2026年供应商开发工程师SDE面试题

2026年供应商开发工程师SDE面试题一、编程基础题（共3题，每题10分，总计30分）1.题目：给定一个非空字符串`s`，其中仅包含小写字母，返回删除某些字符后可以使字符串不包含任何三个连续相同字符的长度最长的子字符串的长度。示例：输入：`s="aaabaaa"`输出：`8`（删除中间一个`a`后得到`aabaaa`）2.题目：设计一个算法，支持在`O(1)`时间复杂度内获取到当前系统运行时间（以毫秒为单位），假设系统时间从1970年1月1日00:00:00UTC开始计时。要求：-不能使用任何第三方库。-需要考虑系统时间可能被调整的情况。3.题目：实现一个`LRUCache`（最近最少使用缓存）类，支持以下操作：-`LRUCache(intcapacity)`：用`capacity`初始化缓存。-`intget(intkey)`：返回`key`对应的值，如果`key`不存在返回`-1`。-`voidput(intkey,intvalue)`：将`key`和`value`插入缓存。如果`key`已存在，则更新其值；如果缓存已满，则删除最久未使用的`key`。示例：pythonLRUCache(2)put(1,1)put(2,2)get(1)#返回1put(3,3)#去除key2get(2)#返回-1(未找到)put(4,4)#去除key1get(1)#返回-1(未找到)get(3)#返回3get(4)#返回4二、系统设计题（共2题，每题15分，总计30分）1.题目：设计一个支持高并发访问的供应商信息管理系统，主要功能包括：-提供供应商的增删改查（CRUD）操作。-支持分页查询（例如，每页显示20条数据）。-需要考虑高并发场景下的性能优化和数据一致性。要求：-简述系统架构（可包含数据库选型、缓存策略等）。-说明如何处理高并发场景下的热点数据问题。2.题目：设计一个供应商评估系统，需要定期（例如每天）从多个数据源（如ERP、CRM、供应商自报数据）获取供应商的绩效数据（如交货准时率、产品质量合格率等），并计算综合评分。要求：-描述数据采集和处理的流程。-如何保证数据采集的实时性和准确性？-如何设计评分算法？三、数据库与存储题（共2题，每题15分，总计30分）1.题目：假设你要设计一个供应商商品库存管理系统，表结构如下：sqlCREATETABLEinventory(idINTPRIMARYKEYAUTO_INCREMENT,supplier_idINT,product_idINT,quantityINT,last_updatedTIMESTAMPDEFAULTCURRENT_TIMESTAMPONUPDATECURRENT_TIMESTAMP,FOREIGNKEY(supplier_id)REFERENCESsuppliers(id),FOREIGNKEY(product_id)REFERENCESproducts(id));问题：-写一个SQL查询，统计每个供应商的库存总量，要求只显示库存大于100的供应商。-如何优化这个查询的性能？2.题目：在供应商开发场景中，经常需要存储大量供应商的文本信息（如合同条款、资质证明等）。如果使用关系型数据库存储这些长文本，会有哪些缺点？要求：-描述至少两种缺点。-提出一种解决方案（例如，使用NoSQL数据库或文件存储）。四、分布式与网络题（共2题，每题15分，总计30分）1.题目：假设你要设计一个供应商信息同步服务，多个客户端（如ERP系统、采购系统）需要实时获取供应商的最新信息。要求：-描述如何实现这个服务（可包含消息队列、缓存等组件）。-如何保证数据的一致性和可靠性？2.题目：在供应商管理系统中，如果需要处理跨地域的数据同步（例如，中国和美国供应商的数据同步），会遇到哪些挑战？要求：-列举至少三种挑战。-提出至少一种解决方案。五、算法与数据结构题（共2题，每题15分，总计30分）1.题目：给定一个整数数组`prices`，其中`prices[i]`表示某股票第`i`天的价格。设计一个算法，找到最大的利润，可以完成最多两笔交易（不要求连续）。示例：输入：`prices=[3,3,5,0,0,3,1,4]`输出：`6`（第一笔交易：买入价格3，卖出价格5；第二笔交易：买入价格0，卖出价格4）2.题目：设计一个算法，判断一个无向图是否是二分图（BipartiteGraph）。要求：-描述算法思路（可以使用DFS或BFS）。-举例说明如何应用在供应商合作关系的判断中。答案与解析一、编程基础题1.答案：可以使用动态规划解决。定义`dp[i]`为以`s[i]`结尾的子字符串的最大长度。状态转移方程为：pythondp[i]=dp[i-1]ifs[i]!=s[i-1]elsemax(dp[i-2],dp[i-3])+1初始化：`dp[0]=1`，`dp[1]=2`，`dp[2]=3`（如果`s[0]==s[1]==s[2]`，则`dp[2]=1`）。最终结果为`max(dp)`。解析：-当`s[i]`与前一个字符不同时，可以直接扩展`dp[i-1]`。-当`s[i]`与前一个字符相同时，需要检查前两个或前三个字符，避免连续三个相同字符。2.答案：可以使用系统提供的`time`函数或`time.time()`（返回秒数）结合`time.localtime()`和`time.mktime()`实现。pythonimporttimedefget_current_time_ms():returnint(time.time()1000)解析：-`time.time()`返回自1970年以来的秒数，乘以1000转换为毫秒。-如果系统时间可能被调整，需要考虑时间戳的连续性，可以通过日志审计或数据库记录来检测异常。3.答案：可以使用双向链表实现LRUCache。pythonclassNode:def__init__(self,key,value):self.key=keyself.value=valueself.prev=Noneself.next=NoneclassLRUCache:def__init__(self,capacity:int):self.capacity=capacityself.cache={}self.head,self.tail=Node(0,0),Node(0,0)self.head.next=self.tailself.tail.prev=self.headdefget(self,key:int)->int:ifkeyinself.cache:node=self.cache[key]self._move_to_head(node)returnnode.valuereturn-1defput(self,key:int,value:int)->None:ifkeyinself.cache:node=self.cache[key]node.value=valueself._move_to_head(node)else:iflen(self.cache)==self.capacity:self._remove_tail()new_node=Node(key,value)self.cache[key]=new_nodeself._add_to_head(new_node)def_move_to_head(self,node):self._remove_node(node)self._add_to_head(node)def_add_to_head(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_remove_tail(self):tail=self.tail.prevself._remove_node(tail)delself.cache[tail.key]解析：-使用双向链表维护访问顺序，头部为最近访问，尾部为最久未访问。-`get`操作将节点移到头部，`put`操作先删除过期节点，再将新节点添加到头部。二、系统设计题1.答案：系统架构：-数据库：使用分片数据库（如ShardingSphere）对供应商表进行水平分片，按`supplier_id`分片。-缓存：使用Redis缓存热点供应商信息（如TOP100供应商），过期时间5分钟。-API网关：使用Nginx或Kong路由请求，支持限流和熔断。-异步处理：使用RabbitMQ处理批量操作，避免阻塞主线程。热点数据优化：-对于高频查询的供应商（如TOP100），使用Redis缓存；其他数据从数据库读取。-数据库分片可以避免单个节点压力过大。2.答案：数据采集流程：1.使用定时任务（如Cron）或消息队列（如Kafka）从各数据源拉取数据。2.数据预处理：去除重复、格式化时间戳。3.存入临时表，再批量更新主表。实时性与准确性：-使用消息队列保证数据顺序和可靠性。-对关键数据源增加校验逻辑（如时间戳差值检查）。评分算法：-各指标加权求和：`score=w1on_time_rate+w2quality_rate+...`-权重根据业务优先级调整。三、数据库与存储题1.答案：sqlSELECTsupplier_id,SUM(quantity)AStotal_quantityFROMinventoryGROUPBYsupplier_idHAVINGtotal_quantity>100;优化：-为`supplier_id`添加索引。-使用`WITH(NOLOCK)`避免锁表（注意数据一致性）。2.答案：缺点：1.性能瓶颈：关系型数据库不适合存储长文本，查询慢。2.存储成本：大量文本数据占用空间大。解决方案：-使用NoSQL数据库（如MongoDB）存储文本，支持全文索引。-将长文本存储到对象存储（如AWSS3），数据库仅存储URL。四、分布式与网络题1.答案：架构：-使用Kafka作为消息队列，客户端订阅供应商信息主题。-后端服务消费消息，更新缓存和数据库。一致性保证：-使用Kafka的Exactly-once语义。-数据库事务保证数据一致性。2.答案：挑战：1.网络延迟：跨地域同步耗时。2.时钟漂移：不同时区时间同步问题。3.数据冲突：多地域写入可能冲突。解决方案：-使用Paxos或Raft协议保证数据一致性。-使用全球分布式数据库（如AmazonDynamoDB）。五、算法与数据结构题1.答案：pythondefmax_profit(prices):buy1,buy2=float('inf'),float('inf')sell1,sell2=0,0forpriceinprices:buy1=min(buy1,price)sell1=max(sell1,price-buy1)buy2=min(buy2,price-sell1)sell2=max(sell2,price-buy2)returnsell2解析：-两次买卖，`buy1`为第一次买入成本，`sell1`为第一次卖出收益，`buy2`为第二次买入成本（需扣除第一次收益）。2.答案：算法：-使用BFS，将图分成两个颜色组。pythondefis_bipartite(graph):color={}fornodeingraph:ifnodenotincolor:queue=[node]color[node