2026年互联网行业面试题集及答案解析

2026年互联网行业面试题集及答案解析一、编程与算法（共5题，每题15分，总分75分）1.题目（15分）：实现一个LRU（LeastRecentlyUsed）缓存机制，使用哈希表和双向链表（或数组）实现，要求支持`get`和`put`操作，时间复杂度为O(1)。请给出代码实现，并解释核心思路。2.题目（15分）：给定一个包含重复元素的数组，返回所有不重复的全排列。例如，输入`[1,1,2]`，输出`[[1,1,2],[1,2,1],[2,1,1]]`。请给出代码实现，并说明如何避免重复排列。3.题目（15分）：设计一个算法，统计一个字符串中所有单词的出现频率，要求忽略大小写和标点符号。例如，输入`"Hello,world!Hello"`，输出`{"hello":2,"world":1}`。请给出代码实现，并解释时间复杂度。4.题目（15分）：实现一个二叉树的深度优先遍历（前序、中序、后序），要求使用递归和非递归两种方式实现。请分别给出代码，并说明非递归实现的核心原理。5.题目（15分）：给定一个包含n个整数的数组，返回所有和为target的三元组数量。例如，输入`[1,2,3,4,5]`和`target=7`，输出`[[1,2,4],[2,3,4]]`。请给出代码实现，并优化时间复杂度。答案与解析1.答案与解析：代码实现（Python）：pythonclassLRUCache: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.headclassNode:def__init__(self,key,value):self.key=keyself.value=valueself.prev=Noneself.next=Nonedefget(self,key:int)->int:ifkeynotinself.cache:return-1node=self.cache[key]self._remove(node)self._add(node)returnnode.valuedefput(self,key:int,value:int)->None:ifkeyinself.cache:self._remove(self.cache[key])node=Node(key,value)self.cache[key]=nodeself._add(node)iflen(self.cache)>self.capacity:lru=self.tail.prevself._remove(lru)delself.cache[lru.key]def_remove(self,node):delself.cache[node.key]node.prev.next=node.nextnode.next.prev=node.prevdef_add(self,node):node.next=self.head.nextnode.next.prev=nodeself.head.next=nodenode.prev=self.head解析：-哈希表：用于快速查找缓存项，O(1)时间复杂度。-双向链表：维护最近使用顺序，头部为最近使用，尾部为最久未使用。-核心操作：-`get`：先删除节点，再插入头部（更新顺序）。-`put`：若存在则删除原节点，新节点插入头部；若超出容量，删除尾部节点。2.答案与解析：代码实现（Python）：pythonfromitertoolsimportpermutationsdefpermute_unique(nums):result=set()forpinpermutations(nums):result.add(tuple(p))return[list(p)forpinresult]解析：-使用`permutations`生成所有排列，通过`set`去重。-`tuple`不可变，适合哈希去重；最终转换为`list`输出。3.答案与解析：代码实现（Python）：pythonfromcollectionsimportdefaultdictimportredefword_frequency(s):s=re.sub(r'[^\w\s]','',s).lower()words=s.split()freq=defaultdict(int)forwordinwords:freq[word]+=1returndict(freq)解析：-正则`re.sub`去除标点，`lower`统一大小写。-`defaultdict`自动初始化计数。-时间复杂度：O(n)，n为字符串长度。4.答案与解析：前序遍历（递归）：pythondefpreorder_recursive(root):ifnotroot:return[]return[root.val]+preorder_recursive(root.left)+preorder_recursive(root.right)非递归（栈）：pythondefpreorder_non_recursive(root):ifnotroot:return[]stack,result=[root],[]whilestack:node=stack.pop()result.append(node.val)ifnode.right:stack.append(node.right)ifnode.left:stack.append(node.left)returnresult解析：-递归：简单但栈溢出风险（极端树）。-非递归：用栈模拟系统栈，先右后左压栈（前序为左）。5.答案与解析：代码实现（Python）：pythondefthree_sum(nums,target):nums.sort()result=[]n=len(nums)foriinrange(n-2):ifi>0andnums[i]==nums[i-1]:continuel,r=i+1,n-1whilel<r:total=nums[i]+nums[l]+nums[r]iftotal==target:result.append([nums[i],nums[l],nums[r]])whilel<randnums[l]==nums[l+1]:l+=1whilel<randnums[r]==nums[r-1]:r-=1l+=1r-=1eliftotal<target:l+=1else:r-=1returnresult解析：-排序后固定第一个数，双指针查找另外两个数。-跳过重复值避免冗余。-时间复杂度：O(n²)。二、系统设计（共3题，每题25分，总分75分）1.题目（25分）：设计一个高并发的短链接生成服务，要求支持秒级生成和解析，并能够统计短链接的访问量。请说明核心架构和关键组件设计。2.题目（25分）：设计一个微博的实时推送系统，要求支持百万级用户和动态消息的实时分发。请说明技术选型、数据存储方案和容灾策略。3.题目（25分）：设计一个在线音乐播放器的推荐系统，要求根据用户历史行为（播放、收藏）生成个性化推荐。请说明推荐算法、数据存储和系统架构。答案与解析1.答案与解析：核心架构：-短链接生成：使用哈希算法（如Base62）将长URL映射为短码。-分布式存储：Redis或Memcached缓存短码与长URL的映射。-高并发处理：使用负载均衡（如Nginx）和异步队列（如Kafka）处理请求。关键组件：-短码生成器：使用雪崩算法或自增ID+哈希。-缓存层：Redis集群，过期策略避免缓存污染。-访问统计：使用Redis原子操作统计PV/UV。2.答案与解析：技术选型：-消息队列：Kafka/ZeroMQ处理高吞吐消息。-数据存储：MySQL分表+Redis缓存热点数据。-推送服务：WebSocket/Server-SentEvents（SSE）实时推送。数据存储方案：-微博存储：MySQL分表（按时间或用户ID）。-实时索引：Elasticsearch支持全文搜索。-冷热数据分离：使用云存储（如AWSS3）归档旧数据。容灾策略：-多活部署：异地多活，数据同步使用Raft协议。-限流降级：熔断器+降级策略避免雪崩。3.答案与解析：推荐算法：-协同过滤：基于用户/物品相似度（如矩阵分解）。-深度学习：使用DIN/DeepFM嵌入特征组合。-混合推荐：结合热门推荐+个性化推荐。数据存储：-用户行为：MongoDB存储时序数据（播放日志）。-特征工程：HadoopMapReduce/Spark处理用户画像。系统架构：-离线计算：使用SparkMLlib定期生成推荐。-实时推荐：使用Flink/Storm处理实时行为。-前端接口：微服务架构（如SpringCloud）提供API。三、数据库与存储（共2题，每题20分，总分40分）1.题目（20分）：设计一个高并发的订单数据库表，要求支持高并发写入和查询，并说明索引优化策略。2.题目（20分）：解释MySQL事务的ACID特性，并说明如何解决数据库锁问题（如死锁）。请举例说明。答案与解析1.答案与解析：表设计：sqlCREATETABLEorders(idBIGINTAUTO_INCREMENTPRIMARYKEY,user_idBIGINTNOTNULL,product_idBIGINTNOTNULL,amountDECIMAL(10,2)NOTNULL,statusVARCHAR(20)DEFAULT'pending',create_timeTIMESTAMPDEFAULTCURRENT_TIMESTAMP,INDEXidx_user(user_id),INDEXidx_product(product_id),INDEXidx_status(status),INDEXidx_time(create_time))ENGINE=InnoDB;索引优化：-主键：自增ID，分布式ID生成器（如Snowflake）。-组合索引：`user_id+create_time`加速分用户统计。-分区表：按`create_time`范围分区，水平扩展。2.答案与解析：ACID特性：-原子性（Atomicity）：事务不可分割，如扣款+加库存必须同时成功。-一致性（Consistency）：事务执行后数据库状态合法，如账户余额不为负。-隔离性（Isolation）：并发事务互不干扰，使用锁或MVCC（如InnoDB）。-持久性（Durability）：事务提交后永久保存，使用WAL日志。锁问题解决方案：-死锁：如A锁表1，B锁表2，A等待B，B等待A。-解决方法：1.超时锁：设置最大等待时间（如MySQL`lock_timeout`）。2.顺序执行：规定事务访问资源顺序。3.死锁检测：数据库自动检测并回滚其中一个事务。四、分布式与中间件（共2题，每题15分，总分30分）1.题目（15分）：解释分布式事务的CAP理论，并说明如何实现分布式事务（如2PC、TCC）。请比较优缺点。2.题目（15分）：设计一个高可用的消息队列（如Kafka），说明如何保证消息不丢失、不重复。请给出具体策略。答案与解析1.答案与解析：CAP理论：-一致性（Consistency）：所有节点数据实时同步。-可用性（Availability）：节点故障仍可服务。-分区容错性（PartitionTolerance）：网络分区下系统仍运行。-无法同时满足：优先选择CA（如数据库）或AP（如Kafka）。分布式事务实现：-2PC（两阶段提交）：1.准备阶段：协调者询问所有参与者是否准备就绪。2.提交阶段：全就绪则提交，否则中止。-优点：强一致性。-缺点：阻塞、单点故障。-TCC（补偿事务）：1.尝试阶段：按顺序执行所有操作。2.确认/补偿阶段：成功则确认，失败则补偿。-优点：灵活。-缺点：实现复杂。2.答案与解析：消息不丢失策略：-生产者端：设置`acks=all`（Kafka要求Broker确认）。-网络传输：使用TCP协议，生产者重试机制。消息不重复策略：-幂等性设计：1.消息去重表（Redis/MongoDB）。2.消息幂等ID（如业务ID）。-消费者端：先处