2026年计算机面试模拟题库

2026年计算机面试模拟题库一、编程题（共5题，每题20分）题目1（20分）题目：请实现一个函数，输入一个非负整数，返回它的二进制表达式中1的个数。例如，输入5，输出2（因为5的二进制表示为101，有2个1）。要求：1.时间复杂度不超过O(logn)2.不能使用内置函数3.代码需考虑边界情况（如输入0）题目2（20分）题目：给定一个字符串数组，请将字符串按照字符出现频率从高到低排序。如果有多个字符串频率相同，则按照字符串字典序升序排列。例如：输入：["apple","banana","apple","carrot","banana","apple"]输出：["apple","apple","apple","banana","banana","carrot"]要求：1.实现自定义排序2.考虑大数据量下的性能3.代码需包含测试用例题目3（20分）题目：实现一个LRU（最近最少使用）缓存，支持get和put操作。缓存容量为固定值。当缓存已满时，需要淘汰最久未使用的元素。要求：1.get操作返回键对应的值，若不存在返回-12.put操作插入键值对，若键已存在则更新值3.实现需考虑空间和时间的效率4.包含边界测试用例题目4（20分）题目：给定一个二叉树，请判断它是否是平衡二叉树。一个二叉树每个节点的左右子树的深度差不超过1。要求：1.实现深度计算和平衡判断2.时间复杂度不超过O(n)3.代码需包含测试用例题目5（20分）题目：实现一个简单的文件压缩算法，支持对文本文件进行压缩。压缩规则：1.连续相同字符序列压缩为字符+重复次数2.例如："aaabbbcc"压缩为"a3b3c2"3.对于单个字符或重复次数为1的情况不压缩要求：1.实现压缩和解压缩功能2.考虑大文件处理的性能3.包含测试用例验证压缩效果二、系统设计题（共3题，每题30分）题目1（30分）题目：设计一个高并发的短链接系统。要求：1.支持将任意长度的URL转换为固定长度的短链接2.支持从短链接反查原始URL3.系统需具备高可用性和可扩展性4.考虑分布式部署方案要求：1.说明系统架构2.描述核心模块设计3.考虑数据一致性和容灾方案题目2（30分）题目：设计一个微博系统的用户关注功能。要求：1.支持用户关注/取消关注其他用户2.支持获取用户的关注列表和粉丝列表3.考虑高并发场景下的性能优化4.说明数据存储方案要求：1.描述系统架构2.说明数据表设计3.考虑索引优化和缓存策略题目3（30分）题目：设计一个实时日志分析系统。要求：1.支持将日志实时推送到系统2.支持对日志进行关键词搜索3.支持统计特定时间窗口内的日志统计信息4.考虑大数据量下的性能要求：1.说明系统架构2.描述核心组件设计3.考虑数据存储和查询优化方案三、算法题（共5题，每题15分）题目1（15分）题目：给定一个整数数组，返回数组中所有可能的三元组，使得三元组的和等于给定的目标值。例如：输入：nums=[-1,0,1,2],target=0输出：[[-1,0,1],[-1,2,1]]要求：1.时间复杂度不超过O(n^2)2.不能使用重复的三元组3.包含测试用例题目2（15分）题目：实现一个Trie（前缀树），支持插入单词和查找单词是否存在。要求：1.支持插入和查找操作2.考虑空间优化3.包含测试用例题目3（15分）题目：给定一个字符串，找出其中不重复的最长子串的长度。例如：输入："abcabcbb"输出：3（"abc"）要求：1.时间复杂度不超过O(n)2.不能使用额外空间3.包含测试用例题目4（15分）题目：实现一个LRU缓存的双向链表版本。要求：1.支持get和put操作2.实现双向链表和哈希表的结合3.包含测试用例题目5（15分）题目：给定一个字符串，判断它是否是回文串。例如：输入："racecar"输出：true要求：1.时间复杂度不超过O(n)2.不能使用额外空间3.包含测试用例答案与解析编程题答案与解析题目1答案与解析答案：pythondefcount_bits(n):count=0whilen:count+=n&1n>>=1returncount解析：1.使用位运算统计1的个数是最优解法2.每次与1做位与运算可以判断最低位是否为13.右移一位相当于除以2向下取整4.时间复杂度为O(logn)因为每次右移减少一位5.处理边界情况：输入0时返回0题目2答案与解析答案：pythondeffrequency_sort(strings):fromcollectionsimportCountercount=Counter(strings)按频率降序，字典序升序排序returnsorted(strings,key=lambdax:(-count[x],x))解析：1.使用Counter统计每个字符串的频率2.sorted函数支持自定义排序3.lambda函数中第一参数为负频率实现降序，第二参数为字符串本身实现字典序升序4.时间复杂度主要取决于排序操作，为O(nlogn)5.考虑大数据量时可以考虑使用计数排序优化题目3答案与解析答案：pythonclassLRUCache:def__init__(self,capacity:int):self.capacity=capacityself.cache={}self.head=ListNode(0)self.tail=ListNode(0)self.head.next=self.tailself.tail.prev=self.headclassListNode:def__init__(self,key=0,value=0):self.key=keyself.value=valueself.prev=Noneself.next=Nonedefget(self,key:int)->int:ifkeyinself.cache:node=self.cache[key]self._move_to_front(node)returnnode.valuereturn-1defput(self,key:int,value:int)->None:ifkeyinself.cache:node=self.cache[key]node.value=valueself._move_to_front(node)else:iflen(self.cache)==self.capacity:self._remove_lru()new_node=self.ListNode(key,value)self.cache[key]=new_nodeself._add_to_front(new_node)def_move_to_front(self,node):self._remove_node(node)self._add_to_front(node)def_add_to_front(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_lru(self):lru=self.tail.prevself._remove_node(lru)delself.cache[lru.key]解析：1.使用双向链表+哈希表实现LRU2.哈希表存储键到节点的映射3.双向链表维护访问顺序，头部为最近访问4.get操作将访问的节点移动到头部5.put操作时如果已存在则更新值并移动到头部6.如果已满则删除尾部节点（最久未使用）7.时间复杂度为O(1)题目4答案与解析答案：pythonclassTreeNode:def__init__(self,val=0,left=None,right=None):self.val=valself.left=leftself.right=rightdefis_balanced(root):defcheck(node):ifnotnode:return0,Trueleft_height,left_balanced=check(node.left)right_height,right_balanced=check(node.right)balanced=left_balancedandright_balancedandabs(left_height-right_height)<=1returnmax(left_height,right_height)+1,balancedreturncheck(root)[1]解析：1.递归计算左右子树高度2.每次返回当前节点高度和是否平衡3.如果左右子树不平衡或高度差超过1则整棵树不平衡4.时间复杂度为O(n)因为每个节点只访问一次5.空间复杂度为O(h)递归栈的深度题目5答案与解析答案：pythondefcompress(s:str)->str:ifnots:return""compressed=[]count=1n=len(s)foriinrange(1,n):ifs[i]==s[i-1]:count+=1else:compressed.append(s[i-1]+str(count))count=1compressed.append(s[-1]+str(count))return''.join(compressed)defdecompress(compressed:str)->str:ifnotcompressed:return""decompressed=[]count=0fori,charinenumerate(compressed):ifchar.isdigit():count=count10+int(char)else:decompressed.append(charcount)count=0return''.join(decompressed)解析：1.压缩算法通过遍历字符串统计连续相同字符2.当字符变化时记录前一个字符和计数3.最后处理最后一个字符序列4.解压缩算法通过数字和字符构建原字符串5.时间复杂度均为O(n)6.需要考虑数字可能多位的情况系统设计题答案与解析题目1答案与解析答案：1.系统架构：-输入层：接收长URL的API网关-转换层：URL转换服务（分布式）-存储层：分布式缓存+数据库-输出层：返回短URL的API网关-分布式部署：可水平扩展的微服务架构2.核心模块设计：-ID生成器：雪花算法或UUID-缓存模块：Redis集群存储短URL和映射关系-数据库：存储所有映射关系-反向解析：从短ID查找长URL3.数据一致性和容灾：-使用分布式锁保证ID生成唯一性-缓存+数据库双写策略-异地多活部署-定期数据备份解析：1.短链接系统需要高并发处理能力2.分布式ID生成器保证唯一性3.缓存层加速热点数据访问4.数据库持久化保证数据不丢失5.反向解析需要快速准确题目2答案与解析答案：1.系统架构：-用户服务：关注关系管理-关注服务：实时关注状态同步-缓存层：缓存关注列表-消息队列：异步处理关注变更2.数据表设计：users(id,name,...)followees(follower_id,followee_id,created_at)3.性能优化：-关注关系使用布隆过滤器快速判断-关注列表使用Redis缓存-使用消息队列异步更新粉丝列表解析：1.关注系统需要支持大规模用户关系2.数据表设计要考虑查询效率3.缓存关注列表减少数据库压力4.异步处理保证响应速度题目3答案与解析答案：1.系统架构：-日志接入：Kafka集群收集日志-处理层：Flume或Logstash实时处理-存储层：Elasticsearch+InfluxDB-分析层：Spark+Flink实时分析2.核心组件设计：-实时索引：Elasticsearch支持快速搜索-时间序列数据库：InfluxDB存储统计指标-流处理引擎：处理实时查询请求3.数据存储和查询优化：-索引优化：分词器+倒排索引-分片策略：按时间+关键词分片-查询缓存：Redis存储热点查询结果解析：1.日志分析需要处理海量数据2.Kafka保证日志收集不丢失3.Elasticsearch提供强大的文本搜索能力4.时间序列数据库优化指标查询算法题答案与解析题目1答案与解析答案：pythondefthree_sum(nums,target):nums.sort()result=[]n=len(nums)foriinrange(n-2):跳过重复元素ifi>0andnums[i]==nums[i-1]:continueleft,right=i+1,n-1whileleft<right:total=nums[i]+nums[left]+nums[right]iftotal==target:result.append([nums[i],nums[left],nums[right]])跳过重复元素whileleft<rightandnums[left]==nums[left+1]:left+=1whileleft<rightandnums[right]==nums[right-1]:right-=1left+=1right-=1eliftotal<target:left+=1else:right-=1returnresult解析：1.排序后使用双指针法2.固定第一个数，然后用左右指针找另外两个数3.时间复杂度为O(n^2)4.需要处理重复元素避免重复三元组5.需要考虑数组可能包含负数的情况题目2答案与解析答案：pythonclassTrieNode:def__init__(self):self.children={}self.is_end=FalseclassTrie:def__init__(self):self.root=TrieNode()definsert(self,word:str)->None:node=self.rootforcharinword:ifcharnotinnode.children:node.children[char]=TrieNode()node=node.children[char]node.is_end=Truedefsearch(self,word:str)->bool:node=self._find_node(word)returnnodeisnotNoneandnode.is_enddefstarts_with(self,prefix:str)->bool:returnself._find_node(prefix)isnotNonedef_find_node(self,word:str):node=self.rootforcharinword:ifcharnotinnode.children:returnNonenode=node.children[char]returnnode解析：1.Trie树通过前缀共享内存2.每个节点包含子节点映射和结束标记3.插入时逐字符创建节点4.查询时逐字符查找5.时间复杂度为O(m)其中m是单词长度题目3答案与解析答案：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：1.使用滑动窗口技术2.左右指针维护不重复子串范围3.当遇到重复字符时移动左指针4.时间复杂度为O(n)5.空间复杂度为O(min(m,n))其中m是字符集大小题目4答案与解析答案：pythonclassLRUCache:def__init__(self,capacity:int):self.capacity=capacityself.cache={}self.head=ListNode(0)self.tail=ListNode(0)self.head.next=self.tailself.tail.prev=self.headclassListNode:def__init__(self,key=0,value=0):self.key=keyself.value=valueself.prev=Noneself.next=Nonedefget(self,key:int)->int:ifkeyinself.cache:node=self.cache[key]self._move_to_front(node)returnnode.valuereturn-1defput(self,key:int,value:int)->None:ifkeyinself.cache:node=self.cache[key]node.value=valueself._move_to_front(node)else:iflen(self.cache)==self.capacity:self._remove_lru()new_node=self.ListNode(key,value)self.cache[key]=new_nodeself._add_to_front(new_node)def_move_to_front(self,node):self._remove_node(node)self