拿着那份Python宝典去面试,学会想不拿offer都难

 

python的函数参数字传送递

看三个例证:

a = 1
def fun(a):
    a = 2
fun(a)
print a  # 1

a = []
def fun(a):
    a.append(1)
fun(a)
print a  # [1]

负有变量都得以领略为内部存款和储蓄器中1个对象的“引用”,可能,能够看做C中的viod*的感觉

此处记住的是项目是属于对象的,而不是变量。而指标有三种,“可更改”(mutable)与“不可改变”(immutable)对象。在python中,strings,
tuples,
和numbers是不足更改的靶子,而list,dict等则是足以修改的对象。(那正是其一标题标关键)

当3个引用传递给函数的时候,函数自动复制一份引用,这么些函数里的引用和各州的引用没有半毛关系了.所以第②个例证里函数把引用指向了多个不可变对象,当函数重返的时候,外面的引用没半毛感觉.而第三个例证就不均等了,函数内的引用指向的是可变对象,对它的操作就和固定了指针地址一样,在内部存款和储蓄器里展开修改.

比方还不知底的话,那里有更好的表达:
http://stackoverflow.com/questions/986006/how-do-i-pass-a-variable-by-reference

现行首要介绍的是自家个人收集的python面试的有的宽广的要求和应了解的文化,上面只是内部一些,愈来愈多的请看我们

Python语言特征

亚洲必赢官网 1

python中的元类(metaclass)

拿着那份Python宝典去面试,学会想不拿offer都难。本条尤其的不常用,可是像O安德拉M那种复杂的结构照旧会要求的,详情请看:《深远精通Python中的元类(metaclass)》

[PSC开源组GitHub]() 地址 ,里面有详实的python面试应了解的富有方面包车型大巴学识(最终是python后台和python服务器相关的)以及个体书籍推荐,能够留邮箱发送

Python语言特征

1
Python的函数参数字传送递

2
Python中的元类(metaclass)

3
@staticmethod和@classmethod

4
类变量和实例变量

5
Python自省

6
字典推导式

7
Python中单下划线和双下划线

8
字符串格式化:%和.format

9
迭代器和生成器

10*argsand**kwargs

11
面向切面编制程序AOP和装饰器

12
鸭子类型

13
Python中重载

14
新式类和旧式类

15__new__和__init__的区别

16
单例格局

1
使用__new__方法

2
共享属性

3
装饰器版本

4
import方法

17
Python中的作用域

18
GIL线程全局锁

19
协程

20
闭包

21
lambda函数

22
Python函数式编制程序

23
Python里的正片

24
Python垃圾回收机制

1
引用计数

2
标记-清除机制

3
分代技术

25
Python的List

26
Python的is

27
read,readline和readlines

28
Python2和3的区别

29
super.init()

30
range-and-xrange

操作系统

1
select,poll和epoll

2
调度算法

3
死锁

4
程序编写翻译与链接

1
预处理

2
编译

3
汇编

4
链接

5
静态链接和动态链接

6
虚拟内存技术

八分页和分层

分页与分支的主要性分化

8
页面置换算法

9
两旁触发和水平触发

数据库

1
事务

2
数据库索引

3
Redis原理

4
乐观锁和悲观锁

5
MVCC

6
MyISAM和InnoDB

网络

1
一次握手

2
四回挥手

3
ARP协议

4
urllib和urllib2的区别

5
Post和Get

6
Cookie和Session

7
apache和nginx的区别

8
网站用户密码保存

9
HTTP和HTTPS

10
XSRF和XSS

11 幂等
Idempotence

12
RESTful架构(SOAP,RPC)

13
SOAP

14
RPC

15
CGI和WSGI

16
中间人攻击

17
c10k问题

18
socket

19
浏览器缓存

20
HTTP1.0和HTTP1.1

21
Ajax

*NIX

unix进度间通讯情势(IPC)

数据结构

1
红黑树

编程题

1
台阶问题/斐波纳挈

2
变态台阶难点

3
矩形覆盖

4
杨氏矩阵查找

5
去除列表中的重复元素

6
链表成对调换

7
创制字典的方式

1
直接创制

2
工厂方法

3
fromkeys()方法

8
合并五个静止列表

9
交叉链表求交点

10
二分查找

11
快排

12
找零难题

13
广度遍历和纵深遍历二叉树

14
二叉树节点

15
层次遍历

16
深度遍历

17
前中后序遍历

18
求最大树深

19
求两棵树是或不是同样

20
前序中序求后序

21
单链表逆置

Python语言特征

1
Python的函数参数字传送递

看八个例证:

a=1deffun(a):    a=2fun(a)printa#1

a=[]deffun(a):    a.append(1)fun(a)printa#[1]

有着的变量都得以驾驭是内部存款和储蓄器中四个对象的“引用”,恐怕,也可以看似c中void*的感觉。

因而id来看引用a的内部存款和储蓄器地址能够比较驾驭:

a=1deffun(a):print”func_in”,id(a)#func_in
41322472a=2print”re-point”,id(a),id(2)#re-point 41322448
41322448print”func_out”,id(a),id(1)#func_out 41322472
41322472fun(a)printa#1

注:具体的值在不一样电脑上运营时或者两样。

能够看看,在推行完a =
2之后,a引用中保留的值,即内部存款和储蓄器地址产生变化,由原先1对象的寻常巷陌的地方变成了2以此实体对象的内存地址。

而第叁个例子a引用保存的内存值就不会产生变化:

a=[]deffun(a):print”func_in”,id(a)#func_in
53629256a.append(1)print”func_out”,id(a)#func_out
53629256fun(a)printa#[1]

此处记住的是体系是属于对象的,而不是变量。而指标有三种,“可更改”(mutable)与“不可更改”(immutable)对象。在python中,strings,
tuples,
和numbers是不可改变的对象,而list,dict等则是能够修改的指标。(那就是以此难题的基本点)

当二个引用传递给函数的时候,函数自动复制一份引用,这一个函数里的引用和外边的引用没有半毛关系了.所以第二个例子里函数把引用指向了多少个不可变对象,当函数重返的时候,外面包车型地铁引用没半毛感觉.而首个例子就不平等了,函数内的引用指向的是可变对象,对它的操作就和固定了指针地址一样,在内部存款和储蓄器里开始展览修改.

只要还不精通的话,那里有更好的表达:http://stackoverflow.com/questions/986006/how-do-i-pass-a-variable-by-reference

2
Python中的元类(metaclass)

其一那多少个的不常用,可是像O福特ExplorerM这种复杂的布局还是会必要的,详情请看:http://stackoverflow.com/questions/100003/what-is-a-metaclass-in-python

3
@staticmethod和@classmethod

Python其实有一个格局,即静态方法(staticmethod),类方式(classmethod)和实例方法,如下:

deffoo(x):print”executing
foo(%s)”%(x)classA(object):deffoo(self,x):print”executing
foo(%s,%s)”%(self,x)@classmethoddefclass_foo(cls,x):print”executing
class_foo(%s,%s)”%(cls,x)@staticmethoddefstatic_foo(x):print”executing
static_foo(%s)”%xa=A()

此处先清楚下函数参数里面包车型客车self和cls.这一个self和cls是对类也许实例的绑定,对于一般的函数来说大家能够那样调用foo(x),那么些函数就是最常用的,它的做事跟此外交事务物(类,实例)无关.对于实例方法,大家知道在类里每一趟定义方法的时候都亟待绑定这一个实例,就是foo(self,
x),为何要这么做呢?因为实例方法的调用离不开实例,大家须求把实例本身传给函数,调用的时候是那般的a.foo(x)(其实是foo(a,

x)).类方法一致,只然而它传递的是类而不是实例,A.class_foo(x).注意那里的self和cls能够替换其余参数,可是python的预约是那俩,依旧不要改的好.

对此静态方法其实和常常的主意同样,不需求对哪个人进行绑定,唯一的不一样是调用的时候须求动用a.static_foo(x)或者A.static_foo(x)来调用.

\实例方法类措施静态方法

a = A()a.foo(x)a.class_foo(x)a.static_foo(x)

A不可用A.class_foo(x)A.static_foo(x)

更加多关于那些难题:http://stackoverflow.com/questions/136097/what-is-the-difference-between-staticmethod-and-classmethod-in-python

4
类变量和实例变量

classPerson:   
name=”aaa”p1=Person()p2=Person()p1.name=”bbb”printp1.name#bbbprintp2.name#aaaprintPerson.name#aaa

类变量正是供类使用的变量,实例变量就是供实例使用的.

此地p1.name=”bbb”是实例调用了类变量,那实际上和方面第①个难点一样,正是函数字传送参的难点,p1.name一早先是指向的类变量name=”aaa”,可是在实例的功力域里把类变量的引用改变了,就成为了1个实例变量,self.name不再引用Person的类变量name了.

能够看看上面的例证:

classPerson:   
name=[]p1=Person()p2=Person()p1.name.append(1)printp1.name#[1]printp2.name#[1]printPerson.name#[1]

参考:http://stackoverflow.com/questions/6470428/catch-multiple-exceptions-in-one-line-except-block

5
Python自省

以此也是python彪悍的性子.

自省就是面向对象的语言商讨所写的程序在运作时,所能知道对象的类型.不难一句正是运维时亦可拿走对象的类型.比如type(),dir(),getattr(),hasattr(),isinstance().

6
字典推导式

唯恐您见过列表推导时,却没有见过字典推导式,在2.7中才投入的:

d={key: valuefor(key, value)initerable}

7
Python中单下划线和双下划线

>>>classMyClass():…def__init__(self):…self.__superprivate=”Hello”…self._semiprivate=”,
world!”…>>>mc=MyClass()>>>printmc.__superprivateTraceback
(most recent call last):  File””, line1,inAttributeError: myClass
instance has no
attribute’__superprivate’>>>printmc._semiprivate,
world!>>>printmc.__dict__{‘_MyClass__superprivate’:’Hello’,’_semiprivate’:’,
world!’}

__foo__:一种约定,Python内部的名字,用来区别别的用户自定义的命名,避防抵触.

_foo:一种约定,用来内定变量私有.程序员用来钦命个人变量的一种情势.

__foo:那个有真正的含义:解析器用_classname__foo来代表这么些名字,以分别和此外类相同的命名.

详情见:http://stackoverflow.com/questions/1301346/the-meaning-of-a-single-and-a-double-underscore-before-an-object-name-in-python

或者:http://www.zhihu.com/question/19754941

8
字符串格式化:%和.format

.format在广大上边看起来更便利.对于%最烦人的是它无法同时传递一个变量和元组.你只怕会想下边包车型地铁代码不会有何难点:

“hi there %s” % name

只是,即使name恰好是(1,2,3),它将会抛出二个TypeError非凡.为了有限支撑它连接不错的,你无法不这么做:

“hi there %s” % (name,)  # 提供1个单成分的数组而不是二个参数

只是多少丑..format就不曾那么些难点.你给的第三个难题也是如此,.format赏心悦目多了.

你干吗不用它?

不明了它(在读这么些前面)

为了和Python2.5合作(譬如logging库建议使用%(issue
#4))

http://stackoverflow.com/questions/5082452/python-string-formatting-vs-format

9
迭代器和生成器

那些是stackoverflow里python排名第壹的标题,值得一看:http://stackoverflow.com/questions/231767/what-does-the-yield-keyword-do-in-python

那是中文版:http://taizilongxu.gitbooks.io/stackoverflow-about-python/content/1/README.html

10*argsand**kwargs

用*args和**kwargs只是为了方便并从未强制行使它们.

当你不分明你的函数里即将传递多少参数时您能够用*args.例如,它能够传递任意数量的参数:

>>>defprint_everything(*args):forcount,
thinginenumerate(args):…print'{0}.{1}’.format(count,
thing)…>>>print_everything(‘apple’,’banana’,’cabbage’)0.
apple1. banana2. cabbage

相似的,**kwargs允许你选用没有优先定义的参数名:

>>>deftable_things(**kwargs):…forname,
valueinkwargs.items():…print'{0}={1}’.format(name,
value)…>>>table_things(apple=’fruit’,cabbage=’vegetable’)cabbage=vegetableapple=fruit

您也足以混着用.命名参数首先取得参数值然后拥有的别的参数都传送给*args和**kwargs.命名参数在列表的最前端.例如:

def table_things(titlestring, **kwargs)

*args和**kwargs能够同时在函数的概念中,可是*args必须在**kwargs前面.

当调用函数时您也得以用*和**语法.例如:

>>>defprint_three_things(a,b,c):…print’a ={0}, b ={1}, c
={2}’.format(a,b,c)…>>>mylist=[‘aardvark’,’baboon’,’cat’]>>>print_three_things(*mylist)a=aardvark,
b=baboon, c=cat

仿佛您看到的一致,它能够传递列表(或然元组)的每一项并把它们解包.注意必须与它们在函数里的参数相吻合.当然,你也足以在函数定义也许函数调用时用*.

http://stackoverflow.com/questions/3394835/args-and-kwargs

11
面向切面编制程序AOP和装饰器

其一AOP一听起来有个别懵,同学面阿里的时候就被问懵了…

装饰器是一个很闻明的设计格局,平常被用来有切面需要的场景,较为经典的有插入日志、质量测试、事务处理等。装饰器是焚林而猎这类难题的绝佳设计,有了装饰器,大家就能够抽离出大方函数中与函数效率本身无关的均等代码并继续起用。归纳的讲,装饰器的机能就是为曾经存在的指标添加额外的功用。

以此题材相比大,推荐:http://stackoverflow.com/questions/739654/how-can-i-make-a-chain-of-function-decorators-in-python

中文:http://taizilongxu.gitbooks.io/stackoverflow-about-python/content/3/README.html

12
鸭子类型

“当看到一只鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子,那么那只鸟就足以被誉为鸭子。”

大家并不关怀对象是怎样品种,到底是还是不是鸭子,只关心行为。

譬如在python中,有众多file-like的东西,比如StringIO,GzipFile,socket。它们有那几个一致的不二法门,大家把它们作为文件使用。

又比如list.extend()方法中,我们并不关怀它的参数是还是不是list,只要它是可迭代的,所以它的参数能够是list/tuple/dict/字符串/生成器等.

鸭子类型在动态语言中时常应用,13分灵活,使得python不想java那样专门去弄一大堆的设计方式。

13
Python中重载

引自搜狐:http://www.zhihu.com/question/20053359

函数重载首假如为着缓解多个问题。

可变参数类型。

可变参数个数。

其它,1其中坚的规划原则是,仅仅当七个函数除了参数类型和参数个数分裂以外,其效率是完全相同的,此时才使用函数重载,尽管七个函数的意义实在比不上,那么不应有选拔重载,而应该采纳一个名字区别的函数。

可以吗,那么对于意况 1 ,函数功效雷同,不过参数类型不一致,python
怎样处理?答案是一贯不必要处理,因为 python
勉强接受其余类型的参数,尽管函数的效果雷同,那么差别的参数类型在 python
中相当的大概是同一的代码,没有要求做成五个区别函数。

那么对于情形 2 ,函数功用雷同,但参数个数不一样,python
怎么着处理?大家明白,答案正是缺省参数。对那一个不够的参数设定为缺省参数即可缓解难点。因为你借使函数效率雷同,那么这些不够的参数毕竟是须要用的。

好了,鉴于景况 1 跟 情形 2 都有了缓解方案,python
自然就不须要函数重载了。

14
新式类和旧式类

以此面试官问了,笔者说了老半天,不精晓他问的实在意图是什么.

stackoverflow

那篇文章很好的介绍了新式类的特征:http://www.cnblogs.com/btchenguang/archive/2012/09/17/2689146.html

流行类很早在2.2就涌出了,所以旧式类完全是协作的标题,Python3里的类全部都是新式类.这里有多个MRO难点得以精通下(新式类是广度优先,旧式类是深度优先),里讲的也很多.

15__new__和__init__的区别

这个__new__真正很少看到,先做摸底吧.

__new__是三个静态方法,而__init__是1个实例方法.

__new__方法会重返一个创造的实例,而__init__怎样都不重返.

只有在__new__回到一个cls的实例时后边的__init__才能被调用.

当创设多少个新实例时调用__new__,初步化1个实例时用__init__.

stackoverflow

ps:__metaclass__是开创类时起效率.所以我们能够分别使用__metaclass__,__new__和__init__来分别在类创造,实例创造和实例开首化的时候做一些小手脚.

16
单例格局

其一相对常考啊.相对要铭记在心1~3个方法,当时面试官是让手写的.

1
使用__new__方法

classSingleton(object):def__new__(cls,*args,**kw):ifnothasattr(cls,’_instance’): 
         
orig=super(Singleton,cls)cls._instance=orig.__new__(cls,*args,**kw)returncls._instanceclassMyClass(Singleton): 
  a=1

2
共享属性

始建实例时把装有实例的__dict__本着同贰个字典,那样它们持有同样的属性和方法.

classBorg(object):    _state={}def__new__(cls,*args,**kw):     
  ob=super(Borg,cls).__new__(cls,*args,**kw)       
ob.__dict__=cls._statereturnobclassMyClass2(Borg):    a=1

3
装饰器版本

defsingleton(cls,*args,**kw):   
instances={}defgetinstance():ifclsnotininstances:           
instances[cls]=cls(*args,**kw)returninstances[cls]returngetinstance@singletonclassMyClass:…

4
import方法

作为python的模块是天生的单例情势

#mysingleton.pyclassMy_Singleton(object):deffoo(self):passmy_singleton=My_Singleton()#to
usefrommysingletonimportmy_singletonmy_singleton.foo()

17
Python中的成效域

Python 中,1个变量的功效域总是由在代码中被赋值的地点所主宰的。

当 Python 碰着二个变量的话他会规行矩步那样的相继进行检索:

地面效率域(Local)→当前效用域被内置的地点成效域(Enclosing
locals)→全局/模块功效域(Global)→内置功用域(Built-in)

18
GIL线程全局锁

线程全局锁(Global Interpreter
Lock),即Python为了保证线程安全而接纳的独立线程运营的限定,说白了正是二个核只万幸同临时间运转三个线程.

见Python
最难的标题

化解办法正是多进度和底下的协程(协程也只是单CPU,然则能减小切换代价进步质量).

19
协程

天涯论坛被问到了,呵呵哒,跪了

大概点说协程是进度和线程的升官版,进度和线程都面临着内核态和用户态的切换难点而消耗比比皆是切换时间,而协程正是用户自身控制切换的火候,不再需求陷入系统的根本态.

Python里最普遍的yield便是协程的思索!能够查阅第⑧个难点.

20
闭包

闭包(closure)是函数式编制程序的重中之重的语法结构。闭包也是一种集体代码的构造,它一样增进了代码的可重复使用性。

当三个内嵌函数引用其外部作成效域的变量,大家就会收获二个闭包.
计算一下,创建七个闭包必须满意以下几点:

非得有多少个内嵌函数

内嵌函数必须引用外部函数中的变量

外表函数的再次回到值必须是内嵌函数

倍感闭包仍然有难度的,几句话是说不明白的,依旧印证相关资料.

第2是函数运维后并不会被撤废,就如16题的instance字典一样,当函数运转完后,instance并不被销毁,而是继续留在内部存款和储蓄器空间里.这么些意义相近类里的类变量,只但是迁移到了函数上.

闭包就像是个空心球一样,你通晓外面和中间,但您不亮堂中间是什么样.

21
lambda函数

其实就是二个匿名函数,为啥叫lambda?因为和后边的函数式编制程序有关.

推荐:知乎

22
Python函数式编制程序

其一必要优秀的问询一下吧,毕竟函数式编制程序在Python中也做了引用.

推荐:酷壳

python中等高校函授数式编制程序协助:

filter
函数的效应相当于过滤器。调用贰个布尔函数bool_func来迭代遍历每一个seq中的成分;返回3个使bool_seq再次回到值为true的因素的行列。

>>>a=[1,2,3,4,5,6,7]>>>b=filter(lambdax: x>5,
a)>>>printb>>>[6,7]

map函数是对三个行列的每种项依次执行函数,上边是对2个队列每一种项都乘以2:

>>>a=map(lambdax:x*2,[1,2,3])>>>list(a)[2,4,6]

reduce函数是对贰个队列的各样项迭代调用函数,上面是求3的阶乘:

>>>reduce(lambdax,y:x*y,range(1,4))6

23
Python里的正片

引用和copy(),deepcopy()的区别

importcopya=[1,2,3,4,
[‘a’,’b’]]#土生土长对象b=a#赋值,传对象的引用c=copy.copy(a)#目的拷贝,浅拷贝d=copy.deepcopy(a)#目的拷贝,深拷贝a.append(5)#修改对象aa[4].append(‘c’)#修改对象a中的[‘a’,
‘b’]数组对象print’a =’, aprint’b =’, bprint’c =’, cprint’d =’,
d输出结果:a=[1,2,3,4, [‘a’,’b’,’c’],5]b=[1,2,3,4,
[‘a’,’b’,’c’],5]c=[1,2,3,4, [‘a’,’b’,’c’]]d=[1,2,3,4,
[‘a’,’b’]]

24
Python垃圾回收机制

Python GC重要使用引用计数(reference
counting)来跟踪和回收废。在引用计数的基本功上,通过“标记-清除”(mark
and
sweep)消除容器对象也许产生的轮回引用难题,通过“分代回收”(generation
collection)以空间换时间的艺术进步垃圾回收作用。

1
引用计数

PyObject是各样对象必有的内容,当中ob_refcnt即是做为引用计数。当贰个目标有新的引用时,它的ob_refcnt就会追加,当引用它的靶子被删去,它的ob_refcnt就会收缩.引用计数为0时,该对象生命就终止了。

优点:

简单

实时性

缺点:

保险引用计数消耗财富

巡回引用

2
标记-清除机制

基本思路是先按需分配,等到没有空余内部存款和储蓄器的时候从寄存器和次序栈上的引用出发,遍历以指标为节点、以引用为边构成的图,把全体能够访问到的靶子打上标记,然后清扫一回内存空间,把具有没标记的指标释放。

3
分代技术

分代回收的完好思想是:将系统中的全部内部存款和储蓄器块依照其存世时间分开为不相同的聚合,每种集合就成为一个“代”,垃圾收集频率随着“代”的幸存时间的增大而减小,存活时间平时使用经过四次垃圾回收来衡量。

Python暗中认可定义了三代对象集合,索引数越大,对象共处时间越长。

举例来说:当某个内部存储器块M经过了2回垃圾收集的清洗之后还存世时,大家就将内存块M划到2个集合A中去,而新分配的内部存款和储蓄器都分开到集合B中去。当垃圾收集起来工作时,抢先2/4景色都只对集合B进行垃圾回收,而对集合A进行垃圾回收要隔非常短一段时间后才实行,那就使得垃圾收集体制亟待处理的内部存款和储蓄器少了,效用自然就增强了。在这么些进程中,集合B中的有个别内部存款和储蓄器块由于现有时间长而会被转换来集合A中,当然,集合A中实际上也存在一些杂质,那些污源的回收会因为那种分代的体制而被推迟。

25
Python的List

推荐:http://www.jianshu.com/p/J4U6rR

26
Python的is

is是相比地址,==是相比值

27
read,readline和readlines

read 读取整个文件

readline 读取下一行,使用生成器方法

readlines 读取整个文件到2个迭代器以供大家遍历

28
Python2和3的区别

推荐:Python 2.7.x 与 Python 3.x
的机要差别

29 super
init

super() lets you avoid referring to the base class explicitly, which can
be nice. But the main advantage comes with multiple inheritance, where
all sorts of fun stuff can happen. See the standard docs on super if you
haven’t already.

Note that the syntax changed in Python 3.0: you can just say
super().init() instead of super(ChildB, self).init() which IMO
is quite a bit nicer.

http://stackoverflow.com/questions/576169/understanding-python-super-with-init-methods

30 range and
xrange

都在循环时选取,xrange内部存款和储蓄器质量更好。for i in range(0, 20):for i in
xrange(0, 20):What is the difference between range and xrange functions
in Python 2.X? range creates a list, so if you do range(1, 10000000) it
creates a list in memory with 9999999 elements. xrange is a sequence
object that evaluates lazily.

http://stackoverflow.com/questions/94935/what-is-the-difference-between-range-and-xrange-functions-in-python-2-x

操作系统

1
select,poll和epoll

实际全部的I/O都是轮询的不二法门,只可是完成的层面不一样罢了.

那几个难题大概有点深远了,但相信能回答出这一个题材是对I/O多路复用有很好的垂询了.在那之中tornado使用的正是epoll的.

selec,poll和epoll不相同计算

基本上select有3个缺点:

连接数受限

摸索配对速度慢

多少由基本拷贝到用户态

poll改良了第1个缺陷

epoll改了四个缺点.

关于epoll的:http://www.cnblogs.com/my\_life/articles/3968782.html

2
调度算法

先来先服务(FCFS, First Come First Serve)

短作业优先(SJF, Shortest Job First)

参天优先权调度(Priority Scheduling)

时刻片轮转(奥德赛Wrangler, Round 罗布in)

名目繁多反馈队列调度(multilevel feedback queue scheduling)

实时调度算法:

最早结束时间优先 EDF

最低松弛度优先 LLF

3
死锁

原因:

竞争能源

次第推进种种不当

供给条件:

互斥条件

呼吁和维系标准

不剥夺条件

环路等待条件

拍卖死锁基本格局:

提防死锁(舍弃除1以外的尺度)

幸免死锁(银行家算法)

检查和测试死锁(能源分配图)

免除死锁

剥夺财富

打消进程

4
程序编写翻译与链接

推荐:http://www.ruanyifeng.com/blog/2014/11/compiler.html

Bulid进度能够表明为三个步骤:预处理(Prepressing),
编写翻译(Compilation)、汇编(Assembly)、链接(Linking)

以c语言为例:

1
预处理

预编写翻译进度首要处理那多少个源文件中的以“#”初步的预编写翻译指令,主要处理规则有:

将富有的“#define”删除,并拓展所用的宏定义

拍卖全部标准预编写翻译指令,比如“#if”、“#ifdef”、 “#elif”、“#endif”

处理“#include”预编写翻译指令,将被含有的文件插入到该编写翻译指令的地方,注:此进度是递归举办的

除去全部注释

添加行号和文书名标识,以便于编写翻译时编写翻译器产生调节和测试用的行号音信以及用于编写翻译时发出编写翻译错误或警示时可展现行号

保留全部的#pragma编写翻译器指令。

2
编译

编写翻译进程正是把预处理完的文件进行一层层的词法分析、语法分析、语义分析及优化后变卦对应的汇编代码文件。这几个进度是全部程序营造的中坚部分。

3
汇编

汇编器是将汇编代码转化成机器能够进行的一声令下,每一条汇编语句差不多都是一条机器指令。经过编写翻译、链接、汇编输出的文本成为目的文件(Object
File)

4
链接

链接的重点内容正是把种种模块之间相互引用的片段处理好,使各类模块能够正确的拼接。链接的关键进程包块
地址和空中的分红(Address and Storage Allocation)、符号决议(Symbol
Resolution)和重定位(Relocation)等手续。

5
静态链接和动态链接

静态链接方法:静态链接的时候,载入代码就会把程序会用到的动态代码或动态代码的地址显明下来静态库的链接能够使用静态链接,动态链接库也足以应用那种方法链接导入库

动态链接方法:使用那种办法的顺序并不在一方始就完成动态链接,而是直到真正调用动态库代码时,载入程序才总括(被调用的这部分)动态代码的逻辑地址,然后等到某些时候,程序又须要调用其它某块动态代码时,载入程序又去总结这有个别代码的逻辑地址,所以,那种措施使程序开端化时间较短,但运营时期的属性不及静态链接的主次

6
虚拟内部存款和储蓄器技术

虚拟存款和储蓄器是指具备请求调入作用和置换功用,能从逻辑上对内部存款和储蓄器容量加以扩张的一种存款和储蓄系统.

柒分页和分层

分页:
用户程序的地方空间被分割成几何稳定大小的区域,称为“页”,相应地,内部存款和储蓄器空间分成若干个物理块,页和块的轻重缓急也就是。可将用户程序的任一页放在内部存款和储蓄器的任一块中,落成了离散分配。

分层:
将用户程序地址空间分成若干个大小不等的段,每段能够定义一组相对完整的逻辑音讯。存款和储蓄分配时,以段为单位,段与段在内部存款和储蓄器中能够不相邻接,也达成了离散分配。

分页与分支的严重性不一样

页是新闻的大体单位,分页是为着贯彻非三番五次分配,以便消除内部存款和储蓄器碎片难点,大概说分页是出于系统一管理理的急需.段是消息的逻辑单位,它包括一组意义相对完好的音讯,分段的指标是为着更好地达成共享,满意用户的须要.

页的尺寸固定,由系统明确,将逻辑地址划分为页号和页外地址是由机械硬件达成的.而段的长短却不定点,决定于用户所编纂的顺序,平时由编写翻译程序在对源程序开始展览编写翻译时依据音讯的习性来划分.

分页的课业地址空间是一维的.分段的地点空间是二维的.

8
页面置换算法

最好置换算法OPT:不容许达成

先进先出FIFO

近些年最久未利用算法LRU:近年来一段时间里最久没有利用过的页面予以置换.

clock算法

9
旁边触发和水准触发

边缘触发是指每当状态变化时爆发1个 io
事件,条件触发是倘若满意条件就发生多少个 io 事件

数据库

1
事务

数据库事务(Database Transaction)
,是指作为单个逻辑工作单元执行的一密密麻麻操作,要么完全地实施,要么完全地不实施。

2
数据库索引

推荐:http://tech.meituan.com/mysql-index.html

MySQL索引背后的数据结构及算法原理

聚集索引,非聚集索引,B-Tree,B+Tree,最左前缀原理

3
Redis原理

4
乐观锁和悲观锁

杞天之忧锁:假定会发出并发争论,屏蔽一切只怕违反数据完整性的操作

开始展览锁:假使不会生出并发冲突,只在交付操作时检查是还是不是违背数据完整性。

5
MVCC

6
MyISAM和InnoDB

MyISAM
适合于有个别亟需大量查询的接纳,但其对于有大批量写操作并不是很好。甚至你只是索要update贰个字段,整个表都会被锁起来,而其他进度,尽管是读进度都心有余而力不足操作直到读操作完结。其它,MyISAM
对于 SELECT COUNT(*) 那类的一个钱打二16个结是超快无比的。

InnoDB 的主旋律会是二个分外复杂的囤积引擎,对于一些小的施用,它会比 MyISAM
还慢。他是它协理“行锁”
,于是在写操作相比多的时候,会更不错。并且,他还援助愈多的高等级应用,比如:事务。

网络

1
3回握手

客户端通过向劳动器端发送1个SYN来创设叁个主动打开,作为三路握手的一局地。客户端把这段连接的序号设定为随意数
A。

劳动器端应当为1个合法的SYN回送一个SYN/ACK。ACK 的确认码应为
A+1,SYN/ACK 包本人又有一个随机序号 B。

说到底,客户端再发送1个ACK。当服务端受到那些ACK的时候,就马到功成了三路握手,并进入了连接创制状态。此时包序号被设定为接受的确认号
A+1,而响应则为 B+1。

2
4回挥手

3
ARP协议

地点解析协议(Address Resolution Protocol):
依据IP地址获取物理地址的二个TCP/IP协议

4
urllib和urllib2的区别

以此面试官确实问过,当时答的urllib2能够Post而urllib不可能.

urllib提供urlencode方法用来GET查询字符串的发出,而urllib2没有。那是为啥urllib常和urllib2一起使用的由来。

urllib2能够承受贰个Request类的实例来安装U安德拉L请求的headers,urllib仅基本上能用UGL450L。那表示,你不得以装作你的User
Agent字符串等。

5
Post和Get

GET和POST有何样界别?及为啥网上的多数答案都是错的和讯回答

get:RFC 2616 – Hypertext Transfer Protocol —
HTTP/1.1post:RFC
2616 – Hypertext Transfer Protocol —
HTTP/1.1

6
Cookie和Session

CookieSession

储存地方客户端服务器端

指标跟踪会话,也能够保留用户偏好设置或许封存用户名密码等跟踪会话

安全性不安全无恙

session技术是要运用到cookie的,之所以出现session技术,首若是为着安全。

7
apache和nginx的区别

nginx 相对 apache 的优点:

轻量级,同样起web 服务,比apache 占用更少的内部存款和储蓄器及资源

抗并发,nginx 处理请求是异步非阻塞的,协理越多的面世连接,而apache
则是阻塞型的,在高并发下nginx 能保持低财富低消耗高品质

配置简洁

可观模块化的规划,编写模块相对简便易行

社区活泼

apache 相对nginx 的优点:

rewrite ,比nginx 的rewrite 强大

模块超多,基本想到的都能够找到

少bug ,nginx 的bug 相对较多

超稳定

8
网站用户密码保存

当面保存

明文hash后保存,如md5

MD5+Salt格局,那一个salt能够随便

乐乎使用了Bcrypy(好像)加密

9
HTTP和HTTPS

气象码定义

1xx 告诉吸收接纳到请求,继续进程

2xx 得逞步骤成功接收,被了然,并被接受

3xx 重定向为了成功请求,必须运用特别措施

4xx 客户端出错请求包含错的依次或无法成功

5xx 服务器出错服务器不大概做到显明有效的伸手

403: Forbidden404: Not Found

HTTPS握手,对称加密,非对称加密,TLS/SSL,PAJEROSA

10
XSRF和XSS

CS奥迪Q5F(克罗斯-site request forgery)跨站请求伪造

XSS(克罗丝 Site Scripting)跨站脚本攻击

CS卡宴F重点在乞求,XSS重点在本子

11 幂等
Idempotence

HTTP方法的幂等性是指1回和数次呼吁某一个资源应该具有同等的副作用。(注意是副功能)

GET

DELETE方法用于删除能源,有副成效,但它应当满足幂等性。比如:DELETE

POST所对应的UTucsonI并非成立的能源自己,而是能源的收信人。比如:POST

PUT所对应的ULANDI是要成立或更新的财富自己。比如:PUT

12
RESTful架构(SOAP,RPC)

推荐:http://www.ruanyifeng.com/blog/2011/09/restful.html

13
SOAP

SOAP(原为Simple Object Access
Protocol的首字母缩写,即简单对象访问协议)是换到数据的一种协议正式,使用在电脑互连网Web服务(web
service)中,沟通带结构新闻。SOAP为了简化网页服务器(Web
Server)从XML数据库中领取数据时,节省去格式化页面时间,以及分化应用程序之间依照HTTP通讯协议,遵守XML格式执行资料沟通,使其抽象于言语完结、平台和硬件。

14
RPC

LacrossePC(Remote Procedure Call
Protocol)——远程进程调用协议,它是一种通过网络从远程总括机程序上呼吁服务,而不必要精晓底层互联网技术的合计。途胜PC商业事务如若有个别传输协议的存在,如TCP或UDP,为通信程序之间带领音信数据。在OSI网络通讯模型中,宝马X3PC跨越了传输层和应用层。CRUISERPC使得开发包括网络分布式多程序在内的应用程序尤其便于。

小结:服务提供的两大流派.守旧意义以艺术调用为导向通称OdysseyPC。为了公司SOA,若干厂商联合推出webservice,制定了wsdl接口定义,传输soap.当互连网时期,臃肿SOA被简化为http+xml/json.但是简化出现各样混乱。以能源为导向,任何操作无非是对资源的增加和删除改查,于是统一的REST出现了.

迈入的各样: 奥迪Q7PC -> SOAP -> RESTful

15
CGI和WSGI

CGI是通用网关接口,是连接web服务器和应用程序的接口,用户通过CGI来博取动态数据或文件等。CGI程序是一个单身的主次,它能够用大致拥有语言来写,包罗perl,c,lua,python等等。

WSGI, Web Server Gateway
Interface,是Python应用程序或框架和Web服务器之间的一种接口,WSGI的内部多少个目标正是让用户能够用统一的语言(Python)编写前后端。

合法证实:PEP-3333

16
中间人抨击

在GFW里不乏先例的,呵呵.

中级人攻击(Man-in-the-middle
attack,常常缩写为MITM)是指攻击者与报道的双方分别创立独立的维系,并调换其所收到的多寡,使通信的两头认为他俩正在通过三个私密的接连与对方直接对话,但实际整个会话都被攻击者完全控制。

17
c10k问题

所谓c10k难点,指的是服务器同时援救广大个客户端的题材,也正是concurrent
10 000
connection(那也是c10k那几个名字的来头)。推荐:http://www.kegel.com/c10k.html

18
socket

推荐:http://www.360doc.com/content/11/0609/15/5482098\_122692444.shtml

Socket=Ip address+ TCP/UDP + port

19
浏览器缓存

推荐:http://www.cnblogs.com/skynet/archive/2012/11/28/2792503.html

304 Not Modified

20
HTTP1.0和HTTP1.1

推荐:http://blog.csdn.net/elifefly/article/details/3964766

请求头Host字段,贰个服务器四个网站

长链接

文件断点续传

地点表明,状态管理,Cache缓存

21
Ajax

AJAX,Asynchronous JavaScript and XML(异步的 JavaScript 和 XML),
是与在不重复加载整个页面包车型大巴景观下,与服务器调换数据并革新部分网页的技艺。

*NIX

unix进度间通讯格局(IPC)

管道(Pipe):管道可用于具有亲缘关系进度间的通讯,允许一个经过和另三个与它有伙同祖先的历程之间开始展览通讯。

命名管道(named
pipe):命名管道克制了管道没著名字的界定,由此,除具备管道所拥有的功用外,它还同意无亲缘关系进度间的通讯。命名管道在文件系统中有照应的文件名。命名管道通过命令mkfifo或种类调用mkfifo来创造。

信号(Signal):信号是比较复杂的通讯情势,用于公告接受进度有某种事件产生,除了用于进程间通讯外,进度还足以发送信号给进度自身;linux除了支持Unix早期信号语义函数sigal外,还辅助语义符合Posix.1标准的信号函数sigaction(实际上,该函数是依照BSD的,BSD为了达成可信信号机制,又能够联合对外接口,用sigaction函数重新实现了signal函数)。

音讯(Message)队列:音信队列是音讯的链接表,包涵Posix音讯队列system
V信息队列。有足够权限的长河能够向队列中添加音信,被予以读权限的进度则足以读走队列中的音讯。音信队列打败了信号承载音信量少,管道只好承载无格式字节流以及缓冲区大大小小受限等缺

共享内部存款和储蓄器:使得多少个进程能够访问同一块内部存款和储蓄器空间,是最快的可用IPC方式。是指向其余通讯机制运营效能较低而规划的。往往与其余通讯机制,如信号量结合使用,来达到进度间的一块儿及互斥。

内存映射(mapped
memory):内部存款和储蓄器映射允许别的四个过程间通信,每一个运用该机制的历程经过把多少个共享的文书映射到温馨的长河地址空间来达成它。

信号量(semaphore):重要作为进度间以及同样进度分裂线程之间的一起手段。

套接口(Socket):更为相似的长河间通讯机制,可用以不一样机器之间的进程间通讯。先导是由Unix系统的BSD分支开发出来的,但今天貌似可以移植到任何类Unix系统上:Linux和System
V的变种都帮忙套接字。

数据结构

1
红黑树

红黑树与AVL的相比:

AVL是严酷平衡树,因而在增多依然去除节点的时候,依照不一致情状,旋转的次数比红黑树要多;

红黑是用非严加的平衡来换取增加和删除节点时候转动次数的降低;

所以简单说,若是你的使用中,搜索的次数远远超过插入和删除,那么选用AVL,假诺搜索,插入删除次数差不离大致,应该选用RB。

编程题

1
台阶问题/斐波纳挈

二头青蛙3回能够跳上1级台阶,也得以跳上2级。求该青蛙跳上一个n级的阶梯总共有个别许种跳法。

fib=lambdan: nifn<=2elsefib(n-1)+fib(n-2)

第三种回忆方法

defmemo(func):    cache={}defwrap(*args):ifargsnotincache:           
cache[args]=func(*args)returncache[args]returnwrap@memodeffib(i):ifi<2:return1returnfib(i-1)+fib(i-2)

其两种艺术

deffib(n):    a, b=0,1for_inxrange(n):        a, b=b, a+breturnb

2
变态台阶难题

一头青蛙一回能够跳上1级台阶,也足以跳上2级……它也能够跳上n级。求该青蛙跳上三个n级的台阶总共有微微种跳法。

fib=lambdan: nifn<2else2*fib(n-1)

3
矩形覆盖

大家得以用2*1的小矩形横着或许竖着去掩盖更大的矩形。请问用n个2*1的小矩形无重叠地覆盖五个2*n的大矩形,总共有微微种艺术?

第2*n个矩形的遮盖措施等于第壹*(n-1)加上第2*(n-2)的方法。

f=lambdan:1ifn<2elsef(n-1)+f(n-2)

4
杨氏矩阵查找

在二个m行n列二维数组中,每一行都依照从左到右递增的顺序排序,每一列都服从从上到下递增的相继排序。请完毕二个函数,输入那样的叁个二维数组和二个整数,判断数组中是不是带有该整数。

采纳Step-wise线性搜索。

defget_value(l,r,c):returnl[r][c]deffind(l,x):   
m=len(l)-1n=len(l[0])-1r=0c=nwhilec>=0andr<=m:       
value=get_value(l, r, c)ifvalue==x:returnTrueelifvalue>x:           
c=c-1elifvalue

5
去除列表中的重复成分

用集合

list(set(l))

用字典

l1=[‘b’,’c’,’d’,’b’,’c’,’a’,’a’]l2={}.fromkeys(l1).keys()printl2

用字典并维持顺序

l1=[‘b’,’c’,’d’,’b’,’c’,’a’,’a’]l2=list(set(l1))l2.sort(key=l1.index)printl2

列表推导式

l1=[‘b’,’c’,’d’,’b’,’c’,’a’,’a’]l2=[][l2.append(i)foriinl1ifnotiinl2]

面试官提到的,先排序然后删除.

6
链表成对交流

1->2->3->4转换成2->1->4->3.

classListNode:def__init__(self,x):self.val=xself.next=NoneclassSolution:#@param
a ListNode#@return a
ListNodedefswapPairs(self,head):ifhead!=Noneandhead.next!=None:next=head.next 
         
head.next=self.swapPairs(next.next)next.next=headreturnnextreturnhead

7
成立字典的主意

1
直接创制

dict={‘name’:’earth’,’port’:’80’}

2
工厂方法

items=[(‘name’,’earth’),(‘port’,’80’)]dict2=dict(items)dict1=dict(([‘name’,’earth’],[‘port’,’80’]))

3
fromkeys()方法

dict1={}.fromkeys((‘x’,’y’),-1)dict={‘x’:-1,’y’:-1}dict2={}.fromkeys((‘x’,’y’))dict2={‘x’:None,’y’:None}

8
合并七个静止列表

乐乎远程面试需要编制程序

尾递归

def_recursion_merge_sort2(l1,l2,tmp):iflen(l1)==0orlen(l2)==0:       
tmp.extend(l1)        tmp.extend(l2)returntmpelse:ifl1[0]

循环算法

def loop_merge_sort(l1, l2):

tmp = []

while len(l1) > 0 and len(l2) > 0:

if l1[0] < l2[0]:

tmp.append(l1[0])

del l1[0]

else:

tmp.append(l2[0])

del l2[0]

tmp.extend(l1)

tmp.extend(l2)

return tmp

9
交叉链表求交点

去何方的面试,没做出来.

classListNode:def__init__(self,x):self.val=xself.next=Nonedefnode(l1,l2): 
  length1, lenth2=0,0#求五个链表长度whilel1.next:        l1=l1.next   
    length1+=1whilel2.next:        l2=l2.next       
length2+=1#长的链表先走iflength1>lenth2:for_inrange(length1-length2): 
          l1=l1.nextelse:for_inrange(length2-length1):           
l2=l2.nextwhilel1andl2:ifl1.next==l2.next:returnl1.nextelse:           
l1=l1.next            l2=l2.next

10
二分查找

defbinarySearch(l,t):    low, high=0,len(l)-1whilelowt:           
high=midelifl[mid]

11
快排

defqsort(seq):ifseq==[]:return[]else:        pivot=seq[0]       
lesser=qsort([xforxinseq[1:]ifx=pivot])returnlesser+[pivot]+greaterif__name__==’__main__’: 
  seq=[5,6,78,9,0,-1,2,3,-65,12]print(qsort(seq))

12
找零难题

defcoinChange(values,money,coinsUsed):#values   
T[1:n]数组#valuesCounts  钱币对应的连串数#money 
找出来的总钱数#coinsUsed 
对应于当下钱币总数i所使用的硬币数目forcentsinrange(1, money+1):       
minCoins=cents#从首个早先到money的有着境况开首forvalueinvalues:ifvalue<=cents: 
              temp=coinsUsed[cents-value]+1iftemp

13
广度遍历和深度遍历二叉树

给定二个数组,创设二叉树,并且按层次打字与印刷这几个二叉树

## 14
二叉树节点classNode(object):def__init__(self,data,left=None,right=None):self.data=dataself.left=leftself.right=righttree=Node(1,
Node(3, Node(7, Node(0)), Node(6)), Node(2, Node(5), Node(4)))## 15
层次遍历deflookup(root):    stack=[root]whilestack:       
current=stack.pop(0)printcurrent.dataifcurrent.left:           
stack.append(current.left)ifcurrent.right:           
stack.append(current.right)## 16
深度遍历defdeep(root):ifnotroot:returnprintroot.data    deep(root.left) 
  deep(root.right)if__name__==’__main__’:    lookup(tree)   
deep(tree)

17
前中后序遍历

纵深遍历改变种种就OK了

18
求最大树深

defmaxDepth(root):ifnotroot:return0returnmax(maxDepth(root.left),
maxDepth(root.right))+1

19
求两棵树是还是不是一致

defisSameTree(p,q):ifp==Noneandq==None:returnTrueelifpandq
:returnp.val==q.valandisSameTree(p.left,q.left)andisSameTree(p.right,q.right)else:returnFalse

20
前序中序求后序

推荐:http://blog.csdn.net/hinyunsin/article/details/6315502

defrebuild(pre,center):ifnotpre:returncur=Node(pre[0])   
index=center.index(pre[0])    cur.left=rebuild(pre[1:index+1],
center[:index])    cur.right=rebuild(pre[index+1:],
center[index+1:])returncurdefdeep(root):ifnotroot:returndeep(root.left) 
  deep(root.right)printroot.data

21
单链表逆置

classNode(object):def__init__(self,data=None,next=None):self.data=dataself.next=nextlink=Node(1,
Node(2, Node(3, Node(4, Node(5, Node(6, Node(7, Node(8,
Node(9)))))))))defrev(link):    pre=link    cur=link.next   
pre.next=Nonewhilecur:        tmp=cur.next        cur.next=pre       
pre=cur        cur=tmpreturnpreroot=rev(link)whileroot:printroot.data   
root=root.next

1
Python的函数参数字传送递

 

@staticmethod和@classmethod

def foo(x):
    print "executing foo(%s)"%(x)

class A(object):
    def foo(self,x):
        print "executing foo(%s,%s)"%(self,x)

    @classmethod
    def class_foo(cls,x):
        print "executing class_foo(%s,%s)"%(cls,x)

    @staticmethod
    def static_foo(x):
        print "executing static_foo(%s)"%x

a=A()

那边先明了下函数参数里面包车型地铁self和cls.这一个self和cls是对类或然实例的绑定,对于一般的函数来说大家得以那样调用foo(x),那么些函数正是最常用的,它的劳作跟其余事物(类,实例)非亲非故.对于实例方法,大家知道在类里每一遍定义方法的时候都必要绑定那些实例,正是foo(self,
x),为什么要这么做吧?因为实例方法的调用离不开实例,大家供给把实例本身传给函数,调用的时候是那样的a.foo(x)(其实是foo(a,
x)).类方法一致,只不过它传递的是类而不是实例,A.class_foo(x).注意那里的self和cls能够轮换其他参数,然而python的预约是那俩,照旧不要改的好.

对于静态方法其实和常见的法子一致,不须求对哪个人举办绑定,唯一的区分是调用的时候供给采纳a.static_foo(x)或者A.static_foo(x)来调用.

\ 实例方法 类方法 静态方法
a = A() a.foo(x) A.class_foo(x) A.static_foo(x)
A 不可用 A.class_foo(x) A.static_foo(x)

更加多关于那些标题:http://stackoverflow.com/questions/136097/what-is-the-difference-between-staticmethod-and-classmethod-in-python

看四个例证:

Python语言特征

① 、Python的函数参数传递

看三个例子:

a = 1

def fun(a):

a = 2

fun(a)

print a # 1

a = []

def fun(a):

a.append(1)

fun(a)

print a # [1]

具有的变量都得以驾驭是内部存款和储蓄器中几个目的的“引用”,或然,也可以看似c中void*的感觉。

通过id来看引用a的内部存款和储蓄器地址能够比较明白:

a = 1

def fun(a):

print “func_in”,id(a) # func_in 41322472

a = 2

print “re-point”,id(a), id(2) # re-point 41322448 41322448

print “func_out”,id(a), id(1) # func_out 41322472 41322472

fun(a)

print a # 1

注:具体的值在区别电脑上运转时可能差异。

能够看来,在实施完a =
2之后,a引用中保留的值,即内存地址发生变化,由原先1指标的八方的地方变成了2这几个实体对象的内部存款和储蓄器地址。

而第二个例证a引用保存的内部存款和储蓄器值就不会产生变化:

a = []

def fun(a):

print “func_in”,id(a) # func_in 53629256

a.append(1)

print “func_out”,id(a) # func_out 53629256

fun(a)

print a # [1]

此间记住的是项目是属于对象的,而不是变量。而指标有二种,“可更改”(mutable)与“不可更改”(immutable)对象。在python中,strings,
tuples, 和numbers是不可改变的指标,而 list, dict, set
等则是足以修改的靶子。(那正是以此难题的要紧)

当一个引用传递给函数的时候,函数自动复制一份引用,那几个函数里的引用和外边的引用没有半毛关系了.所以第1个例证里函数把引用指向了三个不可变对象,当函数再次回到的时候,外面包车型地铁引用没半毛感觉.而第①个例证就差别了,函数内的引用指向的是可变对象,对它的操作就和固化了指针地址一样,在内部存款和储蓄器里开始展览修改.

二 、Python中的元类(metaclass)

本条那一个的不常用,不过像O库罗德M那种复杂的构造依旧会需求的,教程就不详细介绍了。

三、 @staticmethod和@classmethod

Python其实有二个办法,即静态方法(staticmethod),类格局(classmethod)和实例方法,如下:

def foo(x):

print “executing foo(%s)”%(x)

class A(object):

def foo(self,x):

print “executing foo(%s,%s)”%(self,x)

@classmethod

def class_foo(cls,x):

print “executing class_foo(%s,%s)”%(cls,x)

@staticmethod

def static_foo(x):

print “executing static_foo(%s)”%x

a=A()

那边先知道下函数参数里面包车型客车self和cls.那么些self和cls是对类或然实例的绑定,对于一般的函数来说大家得以这么调用foo(x),这么些函数便是最常用的,它的行事跟任高建文西(类,实例)非亲非故.对于实例方法,我们精晓在类里每便定义方法的时候都急需绑定这一个实例,便是foo(self,
x),为啥要那样做吗?因为实例方法的调用离不开实例,大家须求把实例本人传给函数,调用的时候是如此的a.foo(x)(其实是foo(a,
x)).类方法一致,只不过它传递的是类而不是实例,A.class_foo(x).注意那里的self和cls能够轮换其余参数,不过python的约定是那俩,仍旧不要改的好.

对于静态方法其实和平日的措施一致,不需求对何人进行绑定,唯一的分别是调用的时候须求接纳a.static_foo(x)或者A.static_foo(x)来调用.

实例方法类格局静态方法a =
A()a.foo(x)a.class_foo(x)a.static_foo(x)A不可用A.class_foo(x)A.static_foo(x)

四 、类变量和实例变量

类变量:

​是可在类的装有实例之间共享的值(相当于说,它们不是单身分配给每一种实例的)。例如下例中,num_of_instance
正是类变量,用于跟踪存在着些许个Test 的实例。

实例变量:

实例化之后,各个实例单独拥有的变量。

class Test(object):

num_of_instance = 0

def __init__(self, name):

self.name = name

Test.num_of_instance += 1

if __name__ == ‘__main__’:

print Test.num_of_instance # 0

t1 = Test(‘jack’)

print Test.num_of_instance # 1

t2 = Test(‘lucy’)

print t1.name , t1.num_of_instance # jack 2

print t2.name , t2.num_of_instance # lucy 2

填补的事例

class Person:

name=”aaa”

p1=Person()

p2=Person()

p1.name=”bbb”

print p1.name # bbb

print p2.name # aaa

print Person.name # aaa

那里p1.name=”bbb”是实例调用了类变量,那其实和地点第3个难题一样,便是函数字传送参的题材,p1.name一起头是指向的类变量name=”aaa”,可是在实例的效果域里把类变量的引用改变了,就改成了四个实例变量,self.name不再引用Person的类变量name了.

可以看看上边包车型大巴例子:

class Person:

name=[]

p1=Person()

p2=Person()

p1.name.append(1)

print p1.name # [1]

print p2.name # [1]

print Person.name # [1]

五、Python自省

本条也是python彪悍的特性.

反躬自省正是面向对象的言语所写的顺序在运营时,所能知道对象的类型.简单一句正是运转时亦可获得对象的类型.比如type(),dir(),getattr(),hasattr(),isinstance().

a = [1,2,3]

b = {‘a’:1,’b’:2,’c’:3}

c = True

print type(a),type(b),type(c) # <type ‘list’> <type
‘dict’> <type ‘bool’>

print isinstance(a,list) # True

陆 、字典推导式

或是您见过列表推导时,却尚无见过字典推导式,在2.7中才参预的:

d = {key: value for (key, value) in iterable}

7 Python中单下划线和双下划线

>>> class MyClass():

… def __init__(self):

… self.__superprivate = “Hello”

… self._semiprivate = “, world!”

>>> mc = MyClass()

>>> print mc.__superprivate

Traceback (most recent call last):

File “<stdin>”, line 1, in <module>

AttributeError: myClass instance has no attribute ‘__superprivate’

>>> print mc._semiprivate

, world!

>>> print mc.__dict__

{‘_MyClass__superprivate’: ‘Hello’, ‘_semiprivate’: ‘, world!’}

__foo__:一种约定,Python内部的名字,用来区分别的用户自定义的命名,避防争论,正是比如说__init__(),__del__(),__call__()那个优异格局

_foo:一种约定,用来钦命变量私有.程序员用来钦点个人变量的一种方式.无法用from
module import * 导入,其余地点和国有一样访问;

__foo:那么些有实在的意义:解析器用_classname__foo来取代那几个名字,以界别和任何类相同的命名,它不可能直接像公有成员平等随便访问,通过对象名._类名__xxx那样的点子能够访问.

7、字符串格式化:%和.format

.format在广大下边看起来更便利.对于%最烦人的是它不能同时传递2个变量和元组.你或者会想上面包车型地铁代码不会有怎么样问题:

“hi there %s” % name

然而,固然name恰好是(1,2,3),它将会抛出贰个TypeError极度.为了保证它总是不错的,你不可能不那样做:

“hi there %s” % (name,) # 提供2个单成分的数组而不是四个参数

但是多少丑..format就从未那么些难点.你给的第3个难题也是如此,.format美观多了.

你干吗不要它?

  • 不通晓它(在读这几个前面)
  • 为了和Python2.5配合(譬如logging库建议使用%(issue #4))

捌 、迭代器和生成器

stackoverflow里python排名第贰的标题,能够参照一下,有英文版也有粤语版的。

此处有个有关生成器的制造难点面试官有考: 问: 将列表生成式中[]转移()
之后数据结构是还是不是变动? 答案:是,从列表变为生成器

>>> L = [x*x for x in range(10)]

>>> L

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

>>> g = (x*x for x in range(10))

>>> g

<generator object <genexpr> at 0x0000028F8B774200>

通过列表生成式,能够直接创制2个列表。然则,受到内部存款和储蓄器限制,列表体积肯定是零星的。而且,创制三个涵盖百万成分的列表,不仅是占用相当的大的内部存储器空间,如:大家只需求拜访前面包车型客车几个元素,后边大多数因素所占的空间都是浪费的。因此,没有供给创制完整的列表(节省大批量内存空间)。在Python中,大家能够运用生成器:边循环,边总括的建制—>generator

九、*args and **kwargs

用*args和**kwargs只是为了方便并不曾强制行使它们.

当你不显著你的函数里即将传递多少参数时您能够用*args.例如,它可以传递任意数量的参数:

>>> def print_everything(*args):

for count, thing in enumerate(args):

… print ‘{0}. {1}’.format(count, thing)

>>> print_everything(‘apple’, ‘banana’, ‘cabbage’)

  1. apple

  2. banana

  3. cabbage

相似的,**kwargs允许你利用没有优先定义的参数名:

>>> def table_things(**kwargs):

… for name, value in kwargs.items():

… print ‘{0} = {1}’.format(name, value)

>>> table_things(apple = ‘fruit’, cabbage = ‘vegetable’)

cabbage = vegetable

apple = fruit

您也得以混着用.命名参数首先获得参数值然后具有的别样参数都传送给*args和**kwargs.命名参数在列表的最前端.例如:

def table_things(titlestring, **kwargs)

*args和**kwargs能够同时在函数的定义中,可是*args必须在**kwargs前面.

当调用函数时您也足以用*和**语法.例如:

>>> def print_three_things(a, b, c):

… print ‘a = {0}, b = {1}, c = {2}’.format(a,b,c)

>>> mylist = [‘aardvark’, ‘baboon’, ‘cat’]

>>> print_three_things(*mylist)

a = aardvark, b = baboon, c = cat

就好像你看来的同一,它能够传递列表(也许元组)的每一项并把它们解包.注意必须与它们在函数里的参数相吻合.当然,你也足以在函数定义恐怕函数调用时用*.

十 、面向切面编制程序AOP和装饰器

以此AOP一听起来某个懵,同学面Ali的时候就被问懵了…

装饰器是1个很知名的设计形式,常常被用来有切面供给的风貌,较为经典的有插入日志、品质测试、事务处理等。装饰器是缓解那类难题的绝佳设计,有了装饰器,我们就能够抽离出大气函数中与函数功效自己非亲非故的一模一样代码并继承起用。归纳的讲,装饰器的法力便是为早已存在的靶子添加额外的机能。

十壹 、鸭子类型

“当看到一头鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子,那么那只鸟就足以被称为鸭子。”

笔者们并不关心对象是什么品种,到底是否鸭子,只关怀行为。

诸如在python中,有众多file-like的东西,比如StringIO,GzipFile,socket。它们有那多少个一致的法门,大家把它们作为文件使用。

又比如list.extend()方法中,大家并不关怀它的参数是否list,只要它是可迭代的,所以它的参数能够是list/tuple/dict/字符串/生成器等.

鸭子类型在动态语言中平常选用,十二分灵活,使得python不想java那样专门去弄一大堆的设计方式。

十二、Python中重载

函数重载首假诺为了化解五个难点。

  1. 可变参数类型。
  2. 可变参数个数。

除此以外,几个基本的设计原则是,仅仅当七个函数除了参数类型和参数个数区别以外,其功用是完全相同的,此时才使用函数重载,假诺七个函数的作用实在比不上,那么不该选择重载,而应当使用三个名字不一致的函数。

好呢,那么对于意况 1 ,函数功效雷同,可是参数类型分歧,python
怎么着处理?答案是一直不要求处理,因为 python
能够承受任何项目标参数,假如函数的功用雷同,那么差异的参数类型在 python
中很大概是平等的代码,没有要求做成五个例外函数。

那就是说对于意况 2 ,函数效用雷同,但参数个数不一样,python
如何处理?大家知道,答案就是缺省参数。对那个缺少的参数设定为缺省参数即可消除难题。因为您假诺函数成效雷同,那么那么些缺少的参数毕竟是供给用的。

好了,鉴于意况 1 跟 处境 2 都有了化解方案,python
自然就不必要函数重载了。

十③ 、新式类和旧式类

本条面试官问了,笔者说了老半天,不驾驭她问的真正意图是什么.

stackoverflow

流行类很早在2.2就出现了,所以旧式类完全是合作的标题,Python3里的类全部都以新式类.那里有1个MRO难点得以驾驭下(新式类是广度优先,旧式类是深浅优先),<Python主旨编制程序>里讲的也很多.

1个旧式类的深度优先的例证

class A():

def foo1(self):

print “A”

class B(A):

def foo2(self):

pass

class C(A):

def foo1(self):

print “C”

class D(B, C):

pass

d = D()

d.foo1()

# A

遵循经典类的查找顺序从左到右深度优先的平整,在做客d.foo1()的时候,D那些类是绝非的..那么往上寻找,先找到B,里面没有,深度优先,访问A,找到了foo1(),所以那时候调用的是A的foo1(),从而造成C重写的foo1()被绕过

十四、__new__和__init__的区别

这个__new__当真很少见到,先做询问吧.

  1. __new__是三个静态方法,而__init__是二个实例方法.
  2. __new__方法会重临三个创办的实例,而__init__何以都不再次来到.
  3. 只有在__new__归来二个cls的实例时前面包车型地铁__init__才能被调用.
  4. 当成立多个新实例时调用__new__,开始化1个实例时用__init__.

stackoverflow

ps:
__metaclass__是成立类时起成效.所以大家得以分别使用__metaclass__,__new__和__init__来分别在类制造,实例创设和实例初始化的时候做一些小手脚.

十五 、单例情势

​单例格局是一种常用的软件设计情势。在它的为主结构中只含有一个被喻为单例类的特连串。通过单例形式能够保险系统中3个类唯有1个实例而且该实例易于外界访问,从而方便对实例个数的操纵并节约系统财富。假设希望在系统中有些类的指标只好存在一个,单例格局是最佳的缓解方案。

__new__()在__init__()在此之前被调用,用于转移实例对象。利用那么些形式和类的属性的特色能够兑现设计情势的单例情势。单例方式是指创立唯一指标,单例方式设计的类只能实例
那些相对常考啊.相对要切记1~二个艺术,当时面试官是让手写的.

1 使用__new__方法

class Singleton(object):

def __new__(cls, *args, **kw):

if not hasattr(cls, ‘_instance’):

orig = super(Singleton, cls)

cls._instance = orig.__new__(cls, *args, **kw)

return cls._instance

class MyClass(Singleton):

a = 1

2 共享属性

制造实例时把持有实例的__dict__针对同多个字典,那样它们有着同等的性质和方法.

class Borg(object):

_state = {}

def __new__(cls, *args, **kw):

ob = super(Borg, cls).__new__(cls, *args, **kw)

ob.__dict__ = cls._state

return ob

class MyClass2(Borg):

a = 1

3 装饰器版本

def singleton(cls):

instances = {}

def getinstance(*args, **kw):

if cls not in instances:

instances[cls] = cls(*args, **kw)

return instances[cls]

return getinstance

@singleton

class MyClass:

4 import方法

用作python的模块是天然的单例方式

# mysingleton.py

class My_Singleton(object):

def foo(self):

pass

my_singleton = My_Singleton()

# to use

from mysingleton import my_singleton

my_singleton.foo()

十六 、 Python中的成效域

Python 中,一个变量的作用域总是由在代码中被赋值的地方所控制的。

当 Python 遇到贰个变量的话他会安份守己那样的依次实行搜索:

本土功效域(Local)→当前效率域被放到的地面功效域(Enclosing
locals)→全局/模块作用域(Global)→内置功效域(Built-in)

十柒 、 GIL线程全局锁

线程全局锁(Global Interpreter
Lock),即Python为了保证线程安全而使用的独立线程运营的限量,说白了正是1个核只可以在同近期间运行贰个线程.对于io密集型职分,python的八线程起到效率,但对此cpu密集型职分,python的二十多线程大致占不到其余优势,还有或者因为争夺财富而变慢。

见Python 最难的标题

消除办法正是多进度和底下的协程(协程也只是单CPU,可是能减小切换代价进步性能).

十八、协程

乐乎被问到了,呵呵哒,跪了

简单易行点说协程是进程和线程的升级版,进度和线程都面临着内核态和用户态的切换难点而消耗比比皆是切换时间,而协程即是用户本身支配切换的机会,不再须求陷入系统的基本态.

Python里最广泛的yield正是协程的想想!能够查阅第九个难题.

十九、闭包

闭包(closure)是函数式编制程序的首要的语法结构。闭包也是一种集体代码的布局,它一样增进了代码的可另行使用性。

当叁个内嵌函数引用其外部作作用域的变量,大家就会取得三个闭包.
总计一下,创制八个闭包必须满意以下几点:

  1. 不可能不有一个内嵌函数
  2. 内嵌函数必须引用外部函数中的变量
  3. 外表函数的重回值必须是内嵌函数

觉得闭包依旧有难度的,几句话是说不知情的,依然印证相关资料.

根本是函数运营后并不会被撤除,就像是16题的instance字典一样,当函数运维完后,instance并不被销毁,而是继续留在内部存款和储蓄器空间里.那几个作用相近类里的类变量,只可是迁移到了函数上.

闭包就像是个空心球一样,你明白外面和里面,但您不明了中间是什么样样.

二十、lambda函数

实在正是1个匿名函数,为啥叫lambda?因为和前面包车型的士函数式编制程序有关.

推荐: 知乎

二十壹 、 Python函数式编程

本条要求非常的刺探一下吗,毕竟函数式编制程序在Python中也做了引用.

推荐: 酷壳

python中等校园函授数式编制程序帮助:

filter
函数的效益相当于过滤器。调用3个布尔函数bool_func来迭代遍历每一种seq中的成分;重临三个使bool_seq重临值为true的因素的行列。

>>>a = [1,2,3,4,5,6,7]

>>>b = filter(lambda x: x > 5, a)

>>>print b

>>>[6,7]

map函数是对2个行列的每种项依次执行函数,上面是对3个队列各种项都乘以2:

>>> a = map(lambda x:x*2,[1,2,3])

>>> list(a)

[2, 4, 6]

reduce函数是对1个队列的各类项迭代调用函数,上面是求3的阶乘:

>>> reduce(lambda x,y:x*y,range(1,4))

6

二十② 、Python里的正片

引用和copy(),deepcopy()的区别

import copy

a = [1, 2, 3, 4, [‘a’, ‘b’]] #原有对象

b = a #赋值,传对象的引用

c = copy.copy(a) #对象拷贝,浅拷贝

d = copy.deepcopy(a) #对象拷贝,深拷贝

a.append(5) #修改对象a

a[4].append(‘c’) #修改对象a中的[‘a’, ‘b’]数组对象

print ‘a = ‘, a

print ‘b = ‘, b

print ‘c = ‘, c

print ‘d = ‘, d

出口结果:

a = [1, 2, 3, 4, [‘a’, ‘b’, ‘c’], 5]

b = [1, 2, 3, 4, [‘a’, ‘b’, ‘c’], 5]

c = [1, 2, 3, 4, [‘a’, ‘b’, ‘c’]]

d = [1, 2, 3, 4, [‘a’, ‘b’]]

二十③ 、Python垃圾回收机制

Python GC首要行使引用计数(reference
counting)来跟踪和回收垃圾。在引用计数的基础上,通过“标记-清除”(mark
and
sweep)解决容器对象也许发生的轮回引用难点,通过“分代回收”(generation
collection)以空间换时间的点子进步垃圾回收作用。

1 引用计数

PyObject是各样对象必有的内容,个中ob_refcnt正是做为引用计数。当2个指标有新的引用时,它的ob_refcnt就会扩大,当引用它的靶子被去除,它的ob_refcnt就会缩小.引用计数为0时,该目的生命就甘休了。

优点:

  1. 简单
  2. 实时性

缺点:

  1. 保卫安全引用计数消耗电源
  2. 巡回引用

2 标记-清除机制

基本思路是先按需分配,等到没有空余内部存款和储蓄器的时候从寄存器和次序栈上的引用出发,遍历以指标为节点、以引用为边构成的图,把具有能够访问到的对象打上标记,然后清扫一次内部存款和储蓄器空间,把具备没标记的目的释放。

3 分代技术

分代回收的全体思想是:将系统中的全数内部存款和储蓄器块根据其存世时间分开为差别的联谊,各样集合就成为一个“代”,垃圾收集频率随着“代”的共处时间的增大而减小,存活时间一般使用经过五次垃圾回收来衡量。

Python暗中认可定义了三代对象集合,索引数越大,对象共处时间越长。

举例:
当有个别内部存款和储蓄器块M经过了三回垃圾收集的清洗之后还存世时,大家就将内部存款和储蓄器块M划到贰个集合A中去,而新分配的内存都分开到集合B中去。当废品收集起来工作时,超越四分之二景色都只对集合B进行垃圾回收,而对集合A实行垃圾回收要隔相当短一段时间后才开始展览,那就使得垃圾收集体制亟待处理的内存少了,功效自然就增进了。在这些进度中,集合B中的有些内部存款和储蓄器块由于现有时间长而会被更换成集合A中,当然,集合A中实际上也设有一些破烂,这个垃圾的回收会因为那种分代的机制而被推移。

二十四、Python的List

详见教程网上海人民广播广播台大的,内容有点多,小编就不一一列出来了。

二十五、Python的is

is是比照地址,==是比较值

二十六、 read,readline和readlines

  • read 读取整个文件
  • readline 读取下一行,使用生成器方法
  • readlines 读取整个文件到四个迭代器以供我们遍历

二十七、 Python2和3的区别

推荐介绍:Python 2.7.x 与 Python 3.x 的重点差别

二十八、super init

super() lets you avoid referring to the base class explicitly, which
can be nice. But the main advantage comes with multiple inheritance,
where all sorts of fun stuff can happen. See the standard docs on
super if you haven’t already.

Note that the syntax changed in Python 3.0: you can just say
super().__init__() instead of super(ChildB, self).__init__()
which IMO is quite a bit nicer.

Python2.7中的super方法浅见

二十九、range and xrange

都在循环时利用,xrange内部存款和储蓄器性能更好。 for i in range(0, 20): for i in
xrange(0, 20): What is the difference between range and xrange functions
in Python 2.X? range creates a list, so if you do range(1, 一千0000) it
creates a list in memory with 9999999 elements. xrange is a sequence
object that evaluates lazily.

类变量和实例变量

class Person:
    name="aaa"

p1=Person() #类变量
p2=Person() #类变量
p1.name="bbb" #实例变量
print p1.name  # bbb
print p2.name  # aaa
print Person.name  # aaa

类变量正是供类使用的变量,实例变量正是供实例使用的.

此处p1.name=”bbb”是实例调用了类变量,那实质上和方面第三个难点一样,就是函数字传送参的标题,p1.name一上马是指向的类变量name=”aaa”,然而在实例的效果域里把类变量的引用改变了,就改成了三个实例变量,self.name不再引用Person的类变量name了.

==能够看看下边包车型地铁例证: (need check)==
==python中list是mutable的类变量, 实例化之后也是mutable的,
所以对第3个实例的name操作, 也会挑起类变量以及别的的实例中list的改动==

==如何制止==

class Person:
    name=[]

p1=Person()
p2=Person()
p1.name.append(1)
print p1.name  # [1]
print p2.name  # [1]
print Person.name  # [1]

参考:http://stackoverflow.com/questions/6470428/catch-multiple-exceptions-in-one-line-except-block

a=1deffun(a):    a=2fun(a)printa#1

操作系统

一、select,poll和epoll

实则具有的I/O都以轮询的办法,只可是完毕的规模分化罢了.

其一题材大概有点浓密了,但相信能回答出这么些标题是对I/O多路复用有很好的摸底了.在那之中tornado使用的就是epoll的.

selec,poll和epoll差异总计

基本上select有3个缺点:

  1. 连接数受限
  2. 找寻配对速度慢
  3. 数据由基础拷贝到用户态

poll改正了第3个毛病

epoll改了四个缺点.

二 、调度算法

  1. 先来先服务(FCFS, First Come First Serve)
  2. 短作业优先(SJF, Shortest Job First)
  3. 最高优先权调度(Priority Scheduling)
  4. 时光片轮转(大切诺基ENVISION, Round 罗布in)
  • 铺天盖地反馈队列调度(multilevel feedback queue scheduling)

实时调度算法:

  1. 最早甘休时间优先 EDF
  2. 低于松弛度优先 LLF

三、死锁

原因:

  1. 竞争能源
  2. 次第推进种种不当

供给条件:

  1. 互斥条件
  2. 伸手和维系标准
  3. 不剥夺条件
  4. 环路等待条件

拍卖死锁基本方法:

  1. 防护死锁(放任除1以外的原则)
  2. 幸免死锁(银行家算法)
  3. 检查和测试死锁(能源分配图)
  4. 免除死锁
  5. 剥夺能源
  6. 收回进度

死锁概念处理政策详细介绍的话,能够参照一下网上的。

④ 、程序编写翻译与链接

Bulid进度能够解释为六个步骤:预处理(Prepressing),
编写翻译(Compilation)、汇编(Assembly)、链接(Linking)

python自省

以此也是python彪悍的天性.

自省便是面向对象的语言研商所写的程序在运作时,所能知道对象的类型.简单一句正是运维时亦可获得对象的类型.比如type(),dir(),getattr(),hasattr(),isinstance().

a=[]deffun(a):    a.append(1)fun(a)printa#[1]

以c语言为例:

一、预处理

预编写翻译进度重要处理那贰个源文件中的以“#”起始的预编写翻译指令,首要处理规则有:

  1. 将装有的“#define”删除,并实行所用的宏定义
  2. 拍卖全数标准预编写翻译指令,比如“#if”、“#ifdef”、 “#elif”、“#endif”
  3. 处理“#include”预编写翻译指令,将被含有的文本插入到该编写翻译指令的岗位,注:此进度是递归举办的
  4. 删除全部注释
  5. 添加行号和文件名标识,以便于编写翻译时编写翻译器暴发调节和测试用的行号消息以及用于编写翻译时发出编写翻译错误或警示时可展现行号
  6. 保留全数的#pragma编写翻译器指令。

二、编译

编写翻译进度正是把预处理完的文书实行一多种的词法分析、语法分析、语义分析及优化后转移对应的汇编代码文件。这些进程是一切程序构建的主导部分。

三、汇编

汇编器是将汇编代码转化成机器可以推行的下令,每一条汇编语句大致都以一条机器指令。经过编写翻译、链接、汇编输出的公文成为指标文件(Object
File)

四、链接

链接的重中之重内容就是把各种模块之间相互引用的一部分处理好,使种种模块能够正确的拼凑。
链接的要紧进程包块 地址和空间的分配(Address and Storage
Allocation)、符号决议(Symbol Resolution)和重定位(Relocation)等步骤。

⑤ 、静态链接和动态链接

静态链接方法:静态链接的时候,载入代码就会把程序会用到的动态代码或动态代码的地址明显下来
静态库的链接能够应用静态链接,动态链接库也足以应用那种方法链接导入库

动态链接方法:使用那种办法的次序并不在一开头就达成动态链接,而是直到真正调用动态库代码时,载入程序才总括(被调用的那部分)动态代码的逻辑地址,然后等到有些时候,程序又供给调用其余某块动态代码时,载入程序又去总括那有些代码的逻辑地址,所以,那种艺术使程序开头化时间较短,但运营时期的品质不比静态链接的次第

六 、虚拟内部存款和储蓄器技术

虚拟存款和储蓄器是指具备请求调入功用和置换功效,能从逻辑上对内部存储器容积加以扩张的一种存款和储蓄系统.

七 、分页和分层

分页:
用户程序的地方空间被细分成几何固定大小的区域,称为“页”,相应地,内部存款和储蓄器空间分成若干个物理块,页和块的大大小小相当于。可将用户程序的任一页放在内部存款和储蓄器的任一块中,完结了离散分配。

分层:
将用户程序地址空间分成若干个大小不等的段,每段能够定义一组绝对完好的逻辑消息。存款和储蓄分配时,以段为单位,段与段在内部存款和储蓄器中能够不相邻接,也兑现了离散分配。

分页与分支的首要分裂

  1. 页是消息的物理单位,分页是为了落实非一而再分配,以便化解内部存款和储蓄器碎片难题,或许说分页是由于系统一管理理的急需.段是音讯的逻辑单位,它包罗一组意义相对完整的新闻,分段的目标是为了更好地贯彻共享,知足用户的供给.
  2. 页的深浅固定,由系统明确,将逻辑地址划分为页号和页外地址是由机器硬件达成的.而段的尺寸却不定点,决定于用户所编写的次序,日常由编写翻译程序在对源程序实行编写翻译时根据新闻的特性来划分.
  3. 分页的功课地址空间是一维的.分段的地点空间是二维的.

八 、页面置换算法

  1. 最好置换算法OPT:相当的小概完成
  2. 先进先出FIFO
  3. 不久前最久未利用算法LRU:近日一段时间里最久没有运用过的页面予以置换.
  4. clock算法

玖 、边沿触发和程度触发

边缘触发是指每当状态变化时发生3个 io
事件,条件触发是一旦满意条件就发生多个 io 事件

字典推导式:

d = {key: value for (key, value) in iterable}

您能够用任何措施的迭代器(元组,列表,生成器..),只要可迭代对象的因素中有七个值.

d = {value: foo(value) for value in sequence if bar(value)}

def key_value_gen(k):
   yield chr(k+65)
   yield chr((k+13)%26+65)
d = dict(map(key_value_gen, range(26)))

全体的变量都能够知晓是内部存款和储蓄器中三个指标的“引用”,或然,也得以看似c中void*的感觉。

数据库

一、事务

数据库事务(Database Transaction)
,是指作为单个逻辑工作单元执行的一名目繁多操作,要么完全地推行,要么完全地不实施。

到底精晓数据库事务详细教程一搜一大把,能够自行检索一下。

② 、数据库索引

MySQL索引背后的数据结构及算法原理

聚集索引,非聚集索引,B-Tree,B+Tree,最左前缀原理

三、Redis原理

Redis是什么?

  1. 是七个全然开源免费的key-value内部存款和储蓄器数据库
  2. 万般被认为是二个数据结构服务器,首假诺因为其兼具丰盛的数据结构
    strings、map、 list、sets、 sorted sets

Redis数据库

​平日局限点来说,Redis也以音信队列的方式存在,作为内嵌的List存在,满意实时的高并发必要。在选用缓存的时候,redis比memcached具有更多的优势,并且辅助越来越多的数据类型,把redis当作一个中路存款和储蓄系统,用来拍卖高并发的数据库操作

  • 进程快:使用标准C写,全部数据都在内部存款和储蓄器中成功,读写速度分别达到10万/20万
  • 持久化:对数据的换代采取Copy-on-write技术,可以异步地保存到磁盘上,主要有三种政策,一是依照时间,更新次数的快速照相(save
    300 10 )二是基于语句追加格局(Append-only file,aof)
  • 机关操作:对两样数据类型的操作都以全自动的,很安全
  • 飞速的主–从复制,官方提供了1个数目,Slave在21秒即完毕了对亚马逊(Amazon)网站10G
    key set的复制。
  • Sharding技术:
    很简单将数据分布到五个Redis实例中,数据库的扩张是个固定的话题,在关系型数据库中,重借使以足够硬件、以分区为首要技术形式的纵向扩充化解了无数的采纳场景,但随着web2.0、移动互连网、云计算等采用的兴起,这种扩大形式已经不太适合了,所以方今,像选用主从配置、数据库复制情势的,Sharding那种技能把负载分布到几个特理节点上去的横向扩张格局用处更多。

Redis缺点

  • 是数据水库蓄水体积量受到物理内部存款和储蓄器的界定,不能用作海量数据的高质量读写,由此Redis适合的场景首要局限在较小数据量的高品质操作和平运动算上。
  • Redis较难支撑在线扩大体积,在集群容积达到上限时在线扩大体积会变得很复杂。为制止这一题材,运营职员在系统上线时必须保险有丰硕的半空中,那对能源造成了相当的大的荒废。

四 、乐观锁和悲观锁

想不开锁:假定会发生并发争持,屏蔽一切或者违反数据完整性的操作

有望锁:即使不会时有发生并发争执,只在付给操作时检查是或不是违反数据完整性。

五、MVCC

​全称是Multi-Version Concurrent
Control,即多版本出现控制,在MVCC协议下,种种读操作会看到二个一致性的snapshot,并且能够达成非阻塞的读。MVCC允许数据颇具多少个本子,那么些本子能够是时间戳恐怕是全局递增的事务ID,在同二个时间点,分裂的事务看到的多少是例外的。

MySQL的innodb引擎是什么促成MVCC的

innodb会为每一行添加多个字段,分别表示该行创立的本子和删除的本子,填入的是事情的版本号,这几个版本号随着工作的创设不断递增。在repeated
read的隔开分离级别(事务的隔离级别请看那篇小说)下,具体各个数据库操作的落到实处:

  • select:满意以下八个标准innodb会再次回到该行数据:
  • 该行的创办版本号小于等于当前版本号,用于保障在select操作此前全数的操作已经进行落地。
  • 该行的删除版本号大于当前版本或许为空。删除版本号大于当前版本意味着有贰个涌出事务将该行删除了。
  • insert:将新插入的行的成立版本号设置为近年来系统的版本号。
  • delete:将要删除的行的删减版本号设置为当下系统的版本号。
  • update:不实施原地update,而是转换到insert +
    delete。将旧行的去除版本号设置为近期版本号,并将新行insert同时设置创制版本号为眼下版本号。

里面,写操作(insert、delete和update)执行时,供给将系统版本号递增。

​由于旧数据并不确实的去除,所以必须对这一个数据进行清理,innodb会开启贰个后台线程执行清理工科作,具体的平整是将去除版本号小于当前系统版本的行删除,那些历程叫做purge。

通过MVCC很好的兑现了作业的隔绝性,能够实现repeated
read级别,要贯彻serializable还必须加锁。

参考:MVCC浅析

六、MyISAM和InnoDB

MyISAM
适合于部分急需大批量询问的采纳,但其对于有大量写操作并不是很好。甚至你只是内需update二个字段,整个表都会被锁起来,而其他进程,就终于读进度都没法儿操作直到读操作实现。别的,MyISAM
对于 SELECT COUNT(*) 那类的猜想是超快无比的。

InnoDB 的大方向会是二个非凡复杂的储存引擎,对于有个别小的施用,它会比 MyISAM
还慢。他是它帮助“行锁”
,于是在写操作比较多的时候,会更了不起。并且,他还扶助更加多的尖端应用,比如:事务。

python中单下划线和双下划线

那篇小说商讨Python中下划线_的行使。跟Python中诸多用法类似,下划线_的不等用法绝超越一半(不全是)都以一种规矩约定。

通过id来看引用a的内部存款和储蓄器地址能够相比较了然:

网络

一 、 三回握手

  1. 客户端通过向劳动器端发送一个SYN来创立一个积极性打开,作为一遍握手的一片段。客户端把那段连接的序号设定为随机数
    A。
  2. 劳务器端应当为3个合法的SYN回送2个SYN/ACK。ACK 的确认码应为
    A+1,SYN/ACK 包自己又有3个即兴序号 B。
  3. 末尾,客户端再发送3个ACK。当服务端受到这几个ACK的时候,就完成了三路握手,并进入了延续成立状态。此时包序号被设定为接受的确认号
    A+1,而响应则为 B+1。

贰 、5遍挥手

只顾: 中断连接端能够是客户端,也足以是服务器端.
上边仅以客户端断开连接举例, 反之亦然.

  1. 客户端发送一个多少分段, 当中的 FIN 标记设置为1. 客户端进入 FIN-WAIT
    状态. 这场合下客户端只接收数据, 不再发送数据.
  2. 服务器收到到含有 FIN = 1 的数据分段, 发送带有 ACK = 1
    的盈余数量分段, 确认收到客户端发来的 FIN 消息.
  3. 服务器等到具备数据传输结束, 向客户端发送1个带有 FIN = 1 的数据分段,
    并进入 CLOSE-WAIT 状态, 等待客户端发来含有 ACK = 1 的认同报文.
  4. 客户端收到服务器发来含有 FIN = 1 的报文, 重回 ACK = 1 的报文确认,
    为了防止服务器端未接受需求重发, 进入 TIME-WAIT 状态.
    服务器收到到报文后关闭连接. 客户端等待 2MSL 后未接到回复,
    则认为服务器成功关闭, 客户端关闭连接.

三、ARP协议

地点解析协议(Address Resolution
Protocol),其基本作用为经过目的设备的IP地址,查询指标的MAC地址,以确认保障通信的顺遂进行。它是IPv4网络层必不可少的情商,不过在IPv6中已不再适用,并被邻居发现协议(NDP)所代表。

四、urllib和urllib2的区别

这一个面试官确实问过,当时答的urllib2能够Post而urllib无法.

  1. urllib提供urlencode方法用来GET查询字符串的发出,而urllib2没有。那是怎么urllib常和urllib2一起利用的来由。
  2. urllib2能够承受1个Request类的实例来安装UEnclaveL请求的headers,urllib仅还行UCR-VL。那意味,你不得以假装你的User
    Agent字符串等。

五、Post和Get

GET和POST有哪些分别?及为啥网上的大部答案都以错的 果壳网回答

get: RFC 2616 – Hypertext Transfer Protocol — HTTP/1.1 post: RFC 2616 –
Hypertext Transfer Protocol — HTTP/1.1

六、Cookie和Session

CookieSession储存地点客户端服务器端指标跟踪会话,也足以保留用户偏好设置或然封存用户名密码等跟踪会话安全性不安全无恙

session技术是要动用到cookie的,之所以出现session技术,首就算为了安全。

七、apache和nginx的区别

nginx 相对 apache 的优点:

  • 轻量级,同样起web 服务,比apache 占用更少的内部存储器及财富
  • 抗并发,nginx 处理请求是异步非阻塞的,辅助更加多的出现连接,而apache
    则是阻塞型的,在高并发下nginx 能保持低能源低消耗高质量
  • 配备简洁
  • 可观模块化的设计,编写模块相对简单
  • 社区活泼

apache 相对nginx 的优点:

  • rewrite ,比nginx 的rewrite 强大
  • 模块超多,基本想到的都得以找到
  • 少bug ,nginx 的bug 相对较多
  • 超稳定

捌 、 网站用户密码保存

  1. 当着保存
  2. 明文hash后保存,如md5
  3. MD5+Salt方式,那些salt能够随意
  4. 博客园使用了Bcrypy(好像)加密

九、 HTTP和HTTPS

气象码定义1xx 报告吸收接纳到请求,继续进度2xx
成功步骤成功接收,被通晓,并被接受3xx
重定向为了成功请求,必须选取更为措施4xx
客户端出错请求包括错的相继或不可能一气浑成5xx
服务器出错服务器不只怕做到显明有效的伸手

403: Forbidden 404: Not Found

HTTPS握手,对称加密,非对称加密,TLS/SSL,奥德赛SA

十、 XSRF和XSS

  • CSOdysseyF(克罗丝-site request forgery)跨站请求伪造
  • XSS(Cross Site Scripting)跨站脚本攻击

CS凯雷德F重点在伸手,XSS重点在剧本

十一、幂等 Idempotence

HTTP方法的幂等性是指二回和频仍伸手某三个财富应该有所相同的副功用。(注意是副成效)

不会变动财富的情事,不论调用1回依旧N次都并未副作用。请留意,那里强调的是2遍和N次具有同样的副功用,而不是每一遍GET的结果一致。

其一HTTP请求恐怕会每趟获得不相同的结果,但它自己并不曾生出其余副功用,因此是知足幂等性的。

DELETE方法用于删除财富,有副成效,但它应有满意幂等性。

调用贰回和N次对系统一发布生的副作用是一样的,即删掉id为4231的帖子;因而,调用者能够屡屡调用或刷新页面而不必顾虑引起错误。

POST所对应的U汉兰达I并非创制的能源本身,而是财富的接收者。

HTTP响应中应包括帖子的创办状态以及帖子的U奥德赛I。三回相同的POST请求会在劳务器端创设两份财富,它们持有不一样的U中华VI;所以,POST方法不富有幂等性。

PUT所对应的U奔驰M级I是要开创或更新的财富本人。比如:PUT

十二、RESTful架构(SOAP,RPC)

详细教程能够在网上搜寻一下

十三、 SOAP

SOAP(原为Simple Object Access
Protocol的首字母缩写,即简单对象访问协议)是换到数据的一种协议正式,使用在电脑网络Web服务(web
service)中,沟通带结构消息。SOAP为了简化网页服务器(Web
Server)从XML数据库中提取数据时,节省去格式化页面时间,以及分歧应用程序之间依照HTTP通讯协议,坚守XML格式执行资料调换,使其抽象于言语达成、平台和硬件。

十四、RPC

WranglerPC(Remote Procedure Call
Protocol)——远程进程调用协议,它是一种通过互连网从远程总计机程序上呼吁服务,而不需求明白底层互连网技术的说道。QX56PC协和式飞机假若有些传输协议的存在,如TCP或UDP,为通讯程序之间带领音信数据。在OSI网络通信模型中,LANDPC跨越了传输层和应用层。KoleosPC使得开发包括互连网分布式多程序在内的应用程序尤其便于。

小结:服务提供的两大流派.古板意义以艺术调用为导向通称QashqaiPC。为了公司SOA,若干厂商联合推出webservice,制定了wsdl接口定义,传输soap.当互连网时代,臃肿SOA被简化为http+xml/json.不过简化出现各个混乱。以财富为导向,任何操作无非是对财富的增加和删除改查,于是统一的REST出现了.

升高的顺序: 哈弗PC -> SOAP -> RESTful

十五、CGI和WSGI

CGI是通用网关接口,是连连web服务器和应用程序的接口,用户通过CGI来收获动态数据或文件等。
CGI程序是多少个独门的程序,它能够用差不离全数语言来写,包涵perl,c,lua,python等等。

WSGI, Web Server Gateway
Interface,是Python应用程序或框架和Web服务器之间的一种接口,WSGI的内部一个目标正是让用户能够用统一的语言(Python)编写前后端。

法定表达:PEP-3333

十6、中间人抨击

在GFW里司空眼惯的,呵呵.

个中人攻击(Man-in-the-middle
attack,平时缩写为MITM)是指攻击者与报纸发表的双面分别成立独立的联络,并沟通其所接到的数量,使通信的两岸认为他们正在通过一个私密的再而三与对方直接对话,但事实上整个会话都被攻击者完全控制。

十七、 c10k问题

所谓c10k难题,指的是服务器同时扶助广大个客户端的标题,相当于concurrent
10 000 connection(那也是c10k那一个名字的原由)。

十八、socket

详见教程作者就不一一列举了,大家能够自动物检疫索一下。

十玖 、浏览器缓存

详尽教程笔者就不一一列举了,我们能够自行检索一下。

304 Not Modified

二十、 HTTP1.0和HTTP1.1

  1. 请求头Host字段,3个服务器多个网站
  2. 长链接
  3. 文本断点续传
  4. 身价认证,状态管理,Cache缓存

HTTP请求8种办法介绍
HTTP/1.1磋商中国共产党定义了8种HTTP请求方法,HTTP请求方法也被称为“请求动作”,区别的点子规定了差别的操作钦命的能源情势。服务端也会依照不一致的央求方法做不一致的响应。

GET

GET请求会展现请求钦点的财富。一般的话GET方法应该只用于数据的读取,而不该用于会生出副效率的非幂等的操作中。

GET会办法请求内定的页面音讯,并再次来到响应中央,GET被认为是不安全的章程,因为GET方法会被互连网蜘蛛等任意的访问。

HEAD

HEAD方法与GET方法同样,都是向服务器发出钦点财富的乞求。不过,服务器在响应HEAD请求时不会回传财富的剧情部分,即:响应宗旨。那样,大家得以不传输全体内容的情状下,就足以赢得服务器的响应头新闻。HEAD方法常被用来客户端查看服务器的习性。

POST

POST请求会
向钦定能源提交数据,请求服务器举行处理,如:表单数据交到、文件上传等,请求数据会被含有在请求体中。POST方法是非幂等的主意,因为那一个请求可能会创立新的资源或/和修改现有财富。

PUT

PUT请求会身向内定财富任务上传其最新内容,PUT方法是幂等的方法。通过该方法客户端可以将钦点财富的风靡数据传送给服务器代替内定的能源的内容。

DELETE

DELETE请求用于请求服务器删除所请求U普拉多I(统一财富标识符,Uniform Resource
Identifier)所标识的财富。DELETE请求后钦点财富会被删除,DELETE方法也是幂等的。

CONNECT

CONNECT方法是HTTP/1.1磋商预留的,能够将连续改为管道格局的代理服务器。通常用于SSL加密服务器的链接与非加密的HTTP代理服务器的通讯。

OPTIONS

OPTIONS请求与HEAD类似,一般也是用来客户端查看服务器的性质。
这几个方法会请求服务器再次来到该财富所支持的拥有HTTP请求方法,该方法会用’*’来代表财富名称,向服务器发送OPTIONS请求,能够测试服务器功用是还是不是不奇怪。JavaScript的XMLHttpRequest对象开始展览COPAJEROS跨域财富共享时,便是使用OPTIONS方法发送嗅探请求,以判断是或不是有对点名能源的访问权限。
允许

TRACE

TRACE请求服务器回显其接到的伸手音信,该办法首要用来HTTP请求的测试或确诊。

HTTP/1.1未来增添的点子

在HTTP/1.1专业制定之后,又陆续扩大了某个主意。个中使用中较多的是 PATCH
方法:

PATCH

PATCH方法现身的较晚,它在二〇一〇年的帕杰罗FC
5789标准中被定义。PATCH请求与PUT请求类似,同样用于能源的换代。二者有以下两点不一样:

但PATCH一般用来能源的部分更新,而PUT一般用于财富的欧洲经济共同体立异。
当能源不设有时,PATCH会创制八个新的财富,而PUT只会对已在能源拓展革新。

二十一、Ajax

AJAX,Asynchronous JavaScript and XML(异步的 JavaScript 和 XML),
是与在不另行加载整个页面包车型地铁景观下,与服务器交流数据并更新部分网页的技能。

单下划线(_)

首要有两种处境:

  1. 解释器中

_标志是指相互解释器中最后1次进行语句的回到结果。那种用法最初出现在CPython解释器中,别的解释器后来也都跟进了。

>>> _
Traceback (most recent call last):
  File "", line 1, in 
NameError: name '_' is not defined
>>> 42
>>> _
42
>>> 'alright!' if _ else ':('
'alright!'
>>> _
'alright!'
  1. 用作名称使用

本条跟上边有点类似。_作为被撇下的称谓。遵照规矩,那样做能够让阅读你代码的人清楚,那是个不会被应用的一定称谓。举个例子,你或者无所谓多个循环计数的值:

n = 42
for _ in range(n):
    do_something()
  1. i18n

_还能被用作函数名。这种状态,单下划线平常被看成国际化和地面化字符串翻译查询的函数名。那种惯例好像源点于C语言。举个例子,在
Django documentation for translation 中您只怕会看出:

from django.utils.translation import ugettext as _
from django.http import HttpResponse

def my_view(request):
    output = _("Welcome to my site.")
    return HttpResponse(output)

其次种和第三种用法会引起冲突,所以在随意代码块中,如若利用了_作i18n翻译查询函数,就应有避免再用作被抛弃的变量名。

a=1deffun(a):print”func_in”,id(a)#func_in
41322472a=2print”re-point”,id(a),id(2)#re-point 41322448
41322448print”func_out”,id(a),id(1)#func_out 41322472
41322472fun(a)printa#1

*NIX

unix进度间通讯格局(IPC)

  1. 管道(Pipe):管道可用于具有亲缘关系进度间的通讯,允许2个进度和另1个与它有协同祖先的进度之间开始展览通讯。
  2. 命名管道(named
    pipe):命名管道制服了管道没有名字的限定,由此,除具备管道所怀有的职能外,它还允许无亲缘关系进程间的通讯。命名管道在文件系统中有照应的文本名。命名管道通过命令mkfifo或种类调用mkfifo来成立。
  3. 信号(Signal):信号是相比复杂的通讯格局,用于文告接受进度有某种事件发生,除了用于进度间通讯外,进度还足以发送信号给进程本身;linux除了扶助Unix早期信号语义函数sigal外,还支持语义符合Posix.1标准的信号函数sigaction(实际上,该函数是依照BSD的,BSD为了落到实处可相信信号机制,又能够合并对外接口,用sigaction函数重新达成了signal函数)。
  4. 新闻(Message)队列:消息队列是信息的链接表,包涵Posix新闻队列system
    V消息队列。有丰富权限的经过能够向队列中添加信息,被授予读权限的历程则足以读走队列中的音信。音讯队列打败了信号承载新闻量少,管道只可以承载无格式字节流以及缓冲区大大小小受限等缺
  5. 共享内部存款和储蓄器:使得四个进程能够访问同一块内部存款和储蓄器空间,是最快的可用IPC情势。是本着其余通信机制运转作效果能较低而规划的。往往与别的通讯机制,如信号量结合使用,来达到进度间的联合及互斥。
  6. 内部存款和储蓄器映射(mapped
    memory):内部存款和储蓄器映射允许任何多少个进度间通讯,每一个用到该机制的进度经过把贰个共享的公文映射到本身的经过地址空间来贯彻它。
  7. 信号量(semaphore):首要用作过程间以及同样进度不一致线程之间的一路手段。
  8. 套接口(Socket):更为相似的进度间通讯机制,可用来不一致机器之间的经过间通讯。发轫是由Unix系统的BSD分支开发出来的,但现行反革命一般可以移植到其余类Unix系统上:Linux和System
    V的变种都帮忙套接字。

单下划线前缀的名号(例如_shahriar)

以单下划线做前缀的称呼钦赐了那些名号是“私有的”。在 有个别 导入import *
的光景中,下二个行使你代码的人(大概你自个儿)会掌握这些名号仅内部选取。Python
documentation里面写道:

a name prefixed with an underscore (e.g. _spam) should be treated as
a non-public part of the API (whether it is a function, a method or a
data member). It should be considered an implementation detail and
subject to change without notice.

于是说在在 有些 import *
的情景,是因为导入时解释器确实对单下划线开始的称谓做了处理。要是你那样写from <module/package> import *,任何以单下划线早先的称号都不会被导入,除非模块/包的__all__列表分明涵盖了这一个名称。越多相关音信见““Importing * in Python”

注:具体的值在分歧电脑上运维时大概不一致。

数据结构

红黑树

红黑树与AVL的可比:

AVL是从严平衡树,因而在增多恐怕去除节点的时候,依据分歧景况,旋转的次数比红黑树要多;

红黑是用非严加的平衡来换取增删节点时候转动次数的回落;

故此容易说,如若您的应用中,搜索的次数远远高于插入和删除,那么选取AVL,倘诺搜索,插入删除次数差不离差不离,应该选取RB。

双下划线前缀的名称(例如__shahriar

以双下划线做前缀的称呼(尤其是艺术名)并不是一种规矩;它对解释器有一定含义。Python会改写这几个名称,避防与子类中定义的名目发生争执。Python
documentation中关系,任何__spam那种情势(至少以八个下划线做起来,绝超越25%都还有叁个下划线做最终)的标识符,都会文件上被替换为_classname__spam,当中classname是当下类名,并带上三个下划线做前缀。
看上边这几个例子:

>>> class A(object):
...     def _internal_use(self):
...         pass
...     def __method_name(self):
...         pass
... 
>>> dir(A())
['_A__method_name', ..., '_internal_use']

正如所料,_internal_use没有转变,但__method_name被改写成了_ClassName__method_name。今后创设三个A的子类B(那可不是个好名字),就不会随便的遮盖掉A中的__method_name了:

>>> class B(A):
...     def __method_name(self):
...         pass
... 
>>> dir(B())
['_A__method_name', '_B__method_name', ..., '_internal_use']

那种特定的行为大多等价于Java中的final方法和C++中的平常格局(非虚方法)。

能够看出,在实践完a =
2之后,a引用中保存的值,即内存地址发生变化,由原来1目的的随地的地址变成了2以此实体对象的内部存款和储蓄器地址。

编程题

① 、台阶难点/斐波这契

3头青蛙三回能够跳上1级台阶,也足以跳上2级。求该青蛙跳上3个n级的台阶总共有多少种跳法。

fib = lambda n: n if n <= 2 else fib(n – 1) + fib(n – 2)

第三种回想方法

def memo(func):

cache = {}

def wrap(*args):

if args not in cache:

cache[args] = func(*args)

return cache[args]

return wrap

@memo

def fib(i):

if i < 2:

return 1

return fib(i-1) + fib(i-2)

其两种格局

def fib(n):

a, b = 0, 1

for _ in xrange(n):

a, b = b, a + b

return b

贰 、变态台阶难题

2头青蛙叁次能够跳上1级台阶,也得以跳上2级……它也得以跳上n级。求该青蛙跳上三个n级的阶梯总共有个别许种跳法。

fib = lambda n: n if n < 2 else 2 * fib(n – 1)

③ 、矩形覆盖

作者们能够用2*1的小矩形横着还是竖着去覆盖更大的矩形。请问用n个2*1的小矩形无重叠地遮盖八个2*n的大矩形,总共某些许种艺术?

第2*n个矩形的掩盖措施等于第壹*(n-1)加上第2*(n-2)的方法。

f = lambda n: 1 if n < 2 else f(n – 1) + f(n – 2)

肆 、杨氏矩阵查找

在一个m行n列二维数组中,每一行都依据从左到右递增的相继排序,每一列都遵守从上到下递增的逐一排序。请完毕2个函数,输入那样的八个二维数组和三个平头,判断数组中是还是不是带有该整数。

使用Step-wise线性搜索。

def get_value(l, r, c):

return l[r][c]

def find(l, x):

m = len(l) – 1

n = len(l[0]) – 1

r = 0

c = n

while c >= 0 and r <= m:

value = get_value(l, r, c)

if value == x:

return True

elif value > x:

c = c – 1

elif value < x:

r = r + 1

return False

伍 、去除列表中的重复成分

用集合

list(set(l))

用字典

l1 = [‘b’,’c’,’d’,’b’,’c’,’a’,’a’]

l2 = {}.fromkeys(l1).keys()

print l2

用字典并保证顺序

l1 = [‘b’,’c’,’d’,’b’,’c’,’a’,’a’]

l2 = list(set(l1))

l2.sort(key=l1.index)

print l2

列表推导式

l1 = [‘b’,’c’,’d’,’b’,’c’,’a’,’a’]

l2 = []

[l2.append(i) for i in l1 if not i in l2]

sorted排序并且用列表推导式.

l = [‘b’,’c’,’d’,’b’,’c’,’a’,’a’] [single.append(i) for i in
sorted(l) if i not in single] print single

7、链表成对交流

1->2->3->4转换成2->1->4->3.

class ListNode:

def __init__(self, x):

self.val = x

self.next = None

class Solution:

# @param a ListNode

# @return a ListNode

def swapPairs(self, head):

if head != None and head.next != None:

next = head.next

head.next = self.swapPairs(next.next)

next.next = head

return next

return head

⑦ 、创造字典的办法

1 直接创立

dict = {‘name’:’earth’, ‘port’:’80’}

2 工厂方法

items=[(‘name’,’earth’),(‘port’,’80’)]

dict2=dict(items)

dict1=dict(([‘name’,’earth’],[‘port’,’80’]))

3 fromkeys()方法

dict1={}.fromkeys((‘x’,’y’),-1)

dict={‘x’:-1,’y’:-1}

dict2={}.fromkeys((‘x’,’y’))

dict2={‘x’:None, ‘y’:None}

八 、合并两个静止列表

网易远程面试须求编制程序

尾递归

def _recursion_merge_sort2(l1, l2, tmp):

if len(l1) == 0 or len(l2) == 0:

tmp.extend(l1)

tmp.extend(l2)

return tmp

else:

if l1[0] < l2[0]:

tmp.append(l1[0])

del l1[0]

else:

tmp.append(l2[0])

del l2[0]

return _recursion_merge_sort2(l1, l2, tmp)

def recursion_merge_sort2(l1, l2):

return _recursion_merge_sort2(l1, l2, [])

循环算法

思路:

概念贰个新的空驶列车表

正如八个列表的第三个成分

小的就插入到新列表里

把已经插入新列表的因素从旧列表删除

以至于三个旧列表有3个为空

再把旧列表加到新列表前面

def loop_merge_sort(l1, l2):

tmp = []

while len(l1) > 0 and len(l2) > 0:

if l1[0] < l2[0]:

tmp.append(l1[0])

del l1[0]

else:

tmp.append(l2[0])

del l2[0]

tmp.extend(l1)

tmp.extend(l2)

return tmp

pop弹出

a = [1,2,3,7]

b = [3,4,5]

def merge_sortedlist(a,b):

c = []

while a and b:

if a[0] >= b[0]:

c.append(b.pop(0))

else:

c.append(a.pop(0))

while a:

c.append(a.pop(0))

while b:

c.append(b.pop(0))

return c

print merge_sortedlist(a,b)

⑨ 、交叉链表求交点

实际想想能够依据从尾初阶比较多少个链表,即使相交,则从尾初步必然一致,只要从尾开始相比,直至不平等的地点即为交叉点,如图所示

亚洲必赢官网 2

 

# 使用a,b五个list来模拟链表,能够观看交叉点是 7那一个节点

a = [1,2,3,7,9,1,5]

b = [4,5,7,9,1,5]

for i in range(1,min(len(a),len(b))):

if i==1 and (a[-1] != b[-1]):

print “No”

break

else:

if a[-i] != b[-i]:

print “交叉节点:”,a[-i+1]

break

else:

pass

除此以外一种相比规范的法门,构造链表类

class ListNode:

def __init__(self, x):

self.val = x

self.next = None

def node(l1, l2):

length1, lenth2 = 0, 0

# 求四个链表长度

while l1.next:

l1 = l1.next

length1 += 1

while l2.next:

l2 = l2.next

length2 += 1

# 长的链表先走

if length1 > lenth2:

for _ in range(length1 – length2):

l1 = l1.next

else:

for _ in range(length2 – length1):

l2 = l2.next

while l1 and l2:

if l1.next == l2.next:

return l1.next

else:

l1 = l1.next

l2 = l2.next

修改了一晃:

#coding:utf-8

class ListNode:

def __init__(self, x):

self.val = x

self.next = None

def node(l1, l2):

length1, length2 = 0, 0

# 求四个链表长度

while l1.next:

l1 = l1.next#尾节点

length1 += 1

while l2.next:

l2 = l2.next#尾节点

length2 += 1

#借使相交

if l1.next == l2.next:

# 长的链表先走

if length1 > length2:

for _ in range(length1 – length2):

l1 = l1.next

return l1#回去交点

else:

for _ in range(length2 – length1):

l2 = l2.next

return l2#再次来到交点

# 倘使不相交

else:

return

十 、二分查找

#coding:utf-8

def binary_search(list,item):

low = 0

high = len(list)-1

while low<=high:

mid = (low+high)/2

guess = list[mid]

if guess>item:

high = mid-1

elif guess<item:

low = mid+1

else:

return mid

return None

mylist = [1,3,5,7,9]

print binary_search(mylist,3)

十一、快排

#coding:utf-8

def quicksort(list):

if len(list)<2:

return list

else:

midpivot = list[0]

lessbeforemidpivot = [i for i in list[1:] if i<=midpivot]

biggerafterpivot = [i for i in list[1:] if i > midpivot]

finallylist =
quicksort(lessbeforemidpivot)+[midpivot]+quicksort(biggerafterpivot)

return finallylist

print quicksort([2,4,6,7,1,2,5])

更加多排序难题凸现:数据结构与算法-排序篇-Python描述

十二 、找零难题

#coding:utf-8

#values是硬币的面值values = [ 25, 21, 10, 5, 1]

#valuesCounts 钱币对应的档次数

#money 找出来的总钱数

#coinsUsed 对应于当下货币总数i所使用的硬币数目

def coinChange(values,valuesCounts,money,coinsUsed):

#遍历出从1到money全部的钱数可能

for cents in range(1,money+1):

minCoins = cents

#把具有的硬币面值遍历出来和钱数做相比较

for kind in range(0,valuesCounts):

if (values[kind] <= cents):

temp = coinsUsed[cents – values[kind]] +1

if (temp < minCoins):

minCoins = temp

coinsUsed[cents] = minCoins

print (‘面值:{0}的足足硬币使用数为:{1}’.format(cents,
coinsUsed[cents]))

十三 、广度遍历和纵深遍历二叉树

给定叁个数组,创设二叉树,并且按层次打字与印刷这些二叉树

十④ 、二叉树节点

class Node(object):

def __init__(self, data, left=None, right=None):

self.data = data

self.left = left

self.right = right

tree = Node(1, Node(3, Node(7, Node(0)), Node(6)), Node(2, Node(5),
Node(4)))

十⑤ 、 层次遍历

def lookup(root):

row = [root]

while row:

print(row)

row = [kid for item in row for kid in (item.left, item.right) if
kid]

十六 、深度遍历

def deep(root):

if not root:

return

print root.data

deep(root.left)

deep(root.right)

if __name__ == ‘__main__’:

lookup(tree)

deep(tree)

十7、 前中后序遍历

深度遍历改变各种就OK了

#coding:utf-8

#二叉树的遍历

#大致的二叉树节点类

class Node(object):

def __init__(self,value,left,right):

self.value = value

self.left = left

self.right = right

#中序遍历:遍历左子树,访问当前节点,遍历右子树

def mid_travelsal(root):

if root.left is None:

mid_travelsal(root.left)

#访问当前节点

print(root.value)

if root.right is not None:

mid_travelsal(root.right)

#前序遍历:访问当前节点,遍历左子树,遍历右子树

def pre_travelsal(root):

print (root.value)

if root.left is not None:

pre_travelsal(root.left)

if root.right is not None:

pre_travelsal(root.right)

#此起彼伏遍历:遍历左子树,遍历右子树,访问当前节点

def post_trvelsal(root):

if root.left is not None:

post_trvelsal(root.left)

if root.right is not None:

post_trvelsal(root.right)

print (root.value)

十⑧ 、求最大树深

def maxDepth(root):

if not root:

return 0

return max(maxDepth(root.left), maxDepth(root.right)) + 1

十九 、求两棵树是或不是同样

def isSameTree(p, q):

if p == None and q == None:

return True

elif p and q :

return p.val == q.val and isSameTree(p.left,q.left) and
isSameTree(p.right,q.right)

else :

return False

二10、前序中序求后序

def rebuild(pre, center):

if not pre:

return

cur = Node(pre[0])

index = center.index(pre[0])

cur.left = rebuild(pre[1:index + 1], center[:index])

cur.right = rebuild(pre[index + 1:], center[index + 1:])

return cur

def deep(root):

if not root:

return

deep(root.left)

deep(root.right)

print root.data

二十壹 、单链表逆置

class Node(object):

def __init__(self, data=None, next=None):

self.data = data

self.next = next

link = Node(1, Node(2, Node(3, Node(4, Node(5, Node(6, Node(7, Node(8,
Node(9)))))))))

def rev(link):

pre = link

cur = link.next

pre.next = None

while cur:

tmp = cur.next

cur.next = pre

pre = cur

cur = tmp

return pre

root = rev(link)

while root:

print root.data

root = root.next

二十② 、 多个字符串是不是是变位词

class Anagram:

“””

@:param s1: The first string

@:param s2: The second string

@:return true or false

“””

def Solution1(s1,s2):

alist = list(s2)

pos1 = 0

stillOK = True

while pos1 < len(s1) and stillOK:

pos2 = 0

found = False

while pos2 < len(alist) and not found:

if s1[pos1] == alist[pos2]:

found = True

else:

pos2 = pos2 + 1

if found:

alist[pos2] = None

else:

stillOK = False

pos1 = pos1 + 1

return stillOK

print(Solution1(‘abcd’,’dcba’))

def Solution2(s1,s2):

alist1 = list(s1)

alist2 = list(s2)

alist1.sort()

alist2.sort()

pos = 0

matches = True

while pos < len(s1) and matches:

if alist1[pos] == alist2[pos]:

pos = pos + 1

else:

matches = False

return matches

print(Solution2(‘abcde’,’edcbg’))

def Solution3(s1,s2):

c1 = [0]*26

c2 = [0]*26

for i in range(len(s1)):

pos = ord(s1[i])-ord(‘a’)

c1[pos] = c1[pos] + 1

for i in range(len(s2)):

pos = ord(s2[i])-ord(‘a’)

c2[pos] = c2[pos] + 1

j = 0

stillOK = True

while j<26 and stillOK:

if c1[j] == c2[j]:

j = j + 1

else:

stillOK = False

return stillOK

print(Solution3(‘apple’,’pleap’))

二十叁 、动态规划难题

可参看:动态规划(DP)的重整-Python描述

 

上下都富含双下划线的称号(例如__init__

这一个是Python的独特措施名,这可是是一种规矩,一种保障Python系统中的名称不会跟用户自定义的称呼发生冲突的点子。平时你能够覆写那一个方法,在Python调用它们时,发生你想取得的行为。例如,当写一个类的时候平常会覆写__init__方法。
你也得以写出自身的“特殊情势”名(可是别那样做):

>>> class C(object):
...     def __mine__(self):
...         pass
...
>>> dir(C)
... [..., '__mine__', ...]

仍然不要那样写方法名,只让Python定义的分化通常方式名使用那种惯例吧。

详情见:http://stackoverflow.com/questions/1301346/the-meaning-of-a-single-and-a-double-underscore-before-an-object-name-in-python

或者:
http://www.zhihu.com/question/19754941

而第二个例子a引用保存的内部存款和储蓄器值就不会发生变化:

字符串格式化:%和.format

.format在许多方面看起来更便利.对于%最烦人的是它不能同时传递三个变量和元组.你大概会想上面包车型客车代码不会有如何难题:

hi there %s" % name

然则,假使name恰好是(1,2,3),它将会抛出一个TypeError极度.为了确认保障它连接不错的,你必须那样做:

hi there %s" % (name,) # 提供一个单元素的数组而不是一个参数

不过多少丑..format就没有那一个难点.你给的第③个难题也是这么,.format赏心悦目多了.

您为什么不要它?

不通晓它(在读那一个前边)
为了和Python2.5匹配(譬如logging库提出使用%(issue #4))

http://stackoverflow.com/questions/5082452/python-string-formatting-vs-format

a=[]deffun(a):print”func_in”,id(a)#func_in
53629256a.append(1)print”func_out”,id(a)#func_out
53629256fun(a)printa#[1]

迭代器和生成器

本条是stackoverflow里python排行第1的题材,值得一看:
http://stackoverflow.com/questions/231767/what-does-the-yield-keyword-do-in-python

那是汉语版:
http://taizilongxu.gitbooks.io/stackoverflow-about-python/content/1/README.html

此间记住的是体系是属于对象的,而不是变量。而指标有两种,“可更改”(mutable)与“不可更改”(immutable)对象。在python中,strings,
tuples, 和numbers是不行变更的目的,而 list, dict, set
等则是足以修改的靶子。(这正是这几个题材的要害)

Iterables

当您创制了三个列表,你能够1个贰个的读取它的每一项,那叫做iteration:

>>> mylist = [1, 2, 3]
>>> for i in mylist:
...    print(i)
1
2
3

Mylist是可迭代的.当你用列表推导式的时候,你就创办了四个列表,而以此列表也是可迭代的:

>>> mylist = [x*x for x in range(3)]
>>> for i in mylist:
...    print(i)
0
1
4

怀有你能够用在for…in…语句中的都以可迭代的:比如lists,strings,files…因为这几个可迭代的对象你可以专擅的读取所以相当有益易用,不过你不可能不把它们的值放到内部存款和储蓄器里,当它们有为数不少值时就会费用太多的内存.

当3个引用传递给函数的时候,函数自动复制一份引用,那么些函数里的引用和异地的引用没有半毛关系了.所以第二个例证里函数把引用指向了一个不可变对象,当函数再次来到的时候,外面包车型客车引用没半毛感觉.而第一个例证就不雷同了,函数内的引用指向的是可变对象,对它的操作就和稳定了指针地址一样,在内部存款和储蓄器里开始展览修改.

Generators

生成器也是迭代器的一种,不过你只好迭代它们1次.缘故很简短,因为它们不是全体设有内部存款和储蓄器里,它们只在要调用的时候在内部存款和储蓄器里转变:

>>> mygenerator = (x*x for x in range(3))
>>> for i in mygenerator:
...    print(i)
0
1
4

生成器和迭代器的分歧正是用()代替[],还有你无法用for i in
mygenerator第三次调用生成器:首先总结0,然后会在内部存款和储蓄器里丢掉0去计算1,直到计算完4.

倘使还不掌握的话,那里有更好的诠释: http://stackoverflow.com/questions/986006/how-do-i-pass-a-variable-by-reference

Yield

Yield的用法和要紧字return差不离,上边包车型客车函数将会回来三个生成器:

>>> def createGenerator():
...    mylist = range(3)
...    for i in mylist:
...        yield i*i
...
>>> mygenerator = createGenerator() # 创建生成器
>>> print(mygenerator) # mygenerator is an object!
<generator object createGenerator at 0xb7555c34>
>>> for i in mygenerator:
...     print(i)
0
1
4

在那边那些例子好像没什么用,可是当你的函数要回去多个不胜大的聚众并且你愿意只读三遍的话,那么它就十三分的方便了.

要掌握Yield你无法不先精通当你调用函数的时候,函数里的代码并从未运转.函数仅仅重临生成器对象,那正是它最微妙的地点:-)

然后呢,每当for语句迭代生成器的时候你的代码才会运维.

今昔,到了最难的片段:

当for语句第三遍调用函数里再次回到的生成器对象,函数里的代码就从头运作,直到碰着yield,然后会回去本次巡回的首先个再次回到值.所以下三回调用也将运维2次循环然后回来下二个值,直到没有值能够重返.

如若函数运维并没有碰着yeild语句就认为生成器已经为空了.原因有恐怕是循环截止可能没有满意if/else之类的.

2
Python中的元类(metaclass)

Itertools你的好基友

itertools模块包括了有的尤其的函数能够操作可迭代对象.有没有想过复制一个生成器?链接七个生成器?把嵌套列表里的值组织成一个列表?Map/Zip还不用创立另八个列表?

来吧import itertools

来3个事例?让大家看看4匹马竞技有稍许个排行结果:

>>> horses = [1, 2, 3, 4]
>>> races = itertools.permutations(horses)
>>> print(races)
<itertools.permutations object at 0xb754f1dc>
>>> print(list(itertools.permutations(horses)))
[(1, 2, 3, 4),
 (1, 2, 4, 3),
 (1, 3, 2, 4),
 (1, 3, 4, 2),
 (1, 4, 2, 3),
 (1, 4, 3, 2),
 (2, 1, 3, 4),
 (2, 1, 4, 3),
 (2, 3, 1, 4),
 (2, 3, 4, 1),
 (2, 4, 1, 3),
 (2, 4, 3, 1),
 (3, 1, 2, 4),
 (3, 1, 4, 2),
 (3, 2, 1, 4),
 (3, 2, 4, 1),
 (3, 4, 1, 2),
 (3, 4, 2, 1),
 (4, 1, 2, 3),
 (4, 1, 3, 2),
 (4, 2, 1, 3),
 (4, 2, 3, 1),
 (4, 3, 1, 2),
 (4, 3, 2, 1)]

知情迭代的内部机制

迭代是可迭代对象(对应iter()方法)和迭代器(对应next()方法)的2个进度.可迭代对象就是别的你能够迭代的指标(废话啊).迭代器正是能够让您迭代可迭代对象的靶子(有点绕口,意思正是那一个意思)

其一尤其的不常用,然而像O凯雷德M那种复杂的协会依旧会须求的,详情请看:http://stackoverflow.com/questions/100003/what-is-a-metaclass-in-python

*args and **kwargs

用*args和**kwargs只是为着方便并不曾强制行使它们.

当您不明确你的函数里即将传递多少参数时您能够用*args.例如,它能够传递任意数量的参数:

>>> def print_everything(*args):
        for count, thing in enumerate(args):
...         print '{0}. {1}'.format(count, thing)
...
>>> print_everything('apple', 'banana', 'cabbage')
0. apple
1. banana
2. cabbage

相似的,**kwargs允许你利用没有事先定义的参数名:

>>> def table_things(**kwargs):
...     for name, value in kwargs.items():
...         print '{0} = {1}'.format(name, value)
...
>>> table_things(apple = 'fruit', cabbage = 'vegetable')
cabbage = vegetable
apple = fruit

*args和**kwargs 必须放在参数列表的背后。

3
@staticmethod和@classmethod

面向切面编制程序AOP和装饰器

那个AOP一听起来某些懵,同学面Ali的时候就被问懵了…

  • 装饰器便是把别的函数当参数的函数。
    装饰器是二个很盛名的设计形式,经常被用于有切面供给的气象,较为经典的有插入日志、质量测试、事务处理等。装饰器是化解那类难题的绝佳设计,有了装饰器,我们就足以抽离出大气函数中与函数功能自个儿非亲非故的等同代码并继续起用。总结的讲,装饰器的成效便是为曾经存在的靶子添加额外的职能。

本条难点相比大,推荐:
http://stackoverflow.com/questions/739654/how-can-i-make-a-chain-of-function-decorators-in-python

中文:
http://taizilongxu.gitbooks.io/stackoverflow-about-python/content/3/README.html

  • 看三个简约的例证

# 字体变粗装饰器
def makebold(fn):
    # 装饰器将返回新的函数
    def wrapper():
        # 在之前或者之后插入新的代码
        return "<b>" + fn() + "</b>"
    return wrapper

# 斜体装饰器

def makeitalic(fn):
# 装饰器将回到新的函数
def wrapper():
# 在头里照旧未来插入新的代码
return “<i>” + fn() + “</i>”
return wrapper

@makebold
@makeitalic
def say():
return “hello”

print say()

Python其实有三个办法,即静态方法(staticmethod),类方式(classmethod)和实例方法,如下:

输出: <b><i>hello</i></b>

deffoo(x):print”executing
foo(%s)”%(x)classA(object):deffoo(self,x):print”executing
foo(%s,%s)”%(self,x)@classmethoddefclass_foo(cls,x):print”executing
class_foo(%s,%s)”%(cls,x)@staticmethoddefstatic_foo(x):print”executing
static_foo(%s)”%xa=A()

这一定于

def say():
return “hello”
say = makebold(makeitalic(say))

print say()

此间先清楚下函数参数里面包车型地铁self和cls.这几个self和cls是对类或然实例的绑定,对于一般的函数来说我们能够如此调用foo(x),这几个函数正是最常用的,它的办事跟其他事物(类,实例)无关.对于实例方法,大家知晓在类里每一趟定义方法的时候都亟待绑定这几个实例,正是foo(self,
x),为何要那样做呢?因为实例方法的调用离不开实例,大家需求把实例本人传给函数,调用的时候是那般的a.foo(x)(其实是foo(a,
x)).类方法同样,只可是它传递的是类而不是实例,A.class_foo(x).注意那里的self和cls能够替换其余参数,可是python的预约是那俩,依旧不要改的好.

输出: <b><i>hello</i></b>

- 用法:
    1. 传统用法是给外部的不可更改的库做扩展
    2. Django用装饰器管理缓存和试图的权限.
    3. Twisted用来修改异步函数的调用.
    4. etc.

# 鸭子类型
“当看到一只鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子,那么这只鸟就可以被称为鸭子。”

我们并不关心对象是什么类型,到底是不是鸭子,只关心行为。

比如在python中,有很多file-like的东西,比如StringIO,GzipFile,socket。它们有很多相同的方法,我们把它们当作文件使用。

又比如list.extend()方法中,我们并不关心它的参数是不是list,只要它是可迭代的,所以它的参数可以是list/tuple/dict/字符串/生成器等.

鸭子类型在动态语言中经常使用,非常灵活,使得python不想java那样专门去弄一大堆的设计模式。

# Python中重载
引自知乎:http://www.zhihu.com/question/20053359

函数重载主要是为了解决两个问题:

  - 可变参数类型
  - 可变参数个数

另外,一个基本的设计原则是,仅仅当两个函数除了参数类型和参数个数不同以外,其功能是完全相同的,此时才使用函数重载,如果两个函数的功能其实不同,那么不应当使用重载,而应当使用一个名字不同的函数。

好吧,那么对于情况 1 ,函数功能相同,但是参数类型不同,python 如何处理?答案是根本不需要处理,因为 python 可以接受任何类型的参数,如果函数的功能相同,那么不同的参数类型在 python 中很可能是相同的代码,没有必要做成两个不同函数。

那么对于情况 2 ,函数功能相同,但参数个数不同,python 如何处理?大家知道,答案就是缺省参数。对那些缺少的参数设定为缺省参数即可解决问题。因为你假设函数功能相同,那么那些缺少的参数终归是需要用的。

好了,鉴于情况 1 跟 情况 2 都有了解决方案,==python 自然就不需要函数重载了==

# 新式类与旧式类
这个面试官问了,我说了老半天,不知道他问的真正意图是什么.

stackoverflow(http://stackoverflow.com/questions/54867/what-is-the-difference-between-old-style-and-new-style-classes-in-python)

这篇文章很好的介绍了新式类的特性: http://www.cnblogs.com/btchenguang/archive/2012/09/17/2689146.html

简单的说,新式类是在创建的时候继承内置object对象(或者是从内置类型,如list,dict等),而经典类是直
接声明的。使用dir()方法也可以看出新式类中定义很多新的属性和方法,而经典类好像就2个:

新式类很早在2.2就出现了,所以旧式类完全是兼容的问题,Python3里的类全部都是新式类.这里有一个MRO问题可以了解下(新式类是广度优先,旧式类是深度优先),<Python核心编程>里讲的也很多.

对此静态方法其实和平凡的方法同样,不供给对何人实行绑定,唯一的界别是调用的时候要求运用a.static_foo(x)或者A.static_foo(x)来调用.

新式类

class C(object):
pass

\实例方法类措施静态方法

经典类

class B:
pass

# `__new__`和`__init__`的区别
这个`__new__`确实很少见到,先做了解吧.

`__new__`是一个静态方法,而`__init__`是一个实例方法.

`__new__`方法会返回一个创建的实例,而`__init__`什么都不返回.

只有在`__new__`返回一个cls的实例时后面的`__init__`才能被调用.

当创建一个新实例时调用`__new__`,初始化一个实例时用`__init__`.

stackoverflow(http://stackoverflow.com/questions/674304/pythons-use-of-new-and-init)

ps: `__metaclass__`是创建类时起作用.所以我们可以分别使用`__metaclass__`,`__new__`和`__init__`来分别在类创建,实例创建和实例初始化的时候做一些小手脚.

# 单例模式
==这个绝对长考, 绝对要记住1~2个方法.==

所谓单例,是指一个类的实例从始至终只能被创建一次。

## 使用`__new__`方法

class Singleton(object):
def new(cls,args,kwargs):
if not hasattr(cls,’_inst’):
cls._inst=super(Singleton,cls).new(cls,
args,**kwargs)
return cls._inst
if name==’main‘:
class A(Singleton):
def init(self,s):
self.s=s
a=A(‘apple’)
b=A(‘banana’)
print id(a),a.s
print id(b),b.s

结果:

29922256 banana
29922256 banana

通过`__new__`方法,将类的实例在创建的时候绑定到类属性`_inst`上。如果`cls._inst`为None,说明类还未实例化,实例化并将实例绑定到`cls._inst`,以后每次实例化的时候都返回第一次实例化创建的实例。注意从Singleton派生子类的时候,不要重载`__new__`。
## 共享属性
有时候我们并不关心生成的实例是否具有同一id,而只关心其状态和行为方式。我们可以允许许多个实例被创建,但所有的实例都共享状态和行为方式:

class Borg(object):
_shared_state={}
def new(cls,args,kwargs):
obj=super(Borg,cls).new(cls,
args,**kwargs)
obj.dict=cls._shared_state
return obj

将所有实例的__dict__指向同一个字典,这样实例就共享相同的方法和属性。对任何实例的名字属性的设置,无论是在__init__中修改还是直接修改,所有的实例都会受到影响。不过实例的id是不同的。要保证类实例能共享属性,但不和子类共享,注意使用cls._shared_state,而不是Borg._shared_state。

因为实例是不同的id,所以每个实例都可以做字典的key:

if name==’main‘:
class Example(Borg):
pass
a=Example()
b=Example()
c=Example()
adict={}
j=0
for i in a,b,c:
adict[i]=j
j+=1
for i in a,b,c:
print adict[i]
结果:
0
1
2

如果这种行为不是你想要的,可以为Borg类添加__eq__和__hash__方法,使其更接近于单例模式的行为:

class Borg(object):
_shared_state={}
def new(cls,args,kwargs):
obj=super(Borg,cls).new(cls,
args,**kwargs)
obj.dict=cls._shared_state
return obj
def hash(self):
return 1
def eq(self,other):
try:
return self.dict is other.dict
except:
return False
if name==’main‘:
class Example(Borg):
pass
a=Example()
b=Example()
c=Example()
adict={}
j=0
for i in a,b,c:
adict[i]=j
j+=1
for i in a,b,c:
print adict[i]
结果:
2
2
2

所有的实例都能当一个key使用了。
## 装饰器版本

def singleton(cls, *args, *kw):
instances = {}
def getinstance():
if cls not in instances:
instances[cls] = cls(
args, **kw)
return instances[cls]
return getinstance

@singleton
class MyClass:

## 基于元组
当你编写一个类的时候,某种机制会使用类名字,基类元组,类字典来创建一个类对象。新型类中这种机制默认为type,而且这种机制是可编程的,称为元类__metaclass__ 。

class Singleton(type):
def init(self,name,bases,class_dict):
super(Singleton,self).init(name,bases,class_dict)
self._instance=None
def call(self,args,kwargs):
if self._instance is None:
self._instance=super(Singleton,self).call(
args,**kwargs)
return self._instance
if name==’main‘:
class A(object):
metaclass=Singleton
a=A()
b=A()
print id(a),id(b)
结果:

34248016 34248016

id是相同的。

例子中我们构造了一个Singleton元类,并使用`__call__`方法使其能够模拟函数的行为。构造类A时,将其元类设为Singleton,那么创建类对象A时,行为发生如下:

`A=Singleton(name,bases,class_dict)`,A其实为Singleton类的一个实例。

创建A的实例时,`A()=Singleton(name,bases,class_dict)()=Singleton(name,bases,class_dict).__call__()`,这样就将A的所有实例都指向了A的属性`_instance`上,这种方法与方法1其实是相同的。
## import方法
作为python的模块是天然的单例模式

a = A()a.foo(x)a.class_foo(x)a.static_foo(x)

mysingleton.py

class My_Singleton(object):
def foo(self):
pass

my_singleton = My_Singleton()

A不可用A.class_foo(x)A.static_foo(x)

to use

from mysingleton import my_singleton

my_singleton.foo()

## python中的作用域
Python 中,一个变量的作用域总是由在代码中被赋值的地方所决定的。

当 Python 遇到一个变量的话他会按照这样的顺序进行搜索:

本地作用域(Local)→当前作用域被嵌入的本地作用域(Enclosing locals)→全局/模块作用域(Global)→内置作用域(Built-in)
## GIL线程全局锁

线程全局锁(Global Interpreter Lock),即Python为了保证线程安全而采取的独立线程运行的限制,说白了就是一个核只能在同一时间运行一个线程.

见Python 最难的问题http://www.oschina.net/translate/pythons-hardest-problem

==解决办法就是多进程和下面的协程(协程也只是单CPU,但是能减小切换代价提升性能).==
## 协程
知乎被问到了,呵呵哒,跪了

简单点说协程是进程和线程的升级版,进程和线程都面临着内核态和用户态的切换问题而耗费许多切换时间,而协程就是用户自己控制切换的时机,不再需要陷入系统的内核态.

Python里最常见的yield就是协程的思想!可以查看第九个问题.
## 闭包
闭包(closure)是函数式编程的重要的语法结构。闭包也是一种组织代码的结构,它同样提高了代码的可重复使用性。

当一个内嵌函数引用其外部作作用域的变量,我们就会得到一个闭包. 总结一下,创建一个闭包必须满足以下几点:

必须有一个内嵌函数
内嵌函数必须引用外部函数中的变量
外部函数的返回值必须是内嵌函数

感觉闭包还是有难度的,几句话是说不明白的,还是查查相关资料.

重点是函数运行后并不会被撤销,就像16题的instance字典一样,当函数运行完后,instance并不被销毁,而是继续留在内存空间里.这个功能类似类里的类变量,只不过迁移到了函数上.

闭包就像个空心球一样,你知道外面和里面,但你不知道中间是什么样.
## lambda函数
其实就是一个匿名函数,为什么叫lambda?因为和后面的函数式编程有关.

推荐: 知乎(http://www.zhihu.com/question/20125256 )
## python函数式编程
这个需要适当的了解一下吧,毕竟函数式编程在Python中也做了引用.

推荐: 酷壳(http://coolshell.cn/articles/10822.html )

python中函数式编程支持:

filter 函数的功能相当于过滤器。调用一个布尔函数bool_func来迭代遍历每个seq中的元素;返回一个使bool_seq返回值为true的元素的序列。

a = [1,2,3,4,5,6,7]
b = filter(lambda x: x > 5, a)
print b
[6,7]

map函数是对一个序列的每个项依次执行函数,下面是对一个序列每个项都乘以2:

a = map(lambda x:x*2,[1,2,3])
list(a)
[2, 4, 6]

reduce函数是对一个序列的每个项迭代调用函数,下面是求3的阶乘:

reduce(lambda x,y:x*y,range(1,4))
6

## python里的拷贝
引用和copy(),deepcopy()的区别:
1. copy.copy 浅拷贝 只拷贝父对象,不会拷贝对象的内部的子对象。
2. copy.deepcopy 深拷贝 拷贝对象及其子对象
3. copy拷贝一个对象,但是对象的属性还是引用原来的,deepcopy拷贝一个对象,把对象里面的属性也做了拷贝,deepcopy之后完全是另一个对象了

import copy
a = [1, 2, 3, 4, [‘a’, ‘b’]] #原本对象

b = a #赋值,传对象的引用
c = copy.copy(a) #目的拷贝,浅拷贝,里面包车型大巴[]抑或引用原来的
d = copy.deepcopy(a) #指标拷贝,深拷贝, 全数的习性引用全体是新的

a.append(5) #修改对象a
a[4].append(‘c’) #修改对象a中的[‘a’, ‘b’]数组对象

print ‘a = ‘, a
print ‘b = ‘, b
print ‘c = ‘, c
print ‘d = ‘, d

出口结果:
a = [1, 2, 3, 4, [‘a’, ‘b’, ‘c’], 5]
b = [1, 2, 3, 4, [‘a’, ‘b’, ‘c’], 5]
c = [1, 2, 3, 4, [‘a’, ‘b’, ‘c’]]
d = [1, 2, 3, 4, [‘a’, ‘b’]]

## python 垃圾回收机制
Python GC主要使用引用计数(reference counting)来跟踪和回收垃圾。在引用计数的基础上,通过“标记-清除”(mark and sweep)解决容器对象可能产生的循环引用问题,通过“分代回收”(generation collection)以空间换时间的方法提高垃圾回收效率。
### 引用计数
PyObject是每个对象必有的内容,其中`ob_refcnt`就是做为引用计数。当一个对象有新的引用时,它的`ob_refcnt`就会增加,当引用它的对象被删除,它的ob_refcnt就会减少.引用计数为0时,该对象生命就结束了。

- 优点:

  - 简单
  - 实时性

- 缺点:

  - 维护引用计数消耗资源
  - 循环引用

## 标记\-清楚机制
基本思路是先按需分配,等到没有空闲内存的时候从寄存器和程序栈上的引用出发,遍历以对象为节点、以引用为边构成的图,把所有可以访问到的对象打上标记,然后清扫一遍内存空间,把所有没标记的对象释放。
## 分代技术
分代回收的整体思想是:将系统中的所有内存块根据其存活时间划分为不同的集合,每个集合就成为一个“代”,垃圾收集频率随着“代”的存活时间的增大而减小,存活时间通常利用经过几次垃圾回收来度量。

Python默认定义了三代对象集合,索引数越大,对象存活时间越长。

举例:
  当某些内存块M经过了3次垃圾收集的清洗之后还存活时,我们就将内存块M划到一个集合A中去,而新分配的内存都划分到集合B中去。当垃圾收集开始工作时,大多数情况都只对集合B进行垃圾回收,而对集合A进行垃圾回收要隔相当长一段时间后才进行,这就使得垃圾收集机制需要处理的内存少了,效率自然就提高了。在这个过程中,集合B中的某些内存块由于存活时间长而会被转移到集合A中,当然,集合A中实际上也存在一些垃圾,这些垃圾的回收会因为这种分代的机制而被延迟。
# python的list
推荐: http://www.jianshu.com/p/J4U6rR (c语言的实现)
- 基本列表操作:
    - 删除  
    `del list[2]`
    - 分片赋值  
    `name[2:] = list('ar')`
- append

list.append(2)

- count

x = [[1,2],1,1,[2,1,[1,2]]]
x.count([1,2])
1
x.count(1)
2

- append
用于在列表末尾追加新的对象

lst = [1,2,3,4]
lst.append[4]
lst
[1,2,3,4]

- extend
可以在列表末尾一次性追加另一个序列的多个值

a = [1,2,3]
b = [4,5,6]
a.extend(b)
a
[1,2,3,4,5,6]

看起来与`a+b`操作很像, 但是extend方法修改了被扩展序列,而`a+b`则是返回新的序列

a = [1,2,3]
b = [4,5,6]
a+b
[1,2,3,4,5,6]
a
[1,2,3]

- index方法
查找元素在列表中的位置

L= [1,2,3,3]
[1,2,3,3]
L.index(3)
2

- insert方法

L= [1,2,3]
[1,2,3]
L.insert(0,10)
[10,1,2,3]

- pop方法

L= [1,2,3]
[1,2,3]
L.pop(0)
1
L
[2,3]

Perl的列表array里面pop只能弹出右侧的一个元素, 而这个可以弹出指定的index元素
有返回值, 返回值是弹出的元素, 并且修改了原列表
- remove方法
移除列表中某个值的第一个匹配项

L= [1,2,3,3,4]
[1,2,3,3,4]
L.remove(3)
L
[1,2,3,4]

没有返回值,原位修改
- sort方法
sort方法用于在原位置对列表进行排序。

L= [1,2,3,5,4]
L.sort()
L
[1,2,3,4,5]

- reverse方法

L= [1,2,3,3,4]
[1,2,3,3,4]
L.reverse()
L
[4,3,3,2,1]

- sort 与sorted()的关系
- 相同:
    - 都是排序
    - 都支持key, reverse参数, 其中key的话可以实现高级排序
- 不同
    -  sort只对list起作用, 而sorted是全局函数,对任何可迭代的序列均可以使用
    -  sort是原位修改,而sorted()会返回新的列表

详情请看( https://github.com/qiwsir/algorithm/blob/master/python_sort.md )

# python的is
is是对比地址,==是对比值
# read, readline和readlines
- read 读取整个文件
- readline 读取下一行,使用生成器方法
- readlines 读取整个文件到一个迭代器以供我们遍历

# python2和3的区别
推荐:《Python 2.7.x 和 3.x 版本的重要区别》http://python.jobbole.com/80006/
# 操作系统
## select,poll和epoll
其实所有的I/O都是轮询的方法,只不过实现的层面不同罢了.

这个问题可能有点深入了,但相信能回答出这个问题是对I/O多路复用有很好的了解了.其中tornado使用的就是epoll的.

selec,poll和epoll区别总结(http://www.cnblogs.com/Anker/p/3265058.html )

基本上select有3个缺点:

  - 连接数受限
  - 查找配对速度慢
  - 数据由内核拷贝到用户态

poll改善了第一个缺点

epoll改了三个缺点.

关于epoll的: http://www.cnblogs.com/my_life/articles/3968782.html
## 调度算法
1. 先来先服务(FCFS, First Come First Serve)
2. 短作业优先(SJF, Shortest Job First)
3. 最高优先权调度(Priority Scheduling)
4. 时间片轮转(RR, Round Robin)
5. 多级反馈队列调度(multilevel feedback queue
6. scheduling)

- 实时调度算法:

1. 最早截至时间优先 EDF
2. 最低松弛度优先 LLF

## 死锁
- 原因:

1. 竞争资源
2. 程序推进顺序不当

- 必要条件:

1. 互斥条件
2. 请求和保持条件
3. 不剥夺条件
4. 环路等待条件

- 处理死锁基本方法:

1. 预防死锁(摒弃除1以外的条件)
2. 避免死锁(银行家算法)
3. 检测死锁(资源分配图)
4. 解除死锁
    1. 剥夺资源
    2. 撤销进程

## 程序编译与链接
推荐: http://www.ruanyifeng.com/blog/2014/11/compiler.html

Bulid过程可以分解为4个步骤:预处理(Prepressing), 编译(Compilation)、汇编(Assembly)、链接(Linking)

以c语言为例:

- 预处理

预编译过程主要处理那些源文件中的以“#”开始的预编译指令,主要处理规则有:

将所有的“#define”删除,并展开所用的宏定义
处理所有条件预编译指令,比如“#if”、“#ifdef”、 “#elif”、“#endif”
处理“#include”预编译指令,将被包含的文件插入到该编译指令的位置,注:此过程是递归进行的
删除所有注释
添加行号和文件名标识,以便于编译时编译器产生调试用的行号信息以及用于编译时产生编译错误或警告时可显示行号
保留所有的#pragma编译器指令。

- 编译

编译过程就是把预处理完的文件进行一系列的词法分析、语法分析、语义分析及优化后生成相应的汇编代码文件。这个过程是整个程序构建的核心部分。

- 汇编

汇编器是将汇编代码转化成机器可以执行的指令,每一条汇编语句几乎都是一条机器指令。经过编译、链接、汇编输出的文件成为目标文件(Object File)

- 链接

链接的主要内容就是把各个模块之间相互引用的部分处理好,使各个模块可以正确的拼接。
链接的主要过程包块 地址和空间的分配(Address and Storage Allocation)、符号决议(Symbol Resolution)和重定位(Relocation)等步骤。

- 静态链接和动态链接

静态链接方法:静态链接的时候,载入代码就会把程序会用到的动态代码或动态代码的地址确定下来
静态库的链接可以使用静态链接,动态链接库也可以使用这种方法链接导入库

动态链接方法:使用这种方式的程序并不在一开始就完成动态链接,而是直到真正调用动态库代码时,载入程序才计算(被调用的那部分)动态代码的逻辑地址,然后等到某个时候,程序又需要调用另外某块动态代码时,载入程序又去计算这部分代码的逻辑地址,所以,这种方式使程序初始化时间较短,但运行期间的性能比不上静态链接的程序

- 虚拟内存技术

虚拟存储器是值具有请求调入功能和置换功能,能从逻辑上对内存容量加以扩充的一种存储系统.

- 分页和分段

分页: 用户程序的地址空间被划分成若干固定大小的区域,称为“页”,相应地,内存空间分成若干个物理块,页和块的大小相等。可将用户程序的任一页放在内存的任一块中,实现了离散分配。

分段: 将用户程序地址空间分成若干个大小不等的段,每段可以定义一组相对完整的逻辑信息。存储分配时,以段为单位,段与段在内存中可以不相邻接,也实现了离散分配。

分页与分段的主要区别

页是信息的物理单位,分页是为了实现非连续分配,以便解决内存碎片问题,或者说分页是由于系统管理的需要.段是信息的逻辑单位,它含有一组意义相对完整的信息,分段的目的是为了更好地实现共享,满足用户的需要.
页的大小固定,由系统确定,将逻辑地址划分为页号和页内地址是由机器硬件实现的.而段的长度却不固定,决定于用户所编写的程序,通常由编译程序在对源程序进行编译时根据信息的性质来划分.
分页的作业地址空间是一维的.分段的地址空间是二维的.

- 页面置换算法

最佳置换算法OPT:不可能实现
先进先出FIFO
最近最久未使用算法LRU:最近一段时间里最久没有使用过的页面予以置换.
clock算法

- 边沿触发和水平触发

边缘触发是指每当状态变化时发生一个 io 事件,条件触发是只要满足条件就发生一个 io 事件

# 数据库
## 事物
数据库事务(Database Transaction) ,是指作为单个逻辑工作单元执行的一系列操作,要么完全地执行,要么完全地不执行。
## 数据库索引
推荐: http://tech.meituan.com/mysql-index.html

MySQL索引背后的数据结构及算法原理(http://blog.jobbole.com/24006/)

聚集索引,非聚集索引,B-Tree,B+Tree,最左前缀原理
## Redis原理
## 乐观锁和悲观锁
悲观锁:假定会发生并发冲突,屏蔽一切可能违反数据完整性的操作

乐观锁:假设不会发生并发冲突,只在提交操作时检查是否违反数据完整性。
## MVCC
## MyISAM和InnoDB
MyISAM 适合于一些需要大量查询的应用,但其对于有大量写操作并不是很好。甚至你只是需要update一个字段,整个表都会被锁起来,而别的进程,就算是读进程都无法操作直到读操作完成。另外,MyISAM 对于 SELECT COUNT(*) 这类的计算是超快无比的。

InnoDB 的趋势会是一个非常复杂的存储引擎,对于一些小的应用,它会比 MyISAM 还慢。他是它支持“行锁” ,于是在写操作比较多的时候,会更优秀。并且,他还支持更多的高级应用,比如:事务。

越多关于这些难题:

http://stackoverflow.com/questions/136097/what-is-the-difference-between-staticmethod-and-classmethod-in-python

https://realpython.com/blog/python/instance-class-and-static-methods-demystified/

4
类变量和实例变量

类变量:


是可在类的享有实例之间共享的值(也正是说,它们不是单独分配给种种实例的)。例如下例中,num_of_instance
正是类变量,用于跟踪存在着稍加个Test 的实例。

实例变量:

实例化之后,每一种实例单独拥有的变量。

classTest(object):     
num_of_instance=0def__init__(self,name):self.name=name         
Test.num_of_instance+=1if__name__==’__main__’:printTest.num_of_instance#0t1=Test(‘jack’)printTest.num_of_instance#1t2=Test(‘lucy’)printt1.name
, t1.num_of_instance#jack 2printt2.name , t2.num_of_instance#lucy
2

增加补充的事例

classPerson:   
name=”aaa”p1=Person()p2=Person()p1.name=”bbb”printp1.name#bbbprintp2.name#aaaprintPerson.name#aaa

此处p1.name=”bbb”是实例调用了类变量,这实际上和方面第3个难题一样,就是函数字传送参的标题,p1.name一早先是指向的类变量name=”aaa”,可是在实例的效应域里把类变量的引用改变了,就成为了1个实例变量,self.name不再引用Person的类变量name了.

能够看看上边包车型地铁例子:

classPerson:   
name=[]p1=Person()p2=Person()p1.name.append(1)printp1.name#[1]printp2.name#[1]printPerson.name#[1]

参考:http://stackoverflow.com/questions/6470428/catch-multiple-exceptions-in-one-line-except-block

5
Python自省

以此也是python彪悍的性格.

反思正是面向对象的语言探讨所写的先后在运转时,所能知道对象的类型.简单一句便是运转时能够拿走对象的类型.比如type(),dir(),getattr(),hasattr(),isinstance().

a=[1,2,3]b={‘a’:1,’b’:2,’c’:3}c=Trueprinttype(a),type(b),type(c)#
printisinstance(a,list)#True

6
字典推导式

只怕您见过列表推导时,却不曾见过字典推导式,在2.7中才投入的:

d={key: valuefor(key, value)initerable}

7
Python中单下划线和双下划线

>>>classMyClass():…def__init__(self):…self.__superprivate=”Hello”…self._semiprivate=”,
world!”…>>>mc=MyClass()>>>printmc.__superprivateTraceback
(most recent call last):  File””, line1,inAttributeError: myClass
instance has no
attribute’__superprivate’>>>printmc._semiprivate,
world!>>>printmc.__dict__{‘_MyClass__superprivate’:’Hello’,’_semiprivate’:’,
world!’}

__foo__:一种约定,Python内部的名字,用来区别别的用户自定义的命名,以免争持,便是诸如__init__(),__del__(),__call__()这一个卓殊措施

_foo:一种约定,用来内定变量私有.程序员用来钦点个人变量的一种格局.无法用from
module import * 导入,其余方面和国有一样访问;

__foo:那一个有实在的意思:解析器用_classname__foo来顶替那些名字,以分别和任何类相同的命名,它不能直接像公有成员一致随便访问,通过对象名._类名__xxx那样的办法能够访问.

详情见:http://stackoverflow.com/questions/1301346/the-meaning-of-a-single-and-a-double-underscore-before-an-object-name-in-python

或者: http://www.zhihu.com/question/19754941

8
字符串格式化:%和.format

.format在广大地方看起来更便利.对于%最烦人的是它不能够同时传递一个变量和元组.你恐怕会想下边包车型客车代码不会有怎么着难题:

“hi there %s” % name

只是,假使name恰好是(1,2,3),它将会抛出贰个TypeError万分.为了保障它总是不错的,你必须那样做:

“hi there %s” % (name,)  # 提供2个单元素的数组而不是3个参数

不过有些丑..format就从未有过那几个难点.你给的第贰个难题也是这么,.format赏心悦目多了.

您干吗不用它?

不清楚它(在读那个此前)

为了和Python2.5匹配(譬如logging库提议使用%(issue
#4))

http://stackoverflow.com/questions/5082452/python-string-formatting-vs-format

9
迭代器和生成器

这些是stackoverflow里python排行第③的标题,值得一看: http://stackoverflow.com/questions/231767/what-does-the-yield-keyword-do-in-python

那是汉语版: http://taizilongxu.gitbooks.io/stackoverflow-about-python/content/1/README.html

此处有个有关生成器的创立难点面试官有考: 问: 将列表生成式中[]转移()
之后数据结构是或不是变动? 答案:是,从列表变为生成器

>>>L=[x*xforxinrange(10)]>>>L[0,1,4,9,16,25,36,49,64,81]>>>g=(x*xforxinrange(10))>>>gat0x0000028F8B774200>

通过列表生成式,能够直接开立1个列表。然则,受到内部存储器限制,列表体量肯定是有限的。而且,成立三个含有百万成分的列表,不仅是占用相当的大的内部存款和储蓄器空间,如:我们只需求拜访前边的几个要素,前边大多数要素所占的上空都以浪费的。由此,没有须要制造完整的列表(节省多量内部存款和储蓄器空间)。在Python中,大家能够使用生成器:边循环,边计算的建制—>generator

10 *args and **kwargs

用*args和**kwargs只是为了方便并没有强制行使它们.

当你不分明你的函数里即将传递多少参数时您能够用*args.例如,它可以传递任意数量的参数:

>>>defprint_everything(*args):forcount,
thinginenumerate(args):…print'{0}.{1}’.format(count,
thing)…>>>print_everything(‘apple’,’banana’,’cabbage’)0.
apple1. banana2. cabbage

相似的,**kwargs允许你利用没有事先定义的参数名:

>>>deftable_things(**kwargs):…forname,
valueinkwargs.items():…print'{0}={1}’.format(name,
value)…>>>table_things(apple=’fruit’,cabbage=’vegetable’)cabbage=vegetableapple=fruit

你也得以混着用.命名参数首先获得参数值然后有着的任何参数都传送给*args和**kwargs.命名参数在列表的最前端.例如:

def table_things(titlestring, **kwargs)

*args和**kwargs能够而且在函数的定义中,可是*args必须在**kwargs前面.

当调用函数时你也可以用*和**语法.例如:

>>>defprint_three_things(a,b,c):…print’a ={0}, b ={1}, c
={2}’.format(a,b,c)…>>>mylist=[‘aardvark’,’baboon’,’cat’]>>>print_three_things(*mylist)a=aardvark,
b=baboon, c=cat

就好像你看来的如出一辙,它能够传递列表(或许元组)的每一项并把它们解包.注意必须与它们在函数里的参数相吻合.当然,你也得以在函数定义或然函数调用时用*.

http://stackoverflow.com/questions/3394835/args-and-kwargs

11
面向切面编制程序AOP和装饰器

以此AOP一听起来有点懵,同学面Ali的时候就被问懵了…

装饰器是二个很知名的设计方式,平时被用于有切面供给的风貌,较为经典的有插入日志、性能测试、事务处理等。装饰器是化解这类难点的绝佳设计,有了装饰器,我们就足以抽离出大批量函数中与函数功能本人无关的一律代码并继承起用。回顾的讲,装饰器的职能正是为早已存在的对象添加额外的效用。

本条难题相比大,推荐: http://stackoverflow.com/questions/739654/how-can-i-make-a-chain-of-function-decorators-in-python

中文: http://taizilongxu.gitbooks.io/stackoverflow-about-python/content/3/README.html

12
鸭子类型

“当见到壹头鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子,那么那只鸟就可以被誉为鸭子。”

我们并不关怀对象是怎么项目,到底是还是不是鸭子,只关心行为。

譬如在python中,有广大file-like的事物,比如StringIO,GzipFile,socket。它们有无数一样的不二法门,我们把它们当做文件使用。

又比如list.extend()方法中,我们并不爱护它的参数是还是不是list,只要它是可迭代的,所以它的参数能够是list/tuple/dict/字符串/生成器等.

鸭子类型在动态语言中时常利用,非凡灵活,使得python不想java那样专门去弄一大堆的设计方式。

13
Python中重载

引自新浪:http://www.zhihu.com/question/20053359

函数重载主要是为了消除多个难题。

可变参数类型。

可变参数个数。

亚洲必赢官网 ,其余,3个主旨的安排原则是,仅仅当多少个函数除了参数类型和参数个数不相同以外,其效用是完全相同的,此时才使用函数重载,若是多个函数的成效实在比不上,那么不应该接纳重载,而相应使用一个名字差异的函数。

好吧,那么对于情形 1 ,函数作用雷同,可是参数类型差别,python
怎么着处理?答案是素有不必要处理,因为 python
能够承受别的类型的参数,假如函数的法力雷同,那么分化的参数类型在 python
中很可能是一模一样的代码,没有要求做成多个差异函数。

那么对于情状 2 ,函数功能雷同,但参数个数分歧,python
怎么样处理?大家通晓,答案就是缺省参数。对那多少个不够的参数设定为缺省参数即可消除难题。因为你假如函数功用雷同,那么那么些不够的参数究竟是必要用的。

好了,鉴于景况 1 跟 意况 2 都有了消除方案,python
自然就不必要函数重载了。

14
新式类和旧式类

其一面试官问了,作者说了老半天,不驾驭她问的着实意图是什么.

stackoverflow

那篇小说很好的牵线了新式类的特征: http://www.cnblogs.com/btchenguang/archive/2012/09/17/2689146.html

流行类很早在2.2就应运而生了,所以旧式类完全是相当的题材,Python3里的类全体都以新式类.那里有一个MRO难点能够精晓下(新式类是广度优先,旧式类是深浅优先),里讲的也很多.

多少个旧式类的深度优先的例证

classA():deffoo1(self):print”A”classB(A):deffoo2(self):passclassC(A):deffoo1(self):print”C”classD(B,C):passd=D()d.foo1()#A

根据经典类的探寻顺序从左到右深度优先的条条框框,在走访d.foo1()的时候,D这么些类是从未的..那么往上搜索,先找到B,里面没有,深度优先,访问A,找到了foo1(),所以此时调用的是A的foo1(),从而导致C重写的foo1()被绕过

15 __new__和__init__的区别

这个__new__当真很少看到,先做询问吧.

__new__是1个静态方法,而__init__是贰个实例方法.

__new__方法会重回多个创立的实例,而__init__怎么都不再次回到.

只有在__new__回到三个cls的实例时前面的__init__才能被调用.

当创设多少个新实例时调用__new__,开始化2个实例时用__init__.

stackoverflow

ps: __metaclass__是成立类时起作用.所以我们得以分别使用__metaclass__,__new__和__init__来分别在类创建,实例创设和实例开始化的时候做一些小手脚.

16
单例情势


单例方式是一种常用的软件设计格局。在它的为主结构中只包罗1个被喻为单例类的独特类。通过单例形式能够保障系统中二个类唯有三个实例而且该实例易于外界访问,从而便利对实例个数的主宰并节约系统能源。若是期待在系统中某些类的目的只可以存在三个,单例情势是最棒的缓解方案。

__new__()在__init__()从前被调用,用于转移实例对象。利用这一个办法和类的习性的性情能够达成设计情势的单例情势。单例方式是指创设唯一目标,单例方式设计的类只好实例 以此绝对常考啊.相对要切记1~二个方法,当时面试官是让手写的.

1
使用__new__方法

classSingleton(object):def__new__(cls,*args,**kw):ifnothasattr(cls,’_instance’): 
         
orig=super(Singleton,cls)cls._instance=orig.__new__(cls,*args,**kw)returncls._instanceclassMyClass(Singleton): 
  a=1

2
共享属性

始建实例时把装有实例的__dict__本着同3个字典,那样它们拥有同样的性质和方法.

classBorg(object):    _state={}def__new__(cls,*args,**kw):     
  ob=super(Borg,cls).__new__(cls,*args,**kw)       
ob.__dict__=cls._statereturnobclassMyClass2(Borg):    a=1

3
装饰器版本

defsingleton(cls,*args,**kw):   
instances={}defgetinstance():ifclsnotininstances:           
instances[cls]=cls(*args,**kw)returninstances[cls]returngetinstance@singletonclassMyClass:…

4
import方法

用作python的模块是天生的单例形式

#mysingleton.pyclassMy_Singleton(object):deffoo(self):passmy_singleton=My_Singleton()#to
usefrommysingletonimportmy_singletonmy_singleton.foo()

单例格局伯乐在线详细分解

17
Python中的作用域

Python 中,3个变量的成效域总是由在代码中被赋值的地点所决定的。

当 Python 碰着七个变量的话他会遵从那样的逐条进行检索:

地点功能域(Local)→当前效能域被平放的地面成效域(Enclosing
locals)→全局/模块成效域(Global)→内置功能域(Built-in)

18
GIL线程全局锁

线程全局锁(Global Interpreter
Lock),即Python为了确认保障线程安全而利用的独立线程运转的限量,说白了正是多少个核只可以在同一时半刻间运维一个线程.对于io密集型任务,python的十六线程起到效益,但对此cpu密集型职务,python的二十多线程差不多占不到别的优势,还有大概因为争夺能源而变慢。

见Python
最难的题材

消除办法正是多进度和上面包车型大巴协程(协程也只是单CPU,可是能减小切换代价进步质量).

19
协程

今日头条被问到了,呵呵哒,跪了

大致点说协程是进程和线程的升级换代版,进程和线程都面临着内核态和用户态的切换难题而消耗比比皆是切换时间,而协程正是用户本身控制切换的火候,不再供给陷入系统的基本态.

Python里最广泛的yield正是协程的盘算!能够查阅第⑧个难点.

20
闭包

闭包(closure)是函数式编制程序的重庆大学的语法结构。闭包也是一种集体代码的布局,它同样增进了代码的可另行使用性。

当二个内嵌函数引用其外表作功能域的变量,大家就会取得二个闭包.
计算一下,创造2个闭包必须满意以下几点:

非得有二个内嵌函数

内嵌函数必须引用外部函数中的变量

表面函数的再次来到值必须是内嵌函数

备感闭包照旧有难度的,几句话是说不明白的,依然印证相关资料.

珍视是函数运维后并不会被撤除,就如16题的instance字典一样,当函数运转完后,instance并不被销毁,而是继续留在内部存款和储蓄器空间里.这些成效看似类里的类变量,只然则迁移到了函数上.

闭包就好像个空心球一样,你理解外面和内部,但您不通晓中间是什么样.

21
lambda函数

实在就是一个匿名函数,为啥叫lambda?因为和前边的函数式编制程序有关.

推荐: 知乎

22
Python函数式编制程序

本条供给适度的打听一下吗,究竟函数式编制程序在Python中也做了引用.

推荐: 酷壳

python中函数式编制程序帮忙:

filter
函数的意义也就是过滤器。调用一个布尔函数bool_func来迭代遍历各样seq中的成分;再次回到三个使bool_seq再次回到值为true的成分的行列。

>>>a=[1,2,3,4,5,6,7]>>>b=filter(lambdax: x>5,
a)>>>printb>>>[6,7]

map函数是对3个系列的各类项依次执行函数,上面是对二个队列各种项都乘以2:

>>>a=map(lambdax:x*2,[1,2,3])>>>list(a)[2,4,6]

reduce函数是对七个行列的种种项迭代调用函数,下边是求3的阶乘:

>>>reduce(lambdax,y:x*y,range(1,4))6

23
Python里的正片

引用和copy(),deepcopy()的区别

importcopya=[1,2,3,4,
[‘a’,’b’]]#原来对象b=a#赋值,传对象的引用c=copy.copy(a)#目的拷贝,浅拷贝d=copy.deepcopy(a)#目的拷贝,深拷贝a.append(5)#修改对象aa[4].append(‘c’)#修改对象a中的[‘a’,
‘b’]数组对象print’a =’, aprint’b =’, bprint’c =’, cprint’d =’,
d输出结果:a=[1,2,3,4, [‘a’,’b’,’c’],5]b=[1,2,3,4,
[‘a’,’b’,’c’],5]c=[1,2,3,4, [‘a’,’b’,’c’]]d=[1,2,3,4,
[‘a’,’b’]]

24
Python垃圾回收机制

Python GC主要运用引用计数(reference
counting)来跟踪和回收废。在引用计数的基础上,通过“标记-清除”(mark
and
sweep)解决容器对象恐怕发生的循环引用难点,通过“分代回收”(generation
collection)以空间换时间的艺术升高垃圾回收效能。

1
引用计数

PyObject是种种对象必有的内容,个中ob_refcnt正是做为引用计数。当1个对象有新的引用时,它的ob_refcnt就会增多,当引用它的目的被剔除,它的ob_refcnt就会收缩.引用计数为0时,该对象生命就终止了。

优点:

简单

实时性

缺点:

保险引用计数消耗电源

循环引用

2
标记-清除机制

基本思路是先按需分配,等到没有空余内部存储器的时候从寄存器和顺序栈上的引用出发,遍历以指标为节点、以引用为边构成的图,把持有能够访问到的指标打上标记,然后清扫一回内部存款和储蓄器空间,把装有没标记的对象释放。

3
分代技术

分代回收的一体化思想是:将系统中的全数内部存款和储蓄器块依据其存世时间分开为分歧的集聚,每一个集合就改成2个“代”,垃圾收集频率随着“代”的存活时间的叠加而减小,存活时间一般选择经过一次垃圾回收来衡量。

Python暗中认可定义了三代对象集合,索引数越大,对象共处时间越长。

比方:
当有个别内存块M经过了3遍垃圾收集的涤荡之后还存世时,大家就将内部存款和储蓄器块M划到三个集合A中去,而新分配的内部存款和储蓄器都分开到集合B中去。当废品收集起来工作时,大部分景况都只对集合B实行垃圾回收,而对集合A举行垃圾回收要隔不长一段时间后才开始展览,这就使得垃圾收集体制亟待处理的内部存储器少了,效能自然就加强了。在那个历程中,集合B中的某个内部存款和储蓄器块由于现有时间长而会被撤换成集合A中,当然,集合A中实际也设有有的垃圾堆,那一个废品的回收会因为那种分代的建制而被延迟。

25
Python的List

推荐: http://www.jianshu.com/p/J4U6rR

26
Python的is

is是比照地址,==是相比较值

27
read,readline和readlines

read 读取整个文件

readline 读取下一行,使用生成器方法

readlines 读取整个文件到1个迭代器以供我们遍历

28
Python2和3的区别

推荐:Python 2.7.x 与 Python 3.x
的主要出入

29 super
init

super() lets you avoid referring to the base class explicitly, which can
be nice. But the main advantage comes with multiple inheritance, where
all sorts of fun stuff can happen. See the standard docs on super if you
haven’t already.

Note that the syntax changed in Python 3.0: you can just say
super().__init__() instead of super(ChildB, self).__init__()
which IMO is quite a bit nicer.

http://stackoverflow.com/questions/576169/understanding-python-super-with-init-methods

Python2.7中的super方法浅见

30 range and
xrange

都在循环时利用,xrange内部存储器质量更好。 for i in range(0, 20): for i in
xrange(0, 20): What is the difference between range and xrange functions
in Python 2.X? range creates a list, so if you do range(1, 一千0000) it
creates a list in memory with 9999999 elements. xrange is a sequence
object that evaluates lazily.

http://stackoverflow.com/questions/94935/what-is-the-difference-between-range-and-xrange-functions-in-python-2-x

操作系统

1
select,poll和epoll

实则具有的I/O都以轮询的办法,只可是达成的局面差别罢了.

其一难点大概有点深远了,但相信能回应出那几个题材是对I/O多路复用有很好的精晓了.当中tornado使用的便是epoll的.

selec,poll和epoll分歧总计

基本上select有3个缺点:

连接数受限

追寻配对速度慢

数据由基础拷贝到用户态

poll改良了第1个缺陷

epoll改了八个缺点.

关于epoll的: http://www.cnblogs.com/my\_life/articles/3968782.html

2
调度算法

先来先服务(FCFS, First Come First Serve)

短作业优先(SJF, Shortest Job First)

最高优先权调度(Priority Scheduling)

时间片轮转(OdysseyWrangler, Round 罗布in)

多种反馈队列调度(multilevel feedback queue scheduling)

广大的调度算法计算:http://www.jianshu.com/p/6edf8174c1eb

实时调度算法:

最早停止时间优先 EDF

低于松弛度优先 LLF

3
死锁

原因:

竞争能源

程序推进各种不当

须要条件:

互斥条件

恳请和保全标准

不剥夺条件

环路等待条件

拍卖死锁基本措施:

提防死锁(舍弃除1以外的规范)

防止死锁(银行家算法)

检查和测试死锁(能源分配图)

消除死锁

剥夺财富

撤除进度

死锁概念处理政策详细介绍:https://wizardforcel.gitbooks.io/wangdaokaoyan-os/content/10.html

4
程序编写翻译与链接

推荐: http://www.ruanyifeng.com/blog/2014/11/compiler.html

Bulid进度能够解释为五个步骤:预处理(Prepressing),
编写翻译(Compilation)、汇编(Assembly)、链接(Linking)

以c语言为例:

1
预处理

预编写翻译进度主要处理那多少个源文件中的以“#”开始的预编写翻译指令,主要处理规则有:

将全数的“#define”删除,并进行所用的宏定义

拍卖全体标准预编译指令,比如“#if”、“#ifdef”、 “#elif”、“#endif”

处理“#include”预编写翻译指令,将被含有的文本插入到该编写翻译指令的职责,注:此进程是递归进行的

剔除全体注释

添加行号和文件名标识,以便于编写翻译时编写翻译器产生调试用的行号信息以及用于编译时发生编写翻译错误或警示时可突显行号

保留全数的#pragma编译器指令。

2
编译

编写翻译进程就是把预处理完的文本举行一文山会海的词法分析、语法分析、语义分析及优化后变化对应的汇编代码文件。这么些进程是一切程序构建的主干部分。

3
汇编

汇编器是将汇编代码转化成机器能够执行的命令,每一条汇编语句大约都是一条机器指令。经过编写翻译、链接、汇编输出的文件成为目标文件(Object
File)

4
链接

链接的根本内容正是把各样模块之间交互引用的一对处理好,使种种模块能够正确的拼接。
链接的主要性进度包块 地址和空中的分红(Address and Storage
Allocation)、符号决议(Symbol Resolution)和重定位(Relocation)等手续。

5
静态链接和动态链接

静态链接方法:静态链接的时候,载入代码就会把程序会用到的动态代码或动态代码的地点鲜明下来
静态库的链接能够利用静态链接,动态链接库也能够利用那种方法链接导入库

动态链接方法:使用那种格局的次第并不在一开端就完事动态链接,而是直到真正调用动态库代码时,载入程序才总括(被调用的那部分)动态代码的逻辑地址,然后等到有个别时候,程序又必要调用此外某块动态代码时,载入程序又去总结这一部分代码的逻辑地址,所以,那种方法使程序初阶化时间较短,但运维时期的本性不比静态链接的顺序

6
虚拟内部存储器技术

虚拟存款和储蓄器是指装有请求调入功效和置换功效,能从逻辑上对内部存款和储蓄器容积加以扩展的一种存储系统.

七分页和分支

分页:
用户程序的地址空间被划分成几何永恒大小的区域,称为“页”,相应地,内部存款和储蓄器空间分成若干个物理块,页和块的尺寸也正是。可将用户程序的任一页放在内部存款和储蓄器的任一块中,实现了离散分配。

分段:
将用户程序地址空间分成若干个大小不等的段,每段能够定义一组相对完好的逻辑新闻。存储分配时,以段为单位,段与段在内部存款和储蓄器中可以不相邻接,也促成了离散分配。

分页与分支的基本点差异

页是音讯的情理单位,分页是为着兑现非三番五次分配,以便消除内部存款和储蓄器碎片难点,或许说分页是由于系统一管理理的内需.段是音讯的逻辑单位,它富含一组意义相对完整的新闻,分段的指标是为了更好地促成共享,满足用户的必要.

页的高低固定,由系统分明,将逻辑地址划分为页号和页各地址是由机器硬件实现的.而段的长度却不稳定,决定于用户所编写的次第,平日由编写翻译程序在对源程序举行编写翻译时根据音讯的性质来划分.

分页的学业地址空间是一维的.分段的地址空间是二维的.

8
页面置换算法

最好置换算法OPT:不恐怕达成

先进先出FIFO

近年来最久未采用算法LRU:近日一段时间里最久没有行使过的页面予以置换.

clock算法

9
一侧触发和水平触发

边缘触发是指每当状态变化时产生1个 io
事件,条件触发是假如满足条件就时有产生3个 io 事件

数据库

1
事务

数据库事务(Database Transaction)
,是指作为单个逻辑工作单元执行的一多元操作,要么完全地实施,要么完全地不执行。
彻底领略数据库事务: http://www.hollischuang.com/archives/898

2
数据库索引

推荐: http://tech.meituan.com/mysql-index.html

MySQL索引背后的数据结构及算法原理

聚集索引,非聚集索引,B-Tree,B+Tree,最左前缀原理

3
Redis原理

Redis是什么?

是1个完全开源免费的key-value内部存储器数据库

熟视无睹被认为是3个数据结构服务器,首若是因为其全部丰裕的数据结构
strings、map、 list、sets、 sorted sets

Redis数据库


日常局限点来说,Redis也以音信队列的样式存在,作为内嵌的List存在,满意实时的高并发须要。在接纳缓存的时候,redis比memcached具有更多的优势,并且协理越来越多的数据类型,把redis当作叁个中路存款和储蓄系统,用来处理高并发的数据库操作

进程快:使用标准C写,全数数据都在内部存款和储蓄器中成功,读写速度分别达到10万/20万

持久化:对数据的换代采取Copy-on-write技术,能够异步地保存到磁盘上,首要有三种政策,一是根据时间,更新次数的快速照相(save
300 10 )二是依照语句追加格局(Append-only file,aof)

电动操作:对分化数据类型的操作都以机关的,很安全

敏捷的主–从复制,官方提供了2个数目,Slave在21秒即成功了对亚马逊网站10G
key set的复制。

Sharding技术:
很不难将数据分布到七个Redis实例中,数据库的壮大是个固定的话题,在关系型数据库中,主假若以增加硬件、以分区为重庆大学技术情势的纵向扩大消除了众多的利用场景,但随着web2.0、移动互连网、云总结等利用的勃兴,那种扩张方式已经不太相符了,所以近期,像选用主从配置、数据库复制方式的,Sharding那种技术把负载分布到五个特理节点上去的横向扩充格局用处越多。

Redis缺点

是数据库体量受到物理内部存款和储蓄器的限定,无法用作海量数据的高品质读写,由此Redis适合的情景首要局限在较小数据量的高质量操作和平运动算上。

Redis较难支撑在线扩大体量,在集群体积高达上限时在线扩大体积会变得很复杂。为制止这一难点,运行职员在系统上线时务必确认保证有丰富的长空,这对财富造成了非常大的浪费。

4
乐观锁和悲观锁

自寻烦恼锁:假定会生出并发争论,屏蔽一切或者违反数据完整性的操作

开始展览锁:若是不会发出并发抵触,只在付出操作时检查是还是不是违背数据完整性。

乐观锁与悲观锁的切实可行分歧: http://www.cnblogs.com/Bob-FD/p/3352216.html

5
MVCC

​ 全称是Multi-Version Concurrent
Control,即多版本出现控制,在MVCC协议下,每一种读操作会看到三个一致性的snapshot,并且能够兑现非阻塞的读。MVCC允许数据具有两个版本,那么些版本能够是时刻戳只怕是大局递增的思想政治工作ID,在同1个时间点,不相同的政工看到的数量是分化的。

MySQL的innodb引擎是何等促成MVCC的

innodb会为每一行添加多个字段,分别代表该行开创的本子删除的版本,填入的是工作的本子号,那个版本号随着工作的创办不断递增。在repeated
read的隔离级别(工作的隔开分离级别请看这篇小说)下,具体各个数据库操作的兑现:

select:满意以下五个标准innodb会再次来到该行数据:

该行的创立版本号小于等于当前版本号,用于保险在select操作以前全体的操作已经实施落地。

该行的去除版本号大于当前版本只怕为空。删除版本号大于当前版本意味着有三个涌出事务将该行删除了。

insert:将新插入的行的始建版本号设置为日前系统的版本号。

delete:将要删除的行的去除版本号设置为方今系统的版本号。

update:不实行原地update,而是转换到insert +
delete。将旧行的删减版本号设置为如今版本号,并将新行insert同时安装创建版本号为当前版本号。

里面,写操作(insert、delete和update)执行时,须求将系统版本号递增。


由于旧数据并不真正的去除,所以必须对那一个多少开始展览清理,innodb会开启3个后台线程执行清理工科作,具体的规则是将去除版本号小于当前系统版本的行删除,这些进程叫做purge。

经过MVCC很好的贯彻了工作的隔开性,能够达到repeated
read级别,要兑现serializable还非得加锁。

参考:MVCC浅析

6
MyISAM和InnoDB

MyISAM
适合于一些亟需大批量查询的使用,但其对于有大气写操作并不是很好。甚至你只是急需update叁个字段,整个表都会被锁起来,而别的进度,固然是读进度都不恐怕操作直到读操作达成。此外,MyISAM
对于 SELECT COUNT(*) 那类的计量是超快无比的。

InnoDB 的样子会是一个十分复杂的储存引擎,对于部分小的运用,它会比 MyISAM
还慢。他是它匡助“行锁”
,于是在写操作比较多的时候,会更能够。并且,他还辅助越多的高档应用,比如:事务。

mysql
数据库引擎: http://www.cnblogs.com/0201zcr/p/5296843.html MySQL存款和储蓄引擎--MyISAM与InnoDB分裂: https://segmentfault.com/a/1190000008227211

网络

1
二次握手

客户端通过向服务器端发送贰个SYN来成立八个积极向上打开,作为一回握手的一片段。客户端把这段连接的序号设定为随机数
A。

劳务器端应当为一个官方的SYN回送三个SYN/ACK。ACK 的确认码应为
A+1,SYN/ACK 包本人又有二个肆意序号 B。

末段,客户端再发送3个ACK。当服务端受到这么些ACK的时候,就完成了三路握手,并跻身了延续创建状态。此时包序号被设定为收到的确认号
A+1,而响应则为 B+1。

2
七回挥手

只顾: 中断连接端能够是客户端,也足以是服务器端.
下边仅以客户端断开连接举例, 反之亦然.

客户端发送3个数量分段, 在这之中的 FIN 标记设置为1. 客户端进入 FIN-WAIT
状态. 该地方下客户端只接收数据, 不再发送数据.

服务器收到到含有 FIN = 1 的多少分段, 发送带有 ACK = 1 的剩下数量分段,
确认收到客户端发来的 FIN 新闻.

服务器等到拥有数据传输截至, 向客户端发送二个饱含 FIN = 1 的多少分段,
并进入 CLOSE-WAIT 状态, 等待客户端发来含有 ACK = 1 的肯定报文.

客户端收到服务器发来含有 FIN = 1 的报文, 再次来到 ACK = 1 的报文确认,
为了预防服务器端未收到供给重发, 进入 TIME-WAIT 状态.
服务器收到到报文后关门连接. 客户端等待 2MSL 后未收取回复,
则认为服务器成功关闭, 客户端关闭连接.

图解: http://blog.csdn.net/whuslei/article/details/6667471

3
ARP协议

地点解析协议(Address Resolution
Protocol),其基本作用为通过指标设备的IP地址,查询指标的MAC地址,以担保通讯的顺遂举行。它是IPv4互连网层必不可少的协议,不过在IPv6中已不复适用,并被邻里发现协议(NDP)所替代。

4
urllib和urllib2的区别

其一面试官确实问过,当时答的urllib2能够Post而urllib不可能.

urllib提供urlencode方法用来GET查询字符串的发出,而urllib2没有。那是为啥urllib常和urllib2一起使用的因由。

urllib2还可以三个Request类的实例来安装UCRUISERL请求的headers,urllib仅能够承受U奥迪Q5L。这意味,你不能够假装你的User
Agent字符串等。

5
Post和Get

GET和POST有啥样不同?及为啥网上的多数答案都是错的 新浪回答

get: RFC 2616 – Hypertext Transfer Protocol —
HTTP/1.1 post: RFC
2616 – Hypertext Transfer Protocol —
HTTP/1.1

6
Cookie和Session

CookieSession

存款和储蓄地方客户端服务器端

目标跟踪会话,也得以保存用户偏好设置或然封存用户名密码等跟踪会话

安全性不安全无恙

session技术是要运用到cookie的,之所以出现session技术,主假如为着安全。

7
apache和nginx的区别

nginx 相对 apache 的优点:

轻量级,同样起web 服务,比apache 占用更少的内存及财富

抗并发,nginx 处理请求是异步非阻塞的,支持更加多的出现连接,而apache
则是阻塞型的,在高并发下nginx 能保持低能源低消耗高品质

配置简洁

可观模块化的宏图,编写模块相对简单

社区活泼

apache 相对nginx 的优点:

rewrite ,比nginx 的rewrite 强大

模块超多,基本想到的都能够找到

少bug ,nginx 的bug 相对较多

超稳定

8
网站用户密码保存

公开保存

明文hash后保存,如md5

MD5+Salt格局,这一个salt能够随心所欲

和讯使用了Bcrypy(好像)加密

9
HTTP和HTTPS

情状码定义

1xx 告诉吸收接纳到请求,继续进度

2xx 成功步骤成功接收,被掌握,并被接受

3xx 重定向为了做到请求,必须选拔尤其措施

4xx 客户端出错请求包罗错的顺序或不能够到位

5xx 服务器出错服务器无法形成鲜明有效的呼吁

403: Forbidden 404: Not Found

HTTPS握手,对称加密,非对称加密,TLS/SSL,OdysseySA

10
XSRF和XSS

CS君越F(克罗丝-site request forgery)跨站请求伪造

XSS(克罗丝 Site Scripting)跨站脚本攻击

CSGL450F重点在伏乞,XSS重点在本子

11 幂等
Idempotence

HTTP方法的幂等性是指贰次和频仍呼吁某三个财富应该具备同样的副作用。(注意是副效率)

GET

DELETE方法用于删除财富,有副功用,但它应当满足幂等性。比如:DELETE

POST所对应的U福特ExplorerI并非创造的财富本人,而是能源的接收者。比如:POST

PUT所对应的UCR-VI是要成立或更新的能源自己。比如:PUT

12
RESTful架构(SOAP,RPC)

推荐: http://www.ruanyifeng.com/blog/2011/09/restful.html

13
SOAP

SOAP(原为Simple Object Access
Protocol的首字母缩写,即不难对象访问协议)是换到数据的一种协议正式,使用在处理器互联网Web服务(web
service)中,交流带结构音讯。SOAP为了简化网页服务器(Web
Server)从XML数据库中领取数据时,节省去格式化页面时间,以及不一致应用程序之间根据HTTP通讯协议,服从XML格式执行资料交换,使其抽象于言语完结、平台和硬件。

14
RPC

TucsonPC(Remote Procedure Call
Protocol)——远程进程调用协议,它是一种通过互连网从远程计算机程序上呼吁服务,而不须求通晓底层互连网技术的协商。奥迪Q5PC磋商假使有个别传输协议的存在,如TCP或UDP,为通讯程序之间带领信息数据。在OSI互连网通讯模型中,OdysseyPC跨越了传输层和应用层。奥迪Q5PC使得开发包括网络分布式多程序在内的应用程序特别便于。

小结:服务提供的两大流派.守旧意义以艺术调用为导向通称索罗德PC。为了集团SOA,若干厂商联合推出webservice,制定了wsdl接口定义,传输soap.当网络时期,臃肿SOA被简化为http+xml/json.不过简化出现种种混乱。以能源为导向,任何操作无非是对资源的增加和删除改查,于是统一的REST出现了.

升高的依次: 翼虎PC -> SOAP -> RESTful

15
CGI和WSGI

CGI是通用网关接口,是连续web服务器和应用程序的接口,用户通过CGI来获得动态数据或文件等。
CGI程序是二个单独的主次,它能够用差不多全部语言来写,包蕴perl,c,lua,python等等。

WSGI, Web Server Gateway
Interface,是Python应用程序或框架和Web服务器之间的一种接口,WSGI的中间三个目标正是让用户能够用统一的语言(Python)编写前后端。

合法证实:PEP-3333

16
中间人抨击

在GFW里不足为奇的,呵呵.

高级中学级人攻击(Man-in-the-middle
attack,通常缩写为MITM)是指攻击者与报纸发表的双边分别创立独立的联系,并调换其所收取的数目,使通信的两边认为他俩正在通过三个私密的一而再与对方直接对话,但实质上整个会话都被攻击者完全控制。

17
c10k问题

所谓c10k难题,指的是服务器同时支持广大个客户端的题材,也正是concurrent
10 000 connection(这也是c10k那一个名字的因由)。
推荐: https://my.oschina.net/xianggao/blog/664275

18
socket

推荐: http://www.360doc.com/content/11/0609/15/5482098\_122692444.shtml

Socket=Ip address+ TCP/UDP + port

19
浏览器缓存

推荐: http://www.cnblogs.com/skynet/archive/2012/11/28/2792503.html

304 Not Modified

20
HTTP1.0和HTTP1.1

推荐: http://blog.csdn.net/elifefly/article/details/3964766

请求头Host字段,三个服务器多少个网站

长链接

文件断点续传

地点注明,状态管理,Cache缓存

HTTP请求8种方法介绍
HTTP/1.1说道中共定义了8种HTTP请求方法,HTTP请求方法也被称之为“请求动作”,差异的方式规定了区别的操作内定的能源情势。服务端也会基于差别的乞求方法做分化的响应。

GET

GET请求会展现请求钦定的能源。一般的话GET方法应该只用于数据的读取,而不应有用于会时有发生副功能的非幂等的操作中。

GET会办法请求钦点的页面消息,并赶回响应主旨,GET被认为是不安全的办法,因为GET方法会被互连网蜘蛛等随意的拜访。

HEAD

HEAD方法与GET方法一致,都是向服务器发出钦赐能源的乞求。然则,服务器在响应HEAD请求时不会回传财富的始末部分,即:响应主题。那样,大家能够不传输全部内容的境况下,就足以博得服务器的响应头消息。HEAD方法常被用于客户端查看服务器的天性。

POST

POST请求会
向钦点财富提交数据,请求服务器举行处理,如:表单数据提交、文件上传等,请求数据会被含有在请求体中。POST方法是非幂等的方法,因为这一个请求或然会创制新的财富或/和修改现有能源。

PUT

PUT请求会身向钦点能源任务上传其最新内容,PUT方法是幂等的措施。通过该方法客户端能够将点名财富的摩登数据传送给服务器代替钦赐的能源的始末。

DELETE

DELETE请求用于请求服务器删除所请求U安德拉I(统一财富标识符,Uniform Resource
Identifier)所标识的财富。DELETE请求后钦命能源会被删除,DELETE方法也是幂等的。

CONNECT

CONNECT方法是HTTP/1.1说道预留的,能够将接连改为管道形式的代理服务器。平时用于SSL加密服务器的链接与非加密的HTTP代理服务器的通讯。

OPTIONS

OPTIONS请求与HEAD类似,一般也是用于客户端查看服务器的习性。
这一个方法会请求服务器重回该财富所辅助的有所HTTP请求方法,该方法会用’*’来替代财富名称,向服务器发送OPTIONS请求,能够测试服务器功效是不是正规。JavaScript的XMLHttpRequest对象开始展览CO帕杰罗S跨域财富共享时,正是利用OPTIONS方法发送嗅探请求,以判断是或不是有对点名财富的拜访权限。
允许

TRACE

TRACE请求服务器回显其接收的请求消息,该办法首要用来HTTP请求的测试或确诊。

HTTP/1.1未来扩充的方式

在HTTP/1.1正规章制度定之后,又陆续扩大了有的艺术。在那之中使用中较多的是 PATCH
方法:

PATCH

PATCH方法出现的较晚,它在2008年的OdysseyFC
5789行业内部中被定义。PATCH请求与PUT请求类似,同样用于财富的换代。二者有以下两点不相同:

但PATCH一般用来财富的部分更新,而PUT一般用于资源的完整立异。
当能源不设有时,PATCH会成立1个新的资源,而PUT只会对已在能源开始展览翻新。

21
Ajax

AJAX,Asynchronous JavaScript and XML(异步的 JavaScript 和 XML),
是与在不另行加载整个页面包车型客车意况下,与服务器调换数据并更新部分网页的技能。

*NIX

unix进程间通讯格局(IPC)

管道(Pipe):管道可用于全体亲缘关系进度间的通讯,允许三个进度和另2个与它有同步祖先的进度之间实行通讯。

取名管道(named
pipe):命名管道制服了管道没盛名字的限定,因此,除拥有管道所怀有的效劳外,它还允许无亲缘关系进度间的通讯。命名管道在文件系统中有对应的文本名。命名管道通过命令mkfifo或系统调用mkfifo来成立。

信号(Signal):信号是比较复杂的通讯格局,用于通告接受进度有某种事件时有发生,除了用于进程间通讯外,进度还足以发送信号给进度本人;linux除了协理Unix早期信号语义函数sigal外,还辅助语义符合Posix.1标准的信号函数sigaction(实际上,该函数是依据BSD的,BSD为了落实可相信信号机制,又能够联合对外接口,用sigaction函数重新实现了signal函数)。

音讯(Message)队列:新闻队列是消息的链接表,包涵Posix音讯队列system
V音信队列。有充裕权限的经过能够向队列中添加新闻,被授予读权限的历程则足以读走队列中的音讯。新闻队列克制了信号承载音信量少,管道只好承载无格式字节流以及缓冲区大大小小受限等缺

共享内部存款和储蓄器:使得多个经过能够访问同一块内部存款和储蓄器空间,是最快的可用IPC格局。是本着别的通讯机制运作功效较低而布署的。往往与任何通讯机制,如信号量结合使用,来实现进程间的联手及互斥。

内部存款和储蓄器映射(mapped
memory):内部存款和储蓄器映射允许其余四个进度间通讯,每3个运用该机制的进度经过把三个共享的文件映射到自身的经过地址空间来落实它。

信号量(semaphore):首要作为进程间以及同样进度分歧线程之间的一块手段。

套接口(Socket):更为相似的经过间通讯机制,可用来不一致机器之间的历程间通讯。早先是由Unix系统的BSD分支开发出来的,但现在相似能够移植到别的类Unix系统上:Linux和System
V的变种都帮忙套接字。

数据结构

1
红黑树

红黑树与AVL的相比:

AVL是严刻平衡树,由此在追加依旧去除节点的时候,依照差别意况,旋转的次数比红黑树要多;

红黑是用非严加的平衡来换取增加和删除节点时候转动次数的下跌;

由此不难说,假如你的利用中,搜索的次数远远超出插入和删除,那么选用AVL,若是搜索,插入删除次数大概大致,应该采取RB。

红黑树详解: https://xieguanglei.github.io/blog/post/red-black-tree.html

教您透彻驾驭红黑树: https://github.com/julycoding/The-Art-Of-Programming-By-July/blob/master/ebook/zh/03.01.md

编程题

1
台阶难题/斐波那契

1只青蛙一遍能够跳上1级台阶,也得以跳上2级。求该青蛙跳上一个n级的阶梯总共有稍许种跳法。

fib=lambdan: nifn<=2elsefib(n-1)+fib(n-2)

第1种回忆方法

defmemo(func):    cache={}defwrap(*args):ifargsnotincache:           
cache[args]=func(*args)returncache[args]returnwrap@memodeffib(i):ifi<2:return1returnfib(i-1)+fib(i-2)

其三种方法

deffib(n):    a, b=0,1for_inxrange(n):        a, b=b, a+breturnb

2
变态台阶难点

一头青蛙3回能够跳上1级台阶,也能够跳上2级……它也能够跳上n级。求该青蛙跳上一个n级的台阶总共有多少种跳法。

fib=lambdan: nifn<2else2*fib(n-1)

3
矩形覆盖

咱俩得以用2*1的小矩形横着也许竖着去掩盖更大的矩形。请问用n个2*1的小矩形无重叠地覆盖一个2*n的大矩形,总共有多少种方法?

第2*n个矩形的掩盖措施等于第②*(n-1)加上第2*(n-2)的方法。

f=lambdan:1ifn<2elsef(n-1)+f(n-2)

4
杨氏矩阵查找

在三个m行n列二维数组中,每一行都依据从左到右递增的依次排序,每一列都遵从从上到下递增的次第排序。请完结一个函数,输入那样的多个二维数组和3个整数,判断数组中是不是带有该整数。

行使Step-wise线性搜索。

defget_value(l,r,c):returnl[r][c]deffind(l,x):   
m=len(l)-1n=len(l[0])-1r=0c=nwhilec>=0andr<=m:       
value=get_value(l, r, c)ifvalue==x:returnTrueelifvalue>x:           
c=c-1elifvalue

5
去除列表中的重复成分

用集合

list(set(l))

用字典

l1=[‘b’,’c’,’d’,’b’,’c’,’a’,’a’]l2={}.fromkeys(l1).keys()printl2

用字典并维持顺序

l1=[‘b’,’c’,’d’,’b’,’c’,’a’,’a’]l2=list(set(l1))l2.sort(key=l1.index)printl2

列表推导式

l1=[‘b’,’c’,’d’,’b’,’c’,’a’,’a’]l2=[][l2.append(i)foriinl1ifnotiinl2]

sorted排序并且用列表推导式.

l = [‘b’,’c’,’d’,’b’,’c’,’a’,’a’] [single.append(i) for i in
sorted(l) if i not in single] print single

6
链表成对沟通

1->2->3->4转换成2->1->4->3.

classListNode:def__init__(self,x):self.val=xself.next=NoneclassSolution:#@param
a ListNode#@return a
ListNodedefswapPairs(self,head):ifhead!=Noneandhead.next!=None:next=head.next 
         
head.next=self.swapPairs(next.next)next.next=headreturnnextreturnhead

7
创立字典的方法

1
直接开立

dict={‘name’:’earth’,’port’:’80’}

2
工厂方法

items=[(‘name’,’earth’),(‘port’,’80’)]dict2=dict(items)dict1=dict(([‘name’,’earth’],[‘port’,’80’]))

3
fromkeys()方法

dict1={}.fromkeys((‘x’,’y’),-1)dict={‘x’:-1,’y’:-1}dict2={}.fromkeys((‘x’,’y’))dict2={‘x’:None,’y’:None}

8
合并三个不变列表

天涯论坛远程面试必要编制程序

尾递归

def_recursion_merge_sort2(l1,l2,tmp):iflen(l1)==0orlen(l2)==0:       
tmp.extend(l1)        tmp.extend(l2)returntmpelse:ifl1[0]

循环算法

思路:

概念四个新的空驶列车表

比较八个列表的第⑨个因素

小的就插入到新列表里

把曾经插入新列表的要素从旧列表删除

结束五个旧列表有二个为空

再把旧列表加到新列表前边

def loop_merge_sort(l1, l2):

    tmp = []

    while len(l1) > 0 and len(l2) > 0:

        if l1[0] < l2[0]:

            tmp.append(l1[0])

            del l1[0]

        else:

            tmp.append(l2[0])

            del l2[0]

    tmp.extend(l1)

    tmp.extend(l2)

    return tmp

pop弹出

a=[1,2,3,7]b=[3,4,5]defmerge_sortedlist(a,b):   
c=[]whileaandb:ifa[0]>=b[0]:           
c.append(b.pop(0))else:            c.append(a.pop(0))whilea:       
c.append(a.pop(0))whileb:       
c.append(b.pop(0))returncprintmerge_sortedlist(a,b)

9
交叉链表求交点

实在想想能够遵守从尾早先相比较多少个链表,假设相交,则从尾起先必然一致,只要从尾开始比较,直至不相同等的地方即为交叉点,如图所示

亚洲必赢官网 3

#使用a,b多个list来效仿链表,可以看到交叉点是
7那个节点a=[1,2,3,7,9,1,5]b=[4,5,7,9,1,5]foriinrange(1,min(len(a),len(b))):ifi==1and(a[-1]!=b[-1]):print”No”breakelse:ifa[-i]!=b[-i]:print”交叉节点:”,a[-i+1]breakelse:pass

别的一种比较正式的主意,构造链表类

classListNode:def__init__(self,x):self.val=xself.next=Nonedefnode(l1,l2): 
  length1, lenth2=0,0#求多个链表长度whilel1.next:        l1=l1.next   
    length1+=1whilel2.next:        l2=l2.next       
length2+=1#长的链表先走iflength1>lenth2:for_inrange(length1-length2): 
          l1=l1.nextelse:for_inrange(length2-length1):           
l2=l2.nextwhilel1andl2:ifl1.next==l2.next:returnl1.nextelse:           
l1=l1.next            l2=l2.next

修改了须臾间:

#coding:utf-8classListNode:def__init__(self,x):self.val=xself.next=Nonedefnode(l1,l2): 
  length1, length2=0,0#求七个链表长度whilel1.next:       
l1=l1.next#尾节点length1+=1whilel2.next:       
l2=l2.next#尾节点length2+=1#假设相交ifl1.next==l2.next:#长的链表先走iflength1>length2:for_inrange(length1-length2): 
             
l1=l1.nextreturnl1#回去交点else:for_inrange(length2-length1):         
      l2=l2.nextreturnl2#回到交点#万一不相交else:return

思路: http://humaoli.blog.163.com/blog/static/13346651820141125102125995/

10
二分查找

#coding:utf-8defbinary_search(list,item):   
low=0high=len(list)-1whilelow<=high:       
mid=(low+high)/2guess=list[mid]ifguess>item:           
high=mid-1elifguess

参考: http://blog.csdn.net/u013205877/article/details/76411718

11
快排

#coding:utf-8defquicksort(list):iflen(list)<2:returnlistelse:       
midpivot=list[0]       
lessbeforemidpivot=[iforiinlist[1:]ifi<=midpivot]       
biggerafterpivot=[iforiinlist[1:]ifi>midpivot]       
finallylist=quicksort(lessbeforemidpivot)+[midpivot]+quicksort(biggerafterpivot)returnfinallylistprintquicksort([2,4,6,7,1,2,5])

更加多排序难题凸现:数据结构与算法-排序篇-Python描述

12
找零难点

#coding:utf-8#values是硬币的面值values = [ 25, 21, 10, 5,
1]#valuesCounts  钱币对应的门类数#money  找出来的总钱数#coinsUsed 
对应于近日货币总数i所使用的硬币数目defcoinChange(values,valuesCounts,money,coinsUsed):#遍历出从1到money全数的钱数恐怕forcentsinrange(1,money+1): 
     
minCoins=cents#把拥有的硬币面值遍历出来和钱数做比较forkindinrange(0,valuesCounts):if(values[kind]<=cents): 
              temp=coinsUsed[cents-values[kind]]+1if(temp

思路: http://blog.csdn.net/wdxin1322/article/details/9501163

方法: http://www.cnblogs.com/ChenxofHit/archive/2011/03/18/1988431.html

13
广度遍历和纵深遍历二叉树

给定三个数组,构建二叉树,并且按层次打字与印刷那几个二叉树

14
二叉树节点

classNode(object):def__init__(self,data,left=None,right=None):self.data=dataself.left=leftself.right=righttree=Node(1,
Node(3, Node(7, Node(0)), Node(6)), Node(2, Node(5), Node(4)))

15
层次遍历

deflookup(root):    stack=[root]whilestack:       
current=stack.pop(0)printcurrent.dataifcurrent.left:           
stack.append(current.left)ifcurrent.right:           
stack.append(current.right)

16
深度遍历

defdeep(root):ifnotroot:returnprintroot.data    deep(root.left)   
deep(root.right)if__name__==’__main__’:    lookup(tree)   
deep(tree)

17
前中后序遍历

纵深遍历改变各类就OK了

#coding:utf-8#二叉树的遍历#简短的二叉树节点类classNode(object):def__init__(self,value,left,right):self.value=valueself.left=leftself.right=right#中序遍历:遍历左子树,访问当前节点,遍历右子树defmid_travelsal(root):ifroot.leftisNone: 
     
mid_travelsal(root.left)#做客当前节点print(root.value)ifroot.rightisnotNone: 
     
mid_travelsal(root.right)#前序遍历:访问当前节点,遍历左子树,遍历右子树defpre_travelsal(root):print(root.value)ifroot.leftisnotNone: 
      pre_travelsal(root.left)ifroot.rightisnotNone:       
pre_travelsal(root.right)#继承遍历:遍历左子树,遍历右子树,访问当前节点defpost_trvelsal(root):ifroot.leftisnotNone: 
      post_trvelsal(root.left)ifroot.rightisnotNone:       
post_trvelsal(root.right)print(root.value)

18
求最大树深

defmaxDepth(root):ifnotroot:return0returnmax(maxDepth(root.left),
maxDepth(root.right))+1

19
求两棵树是不是相同

defisSameTree(p,q):ifp==Noneandq==None:returnTrueelifpandq
:returnp.val==q.valandisSameTree(p.left,q.left)andisSameTree(p.right,q.right)else:returnFalse

20
前序中序求后序

推荐: http://blog.csdn.net/hinyunsin/article/details/6315502

defrebuild(pre,center):ifnotpre:returncur=Node(pre[0])   
index=center.index(pre[0])    cur.left=rebuild(pre[1:index+1],
center[:index])    cur.right=rebuild(pre[index+1:],
center[index+1:])returncurdefdeep(root):ifnotroot:returndeep(root.left) 
  deep(root.right)printroot.data

21
单链表逆置

classNode(object):def__init__(self,data=None,next=None):self.data=dataself.next=nextlink=Node(1,
Node(2, Node(3, Node(4, Node(5, Node(6, Node(7, Node(8,
Node(9)))))))))defrev(link):    pre=link    cur=link.next   
pre.next=Nonewhilecur:        tmp=cur.next        cur.next=pre       
pre=cur        cur=tmpreturnpreroot=rev(link)whileroot:printroot.data   
root=root.next

思路: http://blog.csdn.net/feliciafay/article/details/6841115

方法: http://www.xuebuyuan.com/2066385.html?mobile=1

22
多个字符串是不是是变位词

classAnagram:”””    @:param s1: The first string    @:param s2: The
second string    @:return true or false”””defSolution1(s1,s2):       
alist=list(s2)        pos1=0stillOK=Truewhilepos1

23
动态规划难题

可参考:动态规划(DP)的整治-Python描述

网站地图xml地图