LinkedIn 面试题专题

先分岗位

LinkedIn 的不同岗位和团队可能考不同内容。先核对 JD 与面试邀请，再选对应题型。

合并同题变体

相同核心考点只保留一条，后续的附加约束放在原题里练，避免把同一道题当成多道题刷。

练习顺序

先口述输入、输出和边界，再写核心方案；最后解释复杂度、失败路径和面试官可能追加的约束。

实现 tokenizer / word segmentation，用 DP 或 Viterbi 找最高分切分，并解释复杂度和 tie-break

实现 tokenizer / word segmentation，用 DP 或 Viterbi 找最高分切分，并解释复杂度和 tie-break。

查看上方解题路线 ↑

给定用户关系图，查询两个 candidate 的最短连接距离，支持双向 BFS、cache 和隐私过滤

给定用户关系图，查询两个 candidate 的最短连接距离，支持双向 BFS、cache 和隐私过滤。

解题切入：无权访问的边不能参与搜索；双向 BFS 减少搜索空间，多次查询可缓存但权限变化时必须失效。

设计从生产系统采集指标、支持不同时间粒度查询并输出给外部可视化的 Metrics 平台

设计从生产系统采集指标、支持不同时间粒度查询并输出给外部可视化的 Metrics 平台；哪些指标能从预聚合精确合并？

解题切入：指标平台先定义 counter、gauge 与分位数的聚合语义；采集后保留细粒度与多级 rollup，任意粒度查询需处理对齐边界和不可直接平均的指标，告警并非该设计轮固定要求。

现有 keyword search 如何升级自然语言搜索？没有标注数据时怎样利用旧搜索系统启动训练与评估？

现有 keyword search 如何升级自然语言搜索？没有标注数据时怎样利用旧搜索系统启动训练与评估？

解题切入：自然语言搜索先将用户意图映射到现有关键词/过滤器召回，旧搜索日志可给弱监督候选，但偏差和无标注长尾需靠人工集与在线实验核对。

设计 AI 个性化 InMail

设计 AI 个性化 InMail：怎样选择候选人、生成消息、控制发送与衡量回复和负反馈？

解题切入：个性化 InMail 先筛合适候选人与合规触达，再基于真实公开/授权资料生成可审查草稿；评估回复、负反馈和招聘进展，不能只优化发送量。

设计招聘助手 Agent

设计招聘助手 Agent：tool registry/call、RAG 检索、排序、邮件草稿和 human-in-the-loop 如何串联？

解题切入：招聘助手 Agent 用受限工具注册与调用连接职位/候选检索，RAG 给可追溯证据，排序与邮件草稿经人工批准；记录工具权限、误召回与越权风险。

设计可重试的 Job Scheduler，并支持高效查询未来 N 小时将运行的任务供实时 Dashboard 展示

设计可重试的 Job Scheduler，并支持高效查询未来 N 小时将运行的任务供实时 Dashboard 展示。

解题切入：调度任务以持久 next_run_at 索引检索未来 N 小时；worker lease、重试和幂等键守住执行语义，Dashboard 查询与执行队列分离。

设计 Typeahead Suggestions

设计 Typeahead Suggestions：前缀候选如何检索、排序、更新，并控制热点前缀延迟？

解题切入：Typeahead 前缀召回和排序分开；热门前缀可预计算 Top K 与缓存，增量更新要有版本和回退，最终延迟取决于键入节奏与热点分布。

实现 AlertMonitor

实现 AlertMonitor：15 分钟告警计数、当前小时严重程度分布、每分钟下一个更高告警量下标。

解题切入：AlertMonitor 三问分别用时间窗计数、小时桶分组和单调栈求下一更大值；原帖整点示例互相矛盾，先固定半开区间和窗口基准。

已能 add booking 时，给定最早起点和时长，求最早可安排会议的起点

已能 add booking 时，给定最早起点和时长，求最早可安排会议的起点；讨论 O(N) 查询与并发。

解题切入：Meeting Scheduler 先定义半开区间与冲突，再对已排序 booking 从请求起点向右扫描最早空隙；插入若用数组仍是 O(N)，线程安全要统一检查与插入的临界区。

多轮偏好投票

多轮偏好投票：若无人过半，每轮淘汰得票最少候选人并重新转移选票，何时能选出胜者？

解题切入：多轮偏好投票每轮只数仍有效候选的最高偏好，超过有效票一半即胜；原帖未给淘汰平票规则，训练代码采用字典序并明确它不是原题事实。

统计 first = last = 子数组最大值的非空子数组个数，如何在线性时间完成？

统计 first = last = 子数组最大值的非空子数组个数，如何在线性时间完成？

解题切入：端点同最大值子数组可用严格递减栈合并等值计数；遇到更大值弹出较小元素，同值累加贡献，整体 O(N)。

数轴上选一个已有位置使到所有点距离和最小

数轴上选一个已有位置使到所有点距离和最小；证明为什么中位数最优，并说明偶数和平局。

解题切入：距离和 f(x)=Σ|x-aᵢ| 的斜率在有序样本处由负转正，故任一中位区间最优；偶数点时选已有位置可取两中位数之一。

二叉树父节点保存子树最小值时，求全树第二小的不同值

二叉树父节点保存子树最小值时，求全树第二小的不同值；哪些子树可以剪枝？

解题切入：min-parent 树的根是全局最小；等于根的子树继续搜，大于根的节点本身已是该子树最小，可剪去后代，最坏仍是 O(N)。

仅通过 MultiDimArray.getDims() 与 get(indices) 遍历任意维度数组并求和，如何处理零维和空维？

仅通过 MultiDimArray.getDims() 与 get(indices) 遍历任意维度数组并求和，如何处理零维和空维？

解题切入：任意维数组的维数向量给每维范围，按笛卡尔积生成 index tuple 再调用 get；零长度维输出 0，零维若为标量需确认接口。

十亿级有序数组只有几百个不同值，如何跳过重复连续段并统计 distinct 数？

十亿级有序数组只有几百个不同值，如何跳过重复连续段并统计 distinct 数？

解题切入：有序数组同值成连续段；从段首二分找第一个更大值并跳转，O(K log N) 随 distinct 数 K 增长，随机访问代价需单独核。

实现 pow(x,n) 的递归/迭代快速幂，处理负指数和 INT_MIN 取反溢出

实现 pow(x,n) 的递归/迭代快速幂，处理负指数和 INT_MIN 取反溢出。

解题切入：快速幂按指数二进制位平方与乘，负指数先扩大到宽整数再取反；0 的负次方需报错，浮点溢出/下溢与 0⁰ 契约先问。

有序数组中找离 x 最近的 k 个数且结果有序

有序数组中找离 x 最近的 k 个数且结果有序；说明窗口二分的平局方向和大数组扩展。

解题切入：有序 K 最近数可以二分长度 K 窗口左边界；比较窗口两端到 x 的距离，相等向左保留较小数，输出切片 O(K)。

设计按排序分数展示的 Feed

设计按排序分数展示的 Feed：读多写少时如何混合推拉、削峰、缓存和保证作者自己即时可见？

解题切入：Feed 读多写少可普通用户写扩散、大 V 读合并；收件箱只存 ID/基础分，读时轻重排，自己发帖走读写直达并记录异步扇出水位。

给定 M 面骰子各面概率或非归一化权重，用前缀和与二分按比例采样

给定 M 面骰子各面概率或非归一化权重，用前缀和与二分按比例采样；概率和不为 1 怎么办？

解题切入：加权骰子先检查非负且总权重>0，累积前缀并按阈值二分；概率和不为 1 时按总权重缩放，零权重面不应被抽到。

升序数组逐项代入二次函数 ax²+bx+c，如何在线性时间返回升序结果？

升序数组逐项代入二次函数 ax²+bx+c，如何在线性时间返回升序结果？

解题切入：有序数组二次变换的极值在两端或顶点附近；a≥0 时两端较大值倒序填，a<0 时较小值正序填，a=0 也应兼容。

从零实现稀疏矩阵乘法，避免 O(MN) 的稠密存储，并分析非零项遍历成本

从零实现稀疏矩阵乘法，避免 O(MN) 的稠密存储，并分析非零项遍历成本。

解题切入：稀疏矩阵按行存非零列；A 的 (i,k) 只遍历 B 第 k 行非零项并累加到 (i,j)，抵消后删零，复杂度按非零乘积次数计。

给服务 read_from/write_to 路径和 deleted_list，先找路径受影响服务，再沿服务依赖链传播并按顺序输出

给服务 read_from/write_to 路径和 deleted_list，先找路径受影响服务，再沿服务依赖链传播并按顺序输出。

解题切入：路径删除影响先按规范化目录边界定位直接读取者，再以 write→read 依赖边传播；输出顺序需定义拓扑/层次与环处理，原帖缺完整路径匹配契约。

设计单 Admin 编辑、多 Viewer 实时看代码的 CoderPad 类网站

设计单 Admin 编辑、多 Viewer 实时看代码的 CoderPad 类网站；新成员进入要得到快照并持续追更。

解题切入：单编辑者实时协作可用服务端线性序号维护 edits，Viewer 先取带版本快照再按序应用增量；断线补偿和权限切换比 OT/CRDT 更关键。

预测用户是否点击展示的职位

预测用户是否点击展示的职位：监督标签、用户/职位特征、embedding、数据泄漏和线上评估如何定义？

解题切入：职位点击预测必须以实际曝光为训练总体，区分未曝光与曝光未点；按时间切分、延迟标签与 position bias 核对，embedding 不得引入未来交互。

短视频推荐如何快速适应用户连续划走这种高频负反馈，同时避免把探索机会全部关闭？

短视频推荐如何快速适应用户连续划走这种高频负反馈，同时避免把探索机会全部关闭？

解题切入：短视频划走是强但有噪声的负反馈；用户短期状态要快速更新并设衰减，保留探索/多样性和创作者公平，离线及在线指标同时看。

从简历/职位文本挖掘 LinkedIn Skills

从简历/职位文本挖掘 LinkedIn Skills：候选片段、规范化、歧义消解、标注与评估怎么做？

解题切入：Skills 提取先从文本找候选 span，再把别名规范化到技能本体并做语境消歧；公开/授权资料和人工样本界定训练边界。

调试手写 Logistic Regression

调试手写 Logistic Regression：sigmoid、交叉熵与梯度推导哪里容易出错，怎样做数值梯度检查？

解题切入：逻辑回归用稳定 logits BCE：梯度对 logit 为 sigmoid(z)-y，参数梯度为 Xᵀ(p-y)/N；数值差分核导数且避免 sigmoid 饱和。

从用户资料推断职位类别及子属性（如 Developer→Frontend/Backend/Infra），如何建层级标签并更新？

从用户资料推断职位类别及子属性（如 Developer→Frontend/Backend/Infra），如何建层级标签并更新？

解题切入：职位类别/子属性是层级多标签问题；先定义 taxonomy 与标注，父子约束、拒答和增量新类别应一起设计，不能把 one-vs-rest 说成唯一多分类方式。

给长文本求出现频率最高的前 K 个词，先明确分词、大小写、平局和大文本流式处理

给长文本求出现频率最高的前 K 个词，先明确分词、大小写、平局和大文本流式处理。

解题切入：Top K words 先定 Unicode 分词、归一化和同频顺序；计数后排序简单可靠，超大流需考虑外部聚合或近似 top K 的误差。

给数字串和词典，找哪些单词按电话键盘映射后等于该数字串

给数字串和词典，找哪些单词按电话键盘映射后等于该数字串；多次查询如何预建索引？

解题切入：电话键盘先把每词映射为数字码；单次查询扫词典，多次查询建数字码→词列表，保留原词顺序并处理 0/1。

实现按 value.rank() 淘汰的 Cache，last-seen 作为平局规则，rank 变动时如何保持堆正确？

实现按 value.rank() 淘汰的 Cache，last-seen 作为平局规则，rank 变动时如何保持堆正确？

解题切入：Rankable Cache 用 map+最小堆延迟失效，堆项的全局唯一版本避免删除后重插误命中；rank 可变必须显式刷新或牺牲 O(log N) 精确淘汰。

单机 File KV

单机 File KV：最多 10 万文件、10 亿 key、MB 级 value 不能留内存，如何索引、append 和回收？

解题切入：单机 File KV 的大 value 留磁盘 append log，内存只放 key→offset 元数据；十亿 key 的索引也可能超内存，需分层索引、压缩与 compaction。

设计分布式倒排索引，支持多个关键词 posting list 交集查询

设计分布式倒排索引，支持多个关键词 posting list 交集查询；如何分片并压低热门词读瓶颈？

解题切入：倒排索引按 term 找有序 docID posting list；交集先最短列表并用跳跃/二分，分片要区分 term 分片与 doc 分片带来的热点和 fanout。

设计 Exception Monitoring

设计 Exception Monitoring：从服务收集异常、按窗口找 Top K，如何定指纹、去重、时间窗口和可查 schema？

解题切入：Exception Monitoring 先采集结构化事件与错误指纹，再按租户/服务/时间窗聚合 Top K；高基数栈轨迹、迟到和异常去重需与查询 schema 一起定义。

设计 MaxStack 支持 push/pop/top/peekMax/popMax

设计 MaxStack 支持 push/pop/top/peekMax/popMax；如果 popMax 很少调用，结构能否简化？

解题切入：MaxStack 可用双链表保栈顺序、最大堆保值顺序，alive 位懒清理；popMax 同值时删最近压入者，稀少 popMax 可接受 O(N) 扫描换简洁。

实现 LRU Cache 并讨论多线程 get/put

实现 LRU Cache 并讨论多线程 get/put：原子性、锁粒度、容量和 AI 生成代码的验证方式。

解题切入：多线程 LRU 的 get 会移动 recency，属于写操作；整个查找/移动/淘汰需同一锁保护，单操作原子不等于复合 get-then-put 原子。

两个可能相交的无环链表用 O(1) 额外空间找第一个相交节点

两个可能相交的无环链表用 O(1) 额外空间找第一个相交节点；比较节点身份而非值。

解题切入：无环链表两指针在走到尾部后切到另一表，最多各走两表总长度而同步到交点；比较 node identity，不比较 value。

多线程嵌套函数 start/end 日志计算每个函数 inclusive 与 exclusive time，如何处理不同线程的栈？

多线程嵌套函数 start/end 日志计算每个函数 inclusive 与 exclusive time，如何处理不同线程的栈？

解题切入：CPU 时间按线程独立维护函数栈；end-start 是每次调用 inclusive，减直接子调用累计时长得 exclusive，半开时间与同时间戳顺序需先约定。

每格箭头可改方向一次，求左上到右下最少改几格

每格箭头可改方向一次，求左上到右下最少改几格；解释为何用 0-1 BFS。

解题切入：方向网格保留当前箭头的边 cost=0，改方向 cost=1；双端队列 0-1 BFS 求最少修改，普通 BFS 无法按代价分层。

用两个栈实现队列 push/pop/peek/empty，说明摊还 O(1) 和空队列行为

用两个栈实现队列 push/pop/peek/empty，说明摊还 O(1) 和空队列行为。

解题切入：双栈队列 incoming 收新元素，outgoing 为空时整批倒入；每元素最多进出各栈一次，摊还 O(1)，单次 pop 最坏 O(N)。

按 node key 合并两棵 N-ary Tree，并讨论节点冲突规则与并发修改时的版本/锁

按 node key 合并两棵 N-ary Tree，并讨论节点冲突规则与并发修改时的版本/锁。

解题切入：N-ary merge 只在 key 相同的节点递归合并；key 冲突、重复兄弟 key、顺序与 in-place 约束原帖未全给，先定契约再谈 DFS 与并发。

手写仅二元特征和标签的 Decision Tree

手写仅二元特征和标签的 Decision Tree：如何选 split、停止、处理空分支和过拟合？

解题切入：二元 Decision Tree 每节点枚举尚可分特征，按 Gini/entropy 减少不纯度；纯叶、无增益、空分支与深度限制需要明确，原帖没给精确训练 contract。

设计 LinkedIn Post / Job / Friend Updates 推荐

设计 LinkedIn Post / Job / Friend Updates 推荐：召回、排序、时效与不同来源的目标如何统一？

解题切入：Post/Job/Friend Updates 推荐应先分内容源召回、统一候选特征与多目标排序；曝光/点击偏差、职位过期和好友新动态时效需拆开评估。

广告定向太窄时，如何把不完全匹配用户纳入 audience expansion，同时守住硬约束与广告主 ROI？

广告定向太窄时，如何把不完全匹配用户纳入 audience expansion，同时守住硬约束与广告主 ROI？

解题切入：广告 audience expansion 只能放宽可放宽的软匹配；地域/授权/排除名单是硬条件，评估增量覆盖、转化成本和反事实偏差。

Staff Design Retro / 项目深挖怎样证明本人决策、跨团队影响、取舍和可量化业务结果？

Staff Design Retro / 项目深挖怎样证明本人决策、跨团队影响、取舍和可量化业务结果？

解题切入：Staff 项目 Retro 用目标/范围、本人技术决策、跨组冲突、权衡、失败和业务结果构成证据链；没有本人数据不虚构影响。

只给固定独立偏置的 0/1 随机函数，如何先去偏再无偏得到 0–6？为什么要拒绝第八种三位结果？

只给固定独立偏置的 0/1 随机函数，如何先去偏再无偏得到 0–6？为什么要拒绝第八种三位结果？

解题切入：原帖给偏置 0/1 源；若独立且固定偏置，先用 01/10 成对 Von Neumann 去偏，再以 3 个公平 bit 产生 0–7，拒绝 7 得均匀 0–6。

NestedInteger 的普通深度加权和与反向深度加权和如何遍历？空嵌套层不能改变最大整数深度

NestedInteger 的普通深度加权和与反向深度加权和如何遍历？空嵌套层不能改变最大整数深度。

解题切入：Nested Weight Sum 普通版按整数深度乘值；反向版以最深整数层作权重 1，空嵌套列表不应虚增该深度，先核对是哪一版。

给 knows(a,b) 查询，如何用 O(N) 次调用找 Celebrity 并验证不存在情形？

给 knows(a,b) 查询，如何用 O(N) 次调用找 Celebrity 并验证不存在情形？

解题切入：Celebrity 先线性排除候选：若 c 认识 i 则 c 出局，否则 i 出局；最后再逐人检查候选不认识任何人且人人认识候选。

两个升序正数数组的乘积网格中取最小 K 对

两个升序正数数组的乘积网格中取最小 K 对；如何用行堆处理重复值和平局？

解题切入：正数升序数组乘积矩阵每行有序；先把每行首项入堆，每次弹最小并推进该行列，取 K 项，负数会破坏单调前提。

实现支持重复值的 add/remove/removeRandom

实现支持重复值的 add/remove/removeRandom：数组与 value→indices 集合如何做到平均 O(1)？

解题切入：随机化多重集用数组存每次出现、map 值到索引集合；删除时用末尾交换补洞并同步两侧索引，随机下标使每个 occurrence 等概率。

Linear Regression 与 Logistic Regression 何处共享线性预测器，损失、链接函数和概率解释又为何不同？

Linear Regression 与 Logistic Regression 何处共享线性预测器，损失、链接函数和概率解释又为何不同？

解题切入：Linear/Logistic 都可用 z=wᵀx+b，但前者直接预测连续值常配平方损失，后者经 sigmoid 给 Bernoulli 概率并配交叉熵；不能说目标完全一样。

Random Forest 的树数、深度、特征采样与过拟合怎样取舍？与 Boosting 的训练和偏差方差有何差别？

Random Forest 的树数、深度、特征采样与过拟合怎样取舍？与 Boosting 的训练和偏差方差有何差别？

解题切入：Random Forest 通过 bootstrap 和随机特征让树去相关，常减方差；Boosting 顺序拟合残差/梯度，重视弱学习器与 shrinkage，过拟合控制看深度与样本。

高斯分布均值与方差的 MLE 如何推导？高斯混合模型为何引入 EM 的责任度迭代？

高斯分布均值与方差的 MLE 如何推导？高斯混合模型为何引入 EM 的责任度迭代？

解题切入：单高斯 MLE 得 μ=样本均值、σ²=平均平方偏差（分母 N）；混合高斯的隐变量责任度需 E/M 交替，初始化与退化方差必须处理。

推荐系统高延迟时如何同时从检索、特征、模型、缓存和尾延迟定位并权衡质量？

推荐系统高延迟时如何同时从检索、特征、模型、缓存和尾延迟定位并权衡质量？

解题切入：推荐延迟先量分层 p50/p95/p99，再缩召回候选、批取特征、压模型/级联、设缓存和超时回退；每步都以离线/线上质量对照。

什么是 Virtual Memory / Page Table / TLB，缺页、地址转换与权限检查分别在哪里发生？

什么是 Virtual Memory / Page Table / TLB，缺页、地址转换与权限检查分别在哪里发生？

解题切入：虚拟地址经页表映射到物理页，TLB 缓存翻译；TLB miss 不等于 page fault，缺页可能需要操作系统装页并更新页表。

数组和链表在随机访问、插入删除、缓存局部性和内存开销上的真实取舍是什么？

数组和链表在随机访问、插入删除、缓存局部性和内存开销上的真实取舍是什么？

解题切入：数组连续内存便于 O(1) 索引和缓存预取，但中间插入搬移 O(N)；链表已知节点插删 O(1)，查找仍 O(N) 且指针占内存。

Process 与 Thread 的地址空间、隔离、切换和共享数据同步有何差别？

Process 与 Thread 的地址空间、隔离、切换和共享数据同步有何差别？

解题切入：进程隔离地址空间，线程共享进程地址空间而有独立栈/寄存器；共享使通信便捷也带 race，需要锁/原子操作。

Write-through 与 Write-back Cache 何时落到后端，怎样处理崩溃、脏数据和失效？

Write-through 与 Write-back Cache 何时落到后端，怎样处理崩溃、脏数据和失效？

解题切入：Write-through 同步写后端再确认，持久性路径清楚但写放大；Write-back 先更新缓存并标脏，必须有可靠刷盘/故障恢复。

Java 的 final、finally、finalize 分别是什么，变量/方法/类的 final 限制到哪里？

Java 的 final、finally、finalize 分别是什么，变量/方法/类的 final 限制到哪里？

解题切入：Java final 限制重新赋值/覆盖/继承，finally 是 try 后清理块；final 引用仍可指向可变对象，finalize 已不应作为资源释放机制。

Heap Memory 与 Stack Memory 有何区别，分配、生命周期、共享与逃逸分析怎样影响性能？

Heap Memory 与 Stack Memory 有何区别，分配、生命周期、共享与逃逸分析怎样影响性能？

解题切入：线程栈存调用帧与局部变量语义，堆承载动态对象；逃逸分析可优化分配，不能把所有对象机械判为必在物理堆。

Semaphore 与 Mutex 如何不同？什么时候需要许可计数，什么时候需要互斥和所有权？

Semaphore 与 Mutex 如何不同？什么时候需要许可计数，什么时候需要互斥和所有权？

解题切入：Mutex 是所有权互斥，一次只有一个持锁者；Semaphore 按许可计数限制并发资源，许可交还语义通常不等于锁所有权。

Exception 是什么？与返回错误码、进程崩溃及可恢复/不可恢复错误如何区分？

Exception 是什么？与返回错误码、进程崩溃及可恢复/不可恢复错误如何区分？

解题切入：Exception 是把异常控制流与错误信息沿调用栈传播的机制；应区分可预期业务失败、可恢复异常和程序不变量破坏，并做好 finally/资源清理。

Java Object 与 Inner Class 如何理解

Java Object 与 Inner Class 如何理解：静态嵌套类和非静态内部类的外部实例引用有什么差别？

解题切入：非静态 Inner Class 隐含外部实例引用，可访问其成员；static nested class 无隐含外部实例，避免不必要的生命周期耦合。

Isomorphic Strings 如何用双向字符映射判断一一对应，并处理长度不等与 Unicode 语义？

Isomorphic Strings 如何用双向字符映射判断一一对应，并处理长度不等与 Unicode 语义？

解题切入：Isomorphic Strings 需双向映射：旧 source 必须映向同一 target，新 source 的 target 也不能已被占用；长度不等先拒绝，字符单位和规范化需明确。

括号匹配从 `()` 扩展到 `[]` 与 `{}` 时，如何用栈验证嵌套顺序而不是只数括号？

括号匹配从 `()` 扩展到 `[]` 与 `{}` 时，如何用栈验证嵌套顺序而不是只数括号？

解题切入：多类括号匹配把期待的闭括号压栈，遇闭括号核对栈顶，结束要求空栈；仅统计各类数量不能发现 `([)]` 交叉错误。

Top K Search Words 如何定义 query 与时间窗，处理事件去重、迟到、热门词和全局精确排名？

Top K Search Words 如何定义 query 与时间窗，处理事件去重、迟到、热门词和全局精确排名？

解题切入：Top K Search Words 系统题先定义完整 query、分词还是独立用户数，再按事件时间聚合并去重；局部 Top K 合并不一定是全局 Top K，精确与近似方案必须分开。