JD.com 面接質問

JD.com 面接の重点項目

JD.com のよくある面接質問

• 二分木をシリアライズおよびデシリアライズする関数を実装してください（LeetCode 297）。
  良い回答が押さえる点

  • シリアライズは木を文字列に変換、デシリアライズはその文字列から木を再構築
  • 任意の二分木に対応するため、ヌルノードを明示的に記録する方式（例：プリオーダー＋#）
  • LeetCode 297の制約（値は-1000～1000）を考慮

  サンプル回答を見る

  シリアライズでは、プリオーダー探索で各ノードの値をカンマ区切りで連結し、nullノードは'#'で表します。デシリアライズでは、文字列をカンマで分割し、キューに格納して再帰的にノードを構築します。この方法は木の形状を完全に復元でき、時間計算量はO(n)、空間計算量もO(n)です。注意点として、値にカンマが含まれないことを前提としています。LeetCode 297ではこれでACできます。

  # Definition for a binary tree node.
  # class TreeNode:
  #     def __init__(self, x):
  #         self.val = x
  #         self.left = None
  #         self.right = None
  
  class Codec:
      def serialize(self, root):
          """Encodes a tree to a single string.
          :type root: TreeNode
          :rtype: str
          """
          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):
          """Decodes your encoded data to tree.
          :type data: str
          :rtype: TreeNode
          """
          def dfs(queue):
              val = queue.popleft()
              if val == '#':
                  return None
              node = TreeNode(int(val))
              node.left = dfs(queue)
              node.right = dfs(queue)
              return node
          from collections import deque
          queue = deque(data.split(','))
          return dfs(queue)
  # 時間計算量: O(n), 空間計算量: O(n)

• 1日あたり数百万のトランザクションを処理する分散注文処理システムを設計してください。
  良い回答が押さえる点

  • 数百万/日のトランザクションは約100TPS、ピーク時はさらに高い
  • マイクロサービスアーキテクチャで注文、在庫、支払いを分離
  • メッセージキュー（Kafka）で非同期処理、データベースはシャーディング

  サンプル回答を見る

  まず、1日数百万トランザクションは平均数十TPSですが、ピーク時には数百TPSになるため、水平スケーラビリティが重要です。システムはAPIゲートウェイで負荷分散し、注文サービス、在庫サービス、支払いサービスに分割します。各サービスはステートレスで、コンテナ化してオートスケーリング可能にします。注文作成はKafkaにパブリッシュし、在庫確認や支払い処理を非同期で行います。データベースは注文IDでシャーディングし、読み取りはレプリカを使用します。一貫性は最終的なものでOKとし、在庫の二重販売を防ぐために楽観的ロックを使います。また、障害に備えてサーキットブレーカーやリトライ機構を実装します。

• プロジェクトでスピードと品質のトレードオフを迫られた経験を説明してください。どのように決定しましたか？
  良い回答が押さえる点

  • STAR法（状況、タスク、行動、結果）で具体的に
  • 品質を犠牲にせず、スコープや納期を調整した例
  • チーム全体の合意形成プロセスを含める

  サンプル回答を見る

  以前のプロジェクトで、新しい機能を2週間でリリースする必要がありましたが、テストが不十分でバグが多発するリスクがありました。状況は、競合他社が先にリリースしそうなタイミングでした。私はタスクとして、スピードを優先するか品質を優先するかの判断を求められました。行動として、まずスコープを最小限に絞り、必須機能のみ実装し、残りは次バージョンに回す提案をしました。同時に自動テストを並行して整備し、リリース前にクリティカルパスの手動テストを実施しました。結果、期日内にリリースでき、本番での重大バグはゼロで、品質を保ちつつスピードも確保できました。

• インターバルのリストが与えられたとき、すべての重複するインターバルをマージしてください（LeetCode 56）。
  良い回答が押さえる点

  • 入力を開始時刻でソートしてからマージ
  • 一つずつ比較し、重複があればマージ、なければ結果に追加
  • 時間・空間計算量はO(n log n)とO(n)

  サンプル回答を見る

  マージ対象のインターバルリストは開始時刻の昇順にソートします。最初のインターバルを結果リストに入れ、後続のインターバルを順に見ていき、現在のインターバルと結果リストの最後のインターバルが重複している（現在のstart <= 最後のend）場合、終了時刻を最大値で更新します。重複していなければそのまま結果に追加します。このアルゴリズムはソートにO(n log n)、走査にO(n)の時間を要し、空間は結果リストにO(n)です。コーナーケースとして空リストの処理や、インターバルが完全に包含される場合も正しく動作します。

  from typing import List
  
  def merge(intervals: List[List[int]]) -> List[List[int]]:
      if not intervals:
          return []
      intervals.sort(key=lambda x: x[0])
      merged = [intervals[0]]
      for current in intervals[1:]:
          last = merged[-1]
          if current[0] <= last[1]:  # 重複あり
              last[1] = max(last[1], current[1])
          else:
              merged.append(current)
      return merged
  # 時間計算量: O(n log n), 空間計算量: O(n) (結果用)

• JDの配送ネットワーク向けのリアルタイム物流追跡システムを設計してください。
  良い回答が押さえる点

  • GPSデータをリアルタイムで収集、ストリーム処理
  • 配達員の位置更新は高頻度（数秒ごと）で発生
  • データベースは時系列DB（InfluxDB）とキャッシュ（Redis）を併用

  サンプル回答を見る

  このシステムは配達員のGPS位置をリアルタイムで追跡し、ユーザーに配送状況を表示します。まず、配達員のモバイルアプリから位置データをWebSocketで受け取り、Kafkaにパブリッシュします。Flinkなどのストリーム処理エンジンでデータを集約・補正し、最新位置をRedisに保存します。過去の軌跡はInfluxDBに保存して分析に利用します。ユーザーがクエリした場合、APIサーバーがRedisから最新位置を取得し、WebSocketでプッシュします。スケーリングには、地理的シャーディング（地域ごとにKafkaパーティションやRedisクラスターを分割）を用います。また、配達員の状態変化（集荷、配送中、完了）も同様に処理し、注文システムに通知します。

• 大きなテーブルでの結合により遅いデータベースクエリをどのように最適化しますか？
  良い回答が押さえる点

  • EXPLAINで実行計画を確認、ボトルネック特定
  • インデックス追加、結合順序変更、不要な列削除
  • 場合によってはサブクエリやマテリアライズドビューも検討

  サンプル回答を見る

  まずEXPLAINでクエリの実行計画を取得し、フルテーブルスキャンや高コストの結合方式（Nested Loop vs Hash Join）を特定します。次に、結合に使われる列にインデックスが存在するか確認し、なければ追加します。複合インデックスも検討し、WHERE条件と結合列をカバーするよう設計します。また、SELECTに不要な列が含まれていないか確認し、必要な列のみに絞ります。結合順序を変更するか、サブクエリで事前にデータを絞ることでパフォーマンスが向上する場合があります。統計情報が古いと実行計画が最適でないため、ANALYZEで更新します。さらに、集計クエリならマテリアライズドビューや集計テーブルを作成することも有効です。

• チーム間で協力しなければならなかったプロジェクトについて教えてください。結果はどうでしたか？
  良い回答が押さえる点

  • STAR法で具体的なプロジェクトを説明
  • 異なる部署やチームとの調整方法に焦点
  • コンフリクト解決やコミュニケーション手段も含める

  サンプル回答を見る

  新規ECサイトの決済機能を開発する際、フロントエンドチーム、決済代行会社、バックエンドチームと連携しました。私はタスクとして、各チームのインターフェース定義と結合テストの調整を担当しました。行動としては、まず全体のスケジュールを共有し、API仕様を文書化して全員が合意するまで修正を繰り返しました。週2回の定例会議で進捗確認し、Slackで日常的なコミュニケーションを取りました。コンフリクトが発生した場合、トレードオフを提示して優先順位を決め、必要に応じて上司を巻き込みました。結果、チーム間の認識齟齬が減り、結合テストはほぼ1回で合格し、プロジェクトは予定通りリリースできました。

• LRU削除ポリシーのキャッシュを実装してください（LeetCode 146）。
  良い回答が押さえる点

  • LRU: 最近使われた順に管理、削除は一番古いもの
  • ダブルリンクリスト＋ハッシュマップでO(1)操作
  • キャパシティを超えたらtail.prevを削除

  サンプル回答を見る

  LRUキャッシュは、容量を超えたときに最も長く使われていないエントリを削除します。実装には、ダブルリンクリストでアクセス順を管理し、ハッシュマップでキーからノードへの参照を保持することで、getとputをO(1)で行えます。ノードはヘッダーの次が最新、テールの前が最も古いとします。get時はノードをヘッダーの直後に移動させ、put時は既存なら更新して移動、新規なら追加し、容量超過ならテールの前のノードを削除します。JavaではLinkedHashMapを使う簡易実装もありますが、LeetCodeでは自前実装が求められます。

  class LRUCache:
      def __init__(self, capacity: int):
          self.capacity = capacity
          self.cache = {}  # key -> node
          # ダミーのheadとtail
          self.head = Node(0, 0)
          self.tail = Node(0, 0)
          self.head.next = self.tail
          self.tail.prev = self.head
  
      def get(self, key: int) -> int:
          if key in self.cache:
              node = self.cache[key]
              self._remove(node)
              self._add_to_head(node)
              return node.value
          return -1
  
      def put(self, key: int, value: int) -> None:
          if key in self.cache:
              node = self.cache[key]
              node.value = value
              self._remove(node)
              self._add_to_head(node)
          else:
              if len(self.cache) >= self.capacity:
                  # テールの前のノードを削除（最も古い）
                  lru = self.tail.prev
                  self._remove(lru)
                  del self.cache[lru.key]
              new_node = Node(key, value)
              self.cache[key] = new_node
              self._add_to_head(new_node)
  
      def _remove(self, node):
          prev_node = node.prev
          next_node = node.next
          prev_node.next = next_node
          next_node.prev = prev_node
  
      def _add_to_head(self, node):
          node.prev = self.head
          node.next = self.head.next
          self.head.next.prev = node
          self.head.next = node
  
  class Node:
      def __init__(self, key, value):
          self.key = key
          self.value = value
          self.prev = None
          self.next = None
  # 時間計算量: O(1) (get, put), 空間計算量: O(capacity)

準備のヒント

• ホワイトボードまたはプレーンテキストエディタでコーディング練習をしましょう。JD.comはオートコンプリートなしの対面コーディングセッションをよく使用します。
• JD.comのビジネスと最新の技術ニュース、特に物流自動化、クラウド（JD Cloud）、小売技術を確認しましょう。
• 面接は言語が切り替わる可能性があるため、中国語と英語の両方で思考プロセスを説明する準備をしましょう。
• システム設計ではスケーラビリティとフォールトトレランスに焦点を当てましょう。JD.comは独身の日のようなピーク負荷に対処します。
• 行動質問に対して、自発性、問題解決、JDの価値観への適合性を強調する具体的な例を用意しましょう。

よくある質問