2026年软件工程师专业级面试问题及解答

2026年软件工程师专业级面试问题及解答一、编程实现题（共3题，每题20分）1.（20分）设计一个高效的任务调度器题目描述：假设你需要设计一个任务调度器，支持动态添加任务、按优先级执行任务（优先级由整数表示，数值越大优先级越高），并确保高优先级任务能够及时抢占低优先级任务的执行。请用Python实现该调度器，支持以下功能：-`add_task(task_id,priority)`：添加任务，`task_id`为任务唯一标识，`priority`为优先级。-`execute()`：执行当前最高优先级任务，并返回任务ID。如果多个任务具有相同最高优先级，则按添加顺序执行。要求：-使用最小堆（优先队列）实现，确保`add_task`和`execute`的时间复杂度分别为O(logn)和O(1)。-提供测试代码，验证功能正确性。答案与解析：pythonimportheapqclassTaskScheduler:def__init__(self):self.tasks=[]#存储任务，格式为(-priority,task_id,index)defadd_task(self,task_id,priority):使用最小堆，优先级高的任务存储为较小的负数heapq.heappush(self.tasks,(-priority,task_id,len(self.tasks)))defexecute(self):ifnotself.tasks:returnNone_,task_id,_=heapq.heappop(self.tasks)returntask_id测试代码scheduler=TaskScheduler()scheduler.add_task("task1",3)scheduler.add_task("task2",5)scheduler.add_task("task3",5)print(scheduler.execute())#输出:task2print(scheduler.execute())#输出:task3print(scheduler.execute())#输出:task1解析：-使用Python的`heapq`模块实现最小堆，将优先级取负数以实现最大堆效果。任务存储为三元组`(-priority,task_id,index)`，确保在优先级相同的情况下按添加顺序执行。-`add_task`时间复杂度为O(logn)，`execute`时间复杂度为O(1)。2.（20分）实现LRU缓存题目描述：设计LRU（LeastRecentlyUsed）缓存，支持以下操作：-`get(key)`：返回缓存中键对应的值，如果不存在返回-1。访问键时将其标记为最近使用。-`put(key,value)`：将键值对添加到缓存中，如果缓存已满，则删除最久未使用的键值对。缓存容量固定为`capacity`。要求：-使用哈希表+双向链表实现，确保`get`和`put`的时间复杂度均为O(1)。-提供测试代码。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.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)测试代码cache=LRUCache(2)cache.put(1,1)cache.put(2,2)print(cache.get(1))#输出:1cache.put(3,3)#去除键2print(cache.get(2))#输出:-1cache.put(4,4)#去除键1print(cache.get(1))#输出:-1print(cache.get(3))#输出:3print(cache.get(4))#输出:4解析：-使用双向链表维护最近使用顺序，哈希表实现O(1)访问。-`get`时将节点移动到头部，`put`时如果键已存在则更新值并移动到头部，否则新建节点并添加到头部；如果超出容量则删除尾部节点。3.（20分）设计一个简单的数据库事务日志系统题目描述：设计一个数据库事务日志系统，支持以下操作：-`log_action(action,timestamp)`：记录一条事务日志，`action`为操作类型（如"INSERT"、"UPDATE"、"DELETE"），`timestamp`为时间戳。-`replay_logs()`：按时间顺序重放所有日志，并返回操作序列。要求：-日志需要支持高效追加和按时间排序。-提供测试代码。答案与解析：pythonimportbisectclassTransactionLog:def__init__(self):self.logs=[]#存储日志，格式为(timestamp,action)deflog_action(self,action,timestamp):bisect.insort(self.logs,(timestamp,action))defreplay_logs(self):return[actionfor_,actioninself.logs]测试代码log_system=TransactionLog()log_system.log_action("INSERT",20261001)log_system.log_action("UPDATE",20261002)log_system.log_action("DELETE",20261003)print(log_system.replay_logs())#输出:['INSERT','UPDATE','DELETE']解析：-使用`bisect.insort`维护日志按时间戳排序，确保插入时间复杂度为O(logn)，重放时间复杂度为O(n)。-日志格式为`(timestamp,action)`，便于按时间顺序重放。二、系统设计题（共2题，每题30分）1.（30分）设计一个高并发的短链接系统题目描述：设计一个短链接系统（如tinyURL），支持以下功能：-用户输入长链接，系统生成一个唯一的短链接。-用户通过短链接访问时，系统返回对应的长链接。-高并发场景下保证链接生成和解析的效率及一致性。要求：-说明核心数据结构和算法。-提出高并发解决方案（如分布式锁、缓存等）。-估算系统容量和性能指标。答案与解析：核心数据结构：-使用哈希表存储短链接与长链接的映射（`short_to_long`）。-使用自增ID或随机算法生成短链接（如62位随机字符串）。高并发解决方案：1.分布式缓存（Redis）：缓存热点短链接，减少数据库查询。2.分布式锁（RedisLock）：保证短链接生成唯一性。3.异步处理：使用消息队列（如Kafka）处理高并发请求。系统容量和性能指标：-每秒处理请求量：假设使用Redis+数据库组合，可支持每秒10万+请求。-短链接生成：62位随机字符串，理论短链接数量超过10^18。伪代码示例：pythonimportuuidimportredisclassShortLinkSystem:def__init__(self):self.redis=redis.Redis()self.db={}#模拟数据库defgenerate_short_link(self,long_url):short_key=str(uuid.uuid4().int)[:6]#生成62位随机字符串whileshort_keyinself.db:short_key=str(uuid.uuid4().int)[:6]self.db[short_key]=long_urlself.redis.set(short_key,long_url)#缓存returnshort_keydefget_long_link(self,short_key):ifshort_keyinself.redis:returnself.redis.get(short_key)returnself.db.get(short_key,"URLnotfound")解析：-使用UUID生成短链接，确保唯一性。-分布式缓存和锁可显著提升性能和一致性。2.（30分）设计一个实时数据流处理系统题目描述：设计一个实时数据流处理系统，支持以下功能：-接收来自多个源的数据流（如传感器、日志）。-对数据流进行实时聚合（如统计平均值、最大值）。-支持自定义回调函数处理数据。要求：-说明系统架构（消息队列、流处理引擎）。-提出容错和扩展方案。-举例说明如何处理实时聚合。答案与解析：系统架构：1.消息队列（Kafka）：存储原始数据流，解耦数据源和处理器。2.流处理引擎（Flink/SparkStreaming）：实时聚合和回调处理。3.状态存储（Redis）：存储聚合状态（如滑动窗口平均值）。容错和扩展方案：-副本机制：Kafka分区+副本保证数据不丢失。-动态扩展：流处理引擎支持按需增加节点。实时聚合示例（Flink伪代码）：javaDataStream<String>sensorData=KafkaUtils.createStream(env,"topic","group",TypeInformation.of(newTypeHint<String>(){}));DataStream<Double>avgTemp=sensorData.map(newMapFunction<String,Double>(){@OverridepublicDoublemap(Stringvalue){returnDouble.parseDouble(value.split(",")[1]);}}).keyBy(0).window(TumblingProcessingTimeWindows.of(Time.minutes(1))).aggregate(newAggregateFunction<Double,Double,Double>(){@OverridepublicDoublecreateAccumulator(){return0.0;}@OverridepublicDoubleadd(Doublevalue,Doubleaccumulator){returnaccumulator+value;}@OverridepublicDoublegetResult(Doubleaccumulator){returnaccumulator/sensorData.getParallelism();}@OverridepublicDoublemerge(Doublea,Doubleb){returna+b;}});avgTemp.addSink(newPrintSinkFunction<Double>());解析：-使用Flink的滑动窗口聚合计算平均值。-Kafka+流处理引擎架构可支持大规模实时数据处理。三、算法与数据结构题（共3题，每题15分）1.（15分）判断二叉树是否是平衡二叉树题目描述：给定一个二叉树，判断其是否是平衡二叉树。平衡二叉树的定义是：对于任意节点，其左右子树的高度差不超过1。要求：-提出时间复杂度为O(n)的解法。-提供Python代码实现。答案与解析：pythonclassTreeNode:def__init__(self,val=0,left=None,right=None):self.val=valself.left=leftself.right=rightclassSolution:defisBalanced(self,root:TreeNode)->bool:defcheck(node):ifnotnode:return0,Trueleft_height,left_balanced=check(node.left)ifnotleft_balanced:return0,Falseright_height,right_balanced=check(node.right)ifnotright_balanced:return0,Falsereturnmax(left_height,right_height)+1,abs(left_height-right_height)<=1_,balanced=check(root)returnbalanced测试代码root=TreeNode(3)root.left=TreeNode(1)root.right=TreeNode(2)root.left.left=TreeNode(0)root.left.right=TreeNode(0)print(Solution().isBalanced(root))#输出:False解析：-递归计算每个节点的高度，同时判断左右子树高度差。-时间复杂度为O(n)，空间复杂度为O(h)，h为树高度。2.（15分）查找无重复元素排序数组的中位数题目描述：给定一个无重复元素的排序数组，返回中位数。如果数组长度为偶数，返回中间两个数的平均值。要求：-提出时间复杂度为O(logn)的解法。-提供Python代码实现。答案与解析：pythondeffindMedianSortedArrays(nums1,nums2):total=len(nums1)+len(nums2)iftotal%2==1:returnfindKth(nums1,nums2,total//2+1)else:left=findKth(nums1,nums2,total//2)right=findKth(nums1,nums2,total//2+1)return(left+right)/2deffindKth(nums1,nums2,k):ifnotnums1:returnnums2[k-1]ifnotnums2:returnnums1[k-1]ifk==1:returnmin(nums1[0],nums2[0])mid1=min(k//2,len(nums1))-1mid2=min(k//2,len(nums2))-1ifnums1[mid1]>nums2[mid2]:returnfindKth(nums1,nums2[mid2+1:],k-mid2-1)else:returnfindKth(nums1[mid1+1:],nums2,k-mid1-1)测试代码nums1=[1,3,8]nums2=[7,9,10]pr