2025年面试白板测试题及答案解析.docVIP

2025年面试白板测试题及答案解析

本文借鉴了近年相关经典测试题创作而成，力求帮助考生深入理解测试题型，掌握答题技巧，提升应试能力。

---

2025年面试白板测试题及答案解析

一、编程题

题目1：实现一个简单的LRU（LeastRecentlyUsed）缓存

背景介绍：LRU缓存是一种常用的缓存淘汰算法，它会在缓存满时淘汰最久未被使用的数据。实现LRU缓存通常需要哈希表和双向链表的结合，以实现O(1)时间复杂度的数据存取和更新。

要求：

1.设计LRU缓存的类，包含`get(key)`和`put(key,value)`两个方法。

2.`get(key)`：返回缓存中对应key的value，如果不存在则返回-1。

3.`put(key,value)`：将key-value对插入缓存中，如果key已存在，则更新其value；如果缓存已满，则淘汰最久未被使用的key-value对。

示例：

```python

classLRUCache:

def__init__(self,capacity:int):

pass

defget(self,key:int)-int:

pass

defput(self,key:int,value:int)-None:

pass

示例使用

cache=LRUCache(2)

cache.put(1,1)

cache.put(2,2)

print(cache.get(1))返回1

cache.put(3,3)去除键2

print(cache.get(2))返回-1(未找到)

cache.put(4,4)去除键1

print(cache.get(1))返回-1(未找到)

print(cache.get(3))返回3

print(cache.get(4))返回4

```

答案解析：

1.数据结构设计：

-哈希表（HashMap）：用于快速查找缓存中的key，实现O(1)时间复杂度的get和put操作。

-双向链表（DoublyLinkedList）：用于记录缓存的使用顺序，链表的头部表示最近使用的元素，尾部表示最久未使用的元素。

2.类实现：

-Node类：双向链表的节点，包含key、value、前驱节点和后继节点。

-LRUCache类：

-初始化：

-`capacity`：缓存容量。

-`cache`：哈希表，存储key到Node的映射。

-`head`和`tail`：双向链表的头尾哨兵节点，用于简化插入和删除操作。

-get(key)：

-如果key不存在，返回-1。

-如果key存在，将对应的节点移动到链表头部（表示最近使用），并返回其value。

-put(key,value)：

-如果key已存在，更新其value，并将节点移动到链表头部。

-如果key不存在：

-如果缓存已满，删除链表尾部节点（最久未使用），并在哈希表中删除对应的key。

-新建一个节点，插入到链表头部，并在哈希表中添加key到节点的映射。

3.代码实现：

```python

classNode:

def__init__(self,key=0,value=0):

self.key=key

self.value=value

self.prev=None

self.next=None

classLRUCache:

def__init__(self,capacity:int):

self.capacity=capacity

self.cache={}

self.head=Node()

self.tail=Node()

self.head.next=self.tail

self.tail.prev=self.head

def_remove_node(self,node):

node.prev.next=node.next

node.next.prev=node.prev

def_add_node(self,node):

node.prev=self.head

node.next=self.head.next

self.head.next.prev=node

self.head.next=node

defget(self,key:int)-int:

node=self.cache.get(key,None)

ifnotnode:

return-1

self._remove_node(node)

self._add_node(node)

returnnode.value

defput(self,key:int,value:int)-None:

node=self.cache.get(key,None)

ifnode:

self._remove_node(node)

node.value=value

self._add_node(node)

e