2025年华为笔试题及答案

2025年华为笔试题及答案一、算法设计题（总分40分）问题1：边缘计算节点任务调度优化某边缘计算集群包含n个计算节点（编号0~n-1），每个节点有最大并发任务数c[i]（1≤c[i]≤5）。现有m个实时任务需要调度，每个任务有起始时间s[j]、结束时间e[j]（s[j]<e[j]）和计算量w[j]（1≤w[j]≤3）。任务调度需满足：（1）同一节点上的任务时间区间不能重叠；（2）节点i同时运行的任务数不超过c[i]；（3）任务必须完整运行，不可中断。目标是最大化成功调度的任务总计算量。输入格式：第一行n和m；第二行n个整数c[i]；接下来m行每行三个整数s[j],e[j],w[j]。输出格式：一个整数，表示最大总计算量。示例输入：35213142251363572681示例输出：8答案：思路：将任务按结束时间排序，使用动态规划+状态压缩。由于节点并发数较小（≤5），每个节点状态可用长度为c[i]+1的数组表示各时间点剩余容量。但直接状态压缩复杂度高，优化方法是按时间轴处理事件点（任务开始/结束），维护每个节点当前运行任务数及结束时间队列。具体步骤：1.将所有任务按结束时间升序排序；2.对每个任务，尝试分配到各节点，检查该节点在[s[j],e[j]]区间内是否有足够并发空位（即当前运行任务中与该任务时间重叠的数量<c[i]）；3.若多个节点可选，优先选择剩余容量更紧张的节点（贪心策略）；4.使用优先队列记录各节点当前任务的结束时间，快速判断新任务是否可插入。代码实现（Python）：```pythonimportheapqn,m=map(int,input().split())c=list(map(int,input().split()))tasks=[]for_inrange(m):s,e,w=map(int,input().split())tasks.append((e,s,e,w))按结束时间排序tasks.sort()每个节点维护一个优先队列（小根堆）存储当前任务的结束时间，以及当前并发数nodes=[[]for_inrange(n)]total=0fore_j,s_j,e_j,w_jintasks:best_node=-1min_overlap=float('inf')foriinrange(n):heap=nodes[i]移除已结束的任务（结束时间<=s_j）whileheapandheap[0]<=s_j:heapq.heappop(heap)当前并发数即堆的大小current=len(heap)ifcurrent<c[i]:计算与当前任务重叠的任务数（即堆中结束时间>s_j的数量，此时堆中元素都>s_j）overlap=currentifoverlap<min_overlap:min_overlap=overlapbest_node=iifbest_node!=-1:heapq.heappush(nodes[best_node],e_j)total+=w_jprint(total)```问题2：多维度特征去重给定一个二维数组features，其中每个元素是长度为k的整数数组（k≥2），表示某设备的多维特征。定义两个特征数组A和B为“相似”的，当且仅当存在两个不同维度i和j（i<j），使得A[i]=B[i]且A[j]=B[j]。要求去除所有相似的特征数组，仅保留无法与任何其他特征数组构成相似关系的元素。最终返回去重后的数组，顺序保持原输入顺序。输入示例：features=[[1,2,3],[1,4,5],[2,2,3],[1,2,4],[3,4,5]]输出：[[2,2,3],[3,4,5]]答案：思路：构建维度对哈希表，记录每对(i,j)下特征值对的出现次数。遍历所有特征数组，检查是否存在至少一个维度对(i,j)，其对应的特征值对在该维度对中出现次数≥2。若存在，则标记该特征为相似，否则保留。具体步骤：1.预处理所有可能的维度对(i,j)（i<j），对每个特征数组，将其(i,j)位置的值对作为键，统计出现次数；2.遍历每个特征数组，检查是否存在任意维度对(i,j)，其对应值对的计数≥2；3.保留所有不存在此类维度对的特征数组。代码实现（Java）：```javaimportjava.util.;publicclassFeatureDeduplication{publicstaticList<List<Integer>>deduplicate(List<List<Integer>>features){intn=features.size();if(n==0)returnnewArrayList<>();intk=features.get(0).size();Map<String,Integer>pairCount=newHashMap<>();//预处理所有维度对的出现次数for(List<Integer>ft:features){for(inti=0;i<k;i++){for(intj=i+1;j<k;j++){Stringkey=i+","+j+":"+ft.get(i)+","+ft.get(j);pairCount.put(key,pairCount.getOrDefault(key,0)+1);}}}//筛选保留的特征List<List<Integer>>res=newArrayList<>();for(List<Integer>ft:features){booleanisUnique=true;for(inti=0;i<k;i++){for(intj=i+1;j<k;j++){Stringkey=i+","+j+":"+ft.get(i)+","+ft.get(j);if(pairCount.get(key)>=2){isUnique=false;break;}}if(!isUnique)break;}if(isUnique)res.add(ft);}returnres;}publicstaticvoidmain(String[]args){List<List<Integer>>features=Arrays.asList(Arrays.asList(1,2,3),Arrays.asList(1,4,5),Arrays.asList(2,2,3),Arrays.asList(1,2,4),Arrays.asList(3,4,5));System.out.println(deduplicate(features));}}```二、系统设计题（总分30分）问题：分布式缓存系统一致性设计某分布式缓存系统采用主从复制架构（1主3从），主节点负责写操作，从节点异步同步主节点数据。业务要求：（1）写操作需保证主节点和至少1个从节点写入成功（“写过半”）；（2）读操作可任选节点，但需保证读到的数据是最近一次成功写操作的结果（强一致性）；（3）允许节点故障（假设故障节点可被快速检测）。请设计该系统的写流程、读流程及故障处理机制，需考虑网络延迟、节点故障等异常场景。答案：1.写流程设计：（1）客户端发送写请求（key,value,version）至主节点；（2）主节点记录写操作（本地持久化+内存更新），提供全局递增的事务ID（TID）；（3）主节点并行向3个从节点发送同步请求（包含TID、key、value、version）；（4）主节点等待从节点响应，若在超时时间（如200ms）内收到至少1个从节点的成功ACK（总成功数≥1，含主节点自身），则向客户端返回写成功；（5）若未满足“写过半”条件（主节点成功+从节点成功数<2），则主节点回滚本次写操作（需支持事务回滚），并向客户端返回失败。2.读流程设计：（1）客户端发送读请求（key）至任意节点；（2）节点收到请求后，检查本地是否存在该key的缓存：a.若不存在，返回空；b.若存在，返回当前缓存的value及对应的TID；（3）客户端收集所有节点的响应（若请求多个节点），选择其中TID最大的有效响应（需验证TID的合法性，防止伪造）；（4）若所有节点响应的TID均小于最近一次已知的成功写TID（客户端需缓存最近写操作的TID），则触发“读修复”：客户端向主节点重新获取最新数据，并更新访问过的从节点（可选优化）。3.故障处理机制：（1）节点故障检测：通过心跳机制（主节点每500ms向从节点发送心跳，从节点每1s向主节点汇报状态），若连续3次未收到心跳，标记该节点为故障；（2）主节点故障：触发主备切换，从存活的从节点中选举新主（基于TID最大的节点优先），新主需同步其他从节点的最新数据（通过比较TID，拉取缺失的事务日志）；（3）从节点故障：主节点在写操作时跳过故障从节点，若故障从节点恢复，需从主节点同步自故障前最大TID之后的所有事务日志，完成数据补全后重新加入集群；（4）网络分区：若主节点与部分从节点因网络隔离无法通信，主节点在写操作时仅计算可达从节点的ACK数量，若满足“写过半”则提交；隔离恢复后，通过Gossip协议同步各分区的事务日志，解决冲突（以TID大的事务为准）。三、网络与协议分析题（总分30分）问题：5G边缘云场景下的UPF（用户面功能）负载均衡优化5G核心网的UPF负责用户数据的路由与转发，某边缘云部署了4个UPF节点（U1-U4），需根据以下条件设计负载均衡策略：（1）用户会话的QoS等级（QCI=1~9，数值越小优先级越高）；（2）UPF节点的实时负载（CPU利用率、内存利用率、会话数）；（3）用户位置（通过gNB的地理位置信息获取）；（4）要求高优先级会话（QCI≤3）的端到端时延≤10ms。请设计具体的负载均衡算法，包括指标量化、权重计算、节点选择逻辑，并说明如何满足高优先级会话的时延要求。答案：1.指标量化与权重分配：（1）QoS优先级（权重α=0.4）：QCI=1→5分，QCI=2→4分，QCI=3→3分，QCI≥4→2分；（2）节点负载（权重β=0.3）：综合CPU（40%）、内存（30%）、会话数（30%）计算负载指数（0-10分，越低越好）；（3）用户位置（权重γ=0.3）：计算用户gNB与UPF节点的地理距离，转换为距离指数（0-10分，距离越近得分越高）。2.节点选择逻辑：（1）对每个新会话，收集当前所有UPF节点的实时负载数据（通过监控系统获取）；（2）计算每个UPF节点的综合得分：Score=α×QoS_score+β×(10Load_score)+γ×Distance_score（3）选择综合得分最高的节点作为目标UPF；（4）若为高优先级会话（QCI≤3），额外检查该节点的端到端时延（通过ICMP探测或用户面报文时间戳），若时延>10ms，则降级选择次优节点（需保证次优节点时延≤10ms）。3.高优先级会话时延保障：（1）预分配资源：为高优先级会话预留UPF节点的CPU和带宽资源（如每个UPF保留20%CPU用于QCI≤3的会话）；（2）动态路径优化：结合SDN控制器，为高优先级会话选择最短路径（基于地理位置的路由表优化），避免经过拥塞链路；（3）实时监控与调整：每500ms采集UPF节点的时延数据，若某节点时延持续超过10ms，将其从高优先级会话的候选列表中临时移除，直到恢复；（4）会话迁移：对已建立的高优先级会话，若所在UPF节点时延突然升高，触发会话迁移（通过N4接口通知SMF重新选择UPF，使用5G的会话连续性机制保证业务不中断）。四、附加题（选做，总分20分）问题：基于Transformer的文本纠错模型优化某文本纠错模型使用Transformer架构，输入为含错别字的句子（如“今天天气很好，我门去公园”），输出为纠错后的句子（“今天天气很好，我们去公园”）。当前模型在长句子（>50token）上的纠错准确率较短句下降15%，且推理延迟较高（200token句子需500ms）。请从模型结构、训练策略、部署优化三个方面提出改进方案。答案：1.模型结构优化：（1）引入分层注意力机制：将长句子划分为多个块（如每10token为一个块），块内使用全连接注意力，块间使用稀疏注意力（仅相邻块交互），减少计算复杂度（O(n²)→O(n)）；（2）替换标准位置编码为相对位置编码：避免长距离位置信息丢失，提升长句中跨块错别字的捕捉能力；