2026年软件工程师面试高频题

2026年软件工程师面试高频题一、编程语言与基础算法（共5题，每题10分，总分50分）1.题目：请用Python实现一个函数，输入一个正整数n，返回其二进制表示中1的个数。例如，输入5（二进制为101），返回2。答案与解析：pythondefcount_bits(n):returnbin(n).count('1')示例print(count_bits(5))#输出：2解析：-`bin(n)`将数字转换为二进制字符串（如5转为`'0b101'`）。-`.count('1')`统计字符串中`'1'`的个数。-此方法简洁但需注意字符串前缀`'0b'`。-更高效的位运算解法：pythondefcount_bits_optimized(n):count=0whilen:n&=n-1#清除最低位的1count+=1returncount2.题目：给定一个字符串`s`，请编写函数判断其是否为有效的括号字符串（只包含`'('`和`')'`，且括号匹配）。答案与解析：pythondefis_valid_brackets(s):stack=[]mapping={')':'(','}':'{',']':'['}forcharins:ifcharinmapping:top=stack.pop()ifstackelse'#'ifmapping[char]!=top:returnFalseelse:stack.append(char)returnnotstack示例print(is_valid_brackets("()[]{}"))#输出：Trueprint(is_valid_brackets("(]"))#输出：False解析：-使用栈结构，遍历字符串：-遇到左括号入栈，遇到右括号弹出并匹配。-若栈为空或栈顶不匹配，返回`False`。-最终栈为空则有效。3.题目：请实现一个LRU（最近最少使用）缓存，支持`get`和`put`操作，容量为`capacity`。答案与解析：pythonclassLRUCache:def__init__(self,capacity):self.capacity=capacityself.cache={}self.order=[]defget(self,key):ifkeyinself.cache:self.order.remove(key)self.order.append(key)returnself.cache[key]return-1defput(self,key,value):ifkeyinself.cache:self.order.remove(key)eliflen(self.cache)>=self.capacity:oldest=self.order.pop(0)delself.cache[oldest]self.cache[key]=valueself.order.append(key)示例cache=LRUCache(2)cache.put(1,1)cache.put(2,2)print(cache.get(1))#输出：1cache.put(3,3)#哈希表{1:1,3:3},弹出2print(cache.get(2))#输出：-1解析：-使用哈希表`cache`存储键值对，`order`记录访问顺序。-`get`操作：若命中，移动到队尾；未命中返回`-1`。-`put`操作：若已存在，更新并移动；若超出容量，删除最久未使用项。4.题目：给定一个未排序的数组`nums`，请实现快速排序算法。答案与解析：pythondefquick_sort(nums):iflen(nums)<=1:returnnumspivot=nums[len(nums)//2]left=[xforxinnumsifx<pivot]middle=[xforxinnumsifx==pivot]right=[xforxinnumsifx>pivot]returnquick_sort(left)+middle+quick_sort(right)示例print(quick_sort([3,6,8,10,1,2,1]))#输出：[1,1,2,3,6,8,10]解析：-选择枢轴（中位数），将数组分为三部分：小于、等于、大于枢轴。-递归对左右部分排序，合并结果。-时间复杂度O(nlogn)，空间复杂度O(logn)。5.题目：请实现一个函数，检查链表是否存在环（可使用快慢指针）。答案与解析：pythonclassListNode:def__init__(self,x):self.val=xself.next=Nonedefhas_cycle(head):slow,fast=head,headwhilefastandfast.next:slow=slow.nextfast=fast.next.nextifslow==fast:returnTruereturnFalse示例node1,node2,node3=ListNode(1),ListNode(2),ListNode(3)node1.next=node2node2.next=node3node3.next=node2#形成环print(has_cycle(node1))#输出：True解析：-快慢指针：慢指针每次移动1步，快指针每次移动2步。-若存在环，快指针最终会追上慢指针；否则快指针到链表末尾。二、系统设计（共3题，每题20分，总分60分）1.题目：设计一个高并发的短链接系统，要求：-输入长链接，输出6位短链接（如`/a1b2c3`）。-支持分布式存储和快速跳转。答案与解析：核心方案：1.短链接生成：-使用Base62编码（`a-z`、`A-Z`、`0-9`），将长链接哈希值映射为6位。-哈希算法：SHA256（防冲突）+取前6位字符。2.分布式存储：-使用Redis/LevelDB存储映射关系（键：短链接，值：长链接）。-异步写入，避免请求阻塞。3.快速跳转：-跳转时，先查缓存（Redis）；若未命中，查数据库。4.高并发优化：-负载均衡（如Nginx分发请求）。-限流（令牌桶算法）。伪代码示例：pythondefgenerate_short_link(long_url):hash_value=sha256(long_url.encode()).hexdigest()[:6]short_link=f"/{hash_value}"redis.set(short_link,long_url)returnshort_link2.题目：设计一个微博系统的时间线（Feed）功能，要求：-支持关注/取关用户。-时间线包含关注用户的最新动态，按时间倒序。-支持分页加载（每页20条）。答案与解析：核心方案：1.数据存储：-用户表：存储用户信息。-动态表：存储发布内容（主键ID、用户ID、时间戳、内容）。-关注关系表：存储用户ID和关注ID。2.时间线生成：-查询关注用户的动态，按时间降序排序。-优化：使用Redis缓存用户最新动态。3.分页加载：-SQL分页：`LIMIT20OFFSET0`。-缓存未命中时，从数据库加载数据。伪代码示例：sqlSELECTFROMpostsWHEREuser_idIN(SELECTfollowee_idFROMfollowsWHEREfollower_id=?)ORDERBYcreated_atDESCLIMIT20OFFSET?;3.题目：设计一个实时消息推送系统（如微信、钉钉），要求：-支持单聊和群聊。-消息实时到达（WebSocket或长轮询）。-支持离线缓存和消息重连。答案与解析：核心方案：1.消息存储：-使用MQ（如Kafka）异步处理消息。-消息表：存储消息ID、发送者、接收者、时间戳、状态（已发送/已读）。2.实时推送：-WebSocket：客户端保持连接，服务器主动推送。-长轮询：客户端频繁请求服务器。3.离线缓存：-消息未送达时，存入Redis，客户端上线后拉取。4.重连机制：-客户端断线重连时，同步未读消息。伪代码示例：pythonWebSocket消息推送defsend_message(user_id,message):websocket.send(user_id,message)redis.set(f"unread_{user_id}",message)#离线缓存三、数据库与存储（共3题，每题20分，总分60分）1.题目：设计一个电商订单表，要求：-支持按用户ID和订单时间查询。-支持统计用户订单数量。答案与解析：表结构：sqlCREATETABLEorders(idBIGINTAUTO_INCREMENTPRIMARYKEY,user_idBIGINT,order_timeTIMESTAMP,amountDECIMAL(10,2),statusVARCHAR(20),INDEXidx_user_time(user_id,order_time));查询示例：sql--查询用户最近10个订单SELECTFROMordersWHEREuser_id=?ORDERBYorder_timeDESCLIMIT10;--统计用户订单数量SELECTuser_id,COUNT()ASorder_countFROMordersGROUPBYuser_id;2.题目：解释MySQL中的索引类型（B-Tree、Hash、Full-Text）的适用场景。答案与解析：-B-Tree索引：-适用场景：范围查询（如`order_timeBETWEEN...`）、排序。-优点：支持范围查询，适用于多列组合索引。-Hash索引：-适用场景：精确查询（如`user_id=?`）。-优点：查询效率高，但无法排序或范围查询。-Full-Text索引：-适用场景：全文检索（如搜索引擎）。-优点：支持模糊匹配（`LIKE'%keyword%'`）。3.题目：如何优化一个大数据量（千万级）表的查询性能？答案与解析：1.索引优化：-选择合适的索引列（优先查询频次高的列）。-避免全表扫描（如`SELECT`改为指定列）。2.分库分表：-水平切分（如按用户ID分表）。-垂直切分（如订单表拆分为订单主表+商品表）。3.缓存优化：-Redis缓存热点数据（如用户信息、商品详情）。4.SQL优化：-避免`JOIN`嵌套，使用子查询优化。-使用`EXPLAIN`分析执行计划。四、分布式与中间件（共3题，每题20分，总分60分）1.题目：解释分布式事务的CAP理论，并举例说明如何解决分布式事务问题。答案与解析：CAP理论：-C（一致性）：全局数据状态一致。-A（可用性）：系统始终响应请求。-P（分区容错性）：网络分区下仍能运行。-通常只能同时满足两项（分布式事务优先CA或AP）。解决方案：-2PC（两阶段提交）：-主节点发起投票，所有从节点同意后提交。-优点：强一致性，但可用性差。-TCC（Try-Confirm-Cancel）：-每个操作都分三阶段，补偿机制保证一致性。2.题目：如何使用Kafka实现消息的可靠传输？答案与解析：1.生产者配置：-`acks=all`：需所有分区副本确认。-`retries=3`：重试机制。2.消费者配置：-`mit=false`：手动