Python面试

今天药忘吃喽~ 2022-02-20 15:49 554阅读 0赞

# Python 面试 #

## ==================== 电话面试 ==================== ##

### What？ ###

1.  什么是Python？
2.  什么是Python自省？
3.  什么是PEP？
4.  什么是pickling和unpick？
5.  什么是Python装饰器？
6.  什么是Python的命名空间？
7.  什么是字典推导式和列表推导式？
8.  Lambda函数是什么？
9.  \*Argos，\*\*warthogs参数是什么？
10. 什么是Pass语句？
11. unittest是什么？
12. 构造器是什么？
13. doc string是什么？
14. 负索引是什么？
15. 模块和包是什么？
16. 垃圾回收是什么？
17. CSRF是什么？

### How？ ###

1.  如何让你的程序更具可读性？
2.  Python是如何被解释的？
3.  如何在Python中拷贝一个对象？
4.  如何用Python删除一个文件？
5.  如何将一个数字转换成一个字符串？
6.  Python是如何进行内存管理的？
7.  如何实现duple和list的转换？
8.  Python里面如何生成随机数？
9.  如何在一个function里面设置一个全局的变量
10. Python如何实现单例模式？其他23种设计模式python如何实现？
11. Deepcopy如何实现？
12. 算法排序在最坏情况下如何优化？
13. 如何判断单向链表中是否有环？
14. 如何遍历一个内部未知的文件夹？
15. 数据库如何分区、分表？
16. 如何对查询命令进行优化？
17. 如何理解开源？
18. 如何用MVC/MTV的缓存？
19. Mys的死锁是如何产生的？
20. Sql注入是如何产生的，如何防止？
21. xxs如何预防？
22. 如何生成共享秘钥？ 如何防范中间人攻击？
23. 如何管理不同版本的代码？

### Different？ ###

1.  数组和元组之间的区别？
2.  \_new\_和\_init\_的区别？
3.  Python中单下划线和双下划綫的区别？
4.  浅拷贝与深拷贝的区别是？
5.  使用装饰器的单例和使用其他方法的单例，在后续使用中，有何区别？
6.  多进程与多线程的区别？
7.  select和epoll的区别？
8.  TCP和UDP的区别？边缘触发和水平触发的区别？
9.  HTTP连接：get和post的区别？
10. varchar与char的区别？
11. BTree索引和hash索引的区别？
12. 在判断object是否是class的instances时，type和Constance函数的区别？
13. primary key和unique的区别？
14. ecb和cbc模式有什么区别？
15. 对称加密与非对称加密的区别？
16. staticmethod和装饰器的区别？
17. Xrange和range的区别？
18. deepcopy 和 copy的区别？
19. os.path和sys.path的区别？
20. 生成器(generator)与函数的区别？
21. os与sys模块的区别？
22. NoSQL和关系数据库的区别？

## ==================== 自我介绍 ==================== ##

## ==================== 项目经历 ==================== ##

\[CMS\]

上传图片 | pdf | xlsx

html 转 pdf

编辑器

二维码

excel 文件导入数据

下载

增删改查

QuerySet 的查询：按文字 | Q | 注意不能拖库 | 大于等于、小于等于

开启 | 关闭

通过 | 驳回

屏蔽

分页

筛选

排序

同步

抓取

表单

图表（表格|echarts）

模板中的变量／标签／过滤器

短信通知

通知栏推送

广告投放

弹窗

\[API\]

### 1 + n => 1 + 1 ###

### 并行与并发 ###

### 同步与异步 ###

### 阻塞与非阻塞 ###

### RESTfull API ###

### json和xml区别 ###

XML:
    
    (1)应用广泛，可扩展性强，被广泛应用各种场合；
    
    (2)读取、解析没有JSON快；
    
    (3)可读性强，可描述复杂结构。
    
    JSON:
    
    (1)结构简单，都是键值对；
    
    (2)读取、解析速度快，很多语言支持；
    
    (3)传输数据量小，传输速率大大提高；
    
    (4)描述复杂结构能力较弱。

### 综合题：话题模块 ###

### 综合题：课程评价模块 ###

\[H5\]

\[background\]

## ==================== 随机问答 ==================== ##

\[python\]

### 浅拷贝与深拷贝的区别是？ ###

在python中，对象赋值实际上是对象的引用。浅拷贝，没有拷贝子对象，所以原始数据改变，子对象会改变，而深拷贝，包含对象里面的子对象的拷贝，所以原始对象的改变不会造成深拷贝里任何子元素的改变。

### 装饰器 ###

Python装饰器是Python中的特有变动，可以使修改函数变得更容易。

### 闭包 ###

一个能记住嵌套作用域变量值的函数，尽管作用域已经不存在。

### GIL ###

在python的原始解释器CPython中存在着GIL（Global Interpreter Lock，全局解释器锁），因此在解释执行python代码时，会产生互斥锁来限制线程对共享资源的访问，直到解释器遇到I/O操作或者操作次数达到一定数目时才会释放GIL。
    
    所以，虽然CPython的线程库直接封装了系统的原生线程，但CPython整体作为一个进程，同一时间只会有一个线程在跑，其他线程则处于等待状态。这就造成了即使在多核CPU中，多线程也只是做着分时切换而已。

\[sql\]

### limit - 分页 ###

### JOIN（内连接 | 左链接 | 右链接） ###

### varchar与char的区别？ ###

char 长度是固定的，不管你存储的数据是多少他都会都固定的长度。而varchar则处可变长度但他要在总长度上加1字符，这个用来存储位置。所以在处理速度上char要比varchar快速很多，但是对费存储空间，所以对存储不大，但在速度上有要求的可以使用char类型，反之可以用varchar类型。

### explain ###

### mysql优化 ###

### 索引 ###

### 数据库索引原理 ###

二叉排序树 - 平衡二叉树- B+树

### memcached和redis的区别 ###

(1)性能对比：由于Redis只使用单核，而Memcached可以使用多核，所以平均每一个核上Redis在存储小数据时比Memcached性能更高。而在100k以上的数据中，Memcached性能要高于Redis，虽然Redis最近也在存储大数据的性能上进行优化，但是比起Memcached，还是稍有逊色。

(2)内存使用效率对比：使用简单的key-value存储的话，Memcached的内存利用率高，而如果Redis采用hash结构来做key-value存储，由于其组合式的压缩，其内存利用率会高于Memcached。

(3)Redis支持服务器端的数据操作：Redis相比Memcached来说，拥有更多的数据结构和并支持更丰富的数据操作，通常在Memcached里，你需要将数据拿到客户端来进行类似的修改再set回去。这大大增加了网络IO的次数和数据体积。在Redis中，这些复杂的操作通常和一般的GET/SET一样高效。所以，如果需要缓存能够支持更复杂的结构和操作，那么Redis会是不错的选择。

### 数据库会死锁吗，举一个死锁的例子，mysql 怎么解决死锁。 ###

产生死锁的原因主要是：

系统资源不足。 进程运行推进的顺序不合适。 资源分配不当等。
    
    如果系统资源充足，进程的资源请求都能够得到满足，死锁出现的可能性就很低，否则就会因争夺有限的资源而陷入死锁。其次，进程运行推进顺序与速度不同，也可能产生死锁。

产生死锁的四个必要条件：

互斥条件：一个资源每次只能被一个进程使用。
    
    请求与保持条件：一个进程因请求资源而阻塞时，对已获得的资源保持不放。
    
    不剥夺条件：进程已获得的资源，在末使用完之前，不能强行剥夺。
    
    循环等待条件：若干进程之间形成一种头尾相接的循环等待资源关系。
    
    这四个条件是死锁的必要条件，只要系统发生死锁，这些条件必然成立，而只要上述条件之一不满足，就不会发生死锁。

解决数据库死锁的方法：

重启数据库。 杀掉抢资源的进程。

\[algorithm\]

\[system\]

1、进程与线程的区别

（1）粒度性分析：线程的粒度小于进程。

（2）调度性分析：进程是资源拥有的基本单位，线程是独立调度与独立运行的基本单位，出了寄存器，程序计数器等必要的资源外基本不拥有其他资源。

（3）系统开销分析：由于线程基本不拥有系统资源，所以在进行切换时，线程切换的开销远远小于进程。

（4）关系：同一个进程中可以包括多个线程，并且线程共享整个进程的资源（寄存器、堆栈、上下文），一个进行至少包括一个线程。

（5）地址空间：进程拥有一个完整的虚拟地址空间，不依赖于线程而独立存在；反之，线程是进程的一部分，没有自己的地址空间，与进程内的其他线程一起共享分配给该进程的所有资源。

比如：开个QQ，开了一个进程；开了迅雷，开了一个进程。在QQ的这个进程里，传输文字开一个线程、传输语音开了一个线程、弹出对话框又开了一个线程。所以运行某个软件，相当于开了一个进程。在这个软件运行的过程里（在这个进程里），多个工作支撑的完成QQ的运行，那么这“多个工作”分别有一个线程。所以一个进程管着多个线程。通俗的讲：“进程是爹妈，管着众多的线程儿子”。

2、进程的状态及其转换

运行态 | 阻塞态 | 就绪态

3、进程同步与互斥的区别

互斥：是指某一资源同时只允许一个访问者对其进行访问，具有唯一性和排它性。但互斥无法限制访问者对资源的访问顺序，即访问是无序的。

同步：是指在互斥的基础上（大多数情况），通过其它机制实现访问者对资源的有序访问。在大多数情况下，同步已经实现了互斥，特别是所有写入资源的情况必定是互斥的。少数情况是指可以允许多个访问者同时访问资源。

简单地说：同步体现的是一种协作性，互斥体现的是一种排他性。

4、进程间的通信方式有哪些？

（1）管道( pipe )：管道是一种半双工的通信方式，数据只能单向流动，而且只能在具有亲缘关系的进程间使用。进程的亲缘关系通常是指父子进程关系。

（2）有名管道 (named pipe) ： 有名管道也是半双工的通信方式，但是它允许无亲缘关系进程间的通信。

（3）信号量( semophore ) ： 信号量是一个计数器，可以用来控制多个进程对共享资源的访问。它常作为一种锁机制，防止某进程正在访问共享资源时，其他进程也访问该资源。因此，主要作为进程间以及同一进程内不同线程之间的同步手段。

（4）消息队列( message queue ) ： 消息队列是由消息的链表，存放在内核中并由消息队列标识符标识。消息队列克服了信号传递信息少、管道只能承载无格式字节流以及缓冲区大小受限等缺点。

（5）信号 ( sinal ) ： 信号是一种比较复杂的通信方式，用于通知接收进程某个事件已经发生。

（6）共享内存( shared memory ) ：共享内存就是映射一段能被其他进程所访问的内存，这段共享内存由一个进程创建，但多个进程都可以访问。共享内存是最快的 IPC 方式，它是针对其他进程间通信方式运行效率低而专门设计的。它往往与其他通信机制，如信号两，配合使用，来实现进程间的同步和通信。

（7）套接字( socket ) ： 套解口也是一种进程间通信机制，与其他通信机制不同的是，它可用于不同及其间的进程通信。

5、作业（或进程）的调度算法有哪些？

（1）先来先服务（FCFS，First-Come-First-Served）: 此算法的原则是按照作业到达后备作业队列（或进程进入就绪队列）的先后次序来选择作业（或进程）。

（2）短作业优先（SJF,Shortest Process Next）：这种调度算法主要用于作业调度，它从作业后备队列中挑选所需运行时间（估计值）最短的作业进入主存运行。

（3）时间片轮转调度算法（RR，Round-Robin）：当某个进程执行的时间片用完时，调度程序便停止该进程的执行，并将它送就绪队列的末尾，等待分配下一时间片再执行。然后把处理机分配给就绪队列中新的队首进程，同时也让它执行一个时间片。这样就可以保证就绪队列中的所有进程，在一给定的时间内，均能获得一时间片处理机执行时间。

（4）高响应比优先（HRRN，Highest Response Ratio Next）: 按照高响应比（（已等待时间＋要求运行时间）/ 要求运行时间）优先的原则，在每次选择作业投入运行时，先计算此时后备作业队列中每个作业的响应比RP然后选择其值最大的作业投入运行。

（5）优先权(Priority)调度算法: 按照进程的优先权大小来调度，使高优先权进程得到优先处理的调度策略称为优先权调度算法。注意：优先数越多，优先权越小。

（6）多级队列调度算法：多队列调度是根据作业的性质和类型的不同，将就绪队列再分为若干个子队列，所有的作业（或进程）按其性质排入相应的队列中，而不同的就绪队列采用不同的调度算法。

6、死锁产生的原因，死锁产生的必要条件是什么，如何预防死锁，如何避免死锁，死锁定理？

死锁产生的原因：(1)竞争资源；（2）进程推进顺序不当。

死锁产生的必要条件：

（1）互斥条件：一个资源一次只能被一个进程所使用，即是排它性使用。

（2）不剥夺条件：一个资源仅能被占有它的进程所释放，而不能被别的进程强占。

（3）请求与保持条件：进程已经保持了至少一个资源，但又提出了新的资源要求，而该资源又已被其它进程占有，此时请求进程阻塞，但又对已经获得的其它资源保持不放。

（4）环路等待条件：当每类资源只有一个时，在发生死锁时，必然存在一个进程-资源的环形链。

预防死锁：破坏四个必要条件之一。

死锁的避免：银行家算法，该方法允许进程动态地申请资源，系统在进行资源分配之前，先计算资源分配的安全性。若此次分配不会导致系统从安全状态向不安全状态转换，便可将资源分配给进程；否则不分配资源，进程必须阻塞等待。从而避免发生死锁。

死锁定理：S为死锁状态的充分条件是：尚且仅当S状态的资源分配图是不可完全简化的，该充分条件称为死锁定理。

死锁的解除：

（1）方法1：强制性地从系统中撤消一个或多个死锁的进程以断开循环等待链，并收回分配给终止进程的全部资源供剩下的进程使用。

（2）方法2：使用一个有效的挂起和解除机构来挂起一些死锁的进程，其实质是从被挂起的进程那里抢占资源以解除死锁。

7、分段式存储管理、分页式存储管理，两个的区别？

分段式存储管理：分页存储管理是将一个进程的地址（逻辑地址空间）空间划分成若干个大小相等的区域，称为页，相应地，将内存空间划分成与页相同大小（为了保证页内偏移一致）的若干个物理块，称为块或页框（页架）。在为进程分配内存时，将进程中的若干页分别装入多个不相邻接的块中。

分页式存储管理：在分段存储管理方式中，作业的地址空间被划分为若干个段，每个段是一组完整的逻辑信息，如有主程序段、子程序段、数据段及堆栈段等，每个段都有自己的名字，都是从零开始编址的一段连续的地址空间，各段长度是不等的。

两者的区别：

1、页是信息的物理单位，分页是为了实现非连续的分配，以便解决内存的碎片问题，或者说分页是为了由于系统管理的需要。

2、页的大小固定是由系统确定的，将逻辑地址划分为页号和页内地址是由机器硬件实现的。而段的长度是不固定的，决定与用户的程序长度，通常由编译程序进行编译时根据信息的性质来划分。

3、分页式存储管理的作业地址空间是一维的，分段式的存储管理的作业管理地址空间是二维的。

8、页面置换算法有哪些？

（1）最佳置换算法（Optimal）：即选择那些永不使用的，或者是在最长时间内不再被访问的页面置换出去。（它是一种理想化的算法，性能最好，但在实际上难于实现）。

（2）先进先出置换算法FIFO：该算法总是淘汰最先进入内存的页面，即选择在内存中驻留时间最久的页面予以淘汰。

（3）最近最久未使用置换算法LRU（Least Recently Used）：该算法是选择最近最久未使用的页面予以淘汰，系统在每个页面设置一个访问字段，用以记录这个页面自上次被访问以来所经历的时间T，当要淘汰一个页面时，选择T最大的页面。

（4）Clock置换算法：也叫最近未用算法NRU（Not RecentlyUsed）。该算法为每个页面设置一位访问位，将内存中的所有页面都通过链接指针链成一个循环队列。当某页被访问时，其访问位置“1”。在选择一页淘汰时，就检查其访问位，如果是“0”，就选择该页换出；若为“1”，则重新置为“0”，暂不换出该页，在循环队列中检查下一个页面，直到访问位为“0”的页面为止。由于该算法只有一位访问位，只能用它表示该页是否已经使用过，而置换时是将未使用过的页面换出去，所以把该算法称为最近未用算法。

（5）最少使用置换算法LFU：该算法选择最近时期使用最少的页面作为淘汰页。

### 多线程与死锁 ###

死锁是指两个或两个以上的进程在执行过程中，因争夺资源而造成的一种互相等待的现象，若无外力作用，它们都将无法推进下去。

产生死锁的原因：

一.因为系统资源不足。

二.进程运行推进的顺序不合适。

三.资源分配不当。

### 如何才能产生死锁 ###

产生死锁的四个必要条件：

一.互斥条件：所谓互斥就是进程在某一时间内独占资源。

二.请求与保持条件：一个进程因请求资源而阻塞时，对已获得的资源保持不放。

三.不剥夺条件:进程已获得资源，在末使用完之前，不能强行剥夺。

四.循环等待条件:若干进程之间形成一种头尾相接的循环等待资源关系。

### 死锁的预防 ###

打破产生死锁的四个必要条件中的一个或几个，保证系统不会进入死锁状态。

一.打破互斥条件。即允许进程同时访问某些资源。但是，有的资源是不允许被同时访问的，像打印机等等，这是由资源本身的属性所决定的。所以，这种办法并无实用价值。

二.打破不可抢占条件。即允许进程强行从占有者那里夺取某些资源。就是说，当一个进程已占有了某些资源，它又申请新的资源，但不能立即被满足时，它必须释放所占有的全部资源，以后再重新申请。它所释放的资源可以分配给其它进程。这就相当于该进程占有的资源被隐蔽地强占了。这种预防死锁的方法实现起来困难，会降低系统性能。

三.打破占有且申请条件。可以实行资源预先分配策略。即进程在运行前一次性地向系统申请它所需要的全部资源。如果某个进程所需的全部资源得不到满足，则不分配任何资源，此进程暂不运行。只有当系统能够满足当前进程的全部资源需求时，才一次性地将所申请的资源全部分配给该进程。由于运行的进程已占有了它所需的全部资源，所以不会发生占有资源又申请资源的现象，因此不会发生死锁。

四.打破循环等待条件，实行资源有序分配策略。采用这种策略，即把资源事先分类编号，按号分配，使进程在申请，占用资源时不会形成环路。所有进程对资源的请求必须严格按资源序号递增的顺序提出。进程占用了小号资源，才能申请大号资源，就不会产生环路，从而预防了死锁。

\[network\]

### TCP/IP 的体系结构 ###

网络接口层|网际层IP|运输层（TCP或UDP）|应用层

### 讲一下TCP三次握手(及原因)和TCP四次分手(及原因) ###

TCP三次握手的原因：防止失效的连接

TCP四次分手的原因：等待服务器端发送还未传送的数据

### TCP 滑动窗口 ###

### TCP 流量控制 与 TCP 拥塞控制 ###

### TCP和UDP的区别及其适用场景 ###

首先说一下什么是TCP和UDP：

TCP是传输控制协议，提供的是面向连接、可靠的字节流服务。
    
    UDP是用户数据报协议，是一个简单的面向数据报的运输层协议。

TCP和UDP的区别：

TCP面向连接的运输层协议，UDP无连接
    
    TCP是可靠交付，UDP是尽最大努力交付
    
    TCP面向字节流，UDP面向报文
    
    TCP是点对点连接的，UDP一对一，一对多，多对多都可以
    
    TCP适合用于网页，邮件等，UDP适合用于视频，语音广播等

TCP和UDP的适用场景：

整个数据要准确无误的传递给对方，这往往用于一些要求可靠的应用，比如HTTP、HTTPS、FTP等传输文件的协议，POP、SMTP等邮件传输的协议。
    
    当对网络通讯质量要求不高的时候，要求网络通讯速度能尽量的快，比如视频、广播等，这时就可以使用UDP。

### HTTP 请求方法 ###

### GET 和 POST 的区别 ###

1.参数

GET 和 POST 的请求都能使用额外的参数，但是 GET 的参数是以查询字符串出现在 URL 中，而 POST 的参数存储在内容实体中。
    
    GET 的传参方式相比于 POST 安全性较差，因为 GET 传的参数在 URL 中是可见的，可能会泄露私密信息。并且 GET 只支持 ASCII 字符，如果参数为中文则可能会出现乱码，而 POST
    支持标准字符集。

2.安全

3.幂等性

4.可缓存

5.XMLHttpRequest

### HTTP 状态码 ###

200 请求成功

201 创建成功

400 请求错误

401 未验证

403 被拒绝 签名问题

404 无法找到

405 错误 – 方法不被允许 (Method not allowed)

409 资源冲突

499 “client has closed connection”。这很有可能是因为服务器端处理的时间过长，客户端“不耐烦”了。

500 服务器内部错误

502 Bad Gateway是指错误网关，无效网关

504 Gateway Timeout 网关超时，由作为代理或网关的服务器使用，表示不能及时地从远程服务器获得应答。（HTTP 1.1新）。

### Cookie ###

HTTP 协议是无状态的，主要是为了让 HTTP 协议尽可能简单，使得它能够处理大量事务。HTTP/1.1 引入 Cookie 来保存状态信息。

Cookie 是服务器发送给客户端的数据，该数据会被保存在浏览器中，并且客户端的下一次请求报文会包含该数据。通过 Cookie 可以让服务器知道两个请求是否来自于同一个客户端，从而实现保持登录状态等功能。

### Session 和 Cookie 区别 ###

Session 是服务器用来跟踪用户的一种手段，每个 Session 都有一个唯一标识：Session ID。当服务器创建了一个 Session 时，给客户端发送的响应报文包含了 Set-Cookie 字段，其中有一个名为 sid 的键值对，这个键值对就是 Session ID。客户端收到后就把 Cookie 保存在浏览器中，并且之后发送的请求报文都包含 Session ID。HTTP 就是通过 Session 和 Cookie 这两种方式一起合作来实现跟踪用户状态的，Session 用于服务器端，Cookie 用于客户端。

### HTTP 和 HTTPS区别 ###

HTTP 有以下安全性问题：

使用明文进行通信，内容可能会被窃听；
    
    不验证通信方的身份，通信方的身份有可能遭遇伪装；
    
    无法证明报文的完整性，报文有可能遭篡改。

HTTPs 并不是新协议，而是 HTTP 先和 SSL（Secure Sockets Layer）通信，再由 SSL 和 TCP 通信。也就是说 HTTPs 使用了隧道进行通信。通过使用 SSL，HTTPs 具有了加密、认证和完整性保护。

### 对称密钥加密 和 非对称密钥加密 ###

1.  对称密钥加密

对称密钥加密（Symmetric-Key Encryption），加密的加密和解密使用同一密钥。

优点：运算速度快；
    
    缺点：密钥容易被获取。

1.  公开密钥加密

公开密钥加密（Public-Key Encryption），也称为非对称密钥加密，使用一对密钥用于加密和解密，分别为公开密钥和私有密钥。公开密钥所有人都可以获得，通信发送方获得接收方的公开密钥之后，就可以使用公开密钥进行加密，接收方收到通信内容后使用私有密钥解密。

优点：更为安全；
    
    缺点：运算速度慢；

1.  HTTPs 采用的加密方式

HTTPs 采用混合的加密机制，使用公开密钥加密用于传输对称密钥，之后使用对称密钥加密进行通信。（下图中的 Session Key 就是对称密钥）

### Web 攻击技术 ###

1.  主动攻击

直接攻击服务器，具有代表性的有 SQL 注入和 OS 命令注入。

1.  被动攻击

设下圈套，让用户发送有攻击代码的 HTTP 请求，用户会泄露 Cookie 等个人信息，具有代表性的有跨站脚本攻击（XSS）和跨站请求伪造（CSRF）。

\[oo\]

### MVC ###

MVC是Model—View—Controler的简称。即模型—视图—控制器。MVC是一种设计模式，它强制性的把应用程序的输入、处理和输出分开。MVC中的模型、视图、控制器它们分别担负着不同的任务。

视图: 视图是用户看到并与之交互的界面。视图向用户显示相关的数据，并接受用户的输入。视图不进行任何业务逻辑处理。

模型: 模型表示业务数据和业务处理，相当于JavaBean。一个模型能为多个视图提供数据。这提高了应用程序的重用性。

控制器: 当用户单击Web页面中的提交按钮时，控制器接受请求并调用相应的模型去处理请求，然后根据处理的结果调用相应的视图来显示处理的结果。

MVC的处理过程：首先控制器接受用户的请求，调用相应的模型来进行业务处理，并返回数据给控制器。控制器调用相应的视图来显示处理的结果。并通过视图呈现给用户。

\[distribute\]

\[tool\]

\[program\]

\[综合\]

### 概念 ###

偏函数：当函数的参数个数太多，需要简化时，使用functools.partial可以创建一个新的函数，这个新函数可以固定住原函数的部分参数，从而在调用时更简单。

### 数据结构 ###

> list

list - 切片 - 列表生成式 - 生成器generator - yield - Iterator（迭代器）- Iterable（迭代对象）

mutable | immutable

对象有两种,“可更改”（mutable）与“不可更改”（immutable）对象。在python中，strings, tuples, 和numbers是不可更改的对象，而 list, dict, set 等则是可以修改的对象。(这就是这个问题的重点)

生成器：

第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator
    
    如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator

Xrange和range的区别

yield - Python对协程的支持是通过generator实现的。

协程看上去也是子程序，但执行过程中，在子程序内部可中断，然后转而执行别的子程序，在适当的时候再返回来接着执行。

进程与线程区别

（1）粒度性分析：线程的粒度小于进程。

（3）系统开销分析：由于线程基本不拥有系统资源，所以在进行切换时，线程切换的开销远远小于进程。

（4）关系：同一个进程中可以包括多个线程，并且线程共享整个进程的资源（寄存器、堆栈、上下文），一个进行至少包括一个线程。

举例：QQ 和浏览器是两个进程，浏览器进程里面有很多线程，例如 HTTP 请求线程、事件响应线程、渲染线程等等，线程的并发执行使得在浏览器中点击一个新链接从而发起 HTTP 请求时，浏览器还可以响应用户的其它事件。

死锁

编程

*  定义一个函数，其作用是检测字符串里所有 a 的索引位置，最终返回所有 index

def get_a_indexs(string):
        result = []
        for index, letter in enumerate(string):
            if letter == 'a':
                result.append(index)
        return result
    
    results = get_a_indexs('this is a test to check a')
    results_list = list(results)

> dict

哈希表的原理

普通字典 - 字典推导式（互换字典的键值对） - 有序字典 - 默认值字典

缓存(redis|memcache) - 分布式缓存

### Redis与Memcached的区别与比较 ###

1.  Redis不仅仅支持简单的k/v类型的数据，同时还提供list，set，zset，hash等数据结构的存储。memcache支持简单的数据类型，String。
2.  Redis支持数据的备份，即master-slave模式的数据备份。
3.  Redis支持数据的持久化，可以将内存中的数据保持在磁盘中，重启的时候可以再次加载进行使用,而Memecache把数据全部存在内存之中
4.  redis的速度比memcached快很多
5.  Memcached是多线程，非阻塞IO复用的网络模型；Redis使用单线程的IO复用模型。

一致性哈希算法

解决：Hash 取模

问题：这个算法的容错性和扩展性都较差

优点：容错性|拓展性

问题: 当节点较少时会出现数据分布不均匀的情况

解决：这个问题，一致哈希算法引入了虚拟节点。将每一个节点都进行多次 hash，生成多个节点放置在环上称为虚拟节点:

### 增删改查 ###

python - \[\]

django(query\_set) - save() | delete() | update() | filter()

sql - insert into | delete from | update | select

sql死锁

数据库索引原理：二叉排序树 - 平衡二叉树 - B+树

\[一个查询问题\]

*  查询

SELECT t.* FROM statstic.user_data t
    WHERE created_at>='2018-04-23 00:00:00' and created_at<'2018-04-24 00:00:00'
    order by created_at;

*  转化为 query\_set

datas = Customer.objects.filter(create_time__gte=start_time, create_time__lte=end_time)

*  如果 create\_time 是时间戳（timestamp与datetime的互转）

def timestamp_to_datetime(response):
        return datetime.datetime.fromtimestamp(response)
    
    def datetime_to_timestamp(d):
        return int(time.mktime(d.timetuple()))

*  HTTP 请求方法 - POST | DELETE | PUT or PATCH | GET
 *  ds - 栈

class Stack():
        def __init__(st,size):
            st.stack=[]
            st.size=size
            st.top=-1
    
        def empty(st):
            if st.top==-1:
                return True
            else:
                return False
    
        def full(st):
            if st.top==st.size:
                return True
            else:
                return False
    
        def push(st,data):
            if st.full():
                print "Stack is full"
            else:
                st.stack.append(data)
                st.top=st.top+1
    
        def pop(st):
            if st.empty():
                print "Stack is empty"
            else:
                st.top=st.top-1

### 数据库的写入几种方式：页面 | 接口 | 爬虫 | excel ###

## ==================== 做编程题 ==================== ##

\[str\]

1.  去重

*  ‘aaabbc’

1.  统计

*  ‘aaabbc’.count(‘b’)

1.  反转

*  s\[::-1\]

1.  排序

*  sorted(“hello”)

1.  格式化字符串: format | %s | +

\[list\]

1.  去重

*  \[1,1,2,3,3\]
 *  \[\{“a”: 3\},\{“a”: 1\},\{“a”: 2\},\{“a”: 1\},\{“a”: 3\}\]
 *  \[\{“a”: 3\},\{“a”: 1\},\{“a”: 2\},\{“a”: 1\},\{“a”: 3\}\] 按照 “a” 排序

1.  统计

*  \[2,1,4,3,2\].count(2)

1.  反转

*  s\[::-1\]

1.  排序

*  sorted(“hello”)

1.  切割
2.  索引（正 | 负）

\[linked\_list\]

去重：83. Remove Duplicates from Sorted List (Easy)

反转：206. Reverse Linked List (Easy)

回文：234. Palindrome Linked List (Easy)

交点：160. Intersection of Two Linked Lists (Easy)

归并：21. Merge Two Sorted Lists (Easy)

\[dict\]

互换字典的键值对

\[tree\]

前 | 中 | 后 | 层次 遍历

\[graph\]

DFS | BFS

\[综合\]

### 统计问题 ###

*  \[“a”,“b”,“d”,“d”,“a”\], 统计"a"出现的个数
 *  \[“a”,“b”,“d”,“d”,“a”\], 统计每一个元素出现的个数

### 去重问题 ###

链表去重

*  1.  Contains Duplicate
 *  1.  Contains Duplicate II
 *  1.  Contains Duplicate III
 *  1.  删除排序数组中的重复项
 *  1.  删除排序数组中的重复项 II

### 移除 ###

*  1.  移除元素
 *  1.  移除链表元素
 *  1.  删除链表的倒数第N个节点

### 反转 ###

*  列表反转
 *  列表回文
 *  链表反转
 *  链表回文
 *  反转字典
 *  1.  翻转字符串里的单词
 *  1.  反转字符串中的单词 III

## 旋转 ##

*  1.  旋转数组
 *  1.  旋转链表

### 交集 ###

*  1.  两个数组的交集
 *  1.  两个数组的交集 II
 *  1.  相交链表

## 环点 ##

*  1.  环形链表
 *  1.  环形链表 II

## 合并 ##

*  1.  合并两个有序链表
 *  1.  合并两个有序数组

### 求和 ###

*  1.  两数之和
 *  1.  三数之和
 *  1.  四数之和
 *  1.  四数相加 II
 *  1.  两数相加 II

### 链表问题 ###

链表：

1、找出单链表的倒数第K个元素（仅允许遍历一遍链表）

答：使用指针追赶的方法，定义一个fast指针和一个slow指针，fast指针先走K步，然后fast和slow同时继续走。当fast指针走到链表尾部时，slow指向的位置就是倒数第K个元素。注意：要考虑链表长度应该大于K。参考：剑指Offer（十四）：链表中倒数第k个结点

2、找出单链表的中间元素（仅允许遍历一遍链表）

答：使用指针追赶的方法，定义一个fast指针和一个slow指针，两个指针同时走，fast指针每次走两步，slow指针每次走一步。当fast指针到链表尾部时，slow指针指向的就是链表的中间元素。

3、判断单链表是否有环？

答：使用指针追赶的方法，定义一个fast指针和一个slow指针，两个指针同时走，fast指针每次走两步，slow指针每次走一步。如果有环，则两者会相遇；如果没有环，fast指针会遇到NULL退出。

4、已知单链表有环，如何知道环的长度？

答：使用指针追赶的方法，定义一个fast指针和一个slow指针，两个指针同时走，fast指针每次走两步，slow指针每次走一步，找到碰撞点。然后使用slow指针，从该碰撞点开始遍历，绕着走一起圈，再次回到该点，所走过的结点数就是环的长度。

5、如何找到环的入口结点？

答：先使用题4的方法，计算出环的长度。然后重新从头结点开始遍历，定义一个fast指针和一个slow指针，fast指针先走l（环的长度）步，然后两个指针以相同的速度在链表上向前移动，直到它们再次相遇，那么这个相遇点即为环的入口结点。参考：剑指Offer（五十五）：链表中环的入口结点

6、判断两个无环单链表是否相交？

答：一旦两个链表相交，那么两个链表从相交节点开始到尾节点一定都是相同的节点。所以，如果他们相交的话，那么他们最后的一个节点一定是相同的，因此分别遍历到两个链表的尾部，然后判断他们是否相同。

7、如何知道两个单链表（可能有环）是否相交？

答：根据两个链表是否有环来分别处理，若相交这个环属于两个链表共有

（1）如果两个链表都没有环，如题6所示方法。

（2）一个有环，一个没环，肯定不相交。

（3）两个都有环。在A链表上，使用指针追赶的方法，找到两个指针碰撞点，之后判断碰撞点是否在B链表上。如果在，则相交。

8、寻找两个相交链表的第一个公共结点。

答：我们也可以先让把长的链表的头砍掉，让两个链表长度相同，这样，同时遍历也能找到公共结点。此时，时间复杂度O(m+n)，空间复杂度为O(MAX(m,n))。参考：剑指Offer（三十六）：两个链表的第一个公共结点

9、反转链表。

答：我们使用三个指针，分别指向当前遍历到的结点、它的前一个结点以及后一个结点。在遍历的时候，交换当前结点的尾结点和前一个结点的。参考：剑指Offer（十五）：反转链表指

### 数组问题 ###

1、给定一个数组（非递减排序），同时给定一个目标数字，找出这个数字在该数组中第一次出现的位置，如果不存在，返回-1。例如\[1,3,5,5,5,5,8,9,13,15\]，输入5，返回2，输入8，返回6，输入18，返回-1。

答：使用二分查找法即可。

2、给定一个数组，里面有很多数字（乱序），找出其中最大的4个数字。

答：最简单的办法就是先排序再找出最大的四数，这种方法时间复杂度过高。一个更好的方法是使用堆排序，即维护一个存储最大的4个数的最大堆。

解析：这的思想和代码可以参考《剑指Offer（二十九）：最小的K个数》，这里仅仅做了一个变形。

3、给定一个整数的数组nums，返回相加为target的两个数字的索引值。假设每次输入都只有一个答案，并且不会使用同一个元素两次。

答：如果这个数组是已经排序的，可以使用头指针和为指针。如果是已经排序的，那么我们可以定义一个头指针left，一个为指针right。left指针指向元素值+right指针指向元素值的和为sum，用sum和target比较。如果sum大于target，说明和大了，那么right右指针左移一位，然后重新判断。反之，如果sum 小于target，说明和小了，那么left左指针右移以为，然后会从新判断。直到找到sum=target的情况。如果没有排序，可以使用使用哈希表，也就是散列表。

解析：如果没有排序，这道题就是Leetcode中的一道题。代码可以参考《Two Sum》。

4、给定一个字符串，找到最长无重复子字符串。

答：定义两个变量longest和left，longest用于存储最长子字符串的长度，left存储无重复子串左边的起始位置。然后创建一个哈希表，遍历整个字符串，如果字符串没有在哈希表中出现，说明没有遇到过该字符，则此时计算最长无重复子串，当哈希表中的值小于left，说明left位置更新了，需要重新计算最长无重复子串。每次在哈希表中将当前字符串对应的赋值加1。

解析：Leetcode中的一道题。代码可以参考《Longest Substring Without Repeating Characters》。

其他：

1、不使用现成的开根号库函数，如何实现开平方根的操作？

答：可以使用二分查找法或者牛顿法。

### 业务场景问题 ###

如果给你1亿个数据，让你找出其中第1000大的数据，你会怎么做？我们先不考虑多进程和多线程，也不考虑数据库，如何在算法方面给出思路呢？

答：可以使用堆排序，创建一个存储1000个数据的小根堆。先将1亿个数据的前1000个数据放入这个小根堆中，然后继续遍历，对于新插入的数据，需要与小根堆的最小值进行比较，如果待插入的数据比这个最小值还小，那么不插入，如果比这个最小值大，那么就插入该数，并重新调整小根堆，随后继续使用此方法遍历整个数据。遍历一次数据后，就得到了前1000大的数据，然后输出小根堆的最小值，即根值，即可得到第1000大的数据。

解析：这道题当时能想到的就是用堆实现了，其他更好的方法欢迎探讨。

## ==================== 问我问题 ==================== ##