2026年小米工程师面试精试题

2026年小米工程师面试精试题一、编程基础（5题，每题10分，共50分）1.题目：请实现一个函数，输入一个正整数`n`，返回`n`的平方根的整数部分。要求不使用任何库函数，时间复杂度不超过O(logn)。答案与解析：pythondefmy_sqrt(n:int)->int:left,right=0,nwhileleft<=right:mid=left+(right-left)//2ifmidmid<=n<(mid+1)(mid+1):returnmidelifmidmid<n:left=mid+1else:right=mid-1returnright解析：二分查找法是解决此类问题的常用方法。通过不断缩小查找范围，最终确定平方根的整数部分。关键在于判断`midmid`与`n`的大小关系，并根据结果调整左右边界。2.题目：请实现一个无重复字符的最长子串的长度。例如，输入`"abcabcbb"`，返回`3`（对应子串`"abc"`）。答案与解析：pythondeflength_of_longest_substring(s:str)->int:char_set=set()left=0max_len=0forrightinrange(len(s)):whiles[right]inchar_set:char_set.remove(s[left])left+=1char_set.add(s[right])max_len=max(max_len,right-left+1)returnmax_len解析：滑动窗口法是解决此类问题的常用方法。通过维护一个窗口，不断移动左右边界，确保窗口内无重复字符。使用哈希集合记录窗口内的字符，提高查找效率。3.题目：请实现一个函数，输入一个链表，返回其反转后的链表。例如，输入`1->2->3->None`，返回`3->2->1->None`。答案与解析：pythonclassListNode:def__init__(self,val=0,next=None):self.val=valself.next=nextdefreverse_list(head:ListNode)->ListNode:prev,curr=None,headwhilecurr:next_node=curr.nextcurr.next=prevprev=currcurr=next_nodereturnprev解析：反转链表的核心是改变节点的`next`指针方向。通过迭代法，逐步将每个节点的`next`指向其前一个节点，最终实现反转。4.题目：请实现一个函数，输入一个字符串，判断其是否为回文串。例如，输入`"121"`，返回`True`；输入`"12"`，返回`False`。答案与解析：pythondefis_palindrome(s:str)->bool:s=''.join(c.lower()forcinsifc.isalnum())left,right=0,len(s)-1whileleft<right:ifs[left]!=s[right]:returnFalseleft+=1right-=1returnTrue解析：判断回文串时，可以先对字符串进行预处理（去除非字母数字字符并统一大小写），然后使用双指针法从两端向中间遍历，确保字符对称。5.题目：请实现一个函数，输入一个数组，返回其所有可能的排列。例如，输入`[1,2,3]`，返回`[[1,2,3],[1,3,2],[2,1,3],...]`。答案与解析：pythondefpermute(nums):defbacktrack(path,used,res):iflen(path)==len(nums):res.append(path.copy())returnforiinrange(len(nums)):ifnotused[i]:used[i]=Truepath.append(nums[i])backtrack(path,used,res)path.pop()used[i]=Falseres=[]used=[False]len(nums)backtrack([],used,res)returnres解析：排列问题的核心是回溯法。通过递归穷举所有可能的排列，并使用标记数组避免重复使用元素。二、系统设计（3题，每题20分，共60分）1.题目：设计一个高并发的短链接系统。例如，输入`"/abc"`，返回一个短链接如`"/123"`，访问短链接时能自动跳转到原始链接。答案与解析：核心思路：1.短链接生成：使用哈希算法（如MD5或Base62编码）将长链接映射为短标识符。2.存储映射关系：使用分布式缓存（如Redis）存储短链接与长链接的映射，确保高并发访问。3.流量分发：使用负载均衡器（如Nginx）分发请求，避免单点瓶颈。具体实现：-短链接生成：pythonimporthashlibimportbase64defshort_link(long_url:str)->str:hash_obj=hashlib.md5(long_url.encode())short_id=base64.urlsafe_b64encode(hash_obj.digest()).decode().rstrip('=')returnf"/{short_id}"-存储映射关系：pythonimportredisr=redis.Redis(host='localhost',port=6379,db=0)defstore_mapping(short_id:str,long_url:str):r.set(short_id,long_url)defget_long_url(short_id:str)->str:returnr.get(short_id)-访问短链接：当用户访问`/123`时，Nginx将请求转发到后端服务，服务通过Redis查询长链接并返回。解析：-高并发处理：Redis支持原子操作，确保短链接与长链接的映射关系一致。-分布式部署：负载均衡器可以水平扩展，应对大流量请求。-安全性考虑：可以添加过期机制（如短链接30分钟后失效），防止恶意占用。2.题目：设计一个微博点赞系统，要求支持实时更新点赞数（例如，用户A点赞微博B，B的点赞数立即+1）。答案与解析：核心思路：1.数据存储：-使用Redis存储微博的点赞数（计数器），支持原子操作。-使用MySQL或PostgreSQL存储用户与微博的点赞关系（避免重复点赞）。2.实时更新：-使用WebSocket或Server-SentEvents（SSE）推送实时点赞通知。3.高并发优化：-使用Redis集群分片存储点赞数据，避免单机瓶颈。具体实现：-点赞操作：pythonimportredisimportuuidr=redis.Redis(host='localhost',port=6379,db=0)deflike_post(post_id:str,user_id:str):r.incr(post_id)#原子增加点赞数存储点赞关系（避免重复点赞）r.sadd(f"likes:{post_id}",user_id)-实时通知：pythondefnotify_likes(post_id:str,user_id:str):推送给关注该微博的用户followers=get_followers(post_id)#假设已实现forfollowerinfollowers:send_event(follower,f"like:{post_id}")-数据一致性：-使用Redis事务确保点赞数与点赞关系的原子更新。解析：-性能优化：Redis的原子操作确保点赞数实时更新，避免锁竞争。-扩展性：Redis集群可以横向扩展，应对高并发点赞场景。-用户体验：WebSocket实现实时通知，提升用户交互感。3.题目：设计一个微博首页信息流系统，要求支持按时间倒序展示，并支持分页加载（例如，每次加载10条最新微博）。答案与解析：核心思路：1.数据存储：-使用MySQL或PostgreSQL存储微博数据（包括发布时间、用户信息等）。-使用Redis缓存热点微博（如点赞数高的微博）。2.分页加载：-使用SQL的`LIMIT`和`OFFSET`实现分页，但注意`OFFSET`可能导致性能问题。-优化方案：使用Redis分页缓存（如`ZREVRANGE`按时间倒序获取最新微博）。3.实时性：-使用消息队列（如Kafka）异步更新缓存，避免每次请求都查询数据库。具体实现：-数据库设计：sqlCREATETABLEposts(idBIGINTAUTO_INCREMENTPRIMARYKEY,user_idBIGINT,contentTEXT,created_atTIMESTAMPDEFAULTCURRENT_TIMESTAMP);-分页查询优化：pythondefget_posts(page:int,per_page:int):优化：使用Redis缓存热门微博hot_posts=r.zrevrange("hot_posts",0,9)ifnothot_posts:posts=list(db.execute("SELECTFROMpostsORDERBYcreated_atDESCLIMIT?",(per_page,)))r.zadd("hot_posts",{p["id"]:p["likes"]forpinposts})else:posts=[get_post_by_id(id)foridinhot_posts]#假设已实现returnposts-消息队列异步更新：python用户发布微博后，Kafka推送更新Redis缓存defupdate_cache(post_id:str):post=get_post_by_id(post_id)#假设已实现r.zadd("hot_posts",{post["id"]:post["likes"]})解析：-性能优化：Redis缓存热点微博，减少数据库查询压力。-扩展性：消息队列异步更新缓存，避免实时请求阻塞数据库。-用户体验：分页加载结合缓存，提升页面响应速度。三、数据库与存储（2题，每题15分，共30分）1.题目：假设你需要设计一个商品推荐系统，用户访问商品页时，需要根据用户历史行为（如浏览、购买）和商品属性（如类别、价格）推荐相似商品。请简述你的设计思路。答案与解析：核心思路：1.数据存储：-使用MySQL存储用户行为数据（如浏览记录、购买记录）。-使用Elasticsearch索引商品属性（如类别、价格、描述），支持快速相似商品检索。2.推荐算法：-协同过滤：基于用户行为（如购买相似商品的用户的购买记录）推荐商品。-内容推荐：基于商品属性（如类别、价格）推荐相似商品。3.实时性优化：-使用Redis缓存热门推荐结果，避免重复计算。具体实现：-协同过滤：python基于用户的协同过滤defget_similar_users(user_id:str):假设已实现相似用户计算similar_users=["user1","user2"]returnsimilar_users-内容推荐：python基于商品属性的相似推荐defsearch_similar_products(product_id:str):product=get_product_by_id(product_id)#假设已实现query={"query_string":{"query":f"category:{product['category']}ANDprice:{product['price']}"}}results=es.search(index="products",body=query)returnresults["hits"]-缓存推荐结果：pythondefget_recommendations(user_id:str,product_id:str):cache_key=f"recommendations:{user_id}:{product_id}"ifr.exists(cache_key):returnr.get(cache_key)else:recommendations=get_similar_users(user_id)+search_similar_products(product_id)r.set(cache_key,recommendations)returnrecommendations解析：-数据一致性：MySQL存储用户行为数据，Elasticsearch索引商品属性，确保数据准确。-扩展性：协同过滤和内容推荐结合，提升推荐效果。-性能优化：Redis缓存热门推荐，减少计算压力。2.题目：假设你需要设计一个高并发的订单系统，要求支持高并发下单（例如，秒杀场景），请简述你的设计思路。答案与解析：核心思路：1.数据存储：-使用MySQL存储订单数据（包括库存、状态等），但注意事务隔离级别。-使用Redis缓存库存数据，支持原子扣减。2.高并发控制：-使用分布式锁（如RedisLock）避免超卖。-使用消息队列（如Kafka）异步处理订单，避免阻塞数据库。3.热点优化：-使用RedisCluster分片存储库存数据，避免单机瓶颈。具体实现：-库存扣减：pythonimportredisimportuuidr=redis.Redis(host='localhost',port=6379,db=0)defdeduct_inventory(item_id:str,quantity:int):使用Redis原子扣减库存whileTrue:current_stock=r.get(item_id)ifnotcurrent_stock:returnFalse#库存不足current_stock=int(current_stock)ifcurrent_stock>=quantity:ifr.setnx(item_id,current_stock-quantity):returnTrueelse:returnFalse-分布式锁：pythondefacquire_lock(item_id:str,user_id:str):lock_ke