2026年互聯(lián)網(wǎng)公司常見(jiàn)崗位招聘題目解析一、編程與算法題（共5題，每題10分，總分50分）針對(duì)行業(yè)：-前端開(kāi)發(fā)（React/Vue性能優(yōu)化）-后端開(kāi)發(fā)（高并發(fā)解決方案）-數(shù)據(jù)工程師（ETL流程設(shè)計(jì)）題目1（10分）：題目：給定一個(gè)包含重復(fù)元素的數(shù)組`arr`，請(qǐng)?jiān)O(shè)計(jì)一個(gè)算法，找出數(shù)組中不重復(fù)的元素，并返回它們的數(shù)量。要求時(shí)間復(fù)雜度O(n)，空間復(fù)雜度O(1)。示例：輸入：`arr=[1,2,2,3,4,4,5]`輸出：`5`（不重復(fù)元素為1,2,3,4,5）答案：pythondefcount_unique_elements(arr):ifnotarr:return0arr.sort()#排序后重復(fù)元素相鄰count=1#至少有一個(gè)唯一元素foriinrange(1,len(arr)):ifarr[i]!=arr[i-1]:count+=1returncount解析：1.排序法：先對(duì)數(shù)組排序，重復(fù)元素會(huì)相鄰，然后遍歷統(tǒng)計(jì)唯一元素?cái)?shù)量。時(shí)間復(fù)雜度O(nlogn)，但題目要求O(n)，需優(yōu)化。2.哈希表法：使用哈希集合統(tǒng)計(jì)元素出現(xiàn)次數(shù)，但空間復(fù)雜度O(n)，不滿足要求。3.位運(yùn)算優(yōu)化：對(duì)于整數(shù)數(shù)組，可使用位運(yùn)算標(biāo)記已遍歷的元素（僅適用于特定范圍整數(shù)），但通用性差。4.正確解法：排序后雙指針?lè)?，時(shí)間O(nlogn)，空間O(1)。若題目允許修改原數(shù)組，可使用原數(shù)組記錄狀態(tài)（如將重復(fù)元素置為特殊值），但需明確約束。題目2（10分）：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`capacity`，當(dāng)緩存滿時(shí)，最久未使用的元素將被移除。示例：pythonLRUCache=LRUCache(2)LRUCache.put(1,1)#緩存是{1:1}LRUCache.put(2,2)#緩存是{1:1,2:2}LRUCache.get(1)#返回1LRUCache.put(3,3)#去除鍵2，緩存是{1:1,3:3}LRUCache.get(2)#返回-1(未找到)答案：pythonclassLRUCache:def__init__(self,capacity:int):self.capacity=capacityself.cache=OrderedDict()defget(self,key:int)->int:ifkeynotinself.cache:return-1self.cache.move_to_end(key)#標(biāo)記為最近使用returnself.cache[key]defput(self,key:int,value:int)->None:ifkeyinself.cache:self.cache.move_to_end(key)#更新位置self.cache[key]=valueiflen(self.cache)>self.capacity:self.cache.popitem(last=False)#移除最久未使用解析：1.哈希表+雙向鏈表：哈希表記錄鍵值對(duì)，雙向鏈表維護(hù)使用順序。`get`操作將元素移至隊(duì)尾，`put`時(shí)若已存在則更新，滿時(shí)刪除隊(duì)首。2.Python內(nèi)置`OrderedDict`：簡(jiǎn)化實(shí)現(xiàn)，`move_to_end`自動(dòng)調(diào)整順序。若需嚴(yán)格O(1)可使用`collections.OrderedDict`。3.錯(cuò)誤實(shí)現(xiàn)：僅使用哈希表，不維護(hù)順序，會(huì)導(dǎo)致`get`操作仍需遍歷鏈表，性能下降。題目3（10分）：題目：給定一個(gè)字符串`s`，找到其中最長(zhǎng)的無(wú)重復(fù)字符的子串長(zhǎng)度。示例：輸入：`s="abcabcbb"`輸出：`3`（最長(zhǎng)子串為"abc"）答案：pythondeflength_of_longest_substring(s:str)->int:char_set=set()left=0max_len=0forrightinrange(len(s)):whiles[right]inchar_set:char_set.remove(s[left])left+=1char_set.add(s[right])max_len=max(max_len,right-left+1)returnmax_len解析：1.滑動(dòng)窗口法：使用雙指針維護(hù)無(wú)重復(fù)字符的子串。`right`擴(kuò)展窗口，`left`收縮窗口。2.哈希表記錄字符上一次出現(xiàn)位置：避免重復(fù)遍歷，但需額外空間。3.錯(cuò)誤實(shí)現(xiàn)：暴力枚舉所有子串，時(shí)間復(fù)雜度O(n2)，效率低。題目4（10分）：題目：實(shí)現(xiàn)快速排序（QuickSort）算法，要求使用遞歸方式，并選擇合適的基準(zhǔn)點(diǎn)（pivot）策略。示例：輸入：`arr=[3,6,8,10,1,2,1]`輸出：`[1,1,2,3,6,8,10]`答案：pythondefquick_sort(arr):iflen(arr)<=1:returnarrpivot=arr[len(arr)//2]#選擇中位數(shù)作為基準(zhǔn)left=[xforxinarrifx<pivot]middle=[xforxinarrifx==pivot]right=[xforxinarrifx>pivot]returnquick_sort(left)+middle+quick_sort(right)解析：1.基準(zhǔn)點(diǎn)選擇策略：-中位數(shù)：避免最壞情況（已排序數(shù)組）。-隨機(jī)數(shù)：進(jìn)一步減少最壞概率。-三數(shù)取中：中位數(shù)、首元素、尾元素的平均值。2.原地分區(qū)法：可優(yōu)化空間復(fù)雜度至O(logn)，但代碼更復(fù)雜。3.錯(cuò)誤實(shí)現(xiàn)：若選擇首元素為基準(zhǔn)，在已排序數(shù)組中效率極低。題目5（10分）：題目：實(shí)現(xiàn)一個(gè)函數(shù)，判斷一個(gè)字符串是否是有效的括號(hào)組合（只考慮`()`、`[]`、`{}`）。示例：輸入：`s="()[]{}"`輸出：`True`答案：pythondefisValid(s:str)->bool:stack=[]mapping={')':'(',']':'[','}':'{'}forcharins:ifcharinmapping:top_element=stack.pop()ifstackelse'#'ifmapping[char]!=top_element:returnFalseelse:stack.append(char)returnnotstack解析：1.棧結(jié)構(gòu)：左括號(hào)入棧，右括號(hào)與棧頂匹配。2.映射表加速匹配：避免重復(fù)查找。3.錯(cuò)誤實(shí)現(xiàn)：使用哈希集合判斷，無(wú)法記錄括號(hào)配對(duì)順序。二、系統(tǒng)設(shè)計(jì)題（共3題，每題15分，總分45分）針對(duì)行業(yè)：-后端架構(gòu)師（分布式系統(tǒng)設(shè)計(jì)）-高級(jí)開(kāi)發(fā)（微服務(wù)拆分）題目6（15分）：題目：設(shè)計(jì)一個(gè)高并發(fā)的短鏈接系統(tǒng)，要求：1.輸入長(zhǎng)鏈接，輸出短鏈接（如6位隨機(jī)字母）。2.支持快速跳轉(zhuǎn)（短鏈接解析為長(zhǎng)鏈接）。3.具備分布式擴(kuò)展能力。約束：-短鏈接長(zhǎng)度不超過(guò)6位。-QPS要求>10萬(wàn)。答案：1.短鏈接生成：-使用62進(jìn)制（a-z,A-Z,0-9）編碼，如`1`編碼為`abc`。-映射表存儲(chǔ)`short->long`，如`abc`對(duì)應(yīng)`/abc`。pythonimportbase64importrandomclassShortLinkService:def__init__(self):self.base="/"self.characters="abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789"self.id_map={}self.reverse_map={}def_encode(self,num:int)->str:encoded=""whilenum:num,rem=divmod(num,62)encoded=self.characters[rem]+encodedreturnencoded.zfill(6)#補(bǔ)足6位defget_short_link(self,long_url:str)->str:iflong_urlinself.id_map:returnself.base+self.id_map[long_url]id_=random.randint(1,1012)short_code=self._encode(id_)self.id_map[long_url]=short_codeself.reverse_map[short_code]=long_urlreturnself.base+short_codedefget_long_link(self,short_code:str)->str:returnself.reverse_map.get(short_code,"Notfound")2.分布式擴(kuò)展：-使用Redis/ZooKeeper實(shí)現(xiàn)`id_map`分布式存儲(chǔ)。-負(fù)載均衡分配短鏈接ID生成器。解析：1.編碼方式：62進(jìn)制可生成大量短鏈接。2.沖突處理：隨機(jī)數(shù)+映射表，概率極低沖突。若沖突則重新生成。3.分布式挑戰(zhàn)：-ID生成器：可使用TwitterSnowflake算法生成全局唯一ID。-緩存層：Redis緩存熱點(diǎn)短鏈接，減少DB查詢。題目7（15分）：題目：設(shè)計(jì)一個(gè)支持高并發(fā)的實(shí)時(shí)推薦系統(tǒng)，要求：1.用戶訪問(wèn)時(shí)，需根據(jù)其歷史行為和實(shí)時(shí)行為推薦商品。2.支持毫秒級(jí)響應(yīng)。3.可水平擴(kuò)展。約束：-用戶數(shù)千萬(wàn)級(jí)。-商品數(shù)百萬(wàn)級(jí)。答案：1.系統(tǒng)架構(gòu)：-數(shù)據(jù)層：HBase/Redis存儲(chǔ)用戶行為日志、商品特征、用戶畫像。-計(jì)算層：-實(shí)時(shí)計(jì)算：Flink/SparkStreaming處理實(shí)時(shí)行為流，更新用戶興趣向量。-離線計(jì)算：每日使用ALS/GBDT計(jì)算用戶-商品相似度矩陣。-服務(wù)層：-推薦API：基于實(shí)時(shí)興趣向量+離線相似度，使用LRU緩存熱點(diǎn)推薦。-緩存策略：Redis緩存用戶實(shí)時(shí)推薦結(jié)果。2.核心算法：python簡(jiǎn)化偽代碼defget_recommendations(user_id,real_time_actions,cache):ifcache.exists(user_id):returncache.get(user_id)real_time_score=compute_real_time_score(real_time_actions)offline_score=get_offline_score(user_id)final_score=real_time_score0.3+offline_score0.7top_items=rank_items_by_score(final_score)cache.set(user_id,top_items,expire=300)#緩存300秒returntop_items3.擴(kuò)展性設(shè)計(jì)：-微服務(wù)拆分：按用戶分片（如`user_id%100`），每個(gè)服務(wù)獨(dú)立擴(kuò)容。-異步更新：離線計(jì)算結(jié)果通過(guò)消息隊(duì)列（Kafka）推送到實(shí)時(shí)服務(wù)。解析：1.實(shí)時(shí)性優(yōu)化：-冷啟動(dòng)：新用戶使用離線推薦，待行為積累后切換實(shí)時(shí)推薦。-增量更新：僅處理新行為，而非全量重算。2.擴(kuò)展性挑戰(zhàn)：-數(shù)據(jù)傾斜：熱門用戶需單點(diǎn)擴(kuò)容或動(dòng)態(tài)路由。-消息隊(duì)列：保證計(jì)算鏈路異步不阻塞API。題目8（15分）：題目：設(shè)計(jì)一個(gè)支持海量用戶地理位置共享的實(shí)時(shí)社交系統(tǒng)（如微信位置共享），要求：1.用戶可實(shí)時(shí)更新位置，并查看附近其他用戶。2.支持地理圍欄（如僅顯示5km內(nèi)用戶）。3.具備高可用和低延遲。約束：-用戶數(shù)億級(jí)。-地理位置更新頻率高。答案：1.數(shù)據(jù)結(jié)構(gòu)：-用戶位置存儲(chǔ)：RedisGEO數(shù)據(jù)結(jié)構(gòu)（`GEOADD`、`GEORADIUS`）。-內(nèi)存維護(hù)：熱點(diǎn)用戶位置使用LRU緩存，避免頻繁DB查詢。2.核心邏輯：python偽代碼defupdate_location(user_id,lat,lng):redis.geoadd("user_locations",lng,lat,user_id)redis.expire("user_locations",600)#10分鐘過(guò)期defget_nearby_users(user_id,lat,lng,radius=5000):ifcache.exists(user_id):returncache.get(user_id)result=redis.georadius("user_locations",lng,lat,radius,withdist=True,withcoord=True)nearby_users=parse_radius_result(result)cache.set(user_id,nearby_users,expire=60)#緩存1分鐘returnnearby_users3.高可用設(shè)計(jì)：-分布式Redis集群：使用哨兵或RedisCluster。-位置分片：按經(jīng)緯度范圍分片，如`lat/lng`的模運(yùn)算。解析：1.性能優(yōu)化：-空間換時(shí)間：GEO索引犧牲空間存儲(chǔ)坐標(biāo)，但查詢快。-批量更新：用戶批量移動(dòng)時(shí)，先緩存再異步批量`GEOADD`。2.延遲問(wèn)題：-預(yù)加載：用戶進(jìn)入?yún)^(qū)域前預(yù)加載附近用戶，使用WebSocket推送實(shí)時(shí)更新。-異步更新：位置變更通過(guò)消息隊(duì)列異步同步，API直接返回緩存結(jié)果。三、綜合能力題（共2題，每題20分，總分40分）針對(duì)行業(yè)：-產(chǎn)品經(jīng)理（需求分析）-運(yùn)維工程師（故障排查）題目9（20分）：題目：假設(shè)你是某短視頻平臺(tái)的用戶增長(zhǎng)產(chǎn)品經(jīng)理，需要設(shè)計(jì)一個(gè)“好友推薦”功能。請(qǐng)回答：1.如何定義“好友推薦”的標(biāo)準(zhǔn)？2.如何保證推薦結(jié)果的相關(guān)性和多樣性？3.若推薦效果不達(dá)標(biāo)，你會(huì)如何優(yōu)化？答案：1.推薦標(biāo)準(zhǔn)：-共同興趣：關(guān)注相同話題/創(chuàng)作者的用戶。-社交關(guān)系：共同好友/粉絲數(shù)/互動(dòng)歷史。-地理位置：附近用戶（用于線下活動(dòng)）。-活躍度：優(yōu)先推薦活躍用戶。2.相關(guān)性+多樣性平衡：python偽代碼示例defrecommend_friends(user_id,graph,interests,nearby_users):common_interests=get_common_interests(user_id,interests)mutual_friends=get_mutual_friends(user_id,graph)nearby=get_top_n(nearby_users,10)candidates=set(common_interests+mutual_friends+nearby)diversity=add_diverse_users(candidates,user_id,graph)returnrank_by_score(candidates,user_id)3.優(yōu)化策略：-A/B測(cè)試：對(duì)比不同推薦算法的效果。-用戶反饋：允許用戶反饋不感興趣的人，動(dòng)態(tài)調(diào)整模型。-冷啟動(dòng)：新用戶先推薦系統(tǒng)管理員推薦的人。解析：1.社交推薦難點(diǎn)：-信息繭房：過(guò)度推薦相似用戶導(dǎo)致體驗(yàn)單一。-冷啟動(dòng)：新用戶缺乏足夠數(shù)據(jù)。2.數(shù)據(jù)驅(qū)動(dòng)優(yōu)化：-CTR/CVR：用點(diǎn)擊率/互動(dòng)率評(píng)估推薦效果。-用戶畫像：結(jié)合年齡/性別/話題偏好進(jìn)行推薦。題目1