华为 OD Java 开发面经:机考三题、两轮技术面与换部门复盘
- 轮次
- 技术一、二面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
10.21 机考(三道)
- 给定非空字符串 s,将字符串分割成若干子串,使每个子串的 ASCII 码值之和均为水仙花数。
- 选手参加比赛、评委打分,对总分最高的选手按由高到低排序。
- 兄弟二人分积木,要求两人获得的积木总重量相等;规则是将两个数转化成二进制再进行加法且不进位,尽可能使哥哥得到的积木总重量最大。
10.24 HR 资格面
- 自我介绍。
- 过往经历。
- 期望薪资。
- 做过最有挑战的事,或遇到过最大的困难。
10.25 技术一面
- 使用 RabbitMQ 进行异步解耦,具体说明消息队列在这个场景下的工作流程?有什么好处?
- 使用 Redis 做缓存,说一个最可能缓存的具体数据场景,说明缓存更新策略,以及如何防止缓存穿透等问题。
- 用 Docker 实现资源隔离和限制,具体使用了哪些 Docker 命令或参数来限制用户代码的运行资源?
- 简述 JWT 的结构和验证流程,并说明为什么要在拦截器里使用 ThreadLocal?
- 项目中使用了工厂、代理、策略模式,结合场景说明如何应用、带来什么好处?
- 手撕:给定目标值 target,反转二进制码流 bits(最多 1 位),获取最大连续的 target 的个数并返回。
10.27 技术二面
- 代码沙箱作为一个独立服务对外提供 API,你会如何设计这个 API 的接口?如何保证这个服务的高可用性?
- 双十一这类高并发场景,如何利用 Redis 防止超卖?对比数据库悲观锁和乐观锁方案的优劣。
- 通过守护线程和
Thread.sleep实现进程的超时中断,这是协作式中断;如果用户代码恶意阻塞,有没有考虑过更强制的、非协作式的终止方案? - 服务之间的调用可能因网络问题失败,如何保证判题任务的可靠性?如果判题机消费消息后、在判题成功前宕机了,怎么办?
- 订单表数据量已达亿级,查询用户历史订单变得非常缓慢,从数据库层面和架构层面分别谈优化思路。
- 手撕:打扫卫生共四组人,每天安排一组,满足某些同学只能在某一天打扫且不能安排同一组连续打扫两天,输出一共有多少种安排方案。
《参考解析》
机考三题:第一题是分割型动态规划或回溯,先预处理前缀和,再判断区间 ASCII 和是否为水仙花数(三位数各位立方和等于自身,如 153、370、371、407),注意 ASCII 和的范围与空子串处理。第二题是结构体排序,按总分降序、同分按规则(通常是编号或输入顺序)稳定排序,注意总分相同与并列名次的判定。第三题是二进制不进位加法,等价于按位异或,题目要求两人分得重量相等即异或和相等,且哥哥尽量大;先把所有数异或得到总异或,若不为 0 则无法均分,为 0 时把最高位的 1 分给哥哥一侧可使哥哥最大——本质是贪心加按位分组。机考的关键是先把题意与边界读清,再写可运行的暴力解并自测。
RabbitMQ 异步解耦:以判题系统为例,提交代码后先把任务写入数据库并投递消息,接口立即返回任务 ID;消费者拉取消息、执行判题、回写结果。好处是削峰(突发提交不压垮判题机)、解耦(提交服务不关心判题实现)、可重试与可扩展(加消费者即可扩容)。代价是要处理消息丢失(生产者确认、持久化、消费者手动 ack)、重复消费(幂等键 + 状态机)、顺序(同一题目的多次提交按用户维度保序)与积压监控。
Redis 缓存:适合缓存热点且读多写少的数据,如题目详情、用户信息、排行榜。更新策略常用 Cache Aside:读时未命中查库回填,写时先更新数据库再删除缓存(而不是更新缓存),并给缓存设过期时间兜底。穿透是查不存在的数据打穿到库,用布隆过滤器或缓存空值;击穿是热点 key 失效瞬间大量请求打到库,用互斥锁重建或逻辑过期;雪崩是大量 key 同时失效,给过期时间加随机抖动并做多级缓存。
Docker 资源限制:--memory、--memory-swap 限制内存,--cpus 或 --cpu-quota/--cpu-period 限制 CPU,--pids-limit 限制进程数,--network none 断网,--read-only 加 --tmpfs 限制写入,配合非 root 用户、seccomp/AppArmor 与 cgroup 版本确认。仅靠 Docker 隔离对不可信代码不够,通常还要叠加命名空间隔离、系统调用过滤与运行时限。
JWT 与 ThreadLocal:JWT 由 header、payload、signature 三段 Base64URL 组成,服务端用密钥验签并校验 exp、iss、aud,不依赖服务端会话。拦截器解析令牌后把用户信息放入 ThreadLocal,业务代码随处可取、无需层层传参;请求结束必须 remove(),否则线程池复用线程会导致用户信息串号与内存泄漏。
设计模式:工厂用于按类型创建不同实现(如不同语言的判题器),调用方只依赖接口;策略用于封装可替换的算法(如不同判题策略、不同计费规则),通过上下文选择;代理用于在调用前后加横切逻辑(权限、日志、缓存、事务)。回答要落到项目中的具体类与场景,以及「不加这个模式会怎样」。
代码沙箱 API:接口设计为提交任务(返回任务 ID)与查询结果两段式,提交接口幂等(客户端带请求 ID),结果接口返回状态机(排队、运行、成功、失败、超时)。高可用靠无状态服务多副本 + 队列缓冲 + 判题机池化,加限流与配额防止单用户刷爆;可观测性要有队列深度、判题耗时、失败率。
防超卖:Redis 侧用 Lua 脚本把「读库存 + 判断 + 扣减」做成原子操作,或用 DECR 后判断返回值小于 0 再回补;进一步用预扣库存 + 异步落库。数据库悲观锁(SELECT ... FOR UPDATE)一致性强但串行化、吞吐低;乐观锁(版本号或 UPDATE ... WHERE stock > 0)无锁等待、适合冲突少的场景,冲突多时重试成本高。实际系统常是 Redis 挡流量、数据库做最终一致性校验。
强制终止:协作式中断依赖被终止方配合,恶意代码可以忽略中断或死循环。更强制的方案是进程隔离(每次判题起独立进程或容器),超时直接 SIGKILL 杀进程组,配合 cgroup 限制资源;容器方案还能限制文件系统与网络。注意杀进程要杀整个进程组,避免子进程残留。
判题可靠性:消息队列的 at-least-once 语义要求消费幂等;判题机消费后先置「处理中」并记录租约,宕机后由超时扫描重新投递;结果写回用状态机加版本号,避免旧结果覆盖新结果。同时要有死信队列与人工补偿入口。
亿级订单表:数据库层做索引优化(用户 ID + 时间联合索引,避免回表)、分区(按时间或用户哈希)、冷热分离(历史订单归档到冷表或对象存储)、分页优化(用游标/上次最大 ID 代替大偏移量)。架构层做分库分表(按用户 ID 分片,保证同一用户订单落在同一库)、读写分离、把列表查询放到搜索或 OLAP 系统、对历史订单做异步导出。回答时先给查询模式,再给方案,避免直接说「分库分表」。
排班手撕:这是带约束的计数问题,用状态压缩 DP 或回溯加剪枝:状态为「第几天、上一组是谁、各组已安排次数」,约束是某些人只能在特定天、不能连续两天同一组。数据量小时回溯即可,注意输出方案数而不是方案本身,用记忆化避免重复计算。