2026年美團(tuán)技術(shù)大牛面試題集一、編程基礎(chǔ)與數(shù)據(jù)結(jié)構(gòu)（共5題，每題10分，總分50分）1.題目：給定一個(gè)字符串，請(qǐng)編寫(xiě)一個(gè)函數(shù)，判斷該字符串是否是“變位詞”（即由相同字母重新排列組成的字符串）。例如，"listen"和"silent"是變位詞。要求時(shí)間復(fù)雜度O(n)，空間復(fù)雜度O(1)。答案：pythondefis_anagram(s1,s2):iflen(s1)!=len(s2):returnFalsecount=[0]26foriinrange(len(s1)):count[ord(s1[i])-ord('a')]+=1count[ord(s2[i])-ord('a')]-=1foriincount:ifi!=0:returnFalsereturnTrue解析：通過(guò)統(tǒng)計(jì)每個(gè)字母的頻率差異來(lái)判斷是否為變位詞。如果兩個(gè)字符串的字母頻率完全一致，則它們是變位詞。時(shí)間復(fù)雜度為O(n)，空間復(fù)雜度為O(1)。2.題目：實(shí)現(xiàn)一個(gè)LRU（LeastRecentlyUsed）緩存，使用雙向鏈表和哈希表實(shí)現(xiàn)，支持get和put操作。要求get和put的時(shí)間復(fù)雜度均為O(1)。答案：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=Node(0,0)self.tail=Node(0,0)self.head.next=self.tailself.tail.prev=self.headdefget(self,key:int)->int:ifkeyinself.cache:node=self.cache[key]self._remove(node)self._add(node)returnnode.valuereturn-1defput(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：LRU緩存通過(guò)雙向鏈表和哈希表實(shí)現(xiàn)。鏈表維護(hù)最近使用的順序，哈希表實(shí)現(xiàn)O(1)的get和put操作。當(dāng)緩存容量超出限制時(shí)，刪除最久未使用的節(jié)點(diǎn)。3.題目：給定一個(gè)鏈表，判斷鏈表是否存在環(huán)。如果存在環(huán)，返回進(jìn)入環(huán)的第一個(gè)節(jié)點(diǎn)；否則返回None。答案：pythondefdetect_cycle(head):slow=fast=headwhilefastandfast.next:slow=slow.nextfast=fast.next.nextifslow==fast:slow=headwhileslow!=fast:slow=slow.nextfast=fast.nextreturnslowreturnNone解析：使用快慢指針判斷鏈表是否存在環(huán)。如果快慢指針相遇，則鏈表存在環(huán)。通過(guò)移動(dòng)慢指針到頭節(jié)點(diǎn)，再次與快指針移動(dòng)相同的步數(shù)，可以找到環(huán)的入口節(jié)點(diǎn)。4.題目：實(shí)現(xiàn)一個(gè)函數(shù)，將一個(gè)非負(fù)整數(shù)轉(zhuǎn)換為羅馬數(shù)字。例如，123->"CLXXIII"。答案：pythondefint_to_roman(num):val=[1000,900,500,400,100,90,50,40,10,9,5,4,1]syms=["M","CM","D","CD","C","XC","L","XL","X","IX","V","IV","I"]roman_num=""i=0whilenum>0:for_inrange(num//val[i]):roman_num+=syms[i]num-=val[i]i+=1returnroman_num解析：通過(guò)羅馬數(shù)字的符號(hào)和對(duì)應(yīng)的數(shù)值進(jìn)行匹配，從最大的數(shù)值開(kāi)始匹配，逐步構(gòu)建羅馬數(shù)字表示。時(shí)間復(fù)雜度為O(1)。5.題目：給定一個(gè)數(shù)組，找出數(shù)組中第三大的數(shù)。如果數(shù)組中沒(méi)有第三大的數(shù)，返回最大的數(shù)。例如，[1,2,-2147483648]->1。答案：pythondefthird_max(nums):first,second,third=float('-inf'),float('-inf'),float('-inf')fornuminnums:ifnum>first:first,second,third=num,first,secondeliffirst>num>second:second,third=num,secondelifsecond>num>third:third=numreturnthirdifthird!=float('-inf')elsefirst解析：通過(guò)維護(hù)三個(gè)變量first、second、third來(lái)記錄當(dāng)前最大的三個(gè)數(shù)。遍歷數(shù)組時(shí)，更新這三個(gè)變量的值。如果third始終為初始值，則返回first。二、算法與設(shè)計(jì)（共5題，每題10分，總分50分）1.題目：美團(tuán)外賣系統(tǒng)中，用戶評(píng)價(jià)一個(gè)訂單需要考慮評(píng)價(jià)的時(shí)效性。請(qǐng)?jiān)O(shè)計(jì)一個(gè)算法，評(píng)價(jià)權(quán)重隨時(shí)間衰減。例如，訂單完成后1天內(nèi)評(píng)價(jià)權(quán)重為1，之后每天權(quán)重衰減50%。答案：pythonimportmathdefevaluation_weight(order_completed_time,current_time):elapsed_days=(current_time-order_completed_time)/(243600)ifelapsed_days<=1:return1.0else:returnmath.exp(-0.693(elapsed_days-1))解析：使用指數(shù)衰減函數(shù)來(lái)計(jì)算評(píng)價(jià)權(quán)重。時(shí)間越長(zhǎng)，權(quán)重衰減越快。初始權(quán)重為1，衰減率約為每天50%。2.題目：美團(tuán)打車系統(tǒng)需要計(jì)算從起點(diǎn)到終點(diǎn)的最短路徑。請(qǐng)?jiān)O(shè)計(jì)一個(gè)算法，支持動(dòng)態(tài)更新邊的權(quán)重（例如，實(shí)時(shí)路況導(dǎo)致部分路段擁堵）。答案：pythonimportheapqclassEdge:def__init__(self,to,weight):self.to=toself.weight=weightclassGraph:def__init__(self):self.adj={}defadd_edge(self,from_node,to_node,weight):iffrom_nodenotinself.adj:self.adj[from_node]=[]self.adj[from_node].append(Edge(to_node,weight))defdijkstra(self,start):distances={node:float('inf')fornodeinself.adj}distances[start]=0pq=[(0,start)]whilepq:current_dist,current_node=heapq.heappop(pq)ifcurrent_dist>distances[current_node]:continueforedgeinself.adj[current_node]:new_dist=current_dist+edge.weightifnew_dist<distances[edge.to]:distances[edge.to]=new_distheapq.heappush(pq,(new_dist,edge.to))returndistancesdefupdate_edge(self,from_node,to_node,new_weight):foredgeinself.adj[from_node]:ifedge.to==to_node:edge.weight=new_weightbreak解析：使用Dijkstra算法計(jì)算最短路徑，支持動(dòng)態(tài)更新邊的權(quán)重。通過(guò)維護(hù)優(yōu)先隊(duì)列（最小堆）來(lái)高效獲取當(dāng)前最短路徑的節(jié)點(diǎn)，并在邊權(quán)重更新時(shí)重新計(jì)算最短路徑。3.題目：美團(tuán)外賣配送路線優(yōu)化問(wèn)題：給定多個(gè)訂單的起終點(diǎn)和預(yù)計(jì)送達(dá)時(shí)間，請(qǐng)?jiān)O(shè)計(jì)一個(gè)算法，將訂單分配給配送員，使得總配送時(shí)間最小。答案：pythonfromtypingimportListimportheapqclassOrder:def__init__(self,id,start,end,delivery_time):self.id=idself.start=startself.end=endself.delivery_time=delivery_timeclassDeliveryOptimizer:def__init__(self):self.orders=[]self.heap=[]defadd_order(self,order):self.orders.append(order)heapq.heappush(self.heap,(order.delivery_time,order))defoptimize_deliveries(self):deliveries=[]whileself.heap:_,order=heapq.heappop(self.heap)deliveries.append(order)returndeliveries示例用法optimizer=DeliveryOptimizer()optimizer.add_order(Order(1,(0,0),(1,1),30))optimizer.add_order(Order(2,(1,1),(2,2),45))optimizer.add_order(Order(3,(2,2),(3,3),25))deliveries=optimizer.optimize_deliveries()fordeliveryindeliveries:print(f"Order{delivery.id}:Start{delivery.start},End{delivery.end},DeliveryTime{delivery.delivery_time}")解析：通過(guò)優(yōu)先隊(duì)列（最小堆）按預(yù)計(jì)送達(dá)時(shí)間排序訂單，依次分配給配送員。時(shí)間復(fù)雜度為O(nlogn)，適用于訂單數(shù)量較多的情況。4.題目：美團(tuán)點(diǎn)評(píng)系統(tǒng)需要推薦附近的熱門商家，請(qǐng)?jiān)O(shè)計(jì)一個(gè)算法，綜合考慮商家的評(píng)分、銷量、距離等因素。答案：pythonclassBusiness:def__init__(self,id,latitude,longitude,rating,sales):self.id=idself.latitude=latitudeself.longitude=longitudeself.rating=ratingself.sales=salesdefhaversine(lat1,lon1,lat2,lon2):R=6371#地球半徑，單位kmphi1,phi2=math.radians(lat1),math.radians(lat2)delta_phi=math.radians(lat2-lat1)delta_lambda=math.radians(lon2-lon1)a=math.sin(delta_phi/2)2+math.cos(phi1)math.cos(phi2)math.sin(delta_lambda/2)2c=2math.atan2(math.sqrt(a),math.sqrt(1-a))returnRcdefrecommend_businesses(user_location,businesses):user_lat,user_lon=user_locationbusinesses_with_distance=[]forbusinessinbusinesses:distance=haversine(user_lat,user_lon,business.latitude,business.longitude)score=business.rating0.6+business.sales0.4-distance0.1businesses_with_distance.append((business,score))businesses_with_distance.sort(key=lambdax:x[1],reverse=True)return[businessforbusiness,_inbusinesses_with_distance]解析：綜合考慮商家的評(píng)分、銷量和距離，通過(guò)加權(quán)求和計(jì)算得分。距離越近、評(píng)分和銷量越高，得分越高。使用Haversine公式計(jì)算地理距離。5.題目：美團(tuán)共享單車調(diào)度系統(tǒng)：請(qǐng)?jiān)O(shè)計(jì)一個(gè)算法，根據(jù)騎行熱點(diǎn)區(qū)域和車輛分布，動(dòng)態(tài)調(diào)整車輛調(diào)度策略，以平衡供需關(guān)系。答案：pythonclassBikeStation:def__init__(self,id,latitude,longitude,bikes):self.id=idself.latitude=latitudeself.longitude=longitudeself.bikes=bikesclassBikeScheduler:def__init__(self):self.stations=[]defadd_station(self,station):self.stations.append(station)defschedule_bikes(self):hotspots=self.detect_hotspots()forhotspotinhotspots:self.balance_bikes(hotspot)defdetect_hotspots(self):簡(jiǎn)單示例：假設(shè)熱點(diǎn)區(qū)域?yàn)轵T行次數(shù)最多的站點(diǎn)hotspot=max(self.stations,key=lambdax:x.bikes)return[hotspot]defbalance_bikes(self,hotspot):forstationinself.stations:ifstation!=hotspot:transfer=min(station.bikes,(hotspot.bikes//2))station.bikes-=transferhotspot.bikes+=transfer示例用法scheduler=BikeScheduler()scheduler.add_station(BikeStation(1,0,0,50))scheduler.add_station(BikeStation(2,1,1,10))scheduler.schedule_bikes()forstationinscheduler.stations:print(f"Station{station.id}:Bikes{station.bikes}")解析：通過(guò)檢測(cè)騎行熱點(diǎn)區(qū)域（假設(shè)為騎行次數(shù)最多的站點(diǎn)），將其他站點(diǎn)的車輛轉(zhuǎn)移到熱點(diǎn)區(qū)域，以平衡供需關(guān)系。實(shí)際應(yīng)用中，熱點(diǎn)區(qū)域可以通過(guò)用戶騎行數(shù)據(jù)動(dòng)態(tài)檢測(cè)。三、系統(tǒng)設(shè)計(jì)（共5題，每題10分，總分50分）1.題目：設(shè)計(jì)一個(gè)美團(tuán)外賣訂單管理系統(tǒng)，支持高并發(fā)場(chǎng)景下的訂單創(chuàng)建、查詢和更新。答案：plaintext1.系統(tǒng)架構(gòu)：-前端：用戶界面（Web/App），負(fù)責(zé)訂單提交和查詢。-后端：訂單服務(wù)，處理訂單創(chuàng)建、查詢和更新。使用無(wú)狀態(tài)服務(wù)，支持水平擴(kuò)展。-數(shù)據(jù)庫(kù)：分布式數(shù)據(jù)庫(kù)（如TiDB），支持高并發(fā)讀寫(xiě)。-緩存：Redis，緩存熱點(diǎn)訂單數(shù)據(jù)，減少數(shù)據(jù)庫(kù)壓力。-消息隊(duì)列：Kafka，異步處理訂單相關(guān)事件（如配送、評(píng)價(jià)）。2.關(guān)鍵模塊：-訂單創(chuàng)建：-用戶提交訂單時(shí)，訂單服務(wù)生成訂單ID，寫(xiě)入數(shù)據(jù)庫(kù)，并緩存訂單數(shù)據(jù)。-通過(guò)消息隊(duì)列通知配送服務(wù)、評(píng)價(jià)服務(wù)等。-訂單查詢：-先查詢緩存，緩存無(wú)命中則查詢數(shù)據(jù)庫(kù)。-支持分頁(yè)查詢，緩存熱點(diǎn)訂單數(shù)據(jù)。-訂單更新：-訂單狀態(tài)變更（如已支付、配送中、已完成）通過(guò)訂單服務(wù)更新數(shù)據(jù)庫(kù)和緩存。-通過(guò)消息隊(duì)列通知相關(guān)服務(wù)。3.技術(shù)選型：-數(shù)據(jù)庫(kù)：TiDB，支持分布式事務(wù)和高并發(fā)讀寫(xiě)。-緩存：Redis，高并發(fā)讀寫(xiě)，支持持久化。-消息隊(duì)列：Kafka，高吞吐量，支持異步處理。-服務(wù)框架：SpringCloud，微服務(wù)架構(gòu)，支持服務(wù)發(fā)現(xiàn)和負(fù)載均衡。解析：通過(guò)分布式數(shù)據(jù)庫(kù)、緩存和消息隊(duì)列實(shí)現(xiàn)高并發(fā)下的訂單管理。訂單服務(wù)無(wú)狀態(tài)，支持水平擴(kuò)展；緩存減少數(shù)據(jù)庫(kù)壓力；消息隊(duì)列異步處理事件，提高系統(tǒng)吞吐量。2.題目：設(shè)計(jì)一個(gè)美團(tuán)打車實(shí)時(shí)匹配系統(tǒng)，支持乘客和司機(jī)的實(shí)時(shí)匹配。答案：plaintext1.系統(tǒng)架構(gòu)：-前端：乘客/司機(jī)App，負(fù)責(zé)位置上報(bào)和匹配請(qǐng)求。-后端：匹配服務(wù)，處理乘客和司機(jī)的匹配請(qǐng)求。-數(shù)據(jù)庫(kù)：Redis，緩存乘客和司機(jī)信息。-地理位置服務(wù)：高德地圖/百度地圖，提供地理圍欄和距離計(jì)算。2.關(guān)鍵模塊：-乘客請(qǐng)求：-乘客提交打車請(qǐng)求，包含起終點(diǎn)、期望價(jià)格等信息。-匹配服務(wù)根據(jù)乘客位置和需求，查詢附近司機(jī)。-司機(jī)請(qǐng)求：-司機(jī)提交接單請(qǐng)求，包含位置和期望價(jià)格等信息。-匹配服務(wù)根據(jù)司機(jī)位置和乘客需求，進(jìn)行匹配。-實(shí)時(shí)匹配：-使用地理位置服務(wù)計(jì)算乘客和司機(jī)之間的距離。-根據(jù)距離、價(jià)格等因素進(jìn)行匹配，通過(guò)App推送匹配結(jié)果。3.技術(shù)選型：-數(shù)據(jù)庫(kù)：Redis，高并發(fā)讀寫(xiě)，支持地理位置數(shù)據(jù)結(jié)構(gòu)。-地理位置服務(wù)：高德地圖/百度地圖，提供地理圍欄和距離計(jì)算。-消息隊(duì)列：Kafka，異步處理匹配事件。-服務(wù)框架：SpringCloud，微服務(wù)架構(gòu)，支持服務(wù)發(fā)現(xiàn)和負(fù)載均衡。解析：通過(guò)地理位置服務(wù)和實(shí)時(shí)匹配算法實(shí)現(xiàn)乘客和司機(jī)的實(shí)時(shí)匹配。使用Redis緩存乘客和司機(jī)信息，提高匹配效率；消息隊(duì)列異步處理匹配事件，提高系統(tǒng)吞吐量。3.題目：設(shè)計(jì)一個(gè)美團(tuán)點(diǎn)評(píng)商家評(píng)價(jià)系統(tǒng)，支持用戶評(píng)價(jià)和商家回復(fù)。答案：plaintext1.系統(tǒng)架構(gòu)：-前端：用戶界面（Web/App），支持評(píng)價(jià)提交和商家回復(fù)。-后端：評(píng)價(jià)服務(wù)，處理評(píng)價(jià)提交和商家回復(fù)。-數(shù)據(jù)庫(kù)：分布式數(shù)據(jù)庫(kù)（如TiDB），支持高并發(fā)讀寫(xiě)。-緩存：Redis，緩存熱門評(píng)價(jià)數(shù)據(jù)，減少數(shù)據(jù)庫(kù)壓力。2.關(guān)鍵模塊：-評(píng)價(jià)提交：-用戶提交評(píng)價(jià)時(shí)，評(píng)價(jià)服務(wù)生成評(píng)價(jià)ID，寫(xiě)入數(shù)據(jù)庫(kù)，并緩存評(píng)價(jià)數(shù)據(jù)。-支持文本、圖片、視頻等多種評(píng)價(jià)形式。-評(píng)價(jià)查詢：-先查詢緩存，緩存無(wú)命中則查詢數(shù)據(jù)庫(kù)。-支持分頁(yè)查詢，緩存熱點(diǎn)評(píng)價(jià)數(shù)據(jù)。-商家回復(fù)：-商家回復(fù)評(píng)價(jià)時(shí)，評(píng)價(jià)服務(wù)更新數(shù)據(jù)庫(kù)和緩存。-通過(guò)App推送商家回復(fù)給用戶。3.技術(shù)選型：-數(shù)據(jù)庫(kù)：TiDB，支持分布式事務(wù)和高并發(fā)讀寫(xiě)。-緩存：Redis，高并發(fā)讀寫(xiě)，支持持久化。-消息隊(duì)列：Kafka，異步處理評(píng)價(jià)相關(guān)事件（如推送）。-服務(wù)框架：SpringCloud，微服務(wù)架構(gòu)，支持服務(wù)發(fā)現(xiàn)和負(fù)載均衡。解析：通過(guò)分布式數(shù)據(jù)庫(kù)和緩存實(shí)現(xiàn)高并發(fā)下的評(píng)價(jià)管理。評(píng)價(jià)服務(wù)無(wú)狀態(tài)，支持水平擴(kuò)展；緩存減少數(shù)據(jù)庫(kù)壓力；消息隊(duì)列異步處理事件，提高系統(tǒng)吞吐量。4.題目：設(shè)計(jì)一個(gè)美團(tuán)外賣配送員調(diào)度系統(tǒng)，支持動(dòng)態(tài)訂單分配和路徑優(yōu)化。答案：plaintext1.系統(tǒng)架構(gòu)：-前端：配送員App，負(fù)責(zé)訂單接收和路徑導(dǎo)航。-