cassandra。-负载均衡：Nginx。解析：-短链接生成需保证唯一性和高效性，哈希+编码是常用方案。-高并发下内存缓存优先，磁盘存储用于持久化。-负载均衡和集群设计是保证性能的关键。2.题目：设计一个实时推荐系统，用户浏览商品时动态推荐相关商品。要求：-推荐结果需在用户浏览时（如1秒内）返回。-推荐逻辑包括：协同过滤、内容相似度、用户行为加权。-系统需支持动态更新（如实时调整推荐权重）。答案：核心设计：1.数据采集：-用户行为日志（浏览、点击、购买）存储在Kafka，实时传输至Flink或Spark进行处理。-商品信息（标签、属性）存储在Elasticsearch，支持快速检索。2.推荐逻辑：-协同过滤：-用户-商品交互矩阵，使用矩阵分解（如SVD）或NearestNeighbor算法计算相似度。-内容相似度：-使用TF-IDF或Word2Vec计算商品标签的余弦相似度。-用户行为加权：-最近浏览的商品权重更高，使用滑动窗口（如5分钟）动态调整。3.实时计算：-使用Flink进行实时推荐计算，支持增量更新用户画像。-推荐结果缓存到Redis，确保低延迟。4.系统架构：-数据层：Kafka+Elasticsearch。-计算层：Flink+Spark。-缓存层：Redis。-接口层：Nginx+APIGateway。解析：-实时推荐需结合多种算法，协同过滤和内容相似度是基础。-用户行为加权可提高推荐精准度，滑动窗口实现动态调整。-Flink和Redis是保证低延迟的关键技术。三、行为面试（共4题，每题5分，总分20分）1.题目：你在实习/项目中有遇到过技术难题吗？如何解决的？参考回答：在XX项目中，我负责优化数据库查询性能，发现某张表查询耗时超过1秒。1.定位问题：使用`EXPLAIN`分析SQL，发现是索引缺失导致全表扫描。2.解决方法：添加索引后，查询耗时降至10ms。3.反思：后续增加了监控告警，避免类似问题复现。解析：-突出问题分析和解决能力，技术细节是加分项。-反思部分体现成长性。2.题目：你和团队成员意见不合时，如何处理？参考回答：曾与队友在接口设计上分歧，他主张简洁方案，我认为需预留扩展性。1.沟通：主动组织会议，展示各自方案的优缺点。2.妥协：采用折中方案，增加模块化设计。3.结果：项目按时交付，团队关系更融洽。解析：-强调沟通和团队协作能力，避免直接冲突。3.题目：描述一次你主动承担的责任？参考回答：在XX项目中，发现测试用例覆盖不全，主动增加边界条件测