2026年軟件研發(fā)工程師的常見面試問題及答案參考一、編程能力測試（共5題，每題10分，總分50分）題目1（Java編程，10分）請用Java實現(xiàn)一個方法，接收一個字符串參數(shù)，返回該字符串中所有唯一字符的列表。例如，輸入"abaccde"，返回結(jié)果應(yīng)為["b","d","e"]。答案：javaimportjava.util.;publicclassUniqueCharacters{publicstaticList<Character>findUniqueChars(Stringinput){if(input==null||input.isEmpty()){returnnewArrayList<>();}//統(tǒng)計字符頻率Map<Character,Integer>freqMap=newHashMap<>();for(charc:input.toCharArray()){freqMap.put(c,freqMap.getOrDefault(c,0)+1);}//收集唯一字符List<Character>uniqueChars=newArrayList<>();for(Map.Entry<Character,Integer>entry:freqMap.entrySet()){if(entry.getValue()==1){uniqueChars.add(entry.getKey());}}returnuniqueChars;}publicstaticvoidmain(String[]args){Stringinput="abaccde";System.out.println(findUniqueChars(input));//輸出:[b,d,e]}}解析：1.使用HashMap統(tǒng)計每個字符出現(xiàn)的頻率2.遍歷HashMap，將頻率為1的字符收集到結(jié)果列表3.時間復雜度：O(n)，空間復雜度：O(m)，其中n為輸入字符串長度，m為字符集大小題目2（Python編程，10分）請實現(xiàn)一個函數(shù)，接收一個列表作為參數(shù)，返回該列表中所有"快樂數(shù)"的集合?？鞓窋?shù)定義：對于一個正整數(shù)，每次將該數(shù)替換為它的每個位置上的數(shù)字的平方和，這個過程會逐漸變?yōu)?，則該數(shù)為快樂數(shù)。答案：pythondefis_happy(n):seen=set()whilen!=1andnnotinseen:seen.add(n)n=sum(int(digit)2fordigitinstr(n))returnn==1deffind_happy_numbers(nums):return{numfornuminnumsifis_happy(num)}測試print(find_happy_numbers([19,7,1,20]))#輸出:{1,7}解析：1.使用set記錄已出現(xiàn)的狀態(tài)，防止無限循環(huán)2.對于每個數(shù)字，計算其各位數(shù)字平方和3.如果最終變?yōu)?，則為快樂數(shù)4.時間復雜度：O(n)，空間復雜度：O(n)題目3（JavaScript編程，10分）請實現(xiàn)一個函數(shù)，將一個給定數(shù)組中的元素按奇偶性分組，并返回一個包含兩個數(shù)組的對象，第一個數(shù)組包含所有偶數(shù)，第二個數(shù)組包含所有奇數(shù)。要求偶數(shù)數(shù)組保持原始順序，奇數(shù)數(shù)組也保持原始順序。答案：javascriptfunctiongroupByParity(arr){consteven=[];constodd=[];for(constnumofarr){if(num%2===0){even.push(num);}else{odd.push(num);}}return{even,odd};}//測試console.log(groupByParity([1,2,3,4,5,6]));//輸出:{even:[2,4,6],odd:[1,3,5]}解析：1.創(chuàng)建兩個空數(shù)組分別存儲偶數(shù)和奇數(shù)2.遍歷輸入數(shù)組，根據(jù)元素余數(shù)分配到對應(yīng)數(shù)組3.返回包含兩個數(shù)組的對象4.時間復雜度：O(n)，空間復雜度：O(n)題目4（C++編程，10分）請編寫一個函數(shù)，實現(xiàn)二分查找算法，接收一個已排序的整數(shù)數(shù)組和一個目標值，返回目標值的索引。如果未找到，返回-1。答案：cppinclude<vector>intbinarySearch(conststd::vector<int>&nums,inttarget){intleft=0;intright=nums.size()-1;while(left<=right){intmid=left+(right-left)/2;if(nums[mid]==target){returnmid;}elseif(nums[mid]<target){left=mid+1;}else{right=mid-1;}}return-1;}//測試include<iostream>intmain(){std::vector<int>nums={1,2,3,4,5,6,7,8,9};std::cout<<binarySearch(nums,5)<<std::endl;//輸出:4std::cout<<binarySearch(nums,10)<<std::endl;//輸出:-1return0;}解析：1.初始化左右指針2.當左指針小于等于右指針時循環(huán)3.計算中間位置4.比較中間值與目標值，調(diào)整指針范圍5.時間復雜度：O(logn)，空間復雜度：O(1)題目5（算法設(shè)計，10分）請設(shè)計一個算法，找出數(shù)組中第三大的數(shù)。假設(shè)數(shù)組中至少有三個不同的數(shù)。答案：pythondefthird_largest(nums):first=second=third=float('-inf')fornuminnums:ifnum>first:third=secondsecond=firstfirst=numeliffirst>num>second:third=secondsecond=numelifsecond>num>third:third=numreturnthird測試print(third_largest([1,2,2,5,3,5]))#輸出:2解析：1.初始化三個變量存儲前三大的數(shù)2.遍歷數(shù)組，更新三個變量的值3.時間復雜度：O(n)，空間復雜度：O(1)二、系統(tǒng)設(shè)計（共3題，每題15分，總分45分）題目6（分布式系統(tǒng)設(shè)計，15分）設(shè)計一個高并發(fā)的短鏈接生成服務(wù)。要求：1.能夠?qū)㈤L鏈接轉(zhuǎn)換為短鏈接2.短鏈接應(yīng)具有唯一性且易于記憶3.支持高并發(fā)訪問4.能夠統(tǒng)計每個短鏈接的訪問次數(shù)答案：plaintext設(shè)計方案：1.技術(shù)選型：-前端：Nginx+Redis（分布式緩存）-后端：分布式服務(wù)（如SpringCloud）-數(shù)據(jù)庫：MySQL（主從復制）+Redis（緩存）-鏈接生成：Base62編碼2.系統(tǒng)架構(gòu)：-鏈接生成服務(wù)：負責接收長鏈接，生成短鏈接-鏈接訪問服務(wù)：處理短鏈接訪問請求-緩存層：Redis緩存短鏈接信息及訪問次數(shù)-數(shù)據(jù)庫：存儲持久化數(shù)據(jù)3.鏈接生成算法：-使用自增ID，Base62編碼轉(zhuǎn)換-62個字符：0-9,a-z,A-Z-映射關(guān)系：1->0,2->1,...,62->z,63->A,...,90->Z4.高并發(fā)處理：-使用分布式鎖保證ID唯一性-Redis緩存熱點數(shù)據(jù)，減少數(shù)據(jù)庫訪問-負載均衡器分發(fā)請求5.訪問統(tǒng)計：-每次訪問時更新Redis中的計數(shù)器-定期同步到數(shù)據(jù)庫持久化存儲解析：1.采用Base62編碼實現(xiàn)短鏈接生成，簡潔易記2.使用Redis緩存熱點數(shù)據(jù)，提高訪問速度3.分布式鎖確保ID生成唯一性4.訪問統(tǒng)計使用Redis計數(shù)器實現(xiàn)高并發(fā)統(tǒng)計5.系統(tǒng)采用分層架構(gòu)，便于擴展和維護題目7（數(shù)據(jù)庫設(shè)計，15分）設(shè)計一個社交媒體關(guān)注系統(tǒng)的數(shù)據(jù)庫模型。要求：1.支持用戶關(guān)注/取消關(guān)注2.支持查看用戶的關(guān)注列表和粉絲列表3.支持查看共同關(guān)注的人4.考慮系統(tǒng)性能和擴展性答案：plaintext數(shù)據(jù)庫模型：1.用戶表(users)-user_id(PK)-username-email-created_at2.關(guān)注關(guān)系表(follows)-follower_id(FK)-followee_id(FK)-created_at-PRIMARYKEY(follower_id,followee_id)3.索引設(shè)計：-users表的user_id索引-follows表的follower_id索引-follows表的followee_id索引-follows表的復合主鍵索引(follower_id,followee_id)4.查詢優(yōu)化：-關(guān)注列表：SELECTfollowee_idFROMfollowsWHEREfollower_id=?-粉絲列表：SELECTfollower_idFROMfollowsWHEREfollowee_id=?-共同關(guān)注：SELECTf1.followee_idFROMfollowsf1JOINfollowsf2ONf1.followee_id=f2.followee_idWHEREf1.follower_id=?ANDf2.follower_id=?GROUPBYf1.followee_idHAVINGCOUNT()>1解析：1.采用雙向關(guān)注模型，使用follows表存儲關(guān)注關(guān)系2.復合主鍵確保關(guān)注關(guān)系的唯一性3.使用多個索引提高查詢性能4.共同關(guān)注查詢使用連接查詢實現(xiàn)題目8（微服務(wù)設(shè)計，15分）設(shè)計一個電商商品推薦系統(tǒng)，要求：1.支持基于用戶的協(xié)同過濾2.支持基于商品的協(xié)同過濾3.支持混合推薦4.能夠處理實時數(shù)據(jù)答案：plaintext系統(tǒng)設(shè)計：1.技術(shù)架構(gòu)：-用戶畫像服務(wù)：分析用戶行為數(shù)據(jù)-推薦引擎：核心推薦算法-數(shù)據(jù)存儲：Elasticsearch（用戶行為日志）+MySQL（商品數(shù)據(jù)）-消息隊列：Kafka（實時數(shù)據(jù)處理）2.推薦算法：-協(xié)同過濾：-基于用戶的：找到相似用戶，推薦他們喜歡的商品-基于商品的：找到相似商品，推薦給購買過這些商品的用戶-混合推薦：結(jié)合兩種算法結(jié)果，使用加權(quán)融合3.實時處理：-用戶行為日志實時寫入Elasticsearch-推薦引擎定時觸發(fā)計算，或使用ChangeDataCapture(CDC)-使用Redis緩存熱門推薦結(jié)果4.系統(tǒng)擴展：-推薦引擎采用微服務(wù)架構(gòu)，可水平擴展-異步處理用戶行為數(shù)據(jù)，提高響應(yīng)速度-服務(wù)間使用API網(wǎng)關(guān)進行路由和限流解析：1.采用分層架構(gòu)，將推薦功能解耦為多個服務(wù)2.結(jié)合傳統(tǒng)協(xié)同過濾和混合推薦算法3.使用Elasticsearch處理實時用戶行為數(shù)據(jù)4.采用異步處理模式提高系統(tǒng)吞吐量三、數(shù)據(jù)庫與SQL（共4題，每題12分，總分48分）題目9（SQL查詢，12分）給定以下表結(jié)構(gòu)：-users(user_idINTPK,nameVARCHAR,ageINT,cityVARCHAR)-orders(order_idINTPK,user_idINTFK,amountDECIMAL,order_dateDATE)請編寫SQL查詢：1.查找每個城市的用戶平均年齡2.查找每個用戶的訂單總金額，并只顯示訂單金額大于100的用戶答案：sql--查詢每個城市的用戶平均年齡SELECTcity,AVG(age)ASavg_ageFROMusersGROUPBYcity;--查找訂單金額大于100的用戶的訂單總金額SELECTu.user_id,,SUM(o.amount)AStotal_amountFROMusersuJOINordersoONu.user_id=o.user_idWHEREo.amount>100GROUPBYu.user_id,;解析：1.第一個查詢使用GROUPBY對城市分組，計算平均年齡2.第二個查詢使用JOIN連接users和orders表，篩選金額大于100的訂單，然后按用戶分組計算總金額題目10（SQL優(yōu)化，12分）假設(shè)有以下查詢：SELECTFROMordersWHEREorder_dateBETWEEN'2023-01-01'AND'2023-12-31'該查詢執(zhí)行緩慢，請?zhí)岢鰞?yōu)化建議。答案：sql優(yōu)化建議：1.為order_date列添加索引CREATEINDEXidx_order_dateONorders(order_date);2.限制返回的列：只返回需要的列，而不是使用3.分析執(zhí)行計劃：EXPLAINSELECTFROMordersWHEREorder_dateBETWEEN'2023-01-01'AND'2023-12-31';4.考慮分區(qū)表：如果數(shù)據(jù)量很大，可以考慮按日期分區(qū)CREATETABLEorders(order_idINTPK,user_idINTFK,amountDECIMAL,order_dateDATE)PARTITIONBYRANGE(YEAR(order_date));解析：1.添加索引是最直接的優(yōu)化方式2.避免使用SELECT，減少數(shù)據(jù)傳輸3.分析執(zhí)行計劃找出瓶頸4.對于大數(shù)據(jù)量場景，考慮分區(qū)表題目11（數(shù)據(jù)庫設(shè)計，12分）設(shè)計一個簡單的博客系統(tǒng)數(shù)據(jù)庫模型。要求：1.支持文章發(fā)布2.支持文章分類3.支持文章標簽4.支持評論功能答案：plaintext數(shù)據(jù)庫模型：1.文章表(articles)-article_id(PK)-title-content-author_id(FK)-category_id(FK)-created_at-updated_at2.分類表(categories)-category_id(PK)-name3.標簽字段(tags)-存在文章中-tag_id(PK)-name4.文章標簽關(guān)聯(lián)表(article_tags)-article_id(FK)-tag_id(FK)-PRIMARYKEY(article_id,tag_id)5.評論表(comments)-comment_id(PK)-article_id(FK)-user_id(FK)-content-created_at解析：1.采用關(guān)聯(lián)表實現(xiàn)多對多關(guān)系2.使用自增ID作為主鍵3.包含創(chuàng)建和更新時間戳4.評論功能獨立設(shè)計題目12（SQL復雜查詢，12分）給定以下表結(jié)構(gòu)：-students(student_idINTPK,nameVARCHAR,gradeINT)-courses(course_idINTPK,nameVARCHAR)-enrollments(student_idINTFK,course_idINTFK,scoreDECIMAL)請編寫SQL查詢：1.查找每個學生的平均分2.查找成績最高的3名學生及其課程名稱答案：sql--查找每個學生的平均分SELECTs.student_id,,AVG(e.score)ASavg_scoreFROMstudentssJOINenrollmentseONs.student_id=e.student_idGROUPBYs.student_id,;--查找成績最高的3名學生及其課程名稱SELECTs.student_id,,AScourse_name,e.scoreFROMstudentssJOINenrollmentseONs.student_id=e.student_idJOINcoursescONe.course_id=c.course_idORDERBYe.scoreDESCLIMIT3;解析：1.第一個查詢使用JOIN連接students和enrollments表，然后按學生分組計算平均分2.第二個查詢使用JOIN連接三個表，按分數(shù)降序排序，然后限制結(jié)果為前三行四、系統(tǒng)原理與架構(gòu)（共4題，每題12分，總分48分）題目13（緩存原理，12分）解釋緩存的基本原理，并說明使用緩存的優(yōu)缺點。答案：plaintext緩存基本原理：1.數(shù)據(jù)存儲在比主存儲器更快的存儲設(shè)備中2.當請求訪問數(shù)據(jù)時，首先檢查緩存中是否存在3.如果存在（緩存命中），則直接從緩存獲取數(shù)據(jù)4.如果不存在（緩存未命中），則從主存儲器獲取數(shù)據(jù)，并存儲到緩存中使用緩存的優(yōu)點：-提高性能：減少數(shù)據(jù)訪問延遲-降低后端負載：減少對數(shù)據(jù)庫等主存儲器的請求-增強可用性：即使主存儲器不可用，緩存仍可提供服務(wù)使用緩存的缺點：-增加復雜性：需要管理緩存狀態(tài)和過期策略-內(nèi)存占用：需要額外的內(nèi)存空間-數(shù)據(jù)一致性：需要處理緩存與主存儲器之間的數(shù)據(jù)同步問題解析：1.解釋了緩存的基本工作流程2.分析了緩存的主要優(yōu)點3.指出了使用緩存需要考慮的缺點題目14（負載均衡，12分）解釋負載均衡的工作原理，并說明常見的負載均衡算法。答案：plaintext負載均衡工作原理：1.接收所有請求，并根據(jù)算法將請求分發(fā)到后端服務(wù)器2.確保所有服務(wù)器負載均衡，提高系統(tǒng)整體性能3.提高系統(tǒng)可用性，即使部分服務(wù)器故障，系統(tǒng)仍可繼續(xù)工作4.擴展系統(tǒng)容量，通過增加服務(wù)器數(shù)量應(yīng)對更高負載常見負載均衡算法：1.輪詢算法：按順序?qū)⒄埱蠓峙浣o每個服務(wù)器2.最少連接算法：將請求分配給當前連接數(shù)最少的服務(wù)器3.IP哈希算法：根據(jù)客戶端IP計算哈希值，確保同一客戶端持續(xù)訪問同一服務(wù)器4.網(wǎng)絡(luò)位置算法：根據(jù)客戶端與服務(wù)器之間的網(wǎng)絡(luò)距離分配請求5.加權(quán)輪詢/最少連接：為服務(wù)器分配權(quán)重，影響分配比例解析：1.描述了負載均衡的基本概念和作用2.列舉了常見的負載均衡算法及其特點題目15（數(shù)據(jù)庫事務(wù)，12分）解釋數(shù)據(jù)庫事務(wù)的ACID特性，并舉例說明。答案：plaintext數(shù)據(jù)庫事務(wù)的ACID特性：1.原子性(Atomicity)：事務(wù)中的所有操作要么全部完成，要么全部不完成例子：