2026年美團(tuán)技術(shù)總監(jiān)面試題及答案一、編程題（3題，每題20分，共60分）題目1（20分）：編寫一個(gè)函數(shù)，實(shí)現(xiàn)LRU（LeastRecentlyUsed）緩存機(jī)制。緩存容量為`capacity`，輸入一個(gè)鍵值對`key`和`value`，當(dāng)訪問某個(gè)鍵時(shí)，應(yīng)該將這個(gè)鍵移動(dòng)到緩存的前端（表示最近最常用）。如果緩存已滿，則刪除最久未使用的鍵。函數(shù)應(yīng)支持以下操作：-`get(key)`:返回鍵對應(yīng)的值，如果不存在返回-1。-`put(key,value)`:插入或更新鍵值對。要求：使用Python實(shí)現(xiàn)，時(shí)間復(fù)雜度為O(1)。答案與解析：pythonclassLRUCache:def__init__(self,capacity:int):self.capacity=capacityself.cache={}self.order=[]defget(self,key:int)->int:ifkeyinself.cache:self.order.remove(key)self.order.append(key)returnself.cache[key]return-1defput(self,key:int,value:int)->None:ifkeyinself.cache:self.order.remove(key)eliflen(self.cache)==self.capacity:oldest_key=self.order.pop(0)delself.cache[oldest_key]self.cache[key]=valueself.order.append(key)解析：-使用字典`cache`存儲(chǔ)鍵值對，實(shí)現(xiàn)O(1)的查找。-使用列表`order`記錄訪問順序，刪除和插入操作為O(1)。-`get`操作時(shí)，將訪問的鍵移動(dòng)到列表末尾表示最近使用。-`put`操作時(shí)，如果鍵已存在則更新并移動(dòng)，如果緩存已滿則刪除最久未使用的鍵（列表第一個(gè)元素）。題目2（20分）：美團(tuán)外賣系統(tǒng)需要處理大量的訂單，訂單數(shù)據(jù)存儲(chǔ)在CSV文件中，格式如下：order_id,user_id,address,total_amount,timestamp1,101,"No.123,Beijing",45.5,"2023-10-0112:30:00"2,102,"No.456,Shanghai",32.0,"2023-10-0113:15:00"...現(xiàn)需編寫一個(gè)Python函數(shù)，讀取CSV文件，統(tǒng)計(jì)每個(gè)城市的訂單總金額，并按金額從高到低排序返回。假設(shè)城市地址格式為"City,Province"。答案與解析：pythonimportcsvdefcity_order_total(filename:str)->dict:city_totals={}withopen(filename,'r')asf:reader=csv.DictReader(f)forrowinreader:address=row['address'].split(',')city=address[0].strip()total_amount=float(row['total_amount'])ifcityincity_totals:city_totals[city]+=total_amountelse:city_totals[city]=total_amountsorted_totals=dict(sorted(city_totals.items(),key=lambdax:x[1],reverse=True))returnsorted_totals解析：-使用`csv.DictReader`讀取CSV文件，按列名訪問數(shù)據(jù)。-地址按逗號(hào)分割，取第一個(gè)元素為城市名。-累加每個(gè)城市的訂單金額，最后按金額降序排序。-返回城市與總金額的字典。題目3（20分）：美團(tuán)點(diǎn)評需要統(tǒng)計(jì)用戶簽到數(shù)據(jù)，簽到記錄存儲(chǔ)在數(shù)據(jù)庫中，表結(jié)構(gòu)如下：sqlCREATETABLEsign_ins(user_idINT,sign_in_timeTIMESTAMP,location_idINT);現(xiàn)需編寫SQL查詢，統(tǒng)計(jì)每個(gè)用戶的連續(xù)簽到天數(shù)，并返回用戶ID和連續(xù)天數(shù)，要求結(jié)果按連續(xù)天數(shù)降序排列。答案與解析：sqlWITHordered_sign_insAS(SELECTuser_id,sign_in_time,location_id,ROW_NUMBER()OVER(PARTITIONBYuser_idORDERBYsign_in_time)ASseqFROMsign_ins),consecutive_daysAS(SELECTuser_id,COUNT()ASconsecutive_countFROMordered_sign_insWHEREsign_in_time-INTERVAL'1day'BETWEEN(SELECTsign_in_timeFROMordered_sign_insWHEREuser_id=ordered_sign_ins.user_idANDseq=ordered_sign_ins.seq-1)GROUPBYuser_id)SELECTuser_id,consecutive_countFROMconsecutive_daysORDERBYconsecutive_countDESC;解析：-使用`ROW_NUMBER()`為每個(gè)用戶的簽到按時(shí)間排序。-在`consecutive_days`子查詢中，檢查當(dāng)前簽到時(shí)間是否比前一條記錄多1天。-如果連續(xù)，則累加計(jì)數(shù)，最后按連續(xù)天數(shù)降序返回。-注意時(shí)間間隔使用`INTERVAL'1day'`，數(shù)據(jù)庫類型需支持該語法（如PostgreSQL）。二、系統(tǒng)設(shè)計(jì)題（2題，每題20分，共40分）題目4（20分）：美團(tuán)外賣系統(tǒng)需要支持實(shí)時(shí)配送路線規(guī)劃，假設(shè)有100萬用戶同時(shí)請求路線規(guī)劃，設(shè)計(jì)一個(gè)高可用的分布式系統(tǒng)架構(gòu)，要求：1.響應(yīng)時(shí)間小于200ms。2.系統(tǒng)可用性達(dá)到99.99%。3.支持水平擴(kuò)展。答案與解析：架構(gòu)設(shè)計(jì)：1.負(fù)載均衡層：使用`Nginx`或`HAProxy`分發(fā)請求到多個(gè)API網(wǎng)關(guān)節(jié)點(diǎn)。2.API網(wǎng)關(guān)：校驗(yàn)請求參數(shù)，緩存熱點(diǎn)路線結(jié)果（如Redis），并將計(jì)算請求轉(zhuǎn)發(fā)到后端服務(wù)。3.路線計(jì)算服務(wù)：-采用無狀態(tài)集群（Kubernetes），每個(gè)節(jié)點(diǎn)運(yùn)行`GraphHopper`或`OSRM`路線引擎。-使用`Raft`或`etcd`實(shí)現(xiàn)配置共享（如路線參數(shù)）。4.數(shù)據(jù)存儲(chǔ)：-地圖數(shù)據(jù)存儲(chǔ)在`Cassandra`或`Elasticsearch`（索引道路信息）。-用戶位置實(shí)時(shí)更新到`Redis`，支持快速查詢。5.監(jiān)控與告警：-使用`Prometheus`監(jiān)控服務(wù)性能，`Grafana`可視化。-`Alertmanager`觸發(fā)故障切換。關(guān)鍵技術(shù)：-緩存策略：熱點(diǎn)路線結(jié)果緩存1小時(shí)，使用`TTL`過期。-容災(zāi)：多區(qū)域部署（如華東、華南），跨機(jī)房同步狀態(tài)。-限流：使用`Hystrix`或`Sentinel`防雪崩。解析：-性能優(yōu)化：API網(wǎng)關(guān)緩存減少后端計(jì)算壓力。-可用性：多副本部署+熔斷器防單點(diǎn)故障。-擴(kuò)展性：無狀態(tài)服務(wù)+數(shù)據(jù)庫分片。題目5（20分）：美團(tuán)閃購需要設(shè)計(jì)一個(gè)實(shí)時(shí)推薦系統(tǒng)，要求：1.支持離線計(jì)算（每日推薦）和在線實(shí)時(shí)推薦。2.推薦召回率不低于70%，覆蓋率不低于50%。3.支持A/B測試。答案與解析：系統(tǒng)架構(gòu)：1.離線計(jì)算層：-使用`Spark`處理用戶行為日志，計(jì)算用戶畫像（如購買頻次、偏好品類）。-基于協(xié)同過濾或深度學(xué)習(xí)（`Wide&Deep`）生成候選集，存儲(chǔ)到`HBase`。2.在線服務(wù)：-使用`Flink`或`Kafka`實(shí)時(shí)接收用戶行為，動(dòng)態(tài)更新推薦列表。-推薦接口調(diào)用`Redis`緩存熱點(diǎn)推薦結(jié)果。3.A/B測試：-使用`SeldonCore`或自定義路由，隨機(jī)分流用戶到不同策略（如策略A、B）。-數(shù)據(jù)采集工具`ClickHouse`統(tǒng)計(jì)CTR、轉(zhuǎn)化率。關(guān)鍵技術(shù)：-冷啟動(dòng)：新用戶推薦基于規(guī)則（如熱門商品）。-實(shí)時(shí)性：`Flink`增量更新用戶標(biāo)簽。-指標(biāo)監(jiān)控：`Grafana`展示推薦效果，`TensorBoard`可視化模型參數(shù)。解析：-召回率優(yōu)化：混合推薦（基于內(nèi)容+協(xié)同過濾）。-A/B測試：統(tǒng)計(jì)顯著性檢驗(yàn)（如`p-value<0.05`）。-資源控制：使用`K8s`自動(dòng)擴(kuò)容計(jì)算節(jié)點(diǎn)。三、數(shù)據(jù)庫與存儲(chǔ)題（1題，20分）題目6（20分）：美團(tuán)點(diǎn)評需要存儲(chǔ)用戶評價(jià)數(shù)據(jù)，表結(jié)構(gòu)如下：sqlCREATETABLEreviews(review_idINTPRIMARYKEY,user_idINT,business_idINT,ratingINT,contentTEXT,created_atTIMESTAMP);假設(shè)每天有100萬條評價(jià)寫入，設(shè)計(jì)數(shù)據(jù)庫寫入優(yōu)化方案，要求：1.寫入延遲小于5ms。2.支持快速查詢最近評價(jià)（按時(shí)間排序）。3.支持按用戶ID或商家ID聚合統(tǒng)計(jì)。答案與解析：優(yōu)化方案：1.寫入層：-使用`Kafka`或`Pulsar`緩沖寫入請求，`RocksDB`批量落盤。-`Presto`或`ClickHouse`異步計(jì)算聚合指標(biāo)。2.存儲(chǔ)層：-主表`reviews`使用`InnoDB`，索引`created_at`和`(user_id,business_id)`。-熱點(diǎn)數(shù)據(jù)分片（如按`business_id`哈希），避免單節(jié)點(diǎn)瓶頸。3.查詢優(yōu)化：-最近評價(jià)查詢使用`Redis`緩存熱點(diǎn)用戶評價(jià)。-聚合統(tǒng)計(jì)預(yù)計(jì)算并存儲(chǔ)到`Elasticsearch`（如按月份統(tǒng)計(jì)評分）。關(guān)鍵技術(shù)：