腾讯WXG后端二面:合并区间、优先级队列追问与阅读量系统设计
- 轮次
- 二面
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
- 手撕算法:合并区间。
- 手撕算法:实现一个优先级队列,支持插入、取出、删除三个操作。
- 追问:用堆实现时,删除任务只是加标记位、并没有真正删除;如果要真正删除该怎么做?
- 追问:用链表实现时,插入中间优先级的效率是不是很低?怎么优化?
- 追问:有没有一种数据结构既能保持有序,又能快速找到中间位置?
- 手撕算法:一道动态规划题(原帖未记录具体题目)。
- 实习与项目深挖:围绕实习经历、项目细节连续追问,约 80 分钟。
- 场景题:微信公众号每个用户查看一篇文章,这篇文章的阅读量加一,如何设计这个系统?(连续追问约 30 分钟)
《参考解析》
合并区间:先按左端点排序,再线性扫描合并。排序后维护一个结果列表,遍历每个区间:若结果末尾区间的右端点小于当前区间的左端点,说明不相交,直接追加;否则说明有重叠,把末尾区间的右端点更新为两者右端点的较大值。时间复杂度 O(n log n)(排序主导),空间 O(n)。边界要主动说明:空数组直接返回空;一个区间完全包含另一个区间时取 max 而不是直接覆盖;[1,2] 与 [2,3] 端点相接是否算重叠要跟面试官确认,通常按闭区间合并成 [1,3]。手写时注意原地复用与返回值类型,写完用一个包含「完全包含、端点相接、乱序输入」的例子自测。
优先级队列的真删除:懒删除省事但有代价,要能说清代价并给出替代方案。堆加标记位(懒删除)的删除是 O(1),但元素仍留在堆里占空间,取堆顶时要循环弹出已删除元素,堆会持续膨胀,长期运行的服务不适合。要真正删除,常见做法是额外维护一张哈希表记录「任务 id → 堆数组下标」,删除时把目标位置与堆尾交换、弹出堆尾,再对换上去的元素做一次上浮或下沉,删除降到 O(log n);每次交换都要同步更新哈希表里的下标,这是最容易写错的地方。用「每个优先级一条链表」的桶结构,插入中间优先级要遍历找位置,是 O(n);加哈希只能做到按 id O(1) 定位节点,插到正确位置仍要 O(n)。既有序又能快速定位中间位置,答案是跳表:多层索引把查找、插入、删除都做到期望 O(log n),并且天然支持按排名取第 k 个;平衡二叉搜索树(如带 size 字段的红黑树)同样能按排名定位,也可以作为并列答案提出来。
公众号阅读量系统:这是典型的「写极多、读更多、允许短时不一致」的计数场景,核心是不让每次浏览都去打数据库同一行。写入侧先在 Redis 用 INCR 累加,按文章 id 做分片(或加 hash tag 分桶)避免单 key 成为热点;更进一步可以在接入层或本地内存做批量聚合,同一篇文章几百毫秒内的浏览合并成一次 INCRBY,把 Redis 的 QPS 压下来。落库侧用定时任务把增量批量刷回 MySQL(UPDATE ... SET read_count = read_count + delta),或先写流水表再异步汇总,刷失败要能重试且幂等。读取侧直接读缓存,接受分钟级延迟,页面不必强一致。追问通常会打到三个点:一是去重,同一用户反复刷新算不算一次,要按「用户 + 文章」做 Set 或布隆过滤,UV 场景可以用 HyperLogLog 换空间但要知道它有误差;二是防刷,按 uid、IP 限频,异常流量走风控旁路不计数;三是可靠性,Redis 挂了怎么办,可以用本地缓冲加补偿,或接受少量丢失并说明业务上可容忍。回答时按「写路径—存储—汇总—读取—一致性与防刷」分层讲,每层主动说取舍,比堆技术名词更加分。
实习项目与压力面:这类二面项目环节能占到八成时间,准备的重点是「经得起连续追问」。每个项目按背景、目标、自己负责的部分、方案选型、量化结果五段准备,尤其要能回答「为什么不用另一种方案」「数据量多大、QPS 多少、压测结果如何」「出过什么故障、怎么定位和兜底」。面试官顺着一个点往下挖时,答不上来就说清自己的思路边界和会去验证的方向,不要编造没做过的细节。场景题被追问半小时是常态,可以主动把问题拆成写入、存储、汇总、读取、一致性几块,每块先给结论再讲理由,被质疑时先确认约束再调整方案。