2026年华为研发工程师面试题库及答案参考

2026年华为研发工程师面试题库及答案参考一、编程语言与数据结构（共5题，每题10分）1.题目：请用C++实现一个函数，输入一个无重复元素的数组，返回所有可能的子集。要求不使用递归，时间复杂度尽可能低。cpp//示例输入：[1,2,3]//示例输出：[[],[1],[2],[1,2],[3],[1,3],[2,3],[1,2,3]]2.题目：请用Java实现一个LRU（LeastRecentlyUsed）缓存，容量为3。要求支持`get`和`put`操作，并说明时间复杂度。java//示例输入：//put(1,1)//put(2,2)//get(1)//返回1//put(3,3)//去除键2//get(2)//返回-1(未找到)3.题目：请用Python实现快速排序算法，并分析其时间复杂度和空间复杂度。要求不使用内置函数，手动实现。4.题目：请用C语言实现一个链表，包含`push_back`和`remove_duplicates`方法。假设链表元素为正整数，要求删除所有重复元素。5.题目：请用Go语言实现一个并发安全的计数器，要求支持`Increment`和`Get`方法，使用`sync.Mutex`或`sync.RWMutex`。二、算法与设计（共4题，每题12分）1.题目：设计一个算法，判断一个二叉树是否是平衡二叉树（左右子树高度差不超过1）。要求时间复杂度为O(n)。2.题目：设计一个算法，找出无序数组中第K大的元素。要求不使用排序，时间复杂度尽可能低。3.题目：设计一个算法，实现LRU缓存的双向链表实现，要求支持O(1)时间复杂度的`get`和`put`操作。4.题目：设计一个算法，实现一个支持动态调整大小的数组（类似Java中的`ArrayList`），要求支持`add`、`remove`、`get`操作，并说明内存管理策略。三、系统设计与分布式（共4题，每题15分）1.题目：设计一个高并发的短链接系统，要求支持实时生成短链接、快速解析，并说明如何解决缓存击穿问题。2.题目：设计一个分布式文件系统，要求支持多节点存储、数据冗余和容错，说明一致性哈希的原理和应用。3.题目：设计一个秒杀系统，要求支持高并发、防止超卖，并说明如何使用Redis和Zookeeper解决抢购问题。4.题目：设计一个分布式消息队列（类似Kafka），要求支持消息的可靠传输、顺序保证和重复消费处理，说明如何实现持久化。四、数据库与存储（共3题，每题14分）1.题目：解释MySQL中的事务隔离级别（读未提交、读已提交、可重复读、串行化），并说明SQL注入的原理及防御方法。2.题目：设计一个分库分表的方案，要求支持水平扩展，并说明如何解决分布式事务问题（2PC或TCC）。3.题目：解释NoSQL数据库（如Redis、MongoDB）的适用场景，并说明如何实现Redis的主从复制和哨兵机制。五、网络与安全（共3题，每题14分）1.题目：解释TCP三次握手和四次挥手的过程，并说明如何解决TCP粘包问题。2.题目：设计一个HTTPS协议的握手过程，说明SSL/TLS加密的原理，并解释如何防止中间人攻击。3.题目：解释JWT（JSONWebToken）的原理和应用场景，并说明如何实现JWT的签名和验证。六、操作系统与Linux（共3题，每题14分）1.题目：解释Linux中的进程调度算法（如CFS），并说明如何查看系统进程和CPU使用情况。2.题目：解释Linux中的文件系统（如ext4），并说明如何实现文件的硬链接和软链接。3.题目：解释Linux中的网络编程（如socket编程），并说明如何实现UDP的广播通信。答案与解析一、编程语言与数据结构1.答案（C++）：cppvector<vector<int>>subsets(vector<int>&nums){vector<vector<int>>res(1,vector<int>());for(intnum:nums){intn=res.size();for(inti=0;i<n;++i){vector<int>tmp=res[i];tmp.push_back(num);res.push_back(tmp);}}returnres;}解析：使用迭代法构建子集，每次添加一个新元素时，将其与已有子集合并。时间复杂度为O(2^n)。2.答案（Java）：javaclassLRUCache{privateintcapacity;privateMap<Integer,Integer>cache=newLinkedHashMap<>();publicLRUCache(intcapacity){this.capacity=capacity;}publicintget(intkey){if(!cache.containsKey(key))return-1;cache.put(key,cache.remove(key));//将key移到末尾returncache.get(key);}publicvoidput(intkey,intvalue){if(cache.containsKey(key)){cache.put(key,value);cache.put(key,cache.remove(key));//将key移到末尾}else{if(cache.size()==capacity){cache.remove(cache.keySet().iterator().next());//移除最久未使用}cache.put(key,value);}}}解析：使用`LinkedHashMap`实现LRU缓存，`get`和`put`操作时将key移到末尾表示最近使用。3.答案（Python）：pythondefquicksort(arr):iflen(arr)<=1:returnarrpivot=arr[len(arr)//2]left=[xforxinarrifx<pivot]middle=[xforxinarrifx==pivot]right=[xforxinarrifx>pivot]returnquicksort(left)+middle+quicksort(right)解析：快速排序的时间复杂度为O(nlogn)，空间复杂度为O(logn)（递归栈）。4.答案（C）：cstructListNode{intval;structListNodenext;};structListNodepush_back(structListNodehead,intval){structListNodenewNode=(structListNode)malloc(sizeof(structListNode));newNode->val=val;newNode->next=NULL;if(!head)returnnewNode;structListNodep=head;while(p->next)p=p->next;p->next=newNode;returnhead;}structListNoderemove_duplicates(structListNodehead){structListNodep=head;while(p){structListNodeq=p;while(q->next){if(q->next->val==p->val){structListNodetmp=q->next;q->next=tmp->next;free(tmp);}else{q=q->next;}}p=p->next;}returnhead;}解析：`push_back`用于添加节点，`remove_duplicates`通过双层循环删除重复元素。5.答案（Go）：gotypeCounterstruct{countintmusync.Mutex}func(cCounter)Increment(){c.mu.Lock()deferc.mu.Unlock()c.count++}func(cCounter)Get()int{c.mu.RLock()deferc.mu.RUnlock()returnc.count}解析：使用`sync.Mutex`实现互斥，`Increment`和`Get`分别进行加锁和读锁操作。二、算法与设计1.答案：cppintmaxDepth(TreeNodenode){if(!node)return0;return1+max(maxDepth(node->left),maxDepth(node->right));}boolisBalanced(TreeNoderoot){if(!root)returntrue;intleft=maxDepth(root->left);intright=maxDepth(root->right);if(abs(left-right)>1)returnfalse;returnisBalanced(root->left)&&isBalanced(root->right);}解析：通过递归计算左右子树高度差，若超过1则不平衡。时间复杂度为O(n^2)，可优化为O(n)。2.答案：javapublicintfindKthLargest(int[]nums,intk){PriorityQueue<Integer>pq=newPriorityQueue<>(Collections.reverseOrder());for(intnum:nums){pq.offer(num);if(pq.size()>k)pq.poll();}returnpq.peek();}解析：使用最大堆（优先队列）维护k个最大元素，时间复杂度为O(nlogk)。3.答案：javaclassNode{intkey,value;Nodeprev,next;Node(intk,intv){key=k;value=v;}}classLRUCache{privateintcapacity;privateMap<Integer,Node>cache=newHashMap<>();privateNodehead=newNode(0,0),tail=newNode(0,0);publicLRUCache(intcapacity){this.capacity=capacity;head.next=tail;tail.prev=head;}publicintget(intkey){if(!cache.containsKey(key))return-1;Nodenode=cache.get(key);moveToHead(node);returnnode.value;}publicvoidput(intkey,intvalue){if(cache.containsKey(key)){Nodenode=cache.get(key);node.value=value;moveToHead(node);}else{if(cache.size()==capacity){cache.remove(tail.prev.key);removeNode(tail.prev);}Nodenode=newNode(key,value);cache.put(key,node);addToHead(node);}}privatevoidmoveToHead(Nodenode){removeNode(node);addToHead(node);}privatevoidaddToHead(Nodenode){node.prev=head;node.next=head.next;head.next.prev=node;head.next=node;}privatevoidremoveNode(Nodenode){node.prev.next=node.next;node.next.prev=node.prev;}}解析：使用双向链表和哈希表实现LRU缓存，`get`和`put`操作时移动节点位置。4.答案：pythonclassDynamicArray:def__init__(self):self.array=[]self.size=0self.capacity=1defadd(self,value):ifself.size==self.capacity:self._resize(2self.capacity)self.array[self.size]=valueself.size+=1defremove(self,index):ifindex<0orindex>=self.size:raiseIndexErrorforiinrange(index,self.size-1):self.array[i]=self.array[i+1]self.size-=1ifself.size<=self.capacity//4:self._resize(self.capacity//2)defget(self,index):ifindex<0orindex>=self.size:raiseIndexErrorreturnself.array[index]def_resize(self,new_capacity):self.capacity=new_capacityself.array=self.array[:self.size]解析：通过动态调整数组容量实现`add`、`remove`和`get`操作，`_resize`方法用于扩容和缩容。三、系统设计与分布式1.答案：-短链接生成：使用哈希算法（如SHA256）对长链接进行加密，并截取部分哈希值作为短链接。-快速解析：使用Redis缓存短链接对应的原始链接，并设置过期时间。-缓存击穿：使用互斥锁或本地缓存（如GuavaCache）防止缓存失效时大量请求穿透数据库。2.答案：-一致性哈希：将数据均匀分布在哈希环上，每个节点负责一部分虚拟节点，提高容错性。-数据冗余：每个数据块存储在多个节点上（如3副本），通过Quorum机制保证可靠性。3.答案：-高并发：使用Redis分布式锁或Zookeeper实现分布式限流。-防止超卖：使用事务或乐观锁（如CAS）确保库存扣减的原子性。4.答案：-消息可靠传输：使用消息确认机制（如RocketMQ的ACK机制）确保消息不丢失。-顺序保证：使用分区+顺序号或全局唯一ID保证消息顺序。四、数据库与存储1.答案：-事务隔离级别：-读未提交：可能出现脏读（未提交数据被读取）。-读已提交：防止脏读，但可能出现不可重复读。-可重复读：防止脏读和不可重复读，但可能出现幻读。-串行化：完全隔离，但性能最低。-SQL注入防御：使用预编译语句（PreparedStatement）或参数化查询。2.答案：-分库分表：-水平扩展：按业务模块分库，按字段分表（如按时间、用户ID）。-分布式事务：使用2PC（强一致性）或TCC（柔性一致性）协议。3.答案：-NoSQL适用场景：-高并发读写（如Redis）。-大数据量存储（如MongoDB）。-Redis主从复制：主节点写数据，复制到多个从节点，从节点提供读服务。-哨兵机制：监控主节点状态，自动切换故障主节点。五、网络