Preguntas de entrevista en Tencent

En qué se centran las entrevistas de Tencent

Preguntas comunes en entrevistas de Tencent

• Describe una vez que tuviste que resolver un desacuerdo técnico dentro de tu equipo.
  Lo que cubre una buena respuesta

  • Escucha activa y comprensión de diferentes perspectivas
  • Uso de datos y evidencias para respaldar argumentos
  • Propuesta de alternativa basada en compromiso técnico
  • Enfoque en el objetivo del equipo y la calidad del producto
  • Resultado: consenso y mejora de la solución final

  Ver respuesta de ejemplo

  En mi equipo anterior, teníamos un desacuerdo sobre si usar microservicios o un monolito para un nuevo sistema de procesamiento de pedidos. Yo defendía un monolito inicial por simplicidad y menor sobrecarga operativa, mientras que otro ingeniero prefería microservicios para escalabilidad futura. Organicé una reunión donde cada parte presentó sus argumentos con datos: costos de implementación, tiempos de desarrollo y rendimiento esperado. Analizamos los requisitos reales: el equipo era pequeño y el plazo ajustado, por lo que propusimos un compromiso: empezar con un monolito bien modularizado que pudiera dividirse en microservicios más adelante. Este enfoque nos permitió cumplir con el plazo y, cuando el sistema creció, la separación fue sencilla porque la arquitectura ya lo contemplaba. El resultado fue una solución que satisfizo a ambas partes y mejoró la colaboración del equipo.

• ¿Cómo diseñarías un sistema de chat en tiempo real como WeChat?
  Lo que cubre una buena respuesta

  • Arquitectura cliente-servidor con conexiones persistentes (WebSocket)
  • Balanceo de carga y sharding de servidores de chat
  • Uso de colas de mensajes (Kafka) para garantizar entrega
  • Caché distribuida (Redis) para sesiones y estado de usuarios
  • Persistencia en bases de datos (Cassandra) con alta disponibilidad

  Ver respuesta de ejemplo

  Para diseñar un sistema de chat en tiempo real como WeChat, primero definiría los requisitos: baja latencia (milisegundos), alta disponibilidad, soporte para millones de usuarios concurrentes y mensajes multimedia. Los componentes clave incluyen clientes (móviles, web), balanceadores de carga, servidores de chat (con WebSocket para conexiones persistentes), colas de mensajes (Apache Kafka) para garantizar la entrega, una capa de caché (Redis) para sesiones y estado de usuarios, y bases de datos distribuidas (Cassandra) para almacenar mensajes históricos. El flujo de datos: un usuario envía un mensaje que llega a un servidor de chat a través del balanceador. El servidor lo publica en una cola de mensajes para el destinatario y lo almacena en Cassandra. Si el destinatario está conectado, se le entrega en tiempo real; si no, se almacena en caché para entrega posterior. Para escalar, se shardean los servidores de chat por rangos de usuarios y se usa un sistema de descubrimiento de servicios (ZooKeeper). El cuello de botella típico son las escrituras en base de datos, que se mitigan con escrituras asíncronas y batching. También se implementa un sistema de mensajería offline con colas dedicadas.

• Dada una lista de enteros, encuentra todos los pares que suman un valor objetivo.
  Lo que cubre una buena respuesta

  • Uso de mapa hash para almacenar números vistos y sus índices
  • Complejidad temporal O(n) y espacial O(n)
  • Manejo de duplicados y retorno de todos los pares
  • Alternativa: ordenar y usar dos punteros (O(n log n))
  • Caso borde: lista vacía o sin pares válidos

  Ver respuesta de ejemplo

  La solución más eficiente para encontrar todos los pares que suman un valor objetivo es usar un mapa hash para almacenar cada número y su índice mientras se recorre la lista. Para cada elemento, calculamos el complemento necesario para alcanzar el objetivo. Si ese complemento ya está en el mapa, hemos encontrado un par. Esto tiene complejidad temporal O(n) y espacial O(n), ya que en el peor caso almacenamos todos los elementos. Una alternativa es ordenar la lista y usar dos punteros, que tiene complejidad O(n log n) por el ordenamiento, pero usa memoria O(1) adicional. La elección depende de si la lista ya está ordenada o de las restricciones de memoria. Un caso borde importante es la presencia de duplicados: con el mapa, cada par se registra una vez, y si hay múltiples ocurrencias del mismo valor, se pueden capturar todas.

  def find_pairs(nums, target):
      """Encuentra todos los pares (i, j) con i < j que suman target."""
      seen = {}  # valor -> índice
      pairs = []
      for i, num in enumerate(nums):
          complement = target - num
          if complement in seen:
              pairs.append((seen[complement], i))
          seen[num] = i
      return pairs
  
  # Ejemplo:
  # find_pairs([2, 7, 11, 15], 9) -> [(0, 1)]
  # find_pairs([3, 3], 6) -> [(0, 1)]

• Explica el teorema CAP y cómo se aplica a las bases de datos distribuidas.
  Lo que cubre una buena respuesta

  • Definición de los tres atributos: consistencia, disponibilidad, tolerancia a particiones
  • Imposibilidad de lograr los tres simultáneamente en una partición de red
  • Elección entre CP y AP en sistemas distribuidos
  • Ejemplos: HBase (CP), Cassandra (AP), DynamoDB (AP)
  • Aplicación práctica: priorizar disponibilidad en redes sociales, consistencia en transacciones bancarias

  Ver respuesta de ejemplo

  El teorema CAP establece que en un sistema distribuido, solo se pueden garantizar dos de tres propiedades: consistencia (C), disponibilidad (A) y tolerancia a particiones (P). Consistencia significa que todos los nodos ven los mismos datos al mismo tiempo. Disponibilidad significa que cada solicitud recibe una respuesta (exitosa o no). Tolerancia a particiones significa que el sistema sigue funcionando aunque la red se divida en segmentos aislados. En la práctica, debido a que las particiones de red son inevitables, los sistemas deben elegir entre CP (consistencia y tolerancia a particiones) o AP (disponibilidad y tolerancia a particiones). Por ejemplo, HBase es CP: sacrifica disponibilidad si ocurre una partición, bloqueando escrituras hasta que se restaure la consistencia. Cassandra es AP: prioriza la disponibilidad, permitiendo escrituras en cualquier nodo aunque haya inconsistencias temporales. La elección depende del caso de uso: aplicaciones bancarias requieren consistencia fuerte, mientras que redes sociales toleran inconsistencias momentáneas a cambio de mayor disponibilidad.

• Cuéntame sobre un proyecto donde tuviste que optimizar el rendimiento bajo restricciones estrictas.
  Lo que cubre una buena respuesta

  • Identificación de cuellos de botella mediante profiling
  • Optimización de consultas SQL con índices y reescritura
  • Uso de caché en memoria (Redis) para datos frecuentes
  • Implementación de procesamiento asíncrono para tareas pesadas
  • Resultado: reducción de latencia en un 40% y cumplimiento de SLA

  Ver respuesta de ejemplo

  En un proyecto de procesamiento de transacciones, teníamos un SLA de respuesta menor a 200ms, pero las consultas a la base de datos tomaban hasta 1 segundo. Primero, realicé profiling con herramientas como New Relic y encontré que una consulta JOIN entre varias tablas era el cuello de botella. Reescribí la consulta usando índices compuestos y dividí la lógica en dos pasos: primero obtener datos de la tabla principal, luego los detalles mediante una consulta por lotes. Además, implementé una capa de caché en Redis para los datos de referencia (como tasas de cambio), que cambiaban solo cada hora. Esto redujo las consultas a BD en un 60%. Para las operaciones pesadas de actualización, las moví a un procesamiento asíncrono con una cola de mensajes (RabbitMQ), de modo que la respuesta fuera inmediata y la actualización ocurriera en segundo plano. Estas optimizaciones lograron reducir la latencia promedio a 120ms, cumpliendo el SLA y mejorando la experiencia del usuario.

• Implementa una función para serializar y deserializar un árbol binario.
  Lo que cubre una buena respuesta

  • Uso de preorden para serialización, con marcadores nulos
  • Construcción recursiva del árbol durante deserialización
  • Complejidad temporal O(n) y espacial O(n) en ambos procesos
  • Otra alternativa: BFS (nivel por nivel) con marcadores
  • Caso borde: árbol vacío (representar como cadena vacía o '#'

  Ver respuesta de ejemplo

  Para serializar y deserializar un árbol binario, podemos usar un recorrido en preorden que incluya marcadores para los hijos nulos. En la serialización, recorremos el árbol recursivamente, escribiendo el valor del nodo y recursivamente los hijos. Si un nodo es nulo, escribimos un marcador, por ejemplo "#". En la deserialización, usamos un iterador sobre los tokens de la cadena. Leemos cada token; si es "#", devolvemos None; si no, creamos un nodo, y recursivamente asignamos sus hijos izquierdo y derecho. La complejidad temporal es O(n), donde n es el número de nodos, y la espacial también es O(n) debido a la recursión y la cadena de salida. Una alternativa es usar BFS para serialización nivel por nivel, que también funciona. Es importante manejar el caso de árbol vacío: la cadena sería vacía o simplemente "#". Este enfoque es simple y funciona para la mayoría de los casos.

  # Definition for a binary tree node.
  # class TreeNode:
  #     def __init__(self, val=0, left=None, right=None):
  #         self.val = val
  #         self.left = left
  #         self.right = right
  
  class Codec:
      def serialize(self, root):
          """Serializa un árbol en una cadena usando preorden con '#' como nulo."""
          def dfs(node):
              if not node:
                  return ['#']
              return [str(node.val)] + dfs(node.left) + dfs(node.right)
          return ','.join(dfs(root))
      
      def deserialize(self, data):
          """Deserializa la cadena en un árbol binario."""
          def dfs(it):
              val = next(it)
              if val == '#':
                  return None
              node = TreeNode(int(val))
              node.left = dfs(it)
              node.right = dfs(it)
              return node
          if not data:
              return None
          return dfs(iter(data.split(',')))
  
  # Ejemplo:
  # codec = Codec()
  # codec.deserialize(codec.serialize(root))

• Diseña un servicio de acortamiento de URLs como t.cn.
  Lo que cubre una buena respuesta

  • Generación de claves cortas únicas (base62, Snowflake)
  • Redirección HTTP 302 con la URL original almacenada en DB
  • Caché de URLs populares en Redis para baja latencia
  • Base de datos relacional (MySQL) o NoSQL (DynamoDB) según carga
  • Escalabilidad: servidores web sin estado, base de datos shardeada

  Ver respuesta de ejemplo

  Para diseñar un servicio de acortamiento de URLs como t.cn, los requisitos principales son generar claves cortas únicas, redirigir rápidamente y almacenar metadatos (URL original, fecha, estadísticas). Los componentes clave son: servidores web sin estado (para manejar solicitudes), un generador de claves, una base de datos para almacenar el mapeo corta->larga, una caché como Redis para las URLs más accedidas. El flujo: cuando un usuario envía una URL larga, el sistema genera una clave única (por ejemplo, usando base62 con un contador incremental o Snowflake), almacena la relación en la base de datos, y devuelve la URL corta. Para la redirección, el servidor recibe la clave, busca en caché primero, si no está, consulta la BD, y envía una respuesta HTTP 302 con la URL original. Para escalar, la base de datos puede shardearse por el hash de la clave. El cuello de botella típico es la escritura concurrente, que se mitiga con generación de claves offline (por lotes) o usando ID únicos distribuidos. La caché reduce la latencia de lectura drásticamente: las URLs populares se sirven desde Redis en milisegundos.

• ¿Cómo manejas una situación en la que tu gerente te pide implementar una función con la que no estás de acuerdo?
  Lo que cubre una buena respuesta

  • Escuchar primero para entender la perspectiva del gerente
  • Presentar datos concretos y alternativas viables
  • Enfocarse en el impacto en el producto, no en egos
  • Buscar un compromiso que cumpla con los objetivos clave
  • Documentar la decisión y aprender de la experiencia

  Ver respuesta de ejemplo

  En una situación donde mi gerente me pidió implementar una función que consideraba técnica o estratégicamente incorrecta, primero me tomaría tiempo para entender sus razones. Por ejemplo, una vez me pidieron agregar una característica que aumentaría la complejidad del código sin un beneficio claro para el usuario. Preparé un análisis con datos: costos de desarrollo, impacto en el rendimiento y posibles alternativas. En una reunión, expuse mis puntos de manera respetuosa, mostrando que la función podría retrasar otros entregables y ofrecí una solución más simple que cubría los requisitos subyacentes. Mi gerente valoró el análisis y aceptó la alternativa. Si no hubiera acuerdo, priorizaría la alineación con el equipo y documentaría la decisión con sus pros y contras para referencia futura. Es importante mantener una relación profesional y aprender de la experiencia, incluso si la decisión final no es la que uno prefería.

Consejos para prepararse

• Practica problemas de Leetcode de nivel medio a difícil, centrándote en grafos, PD y cadenas.
• Revisa el diseño de sistemas de productos populares de Tencent como WeChat o Tencent Video para entender la escala.
• Prepárate para mostrar tus proyectos pasados con métricas concretas y desafíos.
• Estudia la cultura corporativa de Tencent y prepárate para discutir cómo encajas en su entorno orientado al trabajo en equipo.
• Trabaja en tus habilidades de idioma chino si te postulas para roles en China, pero el inglés puede usarse para equipos globales.

Preguntas frecuentes