2026年美團(tuán)技術(shù)專家面試問題集及解析一、算法與數(shù)據(jù)結(jié)構(gòu)（共5題，每題10分）1.題目：給定一個(gè)包含重復(fù)元素的數(shù)組，找出數(shù)組中不重復(fù)的子序列的所有可能。例如，輸入`[1,2,2]`，輸出`[1,2],[1,2],[1]`。請(qǐng)用遞歸和動(dòng)態(tài)規(guī)劃兩種方法實(shí)現(xiàn)。2.題目：美團(tuán)外賣系統(tǒng)中，用戶常需要查詢“附近3公里內(nèi)有優(yōu)惠的商家”。假設(shè)你有一個(gè)二維點(diǎn)集（經(jīng)緯度），如何高效地找出距離用戶最近的前K個(gè)商家？請(qǐng)?jiān)O(shè)計(jì)算法并說明時(shí)間復(fù)雜度。3.題目：實(shí)現(xiàn)一個(gè)LRU（最近最少使用）緩存，支持`get`和`put`操作。緩存容量為固定值`capacity`。例如：-`LRU.put(1,1)`-`LRU.put(2,2)`-`LRU.get(1)`返回`1`-`LRU.put(3,3)`（此時(shí)緩存容量已滿，需要淘汰最久未使用的`2`）請(qǐng)用雙向鏈表和哈希表實(shí)現(xiàn)。4.題目：美團(tuán)點(diǎn)評(píng)需要統(tǒng)計(jì)每個(gè)城市的“最活躍商家”（每天訂單量最高的商家）。假設(shè)每天有數(shù)百萬訂單數(shù)據(jù)，訂單包含用戶ID、商家ID、時(shí)間戳，如何設(shè)計(jì)一個(gè)高效的數(shù)據(jù)結(jié)構(gòu)和算法來支持每日快速統(tǒng)計(jì)？5.題目：實(shí)現(xiàn)一個(gè)Trie（前綴樹），支持插入、搜索和前綴匹配功能。例如：-`Trie.insert("美團(tuán)")`-`Trie.search("美")`返回`True`-`Trie.startsWith("美")`返回`[美團(tuán)]`請(qǐng)說明如何優(yōu)化空間復(fù)雜度。答案與解析1.答案：遞歸方法：pythondefsubsetsWithDup(nums):defbacktrack(start,path):res.append(path[:])foriinrange(start,len(nums)):ifi>startandnums[i]==nums[i-1]:continuepath.append(nums[i])backtrack(i+1,path)path.pop()nums.sort()res=[]backtrack(0,[])returnres解析：-先對(duì)數(shù)組排序，避免重復(fù)子序列。-使用`start`參數(shù)防止同一層重復(fù)選擇相同元素。-時(shí)間復(fù)雜度O(N×2^N)，空間復(fù)雜度O(N)。動(dòng)態(tài)規(guī)劃方法：pythondefsubsetsWithDup(nums):nums.sort()dp=[[]]fornuminnums:ifdp[-1]anddp[-1][-1]==num:dp+=[i+[num]foriindp[-1:]]else:dp+=[i+[num]foriindp]returndp[1:]解析：-類似背包問題，通過動(dòng)態(tài)構(gòu)建子集列表避免重復(fù)。-時(shí)間復(fù)雜度O(N×2^N)，空間復(fù)雜度O(N×2^N)。2.答案：算法：使用優(yōu)先隊(duì)列（最小堆）+哈希表記錄每個(gè)商家距離。pythonimportheapqdefnearest_k_shops(points,user):heap=[]forshopinpoints:dist=((shop[0]-user[0])2+(shop[1]-user[1])2)0.5heapq.heappush(heap,(dist,shop))iflen(heap)>k:heapq.heappop(heap)return[shopfor_,shopinheap]解析：-時(shí)間復(fù)雜度O(NlogK)，空間復(fù)雜度O(K)。-美團(tuán)場(chǎng)景下，K通常較小（如10-100），此方法高效。3.答案：pythonclassLRUCache:def__init__(self,capacity):self.capacity=capacityself.cache={}self.head=ListNode(0,0)self.tail=ListNode(0,0)self.head.next=self.tailself.tail.prev=self.headclassListNode:def__init__(self,key,value):self.key=keyself.value=valueself.prev=Noneself.next=Nonedefget(self,key):ifkeyinself.cache:node=self.cache[key]self._move_to_front(node)returnnode.valuereturn-1defput(self,key,value):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_remove_node(self,node):delself.cache[node.key]node.prev.next=node.nextnode.next.prev=node.prevdef_add_to_front(self,node):node.next=self.head.nextnode.next.prev=nodenode.prev=self.headself.head.next=nodedef_remove_LRU(self):lru=self.tail.prevself._remove_node(lru)解析：-雙向鏈表維護(hù)訪問順序，哈希表快速定位節(jié)點(diǎn)。-時(shí)間復(fù)雜度O(1)，空間復(fù)雜度O(capacity)。4.答案：數(shù)據(jù)結(jié)構(gòu)：-使用`hashmap<city,hashmap<shop_id,order_count>>`記錄每個(gè)城市的商家訂單量。算法：-每日訂單處理時(shí)，更新對(duì)應(yīng)城市商家的訂單量。-每日統(tǒng)計(jì)時(shí)，遍歷每個(gè)城市的商家訂單量，找出最大值。pythonfromcollectionsimportdefaultdictclassCityShopStats:def__init__(self):self.stats=defaultdict(lambda:defaultdict(int))defprocess_order(self,user_id,shop_id,city,timestamp):self.stats[city][shop_id]+=1defget_most_active_shops(self,city):ifcitynotinself.stats:return[]returnsorted(self.stats[city].items(),key=lambdax:-x[1])[:100]解析：-美團(tuán)場(chǎng)景下，城市和商家數(shù)量有限，此方法高效。-時(shí)間復(fù)雜度O(N+C×K)，空間復(fù)雜度O(C×M)，C為城市數(shù)，M為商家數(shù)。5.答案：pythonclassTrieNode:def__init__(self):self.children={}self.is_end=FalseclassTrie:def__init__(self):self.root=TrieNode()definsert(self,word):node=self.rootforcharinword:ifcharnotinnode.children:node.children[char]=TrieNode()node=node.children[char]node.is_end=Truedefsearch(self,word):node=self._find(word)returnnode.is_enddefstartsWith(self,prefix):node=self._find(prefix)returnself._collect(node,prefix)def_find(self,word):node=self.rootforcharinword:ifcharnotinnode.children:returnNonenode=node.children[char]returnnodedef_collect(self,node,prefix):res=[]ifnode.is_end:res.append(prefix)forchar,next_nodeinnode.children.items():res.extend(self._collect(next_node,prefix+char))returnres解析：-前綴樹優(yōu)化空間通過共享節(jié)點(diǎn)。-時(shí)間復(fù)雜度O(L)，空間復(fù)雜度O(N×L)，L為單詞長(zhǎng)度。二、系統(tǒng)設(shè)計(jì)（共3題，每題15分）1.題目：設(shè)計(jì)美團(tuán)外賣的“優(yōu)惠券秒殺”系統(tǒng)。要求：-支持同時(shí)處理10萬用戶并發(fā)搶購，優(yōu)惠券數(shù)量有限（如100張）。-系統(tǒng)需高可用、低延遲（毫秒級(jí)）。-提供防刷單機(jī)制。2.題目：設(shè)計(jì)美團(tuán)打車“實(shí)時(shí)路況”功能。輸入：城市道路網(wǎng)絡(luò)圖、車輛實(shí)時(shí)位置和速度。輸出：每個(gè)路段的擁堵狀態(tài)（緩行、暢通）。請(qǐng)說明數(shù)據(jù)結(jié)構(gòu)和算法。3.題目：設(shè)計(jì)美團(tuán)閃購“即時(shí)配送”系統(tǒng)，要求：-支持100萬級(jí)訂單并發(fā)處理。-如何保證配送員接單公平性（如搶單算法）？-如何處理配送員取消訂單的情況？答案與解析1.答案：系統(tǒng)架構(gòu)：1.負(fù)載均衡層：使用F5或Nginx分流請(qǐng)求。2.緩存層：Redis存儲(chǔ)優(yōu)惠券剩余數(shù)量，設(shè)置過期時(shí)間。3.業(yè)務(wù)處理層：使用消息隊(duì)列（Kafka）異步處理訂單，防止超賣。4.數(shù)據(jù)庫層：使用分庫分表存儲(chǔ)優(yōu)惠券信息，讀多寫少可使用Redis。防刷單：-用戶行為限制（如1秒內(nèi)不能重復(fù)請(qǐng)求）。-IP限制和設(shè)備指紋識(shí)別。-人工審核異常訂單。代碼示例（搶購邏輯）：pythonfromredisimportRedisimportthreadingclassSecKillSystem:def__init__(self,total_coupons):self.redis=Redis()self.lock=threading.Lock()self.redis.set('coupons',total_coupons)deftry_get_coupon(self,user_id):whileTrue:current=self.redis.decr('coupons')ifcurrent<0:self.redis.incr('coupons')returnFalsewithself.lock:ifcurrent<0:continueself.redis.set('coupons',current)returnTrue解析：-Redis高性能實(shí)現(xiàn)原子扣減。-鎖防止并發(fā)問題。-限流和防刷單機(jī)制保證公平性。2.答案：數(shù)據(jù)結(jié)構(gòu)：-使用圖+并行Dijkstra算法：-道路網(wǎng)絡(luò)為圖，節(jié)點(diǎn)為路口，邊為道路。-車輛位置和速度為動(dòng)態(tài)權(quán)重。算法：1.預(yù)處理：將道路網(wǎng)絡(luò)建為圖，存儲(chǔ)每條路的長(zhǎng)度。2.實(shí)時(shí)更新：車輛移動(dòng)時(shí)，動(dòng)態(tài)調(diào)整圖權(quán)重（速度越低，權(quán)重越高）。3.擁堵計(jì)算：-對(duì)每個(gè)路口，使用Dijkstra算法計(jì)算到所有目的地的最短路徑。-路徑權(quán)重越高，判定為擁堵。偽代碼：pythondefupdate_traffic(graph,vehicles):forvehicleinvehicles:update_edge_weight(graph,vehicle)forintersectioningraph.nodes:dijkstra(graph,intersection)解析：-并行計(jì)算提高效率，適合城市規(guī)模場(chǎng)景。-權(quán)重動(dòng)態(tài)調(diào)整反映實(shí)時(shí)路況。3.答案：系統(tǒng)架構(gòu)：1.訂單分發(fā)中心：使用Kafka分發(fā)訂單，防止單點(diǎn)故障。2.配送員端：移動(dòng)端APP接收訂單，支持搶單和手動(dòng)接單。3.調(diào)度算法：-公平搶單：隨機(jī)分配訂單，避免頭部效應(yīng)。-距離優(yōu)先：訂單距離配送員越近優(yōu)先分配。4.取消處理：-訂單取消后，重新加入池中，重新分配。-懲罰惡意取消的配送員（降低權(quán)重）。代碼示例（搶單算法）：pythonimportrandomclassOrderDispatcher:defdispatch_order(self,order,riders):returnrandom.choice(riders)解析：-Kafka保證高并發(fā)處理。-公平算法防止頭部配送員壟斷。-懲罰機(jī)制提高系統(tǒng)魯棒性。三、數(shù)據(jù)庫與存儲(chǔ)（共3題，每題10分）1.題目：美團(tuán)點(diǎn)評(píng)需要存儲(chǔ)用戶評(píng)價(jià)（評(píng)論文本、評(píng)分、時(shí)間戳），如何設(shè)計(jì)數(shù)據(jù)庫表結(jié)構(gòu)？考慮高并發(fā)寫入和查詢性能。2.題目：設(shè)計(jì)美團(tuán)外賣的“用戶畫像”數(shù)據(jù)庫表，包含用戶消費(fèi)習(xí)慣、偏好等。如何優(yōu)化查詢效率？3.題目：美團(tuán)需要存儲(chǔ)海量商家圖片（如營(yíng)業(yè)執(zhí)照、環(huán)境照片），如何設(shè)計(jì)存儲(chǔ)方案？使用關(guān)系型數(shù)據(jù)庫還是對(duì)象存儲(chǔ)？答案與解析1.答案：表結(jié)構(gòu)：sqlCREATETABLEreviews(idBIGINTAUTO_INCREMENTPRIMARYKEY,user_idBIGINTNOTNULL,shop_idBIGINTNOTNULL,ratingINTCHECK(ratingBETWEEN1AND5),contentTEXT,timestampDATETIMEDEFAULTCURRENT_TIMESTAMP,INDEX(shop_id),INDEX(timestamp));優(yōu)化：-使用分區(qū)表（按時(shí)間分區(qū)）。-分庫分表（按`shop_id`分片）。-異步寫入（消息隊(duì)列寫入Elasticsearch）。解析：-分區(qū)減少單表數(shù)據(jù)量，提高寫入性能。-索引優(yōu)化查詢速度。2.答案：表結(jié)構(gòu)：sqlCREATETABLEuser_profiles(user_idBIGINTPRIMARYKEY,consumption_historyJSON,preferencesJSON,last_updatedTIMESTAMPDEFAULTCURRENT_TIMESTAMPONUPDATECURRENT_TIMESTAMP,INDEX(last_updated));優(yōu)化：-使用JSON類型存儲(chǔ)結(jié)構(gòu)化數(shù)據(jù)。-緩存層（Redis）緩存熱點(diǎn)用戶畫像。-ES搜索支持全文查詢。解析：-JSON類型減少表關(guān)聯(lián)，提高查詢效率。-緩存降低數(shù)據(jù)庫壓力。3.答案：存儲(chǔ)方案：-圖片存儲(chǔ)：使用對(duì)象存儲(chǔ)（如OSS），適合海量文件。-數(shù)據(jù)庫：存儲(chǔ)圖片元數(shù)據(jù)（URL、類型、關(guān)聯(lián)商家ID）。sqlCREATETABLEmerchant_images(idBIGINTAUTO_INCREMENTPRIMARYKEY,merchant_idBIGINTNOTNULL,image_urlVARCHAR(512),image_typeVARCHAR(50),uploaded_atDATETIMEDEFAULTCURRENT_TIMESTAMP,INDEX(merchant_id));解析：-對(duì)象存儲(chǔ)降低數(shù)據(jù)庫負(fù)擔(dān)，支持高并發(fā)訪問。-元數(shù)據(jù)存入關(guān)系型數(shù)據(jù)庫便于管理。四、分布式與中間件（共4題，每題10分）1.題目：設(shè)計(jì)美團(tuán)外賣“實(shí)時(shí)訂單更新”系統(tǒng)。輸入：用戶下單事件、配送員接單事件、送達(dá)事件。輸出：訂單狀態(tài)實(shí)時(shí)同步給用戶。如何保證一致性？2.題目：美團(tuán)點(diǎn)評(píng)需要處理“用戶評(píng)論”數(shù)據(jù)，如何設(shè)計(jì)消息隊(duì)列（如Kafka）的Topic和Partition？考慮數(shù)據(jù)量、消費(fèi)者并行度。3.題目：設(shè)計(jì)美團(tuán)閃購“分布式鎖”方案。如何防止死鎖和超時(shí)？4.題目：美團(tuán)需要設(shè)計(jì)“分布式事務(wù)”方案，如何保證跨服務(wù)的數(shù)據(jù)一致性（如訂單支付、庫存扣減）？答案與解析1.答案：系統(tǒng)架構(gòu)：1.事件總線：使用Kafka收集訂單事件。2.狀態(tài)機(jī)：訂單狀態(tài)（待接單、配送中、已完成）通過狀態(tài)機(jī)管理。3.訂閱者：前端實(shí)時(shí)訂閱訂單狀態(tài)變更，推送通知。一致性保證：-冪等性設(shè)計(jì)：確保事件重復(fù)處理不導(dǎo)致狀態(tài)錯(cuò)誤。-補(bǔ)償事務(wù)：若狀態(tài)同步失敗，觸發(fā)重試或人工介入。解析：-Kafka保證高吞吐，狀態(tài)機(jī)避免邏輯混亂。2.答案：Topic設(shè)計(jì)：-按商家ID分區(qū)（如`shop_id-123評(píng)論`）。-每個(gè)商家一個(gè)Partition或按天分區(qū)。Partition設(shè)計(jì)：-每個(gè)Partition1000條消息。-消費(fèi)者分組（ConsumerGroup）支持并行處理。解析：-分區(qū)提高吞吐，消費(fèi)者并行處理加快處理速度。3.答案：分布式鎖方案：pythonimportredisclassDistributedLock:def__init__(self,redis_client):self.redis=redis_clientdefacquire(self,lock_id,timeout=10):whiletimeout>0:ifself.redis.set(lock_id,"locked",nx=True,ex=timeout):returnTruetimeout-=1returnFalsedefrelease(self,lock_id):self.redis.delete(lock_id)防止死鎖：-鎖有序分配（按`lock_id`升序）。-超時(shí)機(jī)制防止資源占用。解析：-Redis高性能實(shí)現(xiàn)鎖。-超時(shí)