学会想不拿offer都难,以及面试题

 

python的函数参数字传送递

看八个例子:

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

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

具有变量都能够明白为内存中1个指标的“引用”,可能,能够看做C中的viod*的感觉

那里记住的是项目是属于对象的,而不是变量。而目标有三种,“可更改”(mutable)与“不可改变”(immutable)对象。在python中,strings,
tuples,
和numbers是不行变更的目的,而list,dict等则是足以修改的靶子。(那正是这些题材的基本点)

当3个引用传递给函数的时候,函数自动复制一份引用,那一个函数里的引用和异地的引用没有半毛关系了.所以第一个例证里函数把引用指向了一个不可变对象,当函数重回的时候,外面包车型地铁引用没半毛感觉.而第三个例证就差异了,函数内的引用指向的是可变对象,对它的操作就和永恒了指针地址一样,在内部存储器里展开修改.

只要还不清楚的话,那里有更好的诠释:
http://stackoverflow.com/questions/986006/how-do-i-pass-a-variable-by-reference

方今最首要介绍的是本人个人收集的python面试的局地广大的渴求和应控制的知识,下边只是当中部分,越来越多的请看我们

Python语言特色

美高梅开户网址 1

python中的元类(metaclass)

这一个丰硕的不常用,可是像O大切诺基M那种复杂的构造还是会须求的,详情请看:《深远掌握Python中的元类(metaclass)》

[PSC开源组GitHub]() 地址 ,里面有详实的python面试应控制的全部地点的文化(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语言特色

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
单例形式

1
使用__new__方法

2
共享属性

3
装饰器版本

4
import方法

17
Python中的效率域

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
虚拟内部存款和储蓄器技术

八分页和支行

分页与分支的首要差异

8
页面置换算法

9
边际触发和档次触发

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

叁十回挥手

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
中间人抨击

17
c10k问题

18
socket

19
浏览器缓存

20
HTTP1.0和HTTP1.1

21
Ajax

*NIX

unix进程间通讯方式(IPC)

数据结构

1
红黑树

编程题

1
台阶难点/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
链表成对交换

7
成立字典的法子

1
直接开立

2
工厂方法

3
fromkeys()方法

8
合并五个不变列表

9
交叉链表求交点

10
二分查找

11
快排

12
找零难点

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

看多少个例证:

a=1deffun(a):    a=2fun(a)printa#1

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

装有的变量都足以精通是内存中3个目的的“引用”,只怕,也能够看似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精通:

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:具体的值在不相同电脑上运营时也许分裂。

能够看看,在推行完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目标的四面八方的地址变成了2那几个实体对象的内部存储器地址。

而第3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:

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

那里记住的是连串是属于对象的,而不是变量。而目的有二种,“可更改”(mutable)与“不可变更”(immutable)对象。在python中,strings,
tuples,
和numbers是不足更改的靶子,而list,dict等则是能够修改的对象。(那便是其一题指标根本)

当一个引用传递给函数的时候,函数自动复制一份引用,那些函数里的引用和外市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叁个不可变对象,当函数重回的时候,外面包车型大巴引用没半毛感觉.而第一个例子就不等同了,函数内的引用指向的是可变对象,对它的操作就和定点了指针地址一样,在内存里举行修改.

就算还不晓得的话,那里有更好的诠释:http://stackoverflow.com/questions/986006/how-do-i-pass-a-variable-by-reference

2
Python中的元类(metaclass)

本条那些的不常用,可是像OCR-VM那种复杂的结构依旧会须要的,详情请看:http://stackoverflow.com/questions/100003/what-is-a-metaclass-in-python

3
@staticmethod和@classmethod

Python其实有三个艺术,即静态方法(staticmethod),类措施(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()

那里先明了下函数参数里面包车型大巴self和cls.那一个self和cls是对类可能实例的绑定,对于一般的函数来说我们可以如此调用foo(x),这几个函数正是最常用的,它的办事跟任马建波西(类,实例)毫不相关.对于实例方法,大家掌握在类里每一趟定义方法的时候都亟需绑定那几个实例,正是foo(self,
x),为什么要那样做吧?因为实例方法的调用离不开实例,大家供给把实例自个儿传给函数,调用的时候是那样的a.foo(x)(其实是foo(a,

x)).类方法一致,只然则它传递的是类而不是实例,A.class_foo(x).注意那里的self和cls能够替换其他参数,可是python的约定是那俩,依然不要改的好.

对此静态方法其实和平常的不二法门同样,不须要对何人进行绑定,唯一的界别是调用的时候须求使用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)

更加多关于这么些标题: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,实例变量正是供实例使用的.

此处p1.name=”bbb”是实例调用了类变量,那事实上和方面第二个难题一样,正是函数字传送参的标题,p1.name一开端是指向的类变量name=”aaa”,可是在实例的法力域里把类变量的引用改变了,就改为了二个实例变量,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

那些也是python彪悍的脾气.

反思就是面向对象的语言钻探所写的先后在运作时,所能知道对象的类型.简单一句正是运转时能够获得对象的类型.比如type(),dir(),getattr(),hasattr(),isinstance().

6
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中才进入的:

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,用来分别其余用户自定义的命名,防止抵触.

_foo:一种约定,用来钦定变量私有.程序员用来钦赐个人变量的一种情势.

__foo:这些有确实的意思:解析器用_classname__foo来取代那几个名字,以分别和其余类相同的命名.

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在许多方面看起来更便利.对于%最烦人的是它不能够同时传递2个变量和元组.你恐怕会想下边包车型大巴代码不会有哪些难题:

“hi there %s” % name

只是,假设name恰好是(1,2,3),它将会抛出一个TypeError分外.为了确认保障它连接不错的,你不能不这么做:

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

可是某个丑..format就从未这么些难题.你给的第③个难点也是那样,.format赏心悦目多了.

你为啥不要它?

不知底它(在读那几个前边)

为了和Python2.5金童玉女(譬如logging库提出使用%(issue
#4))

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

9
迭代器和生成器

本条是stackoverflow里python排名第2的题材,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只是为了有利于并从未强制行使它们.

当你不明确你的函数里即将传递多少参数时你能够用*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允许你选择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.命名参数首先获得参数值然后具备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能够而且在函数的定义中,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:

>>>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

仿佛你见到的平等,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,你也足以在函数定义或然函数调用时用*.

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

11
面向切面编程AOP和装饰器

这些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3个很有名的设计情势,日常被用来有切面要求的景色,较为经典的有插入日志、品质测试、事务处理等。装饰器是焚薮而田那类难点的绝佳设计,有了装饰器,大家就能够抽离出多量函数中与函数作用本人非亲非故的一样代码并继承起用。归纳的讲,装饰器的功力正是为早已存在的靶子添加额外的效力。

以此题目相比大,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

“当看到两头鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子,那么这只鸟就能够被叫做鸭子。”

大家并不关切对象是何许项目,到底是还是不是鸭子,只关怀行为。

譬如在python中,有过多file-like的东西,比如StringIO,GzipFile,socket。它们有不少如出一辙的章程,大家把它们当做文件使用。

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选取,卓殊灵活,使得python不想java这样专门去弄一大堆的设计形式。

13
Python中重载

引自乐乎:http://www.zhihu.com/question/20053359

函数重载首假设为着缓解四个难点。

可变参数类型。

可变参数个数。

其它,多少个着力的布署原则是,仅仅当五个函数除了参数类型和参数个数分化以外,其效果是完全相同的,此时才使用函数重载,假诺五个函数的功力实在不如,那么不应有使用重载,而相应利用1个名字差别的函数。

好啊,那么对于景况 1 ,函数成效雷同,可是参数类型差异,python
怎么着处理?答案是素有不须要处理,因为 python
还不错别的类型的参数,即使函数的功能雷同,那么不相同的参数类型在 python
中十分大概是千篇一律的代码,没有供给做成多个分化函数。

那正是说对于情状 2 ,函数作用雷同,但参数个数不相同,python
怎样处理?我们领略,答案正是缺省参数。对那多少个缺少的参数设定为缺省参数即可缓解难点。因为您尽管函数作用雷同,那么这个贫乏的参数究竟是需求用的。

好了,鉴于情状 1 跟 情状 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

以此面试官问了,小编说了老半天,不知底他问的着实意图是什么.

stackoverflow

那篇作品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就出现了,所以旧式类完全是协作的标题,Python3里的类全体都是新式类.那里有多少个MRO难题得以领悟下(新式类是广度优先,旧式类是深浅优先),里讲的也很多.

15__new__和__init__的区别

这个__new__诚然很少见到,先做询问吧.

__new__是叁个静态方法,而__init__是一个实例方法.

__new__方法会再次来到八个创建的实例,而__init__怎么都不重返.

只有在__new__回来三个cls的实例时前边的__init__才能被调用.

当创设二个新实例时调用__new__,先导化3个实例时用__init__.

stackoverflow

ps:__metaclass__是成立类时起效率.所以我们得以分别选拔__metaclass__,__new__和__init__来分别在类创建,实例创造和实例早先化的时候做一些小手脚.

16
单例方式

以此相对常考啊.相对要铭记1~一个艺术,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

开创实例时把全部实例的__dict__本着同二个字典,这样它们拥有同等的天性和方法.

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

用作python的模块是天然的单例情势

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

17
Python中的功能域

Python 中,1个变量的成效域总是由在代码中被赋值的地点所控制的。

当 Python 遇到一个变量的话他会依据那样的次第实行搜寻:

地方成效域(Local)→当前作用域被安置的本土成效域(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为了确定保障线程安全而使用的独立线程运营的限量,说白了正是1个核只辛亏同一时间运营1个线程.

见Python
最难的难点

化解办法正是多进程和下部的协程(协程也只是单CPU,不过能减小切换代价进步品质).

19
协程

乐乎被问到了,呵呵哒,跪了

简言之点说协程是进程和线程的晋升版,进度和线程都面临着内核态和用户态的切换难点而消耗不可胜道切换时间,而协程就是用户本身控制切换的空子,不再需求陷入系统的水源态.

Python里最广泛的yield正是协程的思辨!能够查看第拾1个难题.

20
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,它一律提升了代码的可再一次使用性。

当一个内嵌函数引用其外表作功用域的变量,我们就会赢得一个闭包.
计算一下,创立二个闭包必须满意以下几点:

非得有2个内嵌函数

内嵌函数必须引用外部函数中的变量

表面函数的重回值必须是内嵌函数

感到闭包依旧有难度的,几句话是说不知底的,照旧印证相关资料.

重点是函数运行后并不会被撤回,就像16题的instance字典一样,当函数运营完后,instance并不被灭绝,而是继续留在内部存款和储蓄器空间里.那一个职能看似类里的类变量,只可是迁移到了函数上.

闭包就如个空心球一样,你知道外面和个中,但您不知底中间是什么样.

21
lambda函数

其实正是三个匿名函数,为何叫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

其一须要非凡的摸底一下吧,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援助:

filter
函数的效应相当于过滤器。调用二个布尔函数bool_func来迭代遍历每个seq中的成分;重返3个使bool_seq重临值为true的因素的队列。

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

map函数是对多个行列的每一个项依次执行函数,上面是对一个队列种种项都乘以2:

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

reduce函数是对多个队列的每一种项迭代调用函数,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’]]#原有对象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首要利用引用计数(reference
counting)来跟踪和回收废。在引用计数的功底上,通过“标记-清除”(mark
and
sweep)消除容器对象也许产生的大循环引用难题,通过“分代回收”(generation
collection)以空间换时间的方法进步垃圾回收功能。

1
引用计数

PyObject是种种对象必有的内容,个中ob_学会想不拿offer都难,以及面试题。refcnt正是做为引用计数。当一个对象有新的引用时,它的ob_refcnt就会大增,当引用它的靶子被删除,它的ob_refcnt就会减弱.引用计数为0时,该指标生命就归西了。

优点:

简单

实时性

缺点:

尊敬引用计数消耗财富

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款和储蓄器的时候从寄存器和程序栈上的引用出发,遍历以指标为节点、以引用为边构成的图,把装有能够访问到的指标打上标记,然后清扫2回内部存款和储蓄器空间,把全体没标记的靶子释放。

3
分代技术

分代回收的完全思想是:将系统中的全部内部存款和储蓄器块根据其存世时间分开为不一致的集结,各样集合就改成3个“代”,垃圾收集频率随着“代”的现有时间的叠加而减小,存活时间平时选拔经过两次垃圾回收来度量。

Python暗中同意定义了三代对象集合,索引数越大,对象共处时间越长。

举例:当一些内部存储器块M经过了二次垃圾收集的保洁之后还存世时,大家就将内部存储器块M划到2个集合A中去,而新分配的内部存款和储蓄器都划分到集合B中去。当垃圾收集起来工作时,大部分情况都只对集合B进行垃圾回收,而对集合A实行垃圾回收要隔极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,成效自然就进步了。在这些进度中,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更换成集合A中,当然,集合A中实际上也设有一些放弃物,那些杂质的回收会因为那种分代的编写制定而被延缓。

25
Python的List

推荐:http://www.jianshu.com/p/J4U6rR

26
Python的is

is是相对而言地址,==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3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
的最主要差别

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

都在循环时利用,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, 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

骨子里具备的I/O都以轮询的点子,只可是完结的范畴不相同罢了.

以此标题或然有点深刻了,但相信能应对出这一个题材是对I/O多路复用有很好的问询了.在那之中tornado使用的正是epoll的.

selec,poll和epoll区别总括

基本上select有3个缺点:

连接数受限

寻找配对进度慢

数量由基本拷贝到用户态

poll革新了第①个毛病

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)

摩天优先权调度(Priority Scheduling)

时光片轮转(途观途锐, Round Robin)

多重反馈队列调度(multilevel feedback queue scheduling)

实时调度算法:

最早结束时间先行 EDF

低于松弛度优先 LLF

3
死锁

原因:

竞争财富

先后推进各种不当

必要条件:

互斥条件

恳请和维持标准

不剥夺条件

环路等待条件

拍卖死锁基本措施:

以免死锁(丢弃除1以外的标准化)

防止死锁(银行家算法)

检查和测试死锁(财富分配图)

免除死锁

剥夺财富

注销进度

4
程序编写翻译与链接

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

Bulid进程能够分解为多少个步骤: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个源文件中的以“#”开首的预编写翻译指令,首要处理规则有:

将全数的“#define”删除,并拓展所用的宏定义

处理全体规则预编写翻译指令,比如“#if”、“#ifdef”、 “#elif”、“#endif”

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

删去全数注释

添加行号和文书名标识,以便于编写翻译时编写翻译器发生调节和测试用的行号音讯以及用于编写翻译时产生编写翻译错误或警示时可兆示行号

封存全部的#pragma编写翻译器指令。

2
编译

编写翻译进程便是把预处理完的文本进行一三种的词法分析、语法分析、语义分析及优化后变化对应的汇编代码文件。那些进度是任何程序营造的主导部分。

3
汇编

汇编器是将汇编代码转化成机器能够执行的指令,每一条汇编语句大致皆以一条机器指令。经过编写翻译、链接、汇编输出的文件成为目的文件(Object
File)

4
链接

链接的首要内容便是把种种模块之间交互引用的有的处理好,使各样模块能够正确的拼接。链接的第③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分明下来静态库的链接可以动用静态链接,动态链接库也能够采用那种方法链接导入库

动态链接方法:使用那种格局的先后并不在一从头就做到动态链接,而是直到真正调用动态库代码时,载入程序才总计(被调用的那某些)动态代码的逻辑地址,然后等到某些时候,程序又供给调用其余某块动态代码时,载入程序又去总结这一部分代码的逻辑地址,所以,那种方法使程序初叶化时间较短,但运营时期的脾气不比静态链接的次序

6
虚拟内存技术

虚拟存款和储蓄器是指装有请求调入功用和交流作用,能从逻辑上对内部存储器体积加以扩张的一种存款和储蓄系统.

八分页和分支

分页:
用户程序的地址空间被划分成多少永恒大小的区域,称为“页”,相应地,内部存款和储蓄器空间分成若干个物理块,页和块的轻重缓急相等。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,达成了离散分配。

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音讯。存款和储蓄分配时,以段为单位,段与段在内存中能够不相邻接,也完结了离散分配。

分页与分支的重点差别

页是音信的物理单位,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题,大概说分页是由于系统一管理理的必要.段是消息的逻辑单位,它涵盖一组意义相对完好的新闻,分段的目的是为着更好地贯彻共享,满足用户的必要.

页的深浅固定,由系统鲜明,将逻辑地址划分为页号和页外地址是由机器硬件完结的.而段的长短却不定点,决定于用户所编纂的次序,常常由编写翻译程序在对源程序开始展览编译时依照音信的习性来划分.

分页的功课地址空间是一维的.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:不恐怕完结

先进先出FIFO

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.

clock算法

9
两旁触发和水准触发

边缘触发是指每当状态变化时发出多个 io
事件,条件触发是只要满意条件就发生多个 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级操作,要么完全地履行,要么完全地不履行。

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

自寻烦恼锁:假定会生出并发争辩,屏蔽一切大概违反数据完整性的操作

开朗锁:就算不会发出并发冲突,只在提交操作时检查是还是不是违反数据完整性。

5
MVCC

6
MyISAM和InnoDB

MyISAM
适合于部分必要多量查询的行使,但其对于有恢宏写操作并不是很好。甚至你只是须要update3个字段,整个表都会被锁起来,而别的进度,就终于读进度都爱莫能助操作直到读操作达成。此外,MyISAM
对于 SELECT COUNT(*) 那类的估计是超快无比的。

InnoDB 的趋势会是一个13分复杂的储存引擎,对于有些小的选拔,它会比 MyISAM
还慢。他是它辅助“行锁”
,于是在写操作相比较多的时候,会更非凡。并且,他还扶助越多的高等级应用,比如:事务。

网络

1
一次握手

客户端通过向服务器端发送三个SYN来创设2个积极打开,作为三路握手的一有的。客户端把那段连接的序号设定为随机数
A。

劳务器端应当为3个官方的SYN回送3个SYN/ACK。ACK 的确认码应为
A+1,SYN/ACK 包本人又有一个即兴序号 B。

最后,客户端再发送1个ACK。当服务端受到那么些ACK的时候,就成功了三路握手,并跻身了一连制造状态。此时包序号被设定为接收的确认号
A+1,而响应则为 B+1。

二十五遍挥手

3
ARP协议

地址解析协议(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

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

urllib提供urlencode方法用来GET查询字符串的产生,而urllib2没有。那是为何urllib常和urllib2一起利用的案由。

urllib2基本上能用3个Request类的实例来安装UKoleosL请求的headers,urllib仅能够承受U安德拉L。那表示,你无法伪装你的User
Agent字符串等。

5
Post和Get

GET和POST有啥样分别?及为啥网上的多数答案皆以错的网易回答

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

6
Cookie和Session

CookieSession

储存地点客户端服务器端

目标跟踪会话,也能够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技术是要接纳到cookie的,之所以出现session技术,主假诺为了安全。

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能源

抗并发,nginx 处理请求是异步非阻塞的,扶助更加多的面世连接,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

安顿简洁

惊人模块化的宏图,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

公然保存

明文hash后保存,如md5

MD5+Salt格局,那么些salt能够随便

和讯使用了Bcrypy(好像)加密

9
HTTP和HTTPS

气象码定义

1xx 告诉吸收接纳到请求,继续进度

2xx 得逞步骤成功接收,被精通,并被接受

3xx 重定向为了成功请求,必须采纳越发措施

4xx 客户端出错请求包罗错的依次或不能够成功

5xx 服务器出错服务器不能够完毕鲜明有效的央求

403: Forbidden404: Not Found

HTTPS握手,对称加密,非对称加密,TLS/SSL,途胜SA

10
XSRF和XSS

CSPAJEROF(克罗丝-site request forgery)跨站请求伪造

XSS(克罗丝 Site Scripting)跨站脚本攻击

CS帕杰罗F重点在伏乞,XSS重点在本子

11 幂等
Idempotence

HTTP方法的幂等性是指3遍和多次呼吁某2个能源应该有所同等的副作用。(注意是副作用)

GET

DELETE方法用于删除财富,有副功能,但它应当满意幂等性。比如:DELETE

POST所对应的UHavalI并非创造的财富自己,而是财富的收信人。比如:POST

PUT所对应的UQX56I是要创制或更新的财富本人。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)是换来数据的一种协议正式,使用在微型总括机互连网Web服务(web
service)中,调换带结构音讯。SOAP为了简化网页服务器(Web
Server)从XML数据库中提取数额时,节省去格式化页面时间,以及不相同应用程序之间依据HTTP通信协议,遵守XML格式执行资料沟通,使其抽象于言语完毕、平台和硬件。

14
RPC

帕杰罗PC(Remote Procedure Call
Protocol)——远程进度调用协议,它是一种通过互联网从远程总结机程序上呼吁服务,而不必要精通底层互联网技术的说道。揽胜极光PC斟酌假如有个别传输协议的留存,如TCP或UDP,为通讯程序之间指点音讯数量。在OSI互联网通讯模型中,奥迪Q5PC跨越了传输层和应用层。翼虎PC使得开发包括网络分布式多程序在内的应用程序特别不难。

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CR-VPC。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.当网络时期,臃肿SOA被简化为http+xml/json.可是简化出现种种混乱。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.

开拓进取的依次: LacrossePC -> SOAP -> RESTful

15
CGI和WSGI

CGI是通用网关接口,是一连web服务器和应用程序的接口,用户通过CGI来获取动态数据或文件等。CGI程序是1个独自的次第,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1个指标就是让用户能够用统一的语言(Python)编写前后端。

官方认证:PEP-3333

16
中间人抨击

在GFW里家常便饭的,呵呵.

中档人抨击(Man-in-the-middle
attack,平时缩写为MITM)是指攻击者与电视发表的四头分别创设独立的维系,并调换其所接收的多寡,使通讯的双面认为她们正在通过一个私密的总是与对方直接对话,但实质上整个会话都被攻击者完全控制。

17
c10k问题

所谓c10k难点,指的是服务器同时帮衬广大个客户端的难点,也正是concurrent
10 000
connection(那也是c10k以此名字的原由)。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,二个服务器多少个网站

长链接

文本断点续传

地方申明,状态管理,Cache缓存

21
Ajax

AJAX,Asynchronous JavaScript and XML(异步的 JavaScript 和 XML),
是与在不另行加载整个页面包车型客车情形下,与服务器沟通数据并更新部分网页的技巧。

*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程间的通讯,允许2个进度和另多少个与它有联袂祖先的经过之间开始展览通讯。

取名管道(named
pipe):命名管道克制了管道没著名字的范围,由此,除具备管道所兼有的效果外,它还允许无亲缘关系进度间的通信。命名管道在文件系统中有照应的公文名。命名管道通过命令mkfifo或系统调用mkfifo来创设。

信号(Signal):信号是相比较复杂的通讯情势,用于通告接受进程有某种事件发生,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除了帮衬Unix早期信号语义函数sigal外,还援助语义符合Posix.1标准的信号函数sigaction(实际上,该函数是基于BSD的,BSD为了促成可相信信号机制,又能够联合对外接口,用sigaction函数重新完结了signal函数)。

消息(Message)队列:新闻队列是音信的链接表,包涵Posix音讯队列system
V音信队列。有丰富权限的历程能够向队列中添加音信,被赋予读权限的进度则足以读走队列中的新闻。消息队列征服了信号承载音信量少,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

共享内部存款和储蓄器:使得多个进度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。是针对性别的通讯机制运营功效较低而设计的。往往与其余通讯机制,如信号量结合使用,来达到进度间的3头及互斥。

内部存款和储蓄器映射(mapped
memory):内部存款和储蓄器映射允许任何多少个进度间通讯,每二个使用该机制的历程经过把三个共享的文书映射到温馨的长河地址空间来促成它。

信号量(semaphore):首要作为进度间以及同样进度不一样线程之间的三头手段。

套接口(Socket):更为相似的历程间通讯机制,可用于不相同机器之间的长河间通讯。起头是由Unix系统的BSD分支开发出来的,但今日貌似能够移植到任何类Unix系统上:Linux和System
V的变种都帮助套接字。

数据结构

1
红黑树

红黑树与AVL的可比:

AVL是严俊平衡树,由此在大增照旧去除节点的时候,依据差异景色,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落;

于是不难说,若是你的施用中,搜索的次数远远高于插入和删除,那么接纳AVL,如若搜索,插入删除次数大约大致,应该选拔RB。

编程题

1
台阶难点/斐波纳挈

二只青蛙一遍能够跳上1级台阶,也足以跳上2级。求该青蛙跳上1个n级的阶梯总共有多少种跳法。

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

其次种回想方法

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

其两种情势

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

2
变态台阶难点

四只青蛙贰回能够跳上1级台阶,也得以跳上2级……它也足以跳上n级。求该青蛙跳上二个n级的阶梯总共有个别许种跳法。

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

3
矩形覆盖

作者们能够用2*1的小矩形横着依旧竖着去覆盖更大的矩形。请问用n个2*1的小矩形无重叠地掩盖3个2*n的大矩形,总共有多少种方式?

第2*n个矩形的遮盖格局等于第3*(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

在一个m行n列二维数组中,每一行都遵从从左到右递增的逐条排序,每一列都根据从上到下递增的依次排序。请完毕三个函数,输入那样的一个二维数组和一个整数,判断数组中是还是不是包括该整数。

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]

面试官提到的,先排序然后删除.

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
创立字典的办法

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
合并多少个静止列表

腾讯网远程面试供给编制程序

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#求八个链表长度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  钱币对应的花色数#money 
找出来的总钱数#coinsUsed 
对应于近年来货币总数i所使用的硬币数目forcentsinrange(1, money+1):       
minCoins=cents#从第三个起来到money的享有情状开首forvalueinvalues:ifvalue<=cents: 
              temp=coinsUsed[cents-value]+1iftemp

13
广度遍历和纵深遍历二叉树

给定一个数组,营造二叉树,并且按层次打印这一个二叉树

## 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

深度遍历改变种种就OK了

18
求最大树深

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

19
求两棵树是不是一律

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()

那里先清楚下函数参数里面包车型客车self和cls.那一个self和cls是对类也许实例的绑定,对于一般的函数来说我们可以如此调用foo(x),那个函数就是最常用的,它的工作跟任何事物(类,实例)非亲非故.对于实例方法,大家领会在类里每一回定义方法的时候都须求绑定这几个实例,正是foo(self,
x),为啥要那样做呢?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,调用的时候是那般的a.foo(x)(其实是foo(a,
x)).类方法同样,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,但是python的预订是那俩,依然不要改的好.

对于静态方法其实和常见的法子一致,不需求对何人实行绑定,唯一的区分是调用的时候须要利用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)

越多关于那一个标题:http://stackoverflow.com/questions/136097/what-is-the-difference-between-staticmethod-and-classmethod-in-python

看四个例证:

Python语言特色

一 、Python的函数参数字传送递

看五个例子:

a = 1

def fun(a):

a = 2

fun(a)

print a # 1

a = []

def fun(a):

a.append(1)

fun(a)

print a # [1]

装有的变量都得以驾驭是内部存款和储蓄器中二个对象的“引用”,或许,也足以看似c中void*的感觉。

经过id来看引用a的内部存款和储蓄器地址能够相比明白:

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:具体的值在差异电脑上运营时或然两样。

能够看出,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对象的各州的地方变成了2以此实体对象的内存地址。

而第一个例子a引用保存的内部存款和储蓄器值就不会爆发变化:

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]

此间记住的是种类是属于对象的,而不是变量。而目的有三种,“可更改”(mutable)与“不可更改”(immutable)对象。在python中,strings,
tuples, 和numbers是不可改变的指标,而 list, dict, set
等则是足以修改的靶子。(那就是以此题材的严重性)

当三个引用传递给函数的时候,函数自动复制一份引用,这些函数里的引用和异地的引用没有半毛关系了.所以第2个例子里函数把引用指向了八个不可变对象,当函数重回的时候,外面包车型地铁引用没半毛感觉.而第二个例证就不一样等了,函数内的引用指向的是可变对象,对它的操作就和定点了指针地址一样,在内部存款和储蓄器里开始展览修改.

二 、Python中的元类(metaclass)

以此可怜的不常用,可是像OKugaM那种复杂的布局依然会须求的,教程就不详细介绍了。

三、 @staticmethod和@classmethod

Python其实有三个主意,即静态方法(staticmethod),类措施(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()

此地先掌握下函数参数里面包车型客车self和cls.那几个self和cls是对类恐怕实例的绑定,对于一般的函数来说我们能够那样调用foo(x),那几个函数正是最常用的,它的做事跟其余事物(类,实例)无关.对于实例方法,大家了然在类里每一回定义方法的时候都亟需绑定那几个实例,正是foo(self,
x),为何要这么做啊?因为实例方法的调用离不开实例,我们须求把实例自身传给函数,调用的时候是这么的a.foo(x)(其实是foo(a,
x)).类方法同样,只然则它传递的是类而不是实例,A.class_foo(x).注意那里的self和cls能够替换别的参数,可是python的预订是那俩,还是不要改的好.

对此静态方法其实和普通的情势同样,不供给对何人进行绑定,唯一的差别是调用的时候要求选择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)

肆 、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(也正是说,它们不是单身分配给种种实例的)。例如下例中,num_of_instance
便是类变量,用于跟踪存在着多少个Test 的实例。

实例变量:

实例化之后,各类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

补偿的事例

class Person:

name=”aaa”

p1=Person()

p2=Person()

p1.name=”bbb”

print p1.name # bbb

print p2.name # aaa

print Person.name # aaa

此间p1.name=”bbb”是实例调用了类变量,那实际和方面第一个难题一样,正是函数字传送参的标题,p1.name一早先是指向的类变量name=”aaa”,不过在实例的效率域里把类变量的引用改变了,就改成了八个实例变量,self.name不再引用Person的类变量name了.

能够看看上边包车型客车例证:

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

这些也是python彪悍的天性.

反思正是面向对象的语言研讨所写的主次在运作时,所能知道对象的类型.简单一句正是运转时亦可收获对象的类型.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

6、字典推导式

或是您见过列表推导时,却从没见过字典推导式,在2.7中才投入的:

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,用来分别其余用户自定义的命名,避防争执,正是比如说__init__(),__del__(),__call__()那些独特措施

_foo:一种约定,用来钦定变量私有.程序员用来钦定个人变量的一种格局.不能够用from
module import * 导入,别的方面和国有一样访问;

__foo:那么些有实在的意义:解析器用_classname__foo来代替那么些名字,以分别和其余类相同的命名,它无法直接像公有成员一致随便访问,通过对象名._类名__xxx那样的情势得以访问.

⑦ 、字符串格式化:%和.format

.format在诸多下边看起来更便利.对于%最烦人的是它不也许同时传递多个变量和元组.你也许会想下边包车型地铁代码不会有哪些难点:

“hi there %s” % name

但是,假设name恰好是(1,2,3),它将会抛出2个TypeError非常.为了保险它总是不错的,你不能够不这么做:

“hi there %s” % (name,) # 提供2个单成分的数组而不是三个参数

可是多少丑..format就不曾那一个难题.你给的第2个难点也是如此,.format美观多了.

您怎么不要它?

  • 不通晓它(在读这么些前边)
  • 为了和Python2.5合作(譬如logging库提出使用%(issue #4))

捌 、迭代器和生成器

stackoverflow里python排行第1的难点,能够参见一下,有英文版也有中文版的。

此地有个关于生成器的创立难点面试官有考: 问: 将列表生成式中[]改变()
之后数据结构是还是不是改变? 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>

经过列表生成式,可以直接创制三个列表。不过,受到内部存款和储蓄器限制,列表体量肯定是少数的。而且,创设二个涵盖百万成分的列表,不仅是并吞极大的内部存款和储蓄器空间,如:大家只须求拜访前边的几个要素,前边大多数要素所占的半空中都是荒废的。由此,没有供给创制完整的列表(节省大批量内部存款和储蓄器空间)。在Python中,我们得以行使生成器:边循环,边总计的编写制定—>generator

九、*args and **kwargs

用*args和**kwargs只是为了有利于并不曾强制行使它们.

当你不分明你的函数里即将传递多少参数时您可以用*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’)

  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

您也足以混着用.命名参数首先得到参数值然后具备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能够而且在函数的定义中,不过*args必须在**kwargs前面.

当调用函数时你也得以用*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

就如您看到的一模一样,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*.

十 、面向切面编制程序AOP和装饰器

以此AOP一听起来有点懵,同学面阿里的时候就被问懵了…

装饰器是八个很盛名的设计形式,经常被用来有切面须要的气象,较为经典的有插入日志、质量测试、事务处理等。装饰器是缓解那类难点的绝佳设计,有了装饰器,大家就能够抽离出大气函数中与函数功效本身非亲非故的一模一样代码并连任起用。归纳的讲,装饰器的作用正是为曾经存在的靶子添加额外的功力。

十① 、鸭子类型

“当看到三头鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子,那么那只鸟就足以被喻为鸭子。”

作者们并不保护对象是如何品种,到底是还是不是鸭子,只关注行为。

诸如在python中,有广大file-like的事物,比如StringIO,GzipFile,socket。它们有无数一样的方式,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时接纳,非凡灵活,使得python不想java这样专门去弄一大堆的设计方式。

十二、Python中重载

函数重载首要是为了缓解多个难题。

  1. 可变参数类型。
  2. 可变参数个数。

别的,三个主旨的宏图标准是,仅仅当八个函数除了参数类型和参数个数分裂以外,其效用是完全相同的,此时才使用函数重载,要是多个函数的功效实在比不上,那么不应有使用重载,而相应使用三个名字不一致的函数。

好吧,那么对于意况 1 ,函数作用雷同,不过参数类型分歧,python
怎么样处理?答案是有史以来不供给处理,因为 python
还不错任何项目的参数,若是函数的机能雷同,那么不一致的参数类型在 python
中很可能是千篇一律的代码,没有要求做成多少个不等函数。

那正是说对于情况 2 ,函数效能雷同,但参数个数差异,python
怎样处理?我们领悟,答案正是缺省参数。对那2个贫乏的参数设定为缺省参数即可缓解难点。因为您若是函数作用雷同,那么那个紧缺的参数究竟是必要用的。

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

十③ 、新式类和旧式类

其一面试官问了,我说了老半天,不知晓他问的着实意图是什么.

stackoverflow

最新类很早在2.2就出现了,所以旧式类完全是匹配的标题,Python3里的类全体都是新式类.那里有一个MRO难点能够了然下(新式类是广度优先,旧式类是深浅优先),<Python核心编制程序>里讲的也很多.

三个旧式类的纵深优先的例子

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

根据经典类的查找顺序从左到右深度优先的平整,在造访d.foo1()的时候,D那几个类是不曾的..那么往上摸索,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__真的很少见到,先做摸底吧.

  1. __new__是三个静态方法,而__init__是多少个实例方法.
  2. __new__方法会重临一个成立的实例,而__init__什么样都不再次来到.
  3. 只有在__new__回去一个cls的实例时前面包车型地铁__init__才能被调用.
  4. 当创造一个新实例时调用__new__,发轫化三个实例时用__init__.

stackoverflow

ps:
__metaclass__是开创类时起效能.所以大家得以独家选用__metaclass__,__new__和__init__来分别在类创设,实例创造和实例开首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方式。在它的着力结构中只含有四个被喻为单例类的极度类。通过单例形式能够保险系统中二个类唯有1个实例而且该实例易于外界访问,从而利于对实例个数的主宰并节约系统财富。借使期待在系统中有些类的对象只好存在3个,单例形式是最佳的消除方案。

__new__()在__init__()此前被调用,用于转移实例对象。利用那一个办法和类的个性的特征能够兑现设计形式的单例格局。单例情势是指成立唯一指标,单例形式设计的类只可以实例
这些相对常考啊.相对要记住1~3个方法,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

创办实例时把富有实例的__dict__本着同三个字典,那样它们拥有同样的性质和方法.

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

作为python的模块是天生的单例方式

# mysingleton.py

class My_Singleton(object):

def foo(self):

pass

my_singleton = My_Singleton()

# to use

from mysingleton import my_singleton

my_singleton.foo()

十陆 、 Python中的成效域

Python 中,八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 蒙受2个变量的话他会遵照那样的各类举办查找:

当地功用域(Local)→当前功能域被停放的地面功能域(Enclosing
locals)→全局/模块功能域(Global)→内置成效域(Built-in)

十七 、 GIL线程全局锁

线程全局锁(Global Interpreter
Lock),即Python为了保障线程安全而接纳的独立线程运转的限定,说白了正是二个核只可以在同一时半刻间运维1个线程.对于io密集型职分,python的四线程起到效果,但对此cpu密集型职责,python的多线程差不离占不到别的优势,还有大概因为争夺财富而变慢。

见Python 最难的难点

搞定办法正是多进度和下部的协程(协程也只是单CPU,可是能减小切换代价升高质量).

十八、协程

新浪被问到了,呵呵哒,跪了

总结点说协程是经过和线程的升级版,进度和线程都面临着内核态和用户态的切换难题而消耗见惯不惊切换时间,而协程就是用户自个儿主宰切换的空子,不再必要陷入系统的根本态.

Python里最常见的yield就是协程的思维!能够查阅第12个难题.

十九、闭包

闭包(closure)是函数式编程的要紧的语法结构。闭包也是一种集体代码的组织,它同样增进了代码的可另行使用性。

当1个内嵌函数引用其外表作功效域的变量,大家就会取得二个闭包.
总计一下,创制一个闭包必须满足以下几点:

  1. 非得有贰个内嵌函数
  2. 内嵌函数必须引用外部函数中的变量
  3. 外表函数的重返值必须是内嵌函数

感觉到闭包依然有难度的,几句话是说不精通的,如故印证相关资料.

主即使函数运维后并不会被打消,就如16题的instance字典一样,当函数运维完后,instance并不被灭绝,而是继续留在内部存款和储蓄器空间里.那个效应相近类里的类变量,只可是迁移到了函数上.

闭包就像是个空心球一样,你驾驭外面和在那之中,但您不明白中间是怎样样.

二十、lambda函数

实际上正是一个匿名函数,为啥叫lambda?因为和前边的函数式编程有关.

推荐: 知乎

二十① 、 Python函数式编制程序

以此供给格外的打听一下啊,毕竟函数式编程在Python中也做了引用.

推荐: 酷壳

python中等高校函授数式编制程序补助:

filter
函数的成效也就是过滤器。调用一个布尔函数bool_func来迭代遍历各个seq中的成分;重返三个使bool_seq重返值为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函数是对二个行列的每一个项依次执行函数,上面是对叁个队列各样项都乘以2:

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

>>> list(a)

[2, 4, 6]

reduce函数是对二个队列的每一个项迭代调用函数,下边是求3的阶乘:

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

6

二十二 、Python里的正片

引用和copy(),deepcopy()的区别

import copy

a = [1, 2, 3, 4, [‘a’, ‘b’]] #原来对象

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

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’]]

二十叁 、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。在引用计数的底蕴上,通过“标记-清除”(mark
and
sweep)化解容器对象或许产生的大循环引用难点,通过“分代回收”(generation
collection)以空间换时间的方式进步垃圾回收功用。

1 引用计数

PyObject是各类对象必有的内容,在那之中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就会大增,当引用它的目的被删除,它的ob_refcnt就会减弱.引用计数为0时,该目的生命就得了了。

优点:

  1. 简单
  2. 实时性

缺点:

  1. 护卫引用计数消耗财富
  2. 巡回引用

2 标记-清除机制

基本思路是先按需分配,等到没有空余内存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,把具有能够访问到的靶子打上标记,然后清扫2遍内部存款和储蓄器空间,把具备没标记的对象释放。

3 分代技术

分代回收的总体思想是: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区别的聚集,各样集合就改成三个“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几回垃圾回收来衡量。

Python默许定义了三代对象集合,索引数越大,对象共处时间越长。

比喻:
当有个别内部存款和储蓄器块M经过了贰回垃圾收集的涤荡之后还存世时,我们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。当垃圾收集起来工作时,大部分意况都只对集合B举办垃圾回收,而对集合A进行垃圾回收要隔不长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部存款和储蓄器少了,功能自然就加强了。在那个进度中,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转移到集合A中,当然,集合A中实际上也存在一些废物,那一个杂质的回收会因为那种分代的建制而被延缓。

二十四、Python的List

详细教程网上海人民广播电视台大的,内容有点多,笔者就不一一列出来了。

二十五、Python的is

is是相对而言地址,==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 读取整个文件到一个迭代器以供我们遍历

二十七、 Python2和3的区别

引进:Python 2.7.x 与 Python 3.x 的显要差异

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

都在循环时选择,xrange内部存款和储蓄器品质更好。 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

类变量就是供类使用的变量,实例变量正是供实例使用的.

那边p1.name=”bbb”是实例调用了类变量,那实在和方面第三个难题同样,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”,可是在实例的功效域里把类变量的引用改变了,就成为了一个实例变量,self.name不再引用Person的类变量name了.

==能够看看上面包车型客车例证: (need check)==
==python中list是mutable的类变量, 实例化之后也是mutable的,
所以对第三个实例的name操作, 也会挑起类变量以及此外的实例中list的更改==

==怎么样制止==

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

实际上全部的I/O都以轮询的点子,只可是达成的框框区别罢了.

那么些题材或然有点深切了,但相信能应对出这么些难点是对I/O多路复用有很好的打听了.当中tornado使用的正是epoll的.

selec,poll和epoll分化总计

基本上select有3个缺点:

  1. 连接数受限
  2. 寻找配对进程慢
  3. 多少由基本拷贝到用户态

poll改善了第几个缺陷

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. 时间片轮转(卡宴XC60, Round 罗布in)
  • 成千成万反馈队列调度(multilevel feedback queue scheduling)

实时调度算法:

  1. 最早结束时间优先 EDF
  2. 低于松弛度优先 LLF

三、死锁

原因:

  1. 竞争资源
  2. 先后推进种种不当

供给条件:

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

拍卖死锁基本办法:

  1. 谨防死锁(放弃除1以外的规格)
  2. 制止死锁(银行家算法)
  3. 检查和测试死锁(能源分配图)
  4. 免除死锁
  5. 剥夺财富
  6. 收回进程

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进程可以解释为6个步骤:预处理(Prepressing),
编写翻译(Compilation)、汇编(Assembly)、链接(Linking)

python自省

本条也是python彪悍的天性.

扪心自问正是面向对象的言语所写的主次在运作时,所能知道对象的类型.不难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

预编写翻译进程首要处理那么些源文件中的以“#”早先的预编写翻译指令,主要处理规则有:

  1. 将享有的“#define”删除,并开始展览所用的宏定义
  2. 处理全部规则预编写翻译指令,比如“#if”、“#ifdef”、 “#elif”、“#endif”
  3. 处理“#include”预编写翻译指令,将被含有的公文插入到该编写翻译指令的职位,注:此进程是递归进行的
  4. 剔除全部注释
  5. 添加行号和文书名标识,以便于编写翻译时编写翻译器爆发调节和测试用的行号音讯以及用于编写翻译时产生编写翻译错误或警示时可显示行反革命号
  6. 保存全部的#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件举办一密密麻麻的词法分析、语法分析、语义分析及优化后转变对应的汇编代码文件。那一个历程是总体程序塑造的宗旨部分。

三、汇编

汇编器是将汇编代码转化成机器能够举办的指令,每一条汇编语句差不离都以一条机器指令。经过编写翻译、链接、汇编输出的文本成为目的文件(Object
File)

四、链接

链接的基本点内容正是把各类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凑。
链接的首要进程包块 地址和空中的分配(Address and Storage
Allocation)、符号决议(Symbol Resolution)和重定位(Relocation)等步骤。

伍 、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方始就实现动态链接,而是直到真正调用动态库代码时,载入程序才总结(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,程序又必要调用别的某块动态代码时,载入程序又去总括那有些代码的逻辑地址,所以,那种措施使程序伊始化时间较短,但运行时期的属性不比静态链接的程序

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功用和沟通功用,能从逻辑上对内部存款和储蓄器体积加以扩充的一种存款和储蓄系统.

⑦ 、分页和分层

分页:
用户程序的地点空间被分割成多少稳定大小的区域,称为“页”,相应地,内部存款和储蓄器空间分成若干个物理块,页和块的分寸相等。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。

支行:
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可以不相邻接,也兑现了离散分配。

分页与分支的要害差异

  1. 页是新闻的大体单位,分页是为了落到实处非三番五次分配,以便消除内存碎片难题,大概说分页是出于系统一管理理的急需.段是音信的逻辑单位,它包蕴一组意义相对完好的音讯,分段的目标是为着更好地落到实处共享,满意用户的须要.
  2. 页的轻重固定,由系统分明,将逻辑地址划分为页号和页各州址是由机械硬件完毕的.而段的长短却不定点,决定于用户所编纂的次序,日常由编写翻译程序在对源程序开始展览编写翻译时依据消息的本性来划分.
  3. 分页的作业地址空间是一维的.分段的地方空间是二维的.

捌 、页面置换算法

  1. 最好置换算法OPT:不容许完结
  2. 先进先出FIFO
  3. 不久前最久未选择算法LRU:目前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出3个 io
事件,条件触发是只要满意条件就发生一个 io 事件

字典推导式:

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

你能够用别的格局的迭代器(元组,列表,生成器..),只要可迭代对象的因素中有多个值.

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)))

有着的变量都得以领略是内存中2个指标的“引用”,可能,也足以看似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层层操作,要么完全地推行,要么完全地不实行。

彻底领略数据库事务详细教程一搜一大把,能够自动物检疫索一下。

贰 、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. 是多个全然开源免费的key-value内部存储器数据库
  2. 见惯不惊被认为是一个数据结构服务器,重假若因为其有着足够的数据结构
    strings、map、 list、sets、 sorted sets

Redis数据库

​平常局限点来说,Redis也以音讯队列的格局存在,作为内嵌的List存在,满意实时的高并发要求。在运用缓存的时候,redis比memcached具有越多的优势,并且支持越来越多的数据类型,把redis当作3个中间存款和储蓄系统,用来处理高并发的数据库操作

  • 进程快:使用标准C写,全体数据都在内部存储器中形成,读写速度分别完成10万/20万
  • 持久化:对数据的翻新选择Copy-on-write技术,能够异步地保存到磁盘上,重要有三种政策,一是基于时间,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)
  • 活动操作:对不一致数据类型的操作都以机动的,很安全
  • 快快的主–从复制,官方提供了2个数码,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多个Redis实例中,数据库的扩张是个稳定的话题,在关系型数据库中,首借使以增加硬件、以分区为根本技术格局的纵向扩充化解了成百上千的使用场景,但随着web2.0、移动网络、云总括等接纳的起来,那种扩充方式已经不太相符了,所以近日,像选拔主从配置、数据库复制形式的,Sharding那种技术把负载分布到四个特理节点上去的横向扩充格局用处愈来愈多。

Redis缺点

  • 是数据水库蓄水容量量受到物理内部存储器的界定,不能够用作海量数据的高质量读写,因而Redis适合的情状首要局限在较小数据量的高品质操作和平运动算上。
  • Redis较难支撑在线扩容,在集群体量高达上限时在线扩大容积会变得很复杂。为幸免这一标题,启动人士在系统上线时务必确认保证有丰裕的半空中,这对能源造成了非常的大的浪费。

四 、乐观锁和悲观锁

杞天之忧锁: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

有望锁:假如不会时有产生并发争辩,只在提交操作时检查是还是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,各类读操作会看到1个一致性的snapshot,并且能够完毕非阻塞的读。MVCC允许数据具有多少个版本,那些本子能够是时刻戳大概是全局递增的工作ID,在同二个时间点,差别的作业看到的数目是见仁见智的。

MySQL的innodb引擎是怎么实现MVCC的

innodb会为每一行添加七个字段,分别表示该行创造的本子和删除的本子,填入的是事情的版本号,这么些版本号随着事情的创建不断递增。在repeated
read的割裂级别(事务的隔开级别请看那篇小说)下,具体各个数据库操作的兑现:

  • select:知足以下八个尺码innodb会再次回到该行数据:
  • 该行的创导版本号小于等于当前版本号,用于有限帮忙在select操作此前全数的操作已经推行落地。
  • 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贰个现身事务将该行删除了。
  • insert:将新插入的行的创制版本号设置为当前系统的版本号。
  • delete:将要删除的行的去除版本号设置为日前系统的版本号。
  • update:不进行原地update,而是转换来insert +
    delete。将旧行的删减版本号设置为当前版本号,并将新行insert同时设置创制版本号为当下版本号。

其间,写操作(insert、delete和update)执行时,须要将系统版本号递增。

​由于旧数据并不真的的去除,所以必须对那些多少开始展览清理,innodb会开启一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,那个历程叫做purge。

透过MVCC很好的贯彻了工作的隔绝性,可以完毕repeated
read级别,要兑现serializable还必须加锁。

参考:MVCC浅析

六、MyISAM和InnoDB

MyISAM
适合于一些急需多量询问的运用,但其对于有雅量写操作并不是很好。甚至你只是内需update五个字段,整个表都会被锁起来,而其余进度,就终于读过程都不可能操作直到读操作达成。此外,MyISAM
对于 SELECT COUNT(*) 那类的乘除是超快无比的。

InnoDB 的大方向会是一个分外复杂的积存引擎,对于某些小的利用,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

那篇文章商量Python中下划线_的运用。跟Python中许多用法类似,下划线_的例外用法绝当先五成(不全是)都以一种规矩约定。

因此id来看引用a的内部存款和储蓄器地址能够相比精晓:

网络

壹 、 贰次握手

  1. 客户端通过向劳动器端发送三个SYN来创建二个能动打开,作为三回握手的一有个别。客户端把那段连接的序号设定为私下数
    A。
  2. 服务器端应当为1个法定的SYN回送叁个SYN/ACK。ACK 的确认码应为
    A+1,SYN/ACK 包本人又有多个任意序号 B。
  3. 终极,客户端再发送一个ACK。当服务端受到那个ACK的时候,就做到了三路握手,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 、7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. 客户端发送八个数量分段, 当中的 FIN 标记设置为1. 客户端进入 FIN-WAIT
    状态. 这一场地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 的数额分段, 发送带有 ACK = 1
    的剩下数量分段, 确认收到客户端发来的 FIN 音信.
  3. 服务器等到拥有数据传输截至, 向客户端发送七个饱含 FIN = 1 的数额分段,
    并进入 CLOSE-WAIT 状态, 等待客户端发来含有 ACK = 1 的承认报文.
  4. 客户端收到服务器发来含有 FIN = 1 的报文, 再次回到 ACK = 1 的报文确认,
    为了预防服务器端未收到要求重发, 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.

三、ARP协议

地点解析协议(Address Resolution
Protocol),其基本功用为通过指标设备的IP地址,查询指标的MAC地址,以保险通讯的顺遂实行。它是IPv4网络层必不可少的协议,不过在IPv6中已不复适用,并被左邻右舍发现协议(NDP)所替代。

四、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.

  1. urllib提供urlencode方法用来GET查询字符串的爆发,而urllib2没有。那是干吗urllib常和urllib2一起利用的缘故。
  2. urllib2可以接受3个Request类的实例来设置UEvoqueL请求的headers,urllib仅还可以U途达L。那代表,你不能伪装你的User
    Agent字符串等。

五、Post和Get

GET和POST有何分别?及为何网上的当先二分之一答案都是错的 微博回答

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目标跟踪会话,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技术是要利用到cookie的,之所以现身session技术,主倘诺为了安全。

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 占用更少的内存及能源
  • 抗并发,nginx 处理请求是异步非阻塞的,协助越来越多的产出连接,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
  • 布署简洁
  • 惊人模块化的统一筹划,编写模块相对不难
  • 社区活泼

apache 相对nginx 的优点:

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

⑧ 、 网站用户密码保存

  1. 公共地方保存
  2. 明文hash后保存,如md5
  3. MD5+Salt情势,那个salt能够私自
  4. 乐乎使用了Bcrypy(好像)加密

九、 HTTP和HTTPS

状态码定义1xx 报告吸收接纳到请求,继续进程2xx
得逞步骤成功接到,被清楚,并被接受3xx
重定向为了实现请求,必须利用特别措施4xx
客户端出错请求包涵错的一一或不可能不负众望5xx
服务器出错服务器无法形成显明有效的伸手

403: Forbidden 404: Not Found

HTTPS握手,对称加密,非对称加密,TLS/SSL,途胜SA

十、 XSRF和XSS

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

CSPAJEROF重点在呼吁,XSS重点在本子

十一、幂等 Idempotence

HTTP方法的幂等性是指三回和频仍伸手某2个能源应该有所相同的副成效。(注意是副功能)

不会变动财富的动静,不论调用二次依旧N次都并未副作用。请留意,那里强调的是贰次和N次具有同样的副效用,而不是历次GET的结果一致。

其一HTTP请求大概会每回得到差异的结果,但它本身并不曾生出别的副功用,因此是满足幂等性的。

DELETE方法用于删除财富,有副功效,但它应有满足幂等性。

调用二回和N次对系统发生的副成效是一样的,即删掉id为4231的帖子;由此,调用者可以屡屡调用或刷新页面而不用顾虑引起错误。

POST所对应的UEscortI并非创设的财富自己,而是能源的接收者。

HTTP响应中应蕴涵帖子的开创状态以及帖子的UGL450I。五次相同的POST请求会在劳务器端成立两份财富,它们持有差别的UEnclaveI;所以,POST方法不抱有幂等性。

PUT所对应的U福特ExplorerI是要开创或更新的能源本人。比如:PUT

十二、RESTful架构(SOAP,RPC)

详细教程能够在网上检索一下

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)是换来数据的一种协议正式,使用在电脑互联网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数据库中提取数据时,节省去格式化页面时间,以及差别应用程序之间根据HTTP通讯协议,遵循XML格式执行资料交换,使其抽象于言语达成、平台和硬件。

十四、RPC

CRUISERPC(Remote Procedure Call
Protocol)——远程进度调用协议,它是一种通过互连网从远程总计机程序上呼吁服务,而不要求领悟底层网络技术的商议。福特ExplorerPC合计要是有些传输协议的存在,如TCP或UDP,为通讯程序之间教导新闻数量。在OSI互联网通讯模型中,PRADOPC跨越了传输层和应用层。奥迪Q3PC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.古板意义以艺术调用为导向通称PRADOPC。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.当互连网年代,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,任何操作无非是对能源的增加和删除改查,于是统一的REST出现了.

迈入的各样: GL450PC -> SOAP -> RESTful

十五、CGI和WSGI

CGI是通用网关接口,是三番五次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程序是多个单独的顺序,它能够用大致拥有语言来写,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的个中1个目标正是让用户能够用联合的言语(Python)编写前后端。

法定认证:PEP-3333

十6、中间人抨击

在GFW里屡见不鲜的,呵呵.

高级中学档人抨击(Man-in-the-middle
attack,常常缩写为MITM)是指攻击者与广播发表的双方分别创制独立的关联,并调换其所吸收的数码,使通信的多头认为她们正在通过1个私密的连天与对方直接对话,但实际上整个会话都被攻击者完全控制。

十七、 c10k问题

所谓c10k难点,指的是服务器同时扶助广大个客户端的难点,也正是concurrent
10 000 connection(那也是c10k以此名字的原故)。

十八、socket

详细教程作者就不一一列举了,大家能够活动物检疫索一下。

十⑨ 、浏览器缓存

详见教程小编就不一一列举了,大家能够自动物检疫索一下。

304 Not Modified

二十、 HTTP1.0和HTTP1.1

  1. 请求头Host字段,一个服务器多个网站
  2. 长链接
  3. 文件断点续传
  4. 地方申明,状态管理,Cache缓存

HTTP请求8种艺术介绍
HTTP/1.1协商业中学国共产党定义了8种HTTP请求方法,HTTP请求方法也被叫做“请求动作”,分化的办法规定了区别的操作钦定的能源格局。服务端也会基于区别的请求方法做分化的响应。

GET

GET请求会展现请求钦点的资源。一般的话GET方法应该只用于数据的读取,而不该用于会产生副功用的非幂等的操作中。

GET会办法请求钦定的页面音讯,并回到响应中央,GET被认为是不安全的法门,因为GET方法会被网络蜘蛛等任意的造访。

HEAD

HEAD方法与GET方法同样,都是向服务器发出钦定财富的请求。可是,服务器在响应HEAD请求时不会回传财富的内容部分,即:响应中央。这样,大家得以不传输全部内容的意况下,就能够拿到服务器的响应头音信。HEAD方法常被用来客户端查看服务器的性质。

POST

POST请求会
向钦命能源提交数据,请求服务器实行处理,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方法是非幂等的点子,因为这么些请求恐怕会创制新的财富或/和改动现有财富。

PUT

PUT请求会身向钦点能源职分上传其最新内容,PUT方法是幂等的方法。通过该情势客户端可以将点名财富的风行数据传送给服务器代替钦赐的财富的内容。

DELETE

DELETE请求用于请求服务器删除所请求U瑞鹰I(统一能源标识符,Uniform Resource
Identifier)所标识的财富。DELETE请求后内定能源会被删去,DELETE方法也是幂等的。

CONNECT

CONNECT方法是HTTP/1.1磋商预留的,能够将三番五次改为管道情势的代理服务器。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,一般也是用以客户端查看服务器的性质。
这些方法会请求服务器重回该财富所帮忙的享有HTTP请求方法,该方法会用’*’来代表能源名称,向服务器发送OPTIONS请求,可以测试服务器功效是或不是健康。JavaScript的XMLHttpRequest对象开始展览COPAJEROS跨域资源共享时,正是行使OPTIONS方法发送嗅探请求,以判断是还是不是有对点名财富的访问权限。
允许

TRACE

TRACE请求服务器回显其吸收的伸手消息,该办法主要用于HTTP请求的测试或确诊。

HTTP/1.1以往扩大的法门

在HTTP/1.1规范制订之后,又陆续扩充了有个别方法。个中使用中较多的是 PATCH
方法:

PATCH

PATCH方法出现的较晚,它在2008年的PRADOFC
5789规范中被定义。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一般用于能源的部分更新,而PUT一般用来能源的总体制改善进。
当能源不存在时,PATCH会创立二个新的财富,而PUT只会对已在能源开始展览翻新。

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的气象下,与服务器调换数据并更新部分网页的技艺。

单下划线(_)

重要有二种状态:

  1. 解释器中

_标志是指互相解释器中最后一遍实施语句的回到结果。这种用法最初出现在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

其一跟上边有点类似。_用作被撇下的称谓。根据惯例,那样做能够让阅读你代码的人知晓,那是个不会被应用的特定称谓。举个例子,你恐怕无所谓2个循环计数的值:

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

_还足以被用作函数名。那种场地,单下划线平日被用作国际化和本土化字符串翻译查询的函数名。那种惯例好像起点于C语言。举个例子,在
Django documentation for translation 中你大概会看出:

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

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

第三种和第壹种用法会引起争辩,所以在自由代码块中,假若接纳了_作i18n翻译查询函数,就相应防止再用作被吐弃的变量名。

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):管道可用于全数亲缘关系进度间的通讯,允许2个过程和另1个与它有一块祖先的进程之间实行通讯。
  2. 命名管道(named
    pipe):命名管道克制了管道没盛名字的限量,因而,除具有管道所具有的效劳外,它还同意无亲缘关系进程间的通讯。命名管道在文件系统中有相应的文本名。命名管道通过命令mkfifo或系列调用mkfifo来创制。
  3. 信号(Signal):信号是比较复杂的通讯格局,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,进程还是可以够发送信号给进度本人;linux除了帮衬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为了贯彻可信赖信号机制,又能够合并对外接口,用sigaction函数重新达成了signal函数)。
  4. 音信(Message)队列:新闻队列是消息的链接表,包涵Posix音信队列system
    V音信队列。有丰盛权限的经过能够向队列中添加音讯,被赋予读权限的历程则能够读走队列中的音信。新闻队列战胜了信号承载消息量少,管道只好承载无格式字节流以及缓冲区大小受限等缺
  5. 共享内部存款和储蓄器:使得五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格局。是本着任何通讯机制运营作用较低而规划的。往往与任何通讯机制,如信号量结合使用,来实现过程间的联手及互斥。
  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经过间通讯,每1个行使该机制的进程经过把贰个共享的文书映射到温馨的经过地址空间来得以实现它。
  7. 信号量(semaphore):首要用作进程间以及同样进度分裂线程之间的一块手段。
  8. 套接口(Socket):更为相似的经过间通讯机制,可用以区别机器之间的历程间通信。初始是由Unix系统的BSD分支开发出来的,但近日相像能够移植到其余类Unix系统上:Linux和System
    V的变种都帮忙套接字。

单下划线前缀的名称(例如_shahriar)

以单下划线做前缀的称号内定了那么些称号是“私有的”。在 有些 导入import *
的情景中,下一个施用你代码的人(大概你自作者)会分晓那么些称呼仅内部选拔。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.

故而说在在 有个别 import *
的气象,是因为导入时解释器确实对单下划线起头的称呼做了拍卖。假诺你这么写from <module/package> import *,任何以单下划线初步的名目都不会被导入,除非模块/包的__all__列表鲜明涵盖了这一个名称。越来越多相关消息见““Importing * in Python”

注:具体的值在差异电脑上运维时大概两样。

数据结构

红黑树

红黑树与AVL的相比:

AVL是严俊平衡树,由此在加码照旧去除节点的时候,根据不一样意况,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大跌;

因此简单说,假设您的应用中,搜索的次数远远高于插入和删除,那么选拔AVL,假诺搜索,插入删除次数大概大致,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(尤其是措施名)并不是一种规矩;它对解释器有特定含义。Python会改写那一个名称,避防与子类中定义的名目产生争辩。Python
documentation中涉嫌,任何__spam那种方式(至少以五个下划线做起来,绝大多数都还有一个下划线做最后)的标识符,都会文件上被沟通为_classname__spam,个中classname是日前类名,并带上一个下划线做前缀。
看下边那么些例子:

>>> 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没有成形,但__method_name被改写成了_ClassName__method_name。未来创立三个A的子类B(那可不是个好名字),就不会自由的掩盖掉A中的__method_name了:

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

这种特定的作为基本上等价于Java中的final方法和C++中的符合规律艺术(非虚方法)。

能够看出,在举办完a =
2之后,a引用中保留的值,即内存地址发生变化,由原本1目的的街头巷尾的地方变成了2那一个实体对象的内部存款和储蓄器地址。

编程题

① 、台阶难题/斐波那契

2只青蛙一遍可以跳上1级台阶,也能够跳上2级。求该青蛙跳上二个n级的阶梯总共有微微种跳法。

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

其次种回想方法

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)

其几种办法

def fib(n):

a, b = 0, 1

for _ in xrange(n):

a, b = b, a + b

return b

② 、变态台阶难点

一头青蛙二回能够跳上1级台阶,也足以跳上2级……它也足以跳上n级。求该青蛙跳上叁个n级的台阶总共有稍许种跳法。

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

③ 、矩形覆盖

咱俩能够用2*1的小矩形横着只怕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二个2*n的大矩形,总共有微微种办法?

第2*n个矩形的掩盖形式等于第③*(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)

四 、杨氏矩阵查找

在1个m行n列二维数组中,每一行都遵守从左到右递增的一一排序,每一列都根据从上到下递增的各样排序。请达成二个函数,输入那样的多个二维数组和3个整数,判断数组中是还是不是带有该整数。

选择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

柒 、链表成对调换

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、创设字典的主意

1 直接成立

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 、合并五个静止列表

腾讯网远程面试需要编制程序

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:

概念多个新的空列表

相比多少个列表的首个因素

小的就插入到新列表里

把早已插入新列表的成分从旧列表删除

直到三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]

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)

玖 、交叉链表求交点

其实想想能够依据从尾开首相比八个链表,假如相交,则从尾初步必然一致,只要从尾早先比较,直至差异的位置即为交叉点,如图所示

美高梅开户网址 2

 

# 使用a,b三个list来模拟链表,能够看来交叉点是 7这一个节点

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

除此以外一种相比较正式的不二法门,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

# 求多个链表长度

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

修改了眨眼之间间:

#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

#倘若相交

if l1.next == l2.next:

# 长的链表先走

if length1 > length2:

for _ in range(length1 – length2):

l1 = l1.next

return l1#回来交点

else:

for _ in range(length2 – length1):

l2 = l2.next

return l2#回到交点

# 倘诺不相交

else:

return

⑩ 、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])

愈多排序难题凸现:数据结构与算法-排序篇-Python描述

十② 、找零难点

#coding:utf-8

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

#valuesCounts 钱币对应的项目数

#money 找出来的总钱数

#coinsUsed 对应于最近货币总数i所使用的硬币数目

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

#遍历出从1到money全部的钱数只怕

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

minCoins = cents

#把拥有的硬币面值遍历出来和钱数做相比

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]))

十③ 、广度遍历和纵深遍历二叉树

给定三个数组,创设二叉树,并且按层次打印这么些二叉树

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)))

十五 、 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]

十6、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)

十柒 、 前中后序遍历

深度遍历改变各样就OK了

#coding:utf-8

#二叉树的遍历

#简单的二叉树节点类

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)

#走访当前节点

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

十玖 、求两棵树是不是相同

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 、 多个字符串是还是不是是变位词

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

可参考:动态规划(DP)的重新整建-Python描述

 

内外都富含双下划线的称谓(例如__init__

那么些是Python的奇异措施名,那唯有是一种规矩,一种保证Python系统中的名称不会跟用户自定义的名称产生争辩的不二法门。平时你能够覆写这一个方法,在Python调用它们时,发生你想得到的行事。例如,当写贰个类的时候日常会覆写__init__方法。
您也得以写出自个儿的“特殊措施”名(然而别那样做):

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

要么不要这么写方法名,只让Python定义的异样措施名使用那种惯例吧。

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3个例证a引用保存的内存值就不会发生变化:

字符串格式化:%和.format

.format在许多方面看起来更便利.对于%最烦人的是它无法同时传递叁个变量和元组.你大概会想下边包车型客车代码不会有哪些难题:

hi there %s" % name

唯独,要是name恰好是(1,2,3),它将会抛出贰个TypeError极度.为了确定保障它总是不错的,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就从未有过那么些难点.你给的第二个难题也是那般,.format赏心悦目多了.

您干什么不要它?

不领会它(在读这一个此前)
为了和Python2.四12分(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

以此是stackoverflow里python排行第①的难题,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

此地记住的是体系是属于对象的,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是不可改变的对象,而 list, dict, set
等则是能够修改的靶子。(那便是以此难题的重庆大学)

Iterables

当您创造了3个列表,你能够1个三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1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

拥有你能够用在for…in…语句中的都以可迭代的:比如lists,strings,files…因为那几个可迭代的对象你能够任意的读取所以分外便于易用,不过你无法不把它们的值放到内部存款和储蓄器里,当它们有众多值时就会成本太多的内部存储器.

当二个引用传递给函数的时候,函数自动复制一份引用,那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2个不可变对象,当函数重回的时候,外面包车型客车引用没半毛感觉.而第四个例证就不相同等了,函数内的引用指向的是可变对象,对它的操作就和定位了指针地址一样,在内部存款和储蓄器里展开修改.

Generators

生成器也是迭代器的一种,但是你不得不迭代它们二次.缘故很简短,因为它们不是成套设有内部存储器里,它们只在要调用的时候在内存里转变:

>>> 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别就是用()代替[],还有你不能用for i in
mygenerator第二回调用生成器: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,直到总计完4.

假定还不亮堂的话,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,上面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

在那边那么些例子好像没什么用,不过当你的函数要回去二个不胜大的联谊并且你愿意只读三次的话,那么它就12分的有利了.

要驾驭Yield你必须先通晓当你调用函数的时候,函数里的代码并从未运营.函数仅仅重临生成器对象,那就是它最微妙的地点:-)

下一场呢,每当for语句迭代生成器的时候你的代码才会运营.

于今,到了最难的某个:

当for语句第1次调用函数里重回的生成器对象,函数里的代码就起初运营,直到遭遇yield,然后会回到这次巡回的率先个再次回到值.所以下贰次调用也将运维2回循环然后回来下多少个值,直到没有值能够再次来到.

就算函数运转并不曾际遇yeild语句就以为生成器已经为空了.原因有也许是循环停止恐怕尚未知足if/else之类的.

2
Python中的元类(metaclass)

Itertools你的好基友

itertools模块包括了一部分与众差别的函数能够操作可迭代对象.有没有想过复制1个生成器?链接多个生成器?把嵌套列表里的值组织成一个列表?Map/Zip还不用成立另一个列表?

来吧import itertools

来八个例证?让我们看看4匹马比赛有微微个排行结果:

>>> 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)]

接头迭代的在那之中机制

迭代是可迭代对象(对应iter()方法)和迭代器(对应next()方法)的三个进程.可迭代对象就是其余你可以迭代的靶子(废话啊).迭代器就是能够让你迭代可迭代对象的目标(有点绕口,意思就是其一意思)

以此丰盛的不常用,但是像O奥迪Q7M那种复杂的布局依然会必要的,详情请看:http://stackoverflow.com/questions/100003/what-is-a-metaclass-in-python

*args and **kwargs

用*args和**kwargs只是为着便于并没有强制行使它们.

当您不分明你的函数里即将传递多少参数时你能够用*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允许你使用没有先行定义的参数名:

>>> 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末尾。

3
@staticmethod和@classmethod

面向切面编制程序AOP和装饰器

以此AOP一听起来有个别懵,同学面Ali的时候就被问懵了…

  • 装饰器正是把别的函数当参数的函数。
    装饰器是贰个很盛名的设计格局,平日被用于有切面须要的场景,较为经典的有插入日志、质量测试、事务处理等。装饰器是化解那类难题的绝佳设计,有了装饰器,大家就足以抽离出大方函数中与函数效率本人非亲非故的平等代码并接二连三起用。归纳的讲,装饰器的效果正是为曾经存在的目的添加额外的功效。

其一难点比较大,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

  • 看贰个简便的例子

# 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):
# 装饰器将赶回新的函数
def wrapper():
# 在事先依旧今后插入新的代码
return “<i>” + fn() + “</i>”
return wrapper

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

print say()

Python其实有2个格局,即静态方法(staticmethod),类措施(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()

这边先知道下函数参数里面的self和cls.这些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如此调用foo(x),那几个函数正是最常用的,它的工作跟其余东西(类,实例)非亲非故.对于实例方法,大家领略在类里每趟定义方法的时候都急需绑定那一个实例,正是foo(self,
x),为何要这么做吗?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,调用的时候是如此的a.foo(x)(其实是foo(a,
x)).类方法一致,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能够轮换别的参数,可是python的预约是那俩,还是不要改的好.

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.

对于静态方法其实和平凡的办法一致,不要求对何人进行绑定,唯一的分别是调用的时候供给利用a.static_foo(x)或者A.static_foo(x)来调用.

新式类

class C(object):
pass

\实例方法类格局静态方法

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’]] #原有对象

b = a #赋值,传对象的引用
c = copy.copy(a) #对象拷贝,浅拷贝,里面包车型客车[]可能引用原来的
d = copy.deepcopy(a) #对象拷贝,深拷贝, 全部的性质引用全体是新的

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。

越多关于那几个题材:

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:


是可在类的有所实例之间共享的值(也便是说,它们不是单独分配给每一个实例的)。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,各类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

增加补充的例证

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,这事实上和上面第一个难点同样,正是函数字传送参的难点,p1.name一起来是指向的类变量name=”aaa”,不过在实例的职能域里把类变量的引用改变了,就变成了2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事例:

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彪悍的天性.

反思正是面向对象的语言所写的顺序在运行时,所能知道对象的类型.简单一句就是运转时可以取得对象的类型.比如type(),dir(),getattr(),hasattr(),isinstance().

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

6
字典推导式

兴许你见过列表推导时,却尚无见过字典推导式,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,用来分别其余用户自定义的命名,以免争持,正是比如说__init__(),__del__(),__call__()那么些卓殊格局

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

__foo:那些有实在的意义:解析器用_classname__foo来取代那么些名字,以界别和其余类相同的命名,它不能直接像公有成员平等随便访问,通过对象名._类名__xxx那样的措施能够访问.

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在广大上面看起来更便利.对于%最烦人的是它不或者同时传递一个变量和元组.你可能会想上边包车型地铁代码不会有啥难点:

“hi there %s” % name

但是,要是name恰好是(1,2,3),它将会抛出1个TypeError非凡.为了保障它总是不错的,你必须那样做:

“hi there %s” % (name,)  # 提供二个单元素的数组而不是二个参数

然则多少丑..format就从未有过这一个难题.你给的第一个难点也是那般,.format赏心悦目多了.

您干吗不要它?

不知道它(在读那个以前)

为了和Python2.5拾叁分(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

以此是stackoverflow里python排行第1的题目,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

那边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[]更改()
之后数据结构是不是变动? 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>

经过列表生成式,能够间接创建二个列表。可是,受到内部存款和储蓄器限制,列表容积肯定是有限的。而且,成立三个带有百万成分的列表,不仅是占有一点都不小的内存空间,如:大家只必要拜访前边的多少个因素,前边半数以上要素所占的上空都以荒废的。因此,没有要求创建完整的列表(节省大量内部存款和储蓄器空间)。在Python中,我们能够利用生成器:边循环,边总括的机制—>generator

10 *args and **kwargs

用*args和**kwargs只是为了有利于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允许你使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

您也得以混着用.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能够同时在函数的定义中,可是*args必须在**kwargs前面.

当调用函数时你也能够用*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

就如您见到的一律,它可以传递列表(只怕元组)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,你也可以在函数定义只怕函数调用时用*.

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

11
面向切面编制程序AOP和装饰器

本条AOP一听起来有点懵,同学面Ali的时候就被问懵了…

装饰器是2个很盛名的设计方式,日常被用于有切面需要的场馆,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,大家就足以抽离出大批量函数中与函数功用自身无关的如出一辙代码并持续起用。回顾的讲,装饰器的机能便是为已经存在的对象添加额外的功能。

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

“当见到五头鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子,那么那只鸟就足以被誉为鸭子。”

大家并不关切对象是怎么品种,到底是否鸭子,只关心行为。

譬如在python中,有好多file-like的东西,比如StringIO,GzipFile,socket。它们有广十堰一的点子,我们把它们作为文件使用。

又比如list.extend()方法中,大家并不关心它的参数是或不是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时时应用,十分灵活,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

引自天涯论坛:http://www.zhihu.com/question/20053359

函数重载主假使为着缓解八个难点。

可变参数类型。

可变参数个数。

此外,1当中坚的宏图规范是,仅仅当八个函数除了参数类型和参数个数差别以外,其功能是完全相同的,此时才使用函数重载,假诺七个函数的法力实在不及,那么不该选用重载,而应该选用八个名字分化的函数。

好呢,那么对于景况 1 ,函数作用雷同,然而参数类型分裂,python
怎么样处理?答案是一直不需求处理,因为 python
还不错其余项目标参数,假如函数的效果雷同,那么分裂的参数类型在 python
中很恐怕是一样的代码,没有需要做成八个不等函数。

那正是说对于情况 2 ,函数作用雷同,但参数个数差异,python
怎么样处理?我们领悟,答案正是缺省参数。对那么些缺少的参数设定为缺省参数即可化解难点。因为您假若函数功能雷同,那么那个贫乏的参数究竟是需求用的。

好了,鉴于情状 1 跟 情形 2 都有了消除方案,python
自然就不要求函数重载了。

14
新式类和旧式类

那几个面试官问了,作者说了老半天,不知晓他问的着实意图是什么.

stackoverflow

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

新颖类很早在2.2就应运而生了,所以旧式类完全是匹配的题材,Python3里的类全体都以新式类.这里有2个MRO难点能够明白下(新式类是广度优先,旧式类是深浅优先),里讲的也很多.

2个旧式类的深浅优先的事例

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

遵守经典类的探寻顺序从左到右深度优先的条条框框,在做客d.foo1()的时候,D那一个类是尚未的..那么往上查找,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__真的很少见到,先做询问吧.

__new__是2个静态方法,而__init__是一个实例方法.

__new__方法会重返三个创办的实例,而__init__什么都不重临.

只有在__new__归来二个cls的实例时后边的__init__才能被调用.

当创制3个新实例时调用__new__,开始化2个实例时用__init__.

stackoverflow

ps: __metaclass__是创设类时起功效.所以我们得以分别使用__metaclass__,__new__和__init__来分别在类创制,实例创制和实例伊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形式。在它的为主结构中只含有七个被叫做单例类的不相同常常类。通过单例格局能够有限支撑系统中三个类唯有二个实例而且该实例易于外界访问,从而有利于对实例个数的操纵并节约系统资源。假如愿意在系统中有个别类的目的只好存在三个,单例方式是最佳的缓解方案。

__new__()在__init__()以前被调用,用于转移实例对象。利用这些措施和类的质量的特征能够达成设计形式的单例格局。单例情势是指成立唯一目的,单例格局设计的类只好实例 本条绝对常考啊.相对要铭记在心1~三个点子,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

成立实例时把持有实例的__dict__针对同1个字典,那样它们拥有同样的性能和方法.

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的模块是原始的单例形式

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

单例方式伯乐在线详细分解

17
Python中的成效域

Python 中,多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 境遇五个变量的话他会循规蹈矩那样的逐一进行搜索:

当地成效域(Local)→当前成效域被内置的当地作用域(Enclosing
locals)→全局/模块作用域(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为了保障线程安全而接纳的独立线程运维的限量,说白了就是三个核只辛亏同一时半刻间运转3个线程.对于io密集型职责,python的多线程起到效果,但对此cpu密集型职分,python的三十二线程差不离占不到其它优势,还有或许因为争夺财富而变慢。

见Python
最难的标题

化解办法便是多进程和底下的协程(协程也只是单CPU,然而能减小切换代价进步品质).

19
协程

今日头条被问到了,呵呵哒,跪了

大约点说协程是经过和线程的升级换代版,进度和线程都面临着内核态和用户态的切换难题而消耗司空见惯切换时间,而协程就是用户自个儿控制切换的火候,不再必要陷入系统的内核态.

Python里最普遍的yield正是协程的商量!能够查阅第拾贰个难点.

20
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构造,它一样提升了代码的可重复使用性。

当叁个内嵌函数引用其表面作成效域的变量,大家就会拿走八个闭包.
总计一下,创设1个闭包必须满意以下几点:

总得有2个内嵌函数

内嵌函数必须引用外部函数中的变量

外部函数的重返值必须是内嵌函数

感到闭包依然有难度的,几句话是说不精晓的,依然印证相关资料.

最主假设函数运转后并不会被裁撤,就好像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.那么些作用看似类里的类变量,只不过迁移到了函数上.

闭包就像是个空心球一样,你精通外面和里面,但您不精通中间是如何.

21
lambda函数

实在便是1个匿名函数,为何叫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

本条必要体面的询问一下吗,究竟函数式编制程序在Python中也做了引用.

推荐: 酷壳

python中等高校函授数式编制程序扶助:

filter
函数的效益约等于过滤器。调用三个布尔函数bool_func来迭代遍历各样seq中的成分;重回多少个使bool_seq再次来到值为true的成分的种类。

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

map函数是对一个类别的每种项依次执行函数,下边是对壹个行列每一个项都乘以2:

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

reduce函数是对八个行列的各类项迭代调用函数,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’]]#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d=copy.deepcopy(a)#指标拷贝,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主要采用引用计数(reference
counting)来跟踪和回收废品料。在引用计数的根底上,通过“标记-清除”(mark
and
sweep)化解容器对象大概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提升垃圾回收功能。

1
引用计数

PyObject是各类对象必有的内容,当中ob_refcnt正是做为引用计数。当3个对象有新的引用时,它的ob_refcnt就会扩大,当引用它的目的被去除,它的ob_refcnt就会缩短.引用计数为0时,该目的生命就得了了。

优点:

简单

实时性

缺点:

护卫引用计数消耗财富

循环引用

2
标记-清除机制

基本思路是先按需分配,等到没有空闲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,遍历以目的为节点、以引用为边构成的图,把持有能够访问到的靶子打上标记,然后清扫3次内部存款和储蓄器空间,把装有没标记的指标释放。

3
分代技术

分代回收的一体化构思是:将系统中的全数内部存款和储蓄器块依照其现有时间分开为差别的晤面,每一种集合就成为一个“代”,垃圾收集频率随着“代”的存活时间的增大而减小,存活时间一般使用经过几遍垃圾回收来衡量。

Python暗中同意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:
当某个内部存款和储蓄器块M经过了壹次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3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,大部分场地都只对集合B举行垃圾回收,而对集合A实行垃圾回收要隔极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部存款和储蓄器少了,功用自然就增进了。在那几个进程中,集合B中的某个内部存储器块由于现有时间长而会被转换来集合A中,当然,集合A中实际上也设有部分污源,那几个垃圾的回收会因为这种分代的机制而被推移。

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 读取整个文件到二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
的基本点分歧

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

都在循环时选取,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

其实全数的I/O都是轮询的法子,只不过实现的框框差异罢了.

这些题材可能有点深远了,但相信能回应出那些难点是对I/O多路复用有很好的了然了.在那之中tornado使用的就是epoll的.

selec,poll和epoll分化总结

基本上select有3个缺点:

连接数受限

查找配对过程慢

多少由基本拷贝到用户态

poll改正了首个毛病

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)

时间片轮转(奇骏Evoque, Round 罗布in)

四种反馈队列调度(multilevel feedback queue scheduling)

大规模的调度算法总括:http://www.jianshu.com/p/6edf8174c1eb

实时调度算法:

最早甘休时间先行 EDF

低于松弛度优先 LLF

3
死锁

原因:

竞争财富

次第推进各样不当

要求条件:

互斥条件

美高梅开户网址 ,恳请和保险标准

不剥夺条件

环路等待条件

拍卖死锁基本措施:

预防死锁(遗弃除1以外的尺度)

防止死锁(银行家算法)

检查和测试死锁(能源分配图)

打消死锁

剥夺能源

注销进程

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5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

预编译进程首要处理那2个源文件中的以“#”先导的预编译指令,首要处理规则有:

将全数的“#define”删除,并实行所用的宏定义

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

处理“#include”预编译指令,将被含有的文本插入到该编写翻译指令的岗位,注:此进程是递归实行的

除去全数注释

添加行号和文件名标识,以便于编写翻译时编写翻译器爆发调节和测试用的行号新闻以及用于编写翻译时发出编写翻译错误或警示时可突显行号

保留全体的#pragma编写翻译器指令。

2
编译

编写翻译进程便是把预处理完的文书举行一多级的词法分析、语法分析、语义分析及优化后变更对应的汇编代码文件。那些进程是整个程序创设的着力部分。

3
汇编

汇编器是将汇编代码转化成机器可以推行的指令,每一条汇编语句差不离皆以一条机器指令。经过编写翻译、链接、汇编输出的公文成为目的文件(Object
File)

4
链接

链接的机要内容便是把各类模块之间相互引用的一对处理好,使种种模块可以正确的拼接。
链接的根本进程包块 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点明确下来
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:使用那种办法的次第并不在一初阶就完了动态链接,而是直到真正调用动态库代码时,载入程序才计算(被调用的那有个别)动态代码的逻辑地址,然后等到有个别时候,程序又须要调用其它某块动态代码时,载入程序又去计算那有的代码的逻辑地址,所以,那种措施使程序初阶化时间较短,但运转时期的属性比不上静态链接的顺序

6
虚拟内部存款和储蓄器技术

虚拟存款和储蓄器是指装有请求调入成效和置换成效,能从逻辑上对内存体量加以扩大的一种存款和储蓄系统.

7分页和分支

分页:
用户程序的地址空间被细分成几何稳住大小的区域,称为“页”,相应地,内部存储器空间分成若干个物理块,页和块的尺寸也便是。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,完成了离散分配。

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,也促成了离散分配。

分页与分支的严重性分歧

页是消息的情理单位,分页是为着落到实处非接二连三分配,以便化解内部存储器碎片难点,只怕说分页是由于系统管理的内需.段是消息的逻辑单位,它包蕴一组意义相对完整的新闻,分段的目标是为着更好地促成共享,满意用户的要求.

页的高低固定,由系统明确,将逻辑地址划分为页号和页各地址是由机械硬件实现的.而段的长度却不固定,决定于用户所编写的次第,日常由编写翻译程序在对源程序进行编写翻译时依据新闻的性子来划分.

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

最棒置换算法OPT:不或者落成

先进先出FIFO

近些年最久未使用算法LRU:方今一段时间里最久没有动用过的页面予以置换.

clock算法

9
旁边触发和程度触发

边缘触发是指每当状态变化时发生五个 io
事件,条件触发是若是满足条件就发出二个 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名目繁多操作,要么完全地实施,要么完全地不实施。
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?

是四个通通开源免费的key-value内存数据库

常常被认为是2个数据结构服务器,首若是因为其具有丰裕的数据结构
strings、map、 list、sets、 sorted sets

Redis数据库


常常局限点来说,Redis也以新闻队列的款式存在,作为内嵌的List存在,满意实时的高并发需要。在使用缓存的时候,redis比memcached具有越来越多的优势,并且帮衬越来越多的数据类型,把redis当作1当中间存款和储蓄系统,用来处理高并发的数据库操作

速度快:使用标准C写,全部数据都在内存中成就,读写速度分别实现10万/20万

持久化:对数码的更新选用Copy-on-write技术,能够异步地保留到磁盘上,首要有二种政策,一是根据时间,更新次数的快速照相(save
300 10 )二是依照语句追加形式(Append-only file,aof)

机关操作:对不一致数据类型的操作都以半自动的,很安全

即刻的主–从复制,官方提供了3个数码,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,数据库的恢弘是个稳定的话题,在关系型数据库中,首假如以增加硬件、以分区为重中之重技术方式的纵向扩张消除了过多的施用场景,但随着web2.0、移动网络、云总括等应用的起来,那种扩大格局已经不太适合了,所以近期,像选取主从配置、数据库复制方式的,Sharding那种技术把负载分布到多少个特理节点上去的横向扩张格局用处更加多。

Redis缺点

是数据水库蓄水体量量受到物理内部存款和储蓄器的限量,无法用作海量数据的高质量读写,因而Redis适合的情状主要局限在较小数据量的高品质操作和平运动算上。

Redis较难支撑在线扩容,在集群容积高达上限时在线扩容会变得很复杂。为制止这一题目,运行职员在系统上线时务必确认保证有丰裕的上空,那对能源造成了很大的浪费。

4
乐观锁和悲观锁

自找麻烦锁:假定会生出并发争论,屏蔽一切大概违反数据完整性的操作

开朗锁:若是不会发出并发争执,只在提交操作时检查是不是违反数据完整性。

乐观锁与悲观锁的切切实实分歧: 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,各类读操作会看到一个一致性的snapshot,并且能够达成非阻塞的读。MVCC允许数据具有四个本子,这一个本子能够是时间戳或然是全局递增的事情ID,在同二个时间点,不相同的事情看到的多寡是不一样的。

MySQL的innodb引擎是何等促成MVCC的

innodb会为每一行添加八个字段,分别表示该行成立的版本删除的本子,填入的是工作的版本号,那些版本号随着工作的创办不断递增。在repeated
read的隔开分离级别(事务的割裂级别请看那篇文章)下,具体种种数据库操作的完结:

select:满足以下四个标准化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操作从前全部的操作已经履行落地。

该行的去除版本号大于当前版本恐怕为空。删除版本号大于当前版本意味着有一个出现事务将该行删除了。

insert:将新插入的行的始建版本号设置为近日系统的版本号。

delete:将要删除的行的去除版本号设置为近来系统的版本号。

update:不实施原地update,而是转换到insert +
delete。将旧行的删除版本号设置为近日版本号,并将新行insert同时安装创立版本号为当前版本号。

里头,写操作(insert、delete和update)执行时,必要将系统版本号递增。


由于旧数据并不真正的去除,所以必须对那一个数据开始展览清理,innodb会开启多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。

经过MVCC很好的贯彻了作业的隔开分离性,能够完毕repeated
read级别,要贯彻serializable还非得加锁。

参考:MVCC浅析

6
MyISAM和InnoDB

MyISAM
适合于部分须求多量查询的施用,但其对于有大气写操作并不是很好。甚至你只是内需update一个字段,整个表都会被锁起来,而其余进度,就终于读进程都无法操作直到读操作完成。此外,MyISAM
对于 SELECT COUNT(*) 那类的估计是超快无比的。

InnoDB 的大方向会是1个万分复杂的储存引擎,对于有个别小的应用,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,会更不错。并且,他还援救更加多的高等级应用,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不一样: https://segmentfault.com/a/1190000008227211

网络

1
3次握手

客户端通过向服务器端发送五个SYN来创建2个能动打开,作为三回握手的一有个别。客户端把那段连接的序号设定为随意数
A。

劳动器端应当为多少个合法的SYN回送三个SYN/ACK。ACK 的确认码应为
A+1,SYN/ACK 包自个儿又有一个随意序号 B。

说到底,客户端再发送贰个ACK。当服务端受到那个ACK的时候,就大功告成了三路握手,并跻身了连年创制状态。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
五回挥手

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

客户端发送1个数据分段, 个中的 FIN 标记设置为1. 客户端进入 FIN-WAIT
状态. 该情况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 的剩余数量分段,
确认收到客户端发来的 FIN 信息.

服务器等到独具数据传输停止, 向客户端发送1个富含 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 的承认报文.

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,
为了防患服务器端未接到须求重发, 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

地址解析协议(Address Resolution
Protocol),其基本效率为经过目的设备的IP地址,查询目的的MAC地址,以保障通讯的顺遂进行。它是IPv4互连网层必不可少的说道,可是在IPv6中已不再适用,并被左邻右舍发现协议(NDP)所取代。

4
urllib和urllib2的区别

以此面试官确实问过,当时答的urllib2可以Post而urllib不能.

urllib提供urlencode方法用来GET查询字符串的发生,而urllib2没有。那是干吗urllib常和urllib2一起行使的原因。

urllib2能够承受叁个Request类的实例来设置UCR-VL请求的headers,urllib仅勉强可以U卡宴L。那象征,你不得以装作你的User
Agent字符串等。

5
Post和Get

GET和POST有怎么着界别?及为啥网上的大部分答案都以错的 微博回答

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

6
Cookie和Session

CookieSession

储存位置客户端服务器端

目的跟踪会话,也能够保留用户偏好设置可能封存用户名密码等跟踪会话

安全性不安全无恙

session技术是要选择到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财富

抗并发,nginx 处理请求是异步非阻塞的,协助更加多的面世连接,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

计划简洁

惊人模块化的计划性,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,基本想到的都可以找到

少bug ,nginx 的bug 相对较多

超稳定

8
网站用户密码保存

公然保存

明文hash后保存,如md5

MD5+Salt方式,那几个salt能够肆意

乐乎使用了Bcrypy(好像)加密

9
HTTP和HTTPS

意况码定义

1xx 告诉吸收接纳到请求,继续进度

2xx 打响步骤成功接收,被通晓,并被接受

3xx 重定向为了成功请求,必须使用越发措施

4xx 客户端出错请求包罗错的依次或无法做到

5xx 服务器出错服务器不大概成功分明有效的央浼

403: Forbidden 404: Not Found

HTTPS握手,对称加密,非对称加密,TLS/SSL,SportageSA

10
XSRF和XSS

CSQashqaiF(克罗丝-site request forgery)跨站请求伪造

XSS(克罗丝 Site Scripting)跨站脚本攻击

CSEnclaveF重点在呼吁,XSS重点在剧本

11 幂等
Idempotence

HTTP方法的幂等性是指二次和多次伸手某3个能源应该有着同等的副作用。(注意是副作用)

GET

DELETE方法用于删除能源,有副功能,但它应有满足幂等性。比如:DELETE

POST所对应的U中华VI并非创制的能源本身,而是财富的收信人。比如:POST

PUT所对应的ULANDI是要成立或更新的能源自身。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,使用在电脑网络Web服务(web
service)中,交流带结构消息。SOAP为了简化网页服务器(Web
Server)从XML数据库中领取数额时,节省去格式化页面时间,以及差异应用程序之间根据HTTP通讯协议,遵从XML格式执行资料交流,使其抽象于言语达成、平台和硬件。

14
RPC

奥迪Q5PC(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,而不须要了然底层互联网技术的商议。帕杰罗PC磋商倘诺有些传输协议的留存,如TCP或UDP,为通讯程序之间指引消息数据。在OSI互连网通讯模型中,OdysseyPC跨越了传输层和应用层。ENCOREPC使得开签发承包合约括网络分布式多程序在内的应用程序越发便于。

总计:服务提供的两大流派.守旧意义以艺术调用为导向通称中华VPC。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.可是简化出现各样混乱。以能源为导向,任何操作无非是对能源的增加和删除改查,于是统一的REST出现了.

开拓进取的依次: PAJEROPC -> SOAP -> RESTful

15
CGI和WSGI

CGI是通用网关接口,是三番五次web服务器和应用程序的接口,用户通过CGI来赢得动态数据或文件等。
CGI程序是3个单独的次序,它可以用差不离全数语言来写,蕴涵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的里边一个目标就是让用户能够用联合的言语(Python)编写前后端。

官方证实:PEP-3333

16
中间人抨击

在GFW里不足为奇的,呵呵.

中级人抨击(Man-in-the-middle
attack,日常缩写为MITM)是指攻击者与电视发表的两头分别创造独立的维系,并沟通其所吸收的多寡,使通信的双面认为她们正在通过1个私密的总是与对方直接对话,但骨子里整个会话都被攻击者完全控制。

17
c10k问题

所谓c10k难题,指的是服务器同时协助广大个客户端的题材,也等于concurrent
10 000 connection(那也是c10k以此名字的原由)。
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,2个服务器多少个网站

长链接

文本断点续传

身份申明,状态管理,Cache缓存

HTTP请求8种办法介绍
HTTP/1.1切磋中国共产党定义了8种HTTP请求方法,HTTP请求方法也被称作“请求动作”,不相同的艺术规定了分裂的操作钦命的能源情势。服务端也会基于不相同的呼吁方法做不相同的响应。

GET

GET请求会展现请求内定的能源。一般的话GET方法应该只用于数据的读取,而不应有用于会发生副功效的非幂等的操作中。

GET会办法请求钦定的页面音讯,并回到响应中央,GET被认为是不安全的方法,因为GET方法会被互联网蜘蛛等随意的拜会。

HEAD

HEAD方法与GET方法同样,都是向服务器发出内定能源的呼吁。不过,服务器在响应HEAD请求时不会回传财富的始末部分,即:响应中央。那样,大家得以不传输全体内容的事态下,就能够赢得服务器的响应头音信。HEAD方法常被用来客户端查看服务器的属性。

POST

POST请求会
向钦定能源提交数据,请求服务器进行处理,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方法是非幂等的艺术,因为那么些请求恐怕会创制新的财富或/和改动现有财富。

PUT

PUT请求会身向钦赐财富职责上传其最新内容,PUT方法是幂等的法门。通过该办法客户端能够将点名财富的时尚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)所标识的能源。DELETE请求后钦赐财富会被剔除,DELETE方法也是幂等的。

CONNECT

CONNECT方法是HTTP/1.1研商预留的,能够将连接改为管道情势的代理服务器。日常用于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特性。
那么些方法会请求服务器再次回到该财富所支撑的富有HTTP请求方法,该措施会用’*’来顶替财富名称,向服务器发送OPTIONS请求,能够测试服务器作用是或不是正规。JavaScript的XMLHttpRequest对象举办CO凯雷德S跨域财富共享时,正是使用OPTIONS方法发送嗅探请求,以咬定是不是有对点名能源的拜会权限。
允许

TRACE

TRACE请求服务器回显其收到的央求音讯,该情势首要用来HTTP请求的测试或确诊。

HTTP/1.1之后扩张的不二法门

在HTTP/1.1专业制定之后,又陆续扩张了一些主意。在那之中使用中较多的是 PATCH
方法:

PATCH

PATCH方法出现的较晚,它在二〇一〇年的翼虎FC
5789标准中被定义。PATCH请求与PUT请求类似,同样用于能源的翻新。二者有以下两点区别:

但PATCH一般用来能源的有的更新,而PUT一般用于财富的欧洲经济共同体制改良进。
当能源不设有时,PATCH会创设一个新的财富,而PUT只会对已在能源拓展创新。

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地铁景观下,与服务器调换数据并立异部分网页的技艺。

*NIX

unix进程间通讯方式(IPC)

管道(Pipe):管道可用于具有亲缘关系进度间的通讯,允许2个经过和另三个与它有联合祖先的历程之间开始展览通讯。

命名管道(named
pipe):命名管道征服了管道没著名字的界定,由此,除具备管道所拥有的效用外,它还同意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件名。命名管道通过命令mkfifo或种类调用mkfifo来制造。

信号(Signal):信号是相比较复杂的通讯格局,用于公告接受进度有某种事件产生,除了用于进度间通信外,进度还是能发送信号给进程本人;linux除了帮忙Unix早期信号语义函数sigal外,还援救语义符合Posix.1标准的信号函数sigaction(实际上,该函数是基于BSD的,BSD为了达成可信赖信号机制,又能够合并对外接口,用sigaction函数重新实现了signal函数)。

新闻(Message)队列:音信队列是消息的链接表,包罗Posix音信队列system
V音讯队列。有充分权限的进程能够向队列中添加音信,被给予读权限的进度则能够读走队列中的音信。新闻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小受限等缺

共享内部存储器: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情势。是针对任何通讯机制运维效用较低而设计的。往往与其他通讯机制,如信号量结合使用,来达到进度间的同台及互斥。

内部存款和储蓄器映射(mapped
memory):内部存款和储蓄器映射允许任何多少个进度间通讯,每多少个施用该机制的进度经过把叁个共享的公文映射到祥和的进程地址空间来兑现它。

信号量(semaphore):主要作为进度间以及同样进程分歧线程之间的同台手段。

套接口(Socket):更为相似的经过间通讯机制,可用以不一样机器之间的经过间通讯。起始是由Unix系统的BSD分支开发出来的,但最近相像能够移植到其余类Unix系统上:Linux和System
V的变种都帮助套接字。

数据结构

1
红黑树

红黑树与AVL的可比:

AVL是严刻平衡树,因而在追加大概去除节点的时候,依照不一样景观,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降;

故而简单说,假若您的选用中,搜索的次数远远抢先插入和删除,那么选择AVL,假诺搜索,插入删除次数差不多大约,应该选拔RB。

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

教你透彻通晓红黑树: 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

三头青蛙一回能够跳上1级台阶,也可以跳上2级。求该青蛙跳上贰个n级的阶梯总共有个别许种跳法。

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

其次种记念方法

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

其三种艺术

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

2
变态台阶难点

一头青蛙1次能够跳上1级台阶,也足以跳上2级……它也足以跳上n级。求该青蛙跳上一个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

我们得以用2*1的小矩形横着大概竖着去掩盖更大的矩形。请问用n个2*1的小矩形无重叠地掩盖2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叁*(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2个m行n列二维数组中,每一行都依照从左到右递增的各样排序,每一列都遵从从上到下递增的逐条排序。请实现2个函数,输入那样的3个二维数组和1个平头,判断数组中是不是包罗该整数。

运用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}

8
合并三个静止列表

知乎远程面试要求编制程序

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:

概念一个新的空驶列车表

正如多个列表的第四个要素

小的就插入到新列表里

把早已插入新列表的成分从旧列表删除

甘休三个旧列表有三个为空

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]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

事实上想想能够依照从尾开始相比多少个链表,倘诺相交,则从尾初始必然一致,只要从尾初始相比,直至不同的地方即为交叉点,如图所示

美高梅开户网址 3

#使用a,b多个list来效仿链表,能够看来交叉点是
7那几个节点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

别的一种比较规范的章程,构造链表类

classListNode:def__init__(self,x):self.val=xself.next=Nonedefnode(l1,l2): 
  length1, lenth2=0,0#求七个链表长度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

修改了一晃:

#coding:utf-8classListNode:def__init__(self,x):self.val=xself.next=Nonedefnode(l1,l2): 
  length1, length2=0,0#求三个链表长度whilel1.next:       
l1=l1.next#尾节点length1+=1whilel2.next:       
l2=l2.next#尾节点length2+=1#借使相交ifl1.next==l2.next:#长的链表先走iflength1>length2:for_inrange(length1-length2): 
             
l1=l1.nextreturnl1#回到交点else:for_inrange(length2-length1):         
      l2=l2.nextreturnl2#再次来到交点#假定不相交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])

越来越多排序难点凸现:数据结构与算法-排序篇-Python描述

12
找零难题

#coding:utf-8#values是硬币的面值values = [ 25, 21, 10, 5,
1]#valuesCounts  钱币对应的品种数#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defcoinChange(values,valuesCounts,money,coinsUsed):#遍历出从1到money全数的钱数也许forcentsinrange(1,money+1): 
     
minCoins=cents#把富有的硬币面值遍历出来和钱数做相比较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
广度遍历和深度遍历二叉树

给定1个数组,创设二叉树,并且按层次打印这么些二叉树

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

#coding:utf-8#二叉树的遍历#一言以蔽之的二叉树节点类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
三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

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图