2026年京東商城軟件開發(fā)工程師面試題集一、編程能力測試（共5題，每題10分）1.題目：請用Java實現(xiàn)一個方法，輸入一個整數(shù)數(shù)組，返回其中所有唯一的數(shù)字及其出現(xiàn)次數(shù)。要求時間復雜度為O(n)，空間復雜度為O(1)。答案：javaimportjava.util.HashMap;importjava.util.Map;publicclassUniqueNumbers{publicstaticMap<Integer,Integer>countUniqueNumbers(int[]nums){Map<Integer,Integer>countMap=newHashMap<>();for(intnum:nums){countMap.put(num,countMap.getOrDefault(num,0)+1);}Map<Integer,Integer>uniqueMap=newHashMap<>();for(Map.Entry<Integer,Integer>entry:countMap.entrySet()){if(entry.getValue()==1){uniqueMap.put(entry.getKey(),entry.getValue());}}returnuniqueMap;}publicstaticvoidmain(String[]args){int[]nums={1,2,2,3,4,4,5};System.out.println(countUniqueNumbers(nums));//輸出：{1=1,3=1,5=1}}}解析：-使用HashMap統(tǒng)計每個數(shù)字的出現(xiàn)次數(shù)，時間復雜度為O(n)。-遍歷HashMap篩選出現(xiàn)次數(shù)為1的數(shù)字，時間復雜度為O(n)。-空間復雜度為O(n)，因為需要存儲所有數(shù)字的出現(xiàn)次數(shù)。若要優(yōu)化為O(1)空間復雜度，需假設(shè)輸入數(shù)組范圍有限（如0-100），通過數(shù)組計數(shù)。2.題目：請用Python實現(xiàn)一個函數(shù)，輸入一個字符串，返回其中最長的不重復子串的長度。答案：pythondeflength_of_longest_substring(s:str)->int:char_set=set()left=0max_length=0forrightinrange(len(s)):whiles[right]inchar_set:char_set.remove(s[left])left+=1char_set.add(s[right])max_length=max(max_length,right-left+1)returnmax_length示例print(length_of_longest_substring("abcabcbb"))#輸出：3解析：-使用滑動窗口技術(shù)，left和right分別表示子串的左右邊界。-遇到重復字符時，移動left并移除字符集中的字符，直到不重復。-時間復雜度為O(n)，空間復雜度為O(1)（假設(shè)字符集大小固定）。3.題目：請用C++實現(xiàn)一個函數(shù)，輸入一個正整數(shù)n，返回n的階乘。要求使用遞歸方法，并處理大數(shù)問題（即結(jié)果可能超出int范圍）。答案：cppinclude<iostream>include<vector>usingnamespacestd;vector<int>factorial(intn){if(n==0)return{1};vector<int>result=factorial(n-1);intcarry=0;for(inti=result.size()-1;i>=0;--i){intproduct=result[i]n+carry;result[i]=product%10;carry=product/10;}while(carry){result.insert(result.begin(),carry%10);carry/=10;}returnresult;}intmain(){vector<int>fact=factorial(100);for(intdigit:fact)cout<<digit;//輸出：93326215443944152681699238856266700490715968264381621468592963895217599993229915608941463976156518286253697920827223758251185210916864000000000000000000000000return0;}解析：-遞歸計算階乘，但直接使用int存儲會溢出，因此用vector存儲每一位數(shù)字。-從低位到高位計算乘積，并處理進位。-時間復雜度為O(n10)，空間復雜度為O(n)。4.題目：請用JavaScript實現(xiàn)一個算法，輸入一個無重復數(shù)字的數(shù)組，返回所有可能的子集（不包含空集）。答案：javascriptfunctionsubsets(nums){constresult=[];constsubset=[];functionbacktrack(index){if(index===nums.length){if(subset.length>0){result.push([...subset]);}return;}subset.push(nums[index]);backtrack(index+1);subset.pop();backtrack(index+1);}backtrack(0);returnresult;}//示例console.log(subsets([1,2,3]));//輸出：[[1,2,3],[1,2],[1,3],[1],[2,3],[2],[3]]解析：-使用回溯算法生成所有子集，時間復雜度為O(2^n)，空間復雜度為O(n)。-通過遞歸遍歷每個數(shù)字的兩種選擇：加入當前子集或跳過。5.題目：請用Go語言實現(xiàn)一個函數(shù)，輸入一個字符串，返回其中所有可能的排列組合。答案：gopackagemainimport("fmt""strings")funcpermute(sstring)[]string{varresult[]stringpermuteHelper([]rune(s),0,&result)returnresult}funcpermuteHelperrunes[]rune,startint,result[]string{ifstart==len(runes)-1{result=append(result,string(runes))return}fori:=start;i<len(runes);i++{runes[start],runes[i]=runes[i],runes[start]permuteHelper(runes,start+1,result)runes[start],runes[i]=runes[i],runes[start]}}funcmain(){fmt.Println(permute("abc"))//輸出：[abcacbbacbcacabcba]}解析：-使用回溯算法生成所有排列，時間復雜度為O(n!)，空間復雜度為O(n)。-通過遞歸交換字符，遍歷所有可能的排列。二、系統(tǒng)設(shè)計測試（共3題，每題20分）1.題目：設(shè)計一個高并發(fā)的短鏈接系統(tǒng)，要求支持百萬級用戶，每秒處理數(shù)萬次請求。答案：-架構(gòu)設(shè)計：-使用無狀態(tài)的服務架構(gòu)，采用微服務部署，避免單點故障。-前端使用Nginx進行負載均衡，后端使用多副本部署（如Kubernetes）。-使用Redis緩存短鏈接映射關(guān)系，減少數(shù)據(jù)庫訪問。-數(shù)據(jù)存儲：-短鏈接ID使用自增ID或UUID，數(shù)據(jù)庫使用分庫分表（如MySQLCluster）。-短鏈接與目標URL的映射關(guān)系存儲在Redis中，支持高并發(fā)讀寫。-熱點處理：-使用布隆過濾器快速判斷短鏈接是否存在。-熱點數(shù)據(jù)使用RedisCluster分片存儲，避免單機瓶頸。-容災設(shè)計：-使用異地多活部署，如京東在華北、華東、華南均有數(shù)據(jù)中心。-使用Zookeeper進行服務發(fā)現(xiàn)和配置管理。解析：-高并發(fā)場景下，無狀態(tài)服務架構(gòu)和緩存（Redis）是關(guān)鍵。-數(shù)據(jù)庫分片和布隆過濾器可提高查詢效率。-異地多活確保系統(tǒng)可用性。2.題目：設(shè)計一個實時推薦系統(tǒng)，輸入用戶行為數(shù)據(jù)（如點擊、收藏、購買），輸出個性化推薦商品。要求支持百萬級用戶和實時更新。答案：-架構(gòu)設(shè)計：-使用流式處理框架（如Flink或SparkStreaming）處理實時用戶行為數(shù)據(jù)。-推薦服務采用微服務架構(gòu)，支持水平擴展。-數(shù)據(jù)存儲：-用戶行為數(shù)據(jù)使用Kafka或Pulsar進行緩存，保證數(shù)據(jù)不丟失。-用戶畫像數(shù)據(jù)存儲在HBase或Elasticsearch中，支持快速查詢。-推薦算法：-使用協(xié)同過濾（CF）或深度學習模型（如DNN）進行推薦。-實時更新推薦結(jié)果，使用Redis緩存熱門推薦。-容災設(shè)計：-推薦服務使用多副本部署，如京東在多個機房部署。-數(shù)據(jù)使用異地容災（如京東在華北、華東、華南均有數(shù)據(jù)中心）。解析：-流式處理框架是實時推薦的核心。-用戶畫像和推薦算法需支持實時更新。-異地容災確保系統(tǒng)高可用。3.題目：設(shè)計一個高并發(fā)的秒殺系統(tǒng)，要求支持百萬級用戶同時搶購，且系統(tǒng)響應時間小于100ms。答案：-架構(gòu)設(shè)計：-使用無狀態(tài)服務架構(gòu)，采用微服務部署。-前端使用Nginx進行秒殺請求的限流和負載均衡。-后端使用多副本部署，如Kubernetes。-數(shù)據(jù)存儲：-秒殺庫存使用Redis進行原子扣減，避免超賣。-使用Redis的Lua腳本保證原子性。-熱點處理：-使用分布式鎖（如Redisson）避免并發(fā)沖突。-熱點數(shù)據(jù)使用RedisCluster分片存儲。-容災設(shè)計：-使用異地多活部署，如京東在華北、華東、華南均有數(shù)據(jù)中心。-使用Zookeeper進行服務發(fā)現(xiàn)和配置管理。解析：-秒殺系統(tǒng)核心是原子扣減庫存，Redis是最佳選擇。-分布式鎖和Lua腳本保證數(shù)據(jù)一致性。-異地多活確保系統(tǒng)高可用。三、數(shù)據(jù)庫與存儲測試（共3題，每題15分）1.題目：京東商品庫有數(shù)億條商品數(shù)據(jù)，如何設(shè)計數(shù)據(jù)庫表結(jié)構(gòu)，并優(yōu)化查詢性能？答案：-表結(jié)構(gòu)設(shè)計：-使用分庫分表（如MySQLCluster）存儲商品數(shù)據(jù)。-關(guān)鍵字段（如商品ID、分類、品牌）建立索引。-使用分區(qū)表（如按時間分區(qū)）提高查詢效率。-查詢優(yōu)化：-使用緩存（如Redis）緩存熱門商品數(shù)據(jù)。-使用分頁查詢（如LIMIT分頁）避免全表掃描。-使用組合索引（如商品分類+品牌）優(yōu)化多條件查詢。解析：-分庫分表和分區(qū)表是大數(shù)據(jù)量場景的必備方案。-索引和緩存是查詢優(yōu)化的關(guān)鍵。2.題目：京東訂單系統(tǒng)需要存儲用戶訂單，如何設(shè)計數(shù)據(jù)庫表結(jié)構(gòu)，并支持高并發(fā)寫入？答案：-表結(jié)構(gòu)設(shè)計：-使用分庫分表（如MySQLCluster）存儲訂單數(shù)據(jù)。-關(guān)鍵字段（如訂單ID、用戶ID、商品ID）建立索引。-使用分區(qū)表（如按時間分區(qū)）提高查詢效率。-寫入優(yōu)化：-使用消息隊列（如Kafka）異步寫入訂單數(shù)據(jù)。-使用批量寫入（如MySQL的批量插入）減少寫入延遲。-使用數(shù)據(jù)庫事務保證數(shù)據(jù)一致性。解析：-分庫分表和消息隊列是高并發(fā)寫入的核心。-批量寫入和事務保證數(shù)據(jù)完整性。3.題目：京東云存儲服務需要存儲用戶上傳的圖片和視頻，如何設(shè)計存儲架構(gòu)，并優(yōu)化訪問速度？答案：-存儲架構(gòu)：-使用分布式存儲系統(tǒng)（如京東自研的OSS）存儲用戶文件。-使用CDN加速文件訪問速度。-使用分片存儲（如按文件類型分片）提高存儲效率。-訪問優(yōu)化：-使用緩存（如Redis）緩存熱門文件。-使用圖片壓縮和視頻轉(zhuǎn)碼技術(shù)減少文件大小。-使用防盜鏈和簽名機制保護用戶文件。解析：-分布式存儲和CDN是存儲優(yōu)化的核心。-緩存和文件壓縮可提高訪問速度。四、分布式與中間件測試（共3題，每題15分）1.題目：京東訂單系統(tǒng)使用Redis緩存訂單數(shù)據(jù)，如何設(shè)計緩存架構(gòu)，并處理緩存穿透和緩存擊穿問題？答案：-緩存架構(gòu)：-使用RedisCluster分片存儲緩存數(shù)據(jù)。-使用多級緩存（如本地緩存+遠程緩存）提高緩存命中率。-使用緩存預熱技術(shù)提前加載熱門數(shù)據(jù)。-緩存穿透處理：-使用布隆過濾器快速判斷緩存是否存在。-使用空值緩存（如設(shè)置過期時間為1s）避免重復查詢。-緩存擊穿處理：-使用互斥鎖（如Redisson）避免并發(fā)擊穿。-使用本地緩存（如GuavaCache）減少Redis壓力。解析：-布隆過濾器和空值緩存解決緩存穿透。-互斥鎖和本地緩存解決緩存擊穿。2.題目：京東商品推薦系統(tǒng)使用Kafka處理用戶行為數(shù)據(jù)，如何設(shè)計消息隊列架構(gòu)，并處理消息丟失問題？答案：-消息隊列架構(gòu)：-使用KafkaCluster分片存儲消息數(shù)據(jù)。-使用多副本部署保證消息不丟失。-使用消息確認機制（如ACK=1）確保消息被消費。-消息丟失處理：-使用消息重試機制（如Kafka的rebalance機制）處理消息丟失。-使用消息持久化（如Kafka的logreplication）保證消息不丟失。-使用消息冪等性（如數(shù)據(jù)庫唯一索引）避免重復消費。解析：-消息確認機制和持久化保證消息不丟失。-消息重試和冪等性避免重復消費。3.題題：京東秒殺系統(tǒng)使用分布式鎖（如Redisson）處理并發(fā)問題，如何設(shè)計鎖架構(gòu)，并處理鎖超時問題？答案：-鎖架構(gòu)：-使用Redisson實現(xiàn)分布式鎖，支持公平鎖和可重入鎖。-使用鎖超時機制（如30s）避免死鎖。-使用鎖監(jiān)聽器（如Redisson的Watchdog）自動續(xù)租鎖。-鎖超時處理：-使用Redis的過期時間（如EXPIRE）保證鎖自動釋放。-使用鎖監(jiān)聽器（如Redisson的Watchdog）避免鎖超時。-使用分布式事務（如Seata）保證鎖的一致性。解析：-鎖超時和鎖監(jiān)聽器是防止死鎖的關(guān)鍵。-分布式事務保證鎖的一致性。五、性能優(yōu)化與安全測試（共3題，每題15分）1.題目：京東商品詳情頁加載速度較慢，如何優(yōu)化前端性能？答案：-前端優(yōu)化：-使用CDN加速靜態(tài)資源（如圖片、JS、CSS）。-使用懶加載技術(shù)（如IntersectionObserver）延遲加載非關(guān)鍵資源。-使用代碼分割（如Webpack的SplitChunks）減少首屏加載時間。-后端優(yōu)化：-使用緩存（如Redis）緩