2026年百度技術(shù)崗面試題集一、編程基礎(chǔ)與算法（5題，每題10分，共50分）1.題目：給定一個非空整數(shù)數(shù)組，返回其中出現(xiàn)頻率最高的元素。如果有多個元素出現(xiàn)頻率相同，返回任意一個。例如，輸入`[1,1,2,2,3]`，輸出`1`或`2`。要求：時間復(fù)雜度O(n)，空間復(fù)雜度O(n)。2.題目：實現(xiàn)一個LRU（最近最少使用）緩存，支持`get`和`put`操作。`get(key)`返回`key`對應(yīng)的值，如果不存在返回`-1`；`put(key,value)`將鍵值對插入緩存。當(dāng)緩存容量已滿時，需要刪除最近最少使用的元素。要求：使用哈希表和雙向鏈表實現(xiàn)，時間復(fù)雜度O(1)。3.題目：給定一個字符串`s`和一個字符規(guī)律`p`，其中`p`包含字母和數(shù)字，字母表示字符本身，數(shù)字表示重復(fù)次數(shù)。例如，`s="abc"`,`p="a2c3"`，返回`true`（即`"aaabcc"`）。要求：支持``通配符，``可以匹配任意字符。4.題目：實現(xiàn)快速排序算法，要求原地排序（不使用額外數(shù)組），并分析其平均時間復(fù)雜度和最壞時間復(fù)雜度。5.題目：給定一個正整數(shù)`n`，判斷其是否為完全平方數(shù)。例如，`n=16`返回`true`，`n=14`返回`false`。要求：不使用`Math.sqrt`，時間復(fù)雜度O(logn)。二、系統(tǒng)設(shè)計與架構(gòu)（3題，每題15分，共45分）1.題目：設(shè)計一個短鏈接服務(wù)，要求：-輸入任意長度的URL，輸出固定長度的短鏈接（如`/abc123`）。-支持長鏈接的反向解析（輸入短鏈接返回原鏈接）。-高并發(fā)場景下性能穩(wěn)定，支持分布式部署。要求：說明核心組件設(shè)計、數(shù)據(jù)結(jié)構(gòu)、分布式方案及容災(zāi)措施。2.題目：設(shè)計一個微博Feed流系統(tǒng)，要求：-用戶可以發(fā)布不超過1000字的動態(tài)，包含文字、圖片、視頻等多媒體內(nèi)容。-Feed流支持按時間倒序展示，并分頁加載（如每頁20條）。-支持關(guān)注/取消關(guān)注功能，關(guān)注者實時收到新動態(tài)。要求：說明數(shù)據(jù)存儲方案（SQL/NoSQL）、緩存策略、消息隊列應(yīng)用場景。3.題目：設(shè)計一個分布式限流系統(tǒng)，要求：-支持按IP或用戶ID進(jìn)行限流（如每秒1000次）。-支持預(yù)熱期（如剛上線時逐步放開流量）。-限流策略需高可用，支持熱更新（如動態(tài)調(diào)整限流閾值）。要求：說明限流算法（如令牌桶、漏桶）、存儲方案（Redis/本地緩存）及分布式實現(xiàn)。三、數(shù)據(jù)庫與存儲（2題，每題20分，共40分）1.題目：對比MySQL和Redis在緩存場景下的優(yōu)劣，并說明如何結(jié)合兩者實現(xiàn)高可用緩存。要求：分析數(shù)據(jù)一致性、性能、成本等維度，給出具體架構(gòu)方案。2.題目：設(shè)計一個訂單表（`orders`），包含字段：`id`（自增主鍵）、`user_id`（用戶ID）、`total_amount`（訂單金額）、`status`（狀態(tài)，如`pending`、`paid`、`delivered`）、`created_at`（創(chuàng)建時間）。要求：-支持按`user_id`和`status`快速查詢未支付的訂單。-支持按`created_at`分頁查詢最近7天的訂單。要求：說明索引設(shè)計、SQL優(yōu)化方案及分庫分表思路。四、分布式與中間件（2題，每題20分，共40分）1.題目：解釋CAP理論，并說明在百度等大型互聯(lián)網(wǎng)場景下，如何權(quán)衡一致性、可用性和分區(qū)容錯性。要求：結(jié)合具體業(yè)務(wù)場景（如搜索、推薦）給出設(shè)計決策。2.題目：設(shè)計一個分布式事務(wù)解決方案，要求：-支持至少兩種異構(gòu)存儲（如MySQL和MongoDB）。-保證事務(wù)的原子性和一致性。-考慮性能和延遲問題。要求：說明事務(wù)協(xié)議（如2PC）、補(bǔ)償機(jī)制及選型依據(jù)。答案與解析一、編程基礎(chǔ)與算法1.答案：pythonfromcollectionsimportCounterdeftop_frequent(nums):counter=Counter(nums)returncounter.most_common(1)[0][0]解析：使用`Counter`統(tǒng)計頻率，`most_common(1)`獲取最高頻元素。時間復(fù)雜度O(n)，空間復(fù)雜度O(n)。2.答案：pythonclassLRUCache:def__init__(self,capacity):self.capacity=capacityself.cache={}self.head,self.tail=Node(0,0),Node(0,0)self.head.next,self.tail.prev=self.tail,self.headclassNode:def__init__(self,key,value):self.key=keyself.value=valueself.prev,self.next=None,Nonedefget(self,key):ifkeynotinself.cache:return-1node=self.cache[key]self._move_to_head(node)returnnode.valuedefput(self,key,value):ifkeyinself.cache:node=self.cache[key]node.value=valueself._move_to_head(node)else:iflen(self.cache)==self.capacity:self._remove_tail()new_node=self.Node(key,value)self.cache[key]=new_nodeself._add_to_head(new_node)def_move_to_head(self,node):self._remove_node(node)self._add_to_head(node)def_add_to_head(self,node):node.prev,node.next=self.head,self.head.nextself.head.next.prev=nodeself.head.next=nodedef_remove_node(self,node):prev_node,next_node=node.prev,node.nextprev_node.next,next_node.prev=next_node,prev_nodedef_remove_tail(self):tail=self.tail.prevself._remove_node(tail)delself.cache[tail.key]解析：使用雙向鏈表維護(hù)訪問順序，哈希表記錄節(jié)點。`get`時移動到頭部，`put`時先刪除舊節(jié)點再添加新節(jié)點。時間復(fù)雜度O(1)。3.答案：pythondefisMatch(s,p):dp=[[False](len(p)+1)for_inrange(len(s)+1)]dp[0][0]=Trueforjinrange(2,len(p)+1):ifp[j-1]=='':dp[0][j]=dp[0][j-2]foriinrange(1,len(s)+1):forjinrange(1,len(p)+1):ifp[j-1]==s[i-1]orp[j-1]=='?':dp[i][j]=dp[i-1][j-1]elifp[j-1]=='':dp[i][j]=dp[i][j-2]ordp[i-1][j]returndp[-1][-1]解析：動態(tài)規(guī)劃解法，`dp[i][j]`表示`s[:i]`與`p[:j]`是否匹配。``可匹配零個或多個前一個字符。時間復(fù)雜度O(mn)，空間復(fù)雜度O(mn)。4.答案：pythondefquick_sort(arr,low,high):iflow<high:pivot=partition(arr,low,high)quick_sort(arr,low,pivot-1)quick_sort(arr,pivot+1,high)defpartition(arr,low,high):pivot=arr[high]i=low-1forjinrange(low,high):ifarr[j]<=pivot:i+=1arr[i],arr[j]=arr[j],arr[i]arr[i+1],arr[high]=arr[high],arr[i+1]returni+1解析：快速排序核心是分治思想，通過`partition`函數(shù)將數(shù)組劃分為兩部分。平均時間復(fù)雜度O(nlogn)，最壞O(n2)（當(dāng)pivot最小或最大時）。5.答案：pythondefisPerfectSquare(n):left,right=1,nwhileleft<=right:mid=(left+right)//2ifmidmid==n:returnTrueelifmidmid<n:left=mid+1else:right=mid-1returnFalse解析：二分查找法，逐步縮小平方根范圍。時間復(fù)雜度O(logn)，空間復(fù)雜度O(1)。二、系統(tǒng)設(shè)計與架構(gòu)1.答案：核心組件：-短鏈接生成器：使用哈希函數(shù)（如MD5或Base62）將長鏈接映射為短ID。-分布式存儲：將長鏈接和短ID的映射關(guān)系存儲在Redis（內(nèi)存緩存）或分布式數(shù)據(jù)庫中。-負(fù)載均衡器：多臺短鏈接服務(wù)節(jié)點通過負(fù)載均衡分配請求。-反向解析服務(wù)：定時同步短ID和長鏈接，支持快速查詢。分布式方案：-使用Snowflake算法生成全局唯一短ID。-Redis設(shè)置過期時間，自動清理無用的短鏈接。-異步寫入分布式數(shù)據(jù)庫（如HBase），支持高并發(fā)查詢。容災(zāi)措施：-數(shù)據(jù)庫異地多活，主從復(fù)制。-短鏈接生成器使用分布式鎖（如ZooKeeper）。2.答案：數(shù)據(jù)存儲：-關(guān)系型數(shù)據(jù)庫（MySQL）：存儲用戶信息、動態(tài)基礎(chǔ)字段（`id`,`user_id`,`content`,`created_at`）。-NoSQL（Redis）：緩存熱門Feed流，減少數(shù)據(jù)庫壓力。-消息隊列（Kafka）：異步更新關(guān)注者Feed。緩存策略：-Feed流分頁加載時，先查Redis，緩存未命中再查MySQL。-動態(tài)發(fā)布時，先寫入Redis緩存，再異步更新數(shù)據(jù)庫。消息隊列應(yīng)用：-用戶關(guān)注/取關(guān)時，推送消息到Kafka。-關(guān)注者服務(wù)訂閱Kafka，實時更新Feed流。3.答案：限流算法：-令牌桶：每秒生成固定數(shù)量的令牌，請求需持有令牌才能通過。-漏桶：請求以固定速率流出，超限請求排隊等待。存儲方案：-Redis：使用`EXPIRE`設(shè)置令牌桶容量和速率。-本地內(nèi)存：低并發(fā)場景可使用原子操作（如CAS）。熱更新方案：-使用配置中心（如Nacos）動態(tài)下發(fā)限流閾值。-服務(wù)端監(jiān)聽配置變更，實時調(diào)整限流策略。三、數(shù)據(jù)庫與存儲1.答案：MySQLvsRedis：-MySQL：事務(wù)支持、復(fù)雜查詢、ACID兼容，適合結(jié)構(gòu)化數(shù)據(jù)。-Redis：內(nèi)存存儲、高速讀寫，適合緩存熱點數(shù)據(jù)。緩存架構(gòu)：-多級緩存：Redis+Memcached（緩存頭信息）。-數(shù)據(jù)同步：MySQL主從復(fù)制+Redis發(fā)布訂閱，保證一致性。2.答案：索引設(shè)計：sqlCREATEINDEXidx_user_statusONorders(user_id,status);CREATEINDEXidx_created_atONorders(created_at);SQL優(yōu)化：sql--查詢未支付訂單SELECTFROMordersWHEREuser_id=?ANDstatus='pending';--分頁查詢SELECTFROMordersWHEREcreated_at>=?ANDcreated_at<?ORDERBYcreated_atDESCLIMIT20;分庫分表：-按`user_id`分表，支持水平擴(kuò)展。-使用ShardingSphere或MyCAT實現(xiàn)路由。四、分布式與中間件1.答案：CAP理論：-百度場景