python的函数参数字传送递

看五个例证:

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

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

享有变量都能够通晓为内部存储器中一个对象的“引用”,可能,可以看做C中的viod*的感觉

那里记住的是体系是属于对象的,而不是变量。而目的有二种,“可更改”(mutable)与“不可更改”(immutable)对象。在python中,strings,
tuples,
和numbers是不行变更的指标,而list,dict等则是足以修改的靶子。(那就是那一个题材的关键)

当叁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1个例证里函数把引用指向了二个不可变对象,当函数重返的时候,外面包车型客车引用没半毛感觉.而第四个例证就不均等了,函数内的引用指向的是可变对象,对它的操作就和固定了指针地址一样,在内部存款和储蓄器里开始展览修改.

比方还不明了的话,那里有更好的诠释:
http://stackoverflow.com/questions/986006/how-do-i-pass-a-variable-by-reference

现在重中之重介绍的是自家个人收集的python面试的有的大规模的渴求和应精通的文化,上面只是内部部分,越多的请看大家

Python语言特征

金沙注册送58 1

python中的元类(metaclass)

本条丰富的不常用,但是像ORubiconM那种复杂的结构依然会需求的,详情请看:《长远明白Python中的元类(metaclass)》

[PSC开源组GitHub]() 地址 ,里面有详细的python面试应精晓的保有地点的学问(最终是python后台和python服务器相关的)以及个人书籍推荐,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
面向切面编程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
单例方式

1
使用__new__方法

2
共享属性

3
装饰器版本

4
import方法

17
Python中的作用域

18
GIL线程全局锁

19
协程

20
闭包

21
lambda函数

22
Python函数式编程

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

7分页和分支

分页与分支的主要性差距

8
页面置换算法

9
一侧触发和水准触发

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
一遍握手

2
五遍挥手

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进度间通讯格局(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
链表成对交流

7
创制字典的格局

1
直接开立

2
工厂方法

3
fromkeys()方法

8
合并多少个不变列表

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
求两棵树是不是相同

20
前序中序求后序

21
单链表逆置

Python语言特色

1
Python的函数参数字传送递

看四个例子:

a=1deffun(a):    a=2fun(a)printa#1

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

具备的变量都能够知晓是内部存款和储蓄器中三个目的的“引用”,大概,也得以看似c中void*的感觉。

透过id来看引用a的内部存款和储蓄器地址能够比较精晓:

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:具体的值在分化电脑上运维时或然两样。

能够看到,在履行完a =
2之后,a引用中保留的值,即内部存款和储蓄器地址爆发变化,由原本1对象的所在的地址变成了2以此实体对象的内存地址。

而第二个例子a引用保存的内部存款和储蓄器值就不会发生变化:

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

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

当一个引用传递给函数的时候,函数自动复制一份引用,那么些函数里的引用和异地的引用没有半毛关系了.所以第贰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,外面包车型大巴引用没半毛感觉.而第二个例证就不平等了,函数内的引用指向的是可变对象,对它的操作就和定位了指针地址一样,在内部存款和储蓄器里展开修改.

若果还不精通的话,这里有更好的表明:http://stackoverflow.com/questions/986006/how-do-i-pass-a-variable-by-reference

2
Python中的元类(metaclass)

这么些这一个的不常用,不过像OTiggoM那种复杂的社团依旧会须要的,详情请看:http://stackoverflow.com/questions/100003/what-is-a-metaclass-in-python

3
@staticmethod和@classmethod

Python其实有1个方法,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()

此处先驾驭下函数参数里面包车型大巴self和cls.那么些self和cls是对类恐怕实例的绑定,对于一般的函数来说我们得以这么调用foo(x),那个函数就是最常用的,它的行事跟其它交事务物(类,实例)毫不相关.对于实例方法,我们知道在类里每趟定义方法的时候都急需绑定那个实例,正是foo(self,
x),为啥要如此做啊?因为实例方法的调用离不开实例,我们须要把实例本人传给函数,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能够轮换别的参数,可是python的预约是那俩,依然不要改的好.

对此静态方法其实和日常的主意同样,不要求对哪个人举办绑定,唯一的界别是调用的时候供给动用a.static_foo(x)或者A.static_foo(x)来调用.

\实例方法类措施静态方法

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

A不可用A.class_foo(x)A.static_foo(x)

更加多关于这几个难题:http://stackoverflow.com/questions/136097/what-is-the-difference-between-staticmethod-and-classmethod-in-python

4
类变量和实例变量

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

类变量正是供类使用的变量,实例变量便是供实例使用的.

那边p1.name=”bbb”是实例调用了类变量,那其实和上边第二个难点一样,正是函数传参的难点,p1.name一开头是指向的类变量name=”aaa”,不过在实例的成效域里把类变量的引用改变了,就改成了一个实例变量,self.name不再引用Person的类变量name了.

能够看看上面包车型地铁例证:

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

这些也是python彪悍的性情.

反省正是面向对象的语言商量所写的程序在运作时,所能知道对象的类型.简单一句就是运维时能够获得对象的类型.比如type(),dir(),getattr(),hasattr(),isinstance().

6
字典推导式

恐怕你见过列表推导时,却从未见过字典推导式,在2.7中才出席的:

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,避防抵触.

_foo:一种约定,用来钦赐变量私有.程序员用来钦赐个人变量的一种方式.

__foo:那些有真正的意义:解析器用_classname__foo来代替这几个名字,以分别和别的类相同的命名.

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在不少地点看起来更便利.对于%最烦人的是它不大概同时传递四个变量和元组.你恐怕会想下边包车型地铁代码不会有啥样难点:

“hi there %s” % name

只是,假使name恰好是(1,2,3),它将会抛出3个TypeError格外.为了有限支撑它连接不错的,你不可能不这么做:

“hi there %s” % (name,)  # 提供一个单成分的数组而不是贰个参数

然而有个别丑..format就从未有过这个难点.你给的首个难题也是如此,.format赏心悦目多了.

你怎么不用它?

不掌握它(在读那个以前)

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

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

9
迭代器和生成器

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

这是普通话版:http://taizilongxu.gitbooks.io/stackoverflow-about-python/content/1/README.html

10*argsand**kwargs

用*args和**kwargs只是为了方便并没有强制行使它们.

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

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

相似的,**kwargs允许你使用没有先行定义的参数名:

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

您也可以混着用.命名参数首先获得参数值然后有所的其它参数都传送给*args和**kwargs.命名参数在列表的最前端.例如:

def table_things(titlestring, **kwargs)

*args和**kwargs能够同时在函数的概念中,但是*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

就像您看到的一模一样,它能够传递列表(恐怕元组)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或许函数调用时用*.

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

11
面向切面编制程序AOP和装饰器

其一AOP一听起来某些懵,同学面Ali的时候就被问懵了…

装饰器是三个很有名的设计情势,常常被用来有切面要求的光景,较为经典的有插入日志、品质测试、事务处理等。装饰器是赶尽杀绝那类难题的绝佳设计,有了装饰器,大家就能够抽离出大气函数中与函数功效自个儿非亲非故的一样代码并连任起用。归纳的讲,装饰器的效应正是为曾经存在的靶子添加额外的效益。

以此标题比较大,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

12
鸭子类型

“当看到3只鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子,那么那只鸟就足以被称呼鸭子。”

大家并不爱护对象是什么样品种,到底是还是不是鸭子,只关怀行为。

例如在python中,有成百上千file-like的东西,比如StringIO,GzipFile,socket。它们有为数不少均等的章程,我们把它们作为文件使用。

又比如list.extend()方法中,大家并不关注它的参数是或不是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平常应用,相当灵活,使得python不想java那样专门去弄一大堆的设计形式。

13
Python中重载

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

函数重载首借使为着消除多少个难点。

可变参数类型。

可变参数个数。

除此以外,1个主干的统一筹划基准是,仅仅当八个函数除了参数类型和参数个数不相同以外,其作用是完全相同的,此时才使用函数重载,就算多个函数的功能实在不如,那么不应当选取重载,而应当选用四个名字区别的函数。

好呢,那么对于情形 1 ,函数作用雷同,可是参数类型区别,python
如何处理?答案是根本不必要处理,因为 python
可以接受别的项指标参数,要是函数的成效雷同,那么差别的参数类型在 python
中很可能是平等的代码,没有须要做成五个不等函数。

那么对于情形 2 ,函数作用雷同,但参数个数不一致,python
怎么着处理?我们精晓,答案便是缺省参数。对这个不够的参数设定为缺省参数即可消除难题。因为您假使函数功能雷同,那么那么些不够的参数究竟是须要用的。

好了,鉴于意况 1 跟 景况 2 都有了消除方案,python
自然就不供给函数重载了。

14
新式类和旧式类

本条面试官问了,小编说了老半天,不知底她问的真的意图是什么.

stackoverflow

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

最新类很早在2.2就出现了,所以旧式类完全是匹配的题材,Python3里的类全部都是新式类.那里有3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.

15__new__和__init__的区别

这个__new__真的很少见到,先做询问吧.

__new__是贰个静态方法,而__init__是二个实例方法.

__new__方法会重回2个创制的实例,而__init__怎么都不重回.

只有在__new__回来3个cls的实例时前边的__init__才能被调用.

当创立二个新实例时调用__new__,开头化1个实例时用__init__.

stackoverflow

ps:__metaclass__是成立类时起成效.所以大家得以分级采取__metaclass__,__new__和__init__来分别在类创设,实例创造和实例初叶化的时候做一些小手脚.

16
单例情势

以此相对常考啊.相对要铭记1~叁个方法,当时面试官是让手写的.

1
使用__new__方法

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

2
共享属性

开创实例时把具有实例的__dict__本着同2个字典,那样它们有着同样的性情和方法.

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

3
装饰器版本

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

4
import方法

用作python的模块是天生的单例格局

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

17
Python中的成效域

Python 中,叁个变量的效能域总是由在代码中被赋值的地点所主宰的。

当 Python 遭遇2个变量的话他会遵照那样的依次进行搜寻:

当地功能域(Local)→当前效能域被安放的当地功用域(Enclosing
locals)→全局/模块效能域(Global)→内置功效域(Built-in)

18
GIL线程全局锁

线程全局锁(Global Interpreter
Lock),即Python为了保证线程安全而接纳的独立线程运维的限量,说白了正是一个核只可以在同一时间运转三个线程.

见Python
最难的标题

解决办法正是多进程和底下的协程(协程也只是单CPU,可是能减小切换代价进步品质).

19
协程

腾讯网被问到了,呵呵哒,跪了

简言之点说协程是经过和线程的升迁版,进度和线程都面临着内核态和用户态的切换难题而消耗数不胜数切换时间,而协程正是用户本身主宰切换的机遇,不再需求陷入系统的木本态.

Python里最广泛的yield就是协程的沉思!能够查阅第⑨个难点.

20
闭包

闭包(closure)是函数式编制程序的首要性的语法结构。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。

当二个内嵌函数引用其外表作成效域的变量,大家就会博得一个闭包.
总计一下,创造三个闭包必须满意以下几点:

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

外表函数的重回值必须是内嵌函数

感到闭包依然有难度的,几句话是说不清楚的,照旧印证相关资料.

最首假使函数运行后并不会被吊销,就像16题的instance字典一样,当函数运营完后,instance并不被销毁,而是继续留在内部存款和储蓄器空间里.那么些职能相近类里的类变量,只可是迁移到了函数上.

闭包就如个空心球一样,你领悟外面和里面,但您不清楚中间是什么样.

21
lambda函数

骨子里正是1个匿名函数,为啥叫lambda?因为和前面包车型地铁函数式编制程序有关.

推荐:知乎

22
Python函数式编制程序

本条供给分外的询问一下吗,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程帮衬:

filter
函数的坚守约等于过滤器。调用三个布尔函数bool_func来迭代遍历种种seq中的成分;再次来到三个使bool_seq重临值为true的因素的行列。

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

map函数是对二个行列的每一种项依次执行函数,上边是对三个队列每种项都乘以2:

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

reduce函数是对七个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’]]#原本对象b=a#赋值,传对象的引用c=copy.copy(a)#指标拷贝,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首要使用引用计数(reference
counting)来跟踪和回收废。在引用计数的根底上,通过“标记-清除”(mark
and
sweep)解决容器对象恐怕爆发的巡回引用难点,通过“分代回收”(generation
collection)以空间换时间的措施进步垃圾回收成效。

1
引用计数

PyObject是各样对象必有的内容,个中ob_refcnt便是做为引用计数。当三个指标有新的引用时,它的ob_refcnt就会增多,当引用它的目的被剔除,它的ob_refcnt就会缩小.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:

保卫安全引用计数消耗电源

巡回引用

2
标记-清除机制

基本思路是先按需分配,等到没有空余内部存款和储蓄器的时候从寄存器和次序栈上的引用出发,遍历以目的为节点、以引用为边构成的图,把具备能够访问到的靶子打上标记,然后清扫三次内部存款和储蓄器空间,把持有没标记的目的释放。

3
分代技术

分代回收的欧洲经济共同体思想是: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样的集合,种种集合就改成多少个“代”,垃圾收集频率随着“代”的并存时间的增大而减小,存活时间日常使用经过四遍垃圾回收来衡量。

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。

比喻:当有些内部存款和储蓄器块M经过了1遍垃圾收集的涤荡之后还存世时,大家就将内部存储器块M划到1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,大部分景色都只对集合B进行垃圾回收,而对集合A进行垃圾回收要隔十分短一段时间后才进行,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,功效自然就进步了。在那个进度中,集合B中的某个内部存储器块由于现有时间长而会被转移到集合A中,当然,集合A中实际上也存在一些废品,这么些杂质的回收会因为这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是相比地址,==是相比值

27
read,readline和readlines

read 读取整个文件

readline 读取下一行,使用生成器方法

readlines 读取整个文件到贰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
的第三区别

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

都在循环时采取,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

实在具备的I/O都以轮询的艺术,只然而完结的层面区别罢了.

以此难点可能有点深切了,但相信能回应出那个标题是对I/O多路复用有很好的刺探了.在那之中tornado使用的正是epoll的.

selec,poll和epoll区别总计

基本上select有3个缺点:

连接数受限

查找配对进度慢

数量由基本拷贝到用户态

poll改进了第三个缺陷

epoll改了四个缺点.

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

2
调度算法

先来先服务(FCFS, First Come First Serve)

短作业优先(SJF, Shortest Job First)

高高的优先权调度(Priority Scheduling)

时刻片轮转(LX570路虎极光, Round 罗布in)

与日俱增反馈队列调度(multilevel feedback queue scheduling)

实时调度算法:

最早甘休时间先行 EDF

最低松弛度优先 LLF

3
死锁

原因:

竞争财富

次第推进种种不当

须要条件:

互斥条件

恳请和维系标准

不剥夺条件

环路等待条件

处理死锁基本措施:

预防死锁(遗弃除1以外的规范)

防止死锁(银行家算法)

检查和测试死锁(财富分配图)

免去死锁

剥夺财富

撤消进度

4
程序编写翻译与链接

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

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

以c语言为例:

1
预处理

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

将富有的“#define”删除,并开始展览所用的宏定义

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

处理“#include”预编写翻译指令,将被含有的公文插入到该编写翻译指令的义务,注:此进度是递归举办的

除去全部注释

添加行号和文书名标识,以便于编写翻译时编写翻译器发生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彰显行号

保留全体的#pragma编写翻译器指令。

2
编译

编写翻译进程就是把预处理完的文本进行一比比皆是的词法分析、语法分析、语义分析及优化后变更对应的汇编代码文件。那么些进度是任何程序创设的骨干部分。

3
汇编

汇编器是将汇编代码转化成机器能够实施的通令,每一条汇编语句差不离都是一条机器指令。经过编写翻译、链接、汇编输出的文书成为指标文件(Object
File)

4
链接

链接的机要内容正是把各样模块之间交互引用的局地处理好,使种种模块能够正确的拼凑。链接的根本进程包块
地址和空间的分配(Address and Storage Allocation)、符号决议(Symbol
Resolution)和重定位(Relocation)等步骤。

5
静态链接和动态链接

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

动态链接方法:使用那种办法的先后并不在一方始就做到动态链接,而是直到真正调用动态库代码时,载入程序才计算(被调用的这某些)动态代码的逻辑地址,然后等到有些时候,程序又须要调用其余某块动态代码时,载入程序又去总结那部分代码的逻辑地址,所以,那种措施使程序发轫化时间较短,但运营时期的品质比不上静态链接的次序

6
虚拟内部存款和储蓄器技术

虚拟存储器是指具有请求调入作用和调换作用,能从逻辑上对内部存款和储蓄器体积加以扩展的一种存款和储蓄系统.

7分页和支行

分页:
用户程序的地点空间被细分成多少原则性大小的区域,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,完毕了离散分配。

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整的逻辑新闻。存款和储蓄分配时,以段为单位,段与段在内部存款和储蓄器中能够不相邻接,也达成了离散分配。

分页与分支的严重性区别

页是音信的物理单位,分页是为着落到实处非一而再分配,以便消除内部存款和储蓄器碎片难点,可能说分页是出于系统一管理理的必要.段是音信的逻辑单位,它含有一组意义相对完好的新闻,分段的目标是为着更好地贯彻共享,满意用户的须求.

页的尺寸固定,由系统分明,将逻辑地址划分为页号和页外省址是由机械硬件达成的.而段的尺寸却不稳定,决定于用户所编写的主次,日常由编写翻译程序在对源程序举行编译时依照音讯的性格来划分.

分页的课业地址空间是一维的.分段的地址空间是二维的.

8
页面置换算法

最好置换算法OPT:不容许达成

先进先出FIFO

前不久最久未使用算法LRU:近年来一段时间里最久没有选取过的页面予以置换.

clock算法

9
边际触发和程度触发

边缘触发是指每当状态变化时产生叁个 io
事件,条件触发是若是满足条件就发生三个 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,要么完全地推行,要么完全地不实施。

2
数据库索引

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

MySQL索引背后的数据结构及算法原理

聚集索引,非聚集索引,B-Tree,B+Tree,最左前缀原理

3
Redis原理

4
乐观锁和悲观锁

想不开锁:假定会生出并发争论,屏蔽一切恐怕违反数据完整性的操作

开始展览锁:假使不会发出并发争论,只在付给操作时检查是不是违反数据完整性。

5
MVCC

6
MyISAM和InnoDB

MyISAM
适合于有个别亟待大批量询问的运用,但其对于有大气写操作并不是很好。甚至你只是需求update三个字段,整个表都会被锁起来,而别的进度,固然是读进度都不也许操作直到读操作完结。别的,MyISAM
对于 SELECT COUNT(*) 那类的总括是超快无比的。

InnoDB 的主旋律会是3个相当复杂的存款和储蓄引擎,对于部分小的利用,它会比 MyISAM
还慢。他是它扶助“行锁”
,于是在写操作相比较多的时候,会更尽善尽美。并且,他还援救愈多的高等应用,比如:事务。

网络

1
一次握手

客户端通过向劳动器端发送三个SYN来创设二个能动打开,作为三路握手的一局地。客户端把那段连接的序号设定为随意数
A。

服务器端应当为二个法定的SYN回送二个SYN/ACK。ACK 的确认码应为
A+1,SYN/ACK 包本人又有2个任意序号 B。

末尾,客户端再发送二个ACK。当服务端受到这一个ACK的时候,就完了了三路握手,并进入了连接创立状态。此时包序号被设定为接到的确认号
A+1,而响应则为 B+1。

2
八次挥手

3
ARP协议

地方解析协议(Address Resolution Protocol):
依据IP地址获取物理地址的八个TCP/IP协议

4
urllib和urllib2的区别

这么些面试官确实问过,当时答的urllib2能够Post而urllib不能.

urllib提供urlencode方法用来GET查询字符串的发出,而urllib2没有。那是干什么urllib常和urllib2一起使用的来头。

urllib2可以承受一个Request类的实例来设置U福睿斯L请求的headers,urllib仅还不错U奥迪Q3L。那表示,你不得以假装你的User
Agent字符串等。

5
Post和Get

GET和POST有怎么着差距?及为啥网上的大多数答案都以错的果壳网回答

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

6
Cookie和Session

CookieSession

仓储地方客户端服务器端

指标跟踪会话,也得以保留用户偏好设置大概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,之所以出现session技术,主借使为着安全。

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能源

抗并发,nginx 处理请求是异步非阻塞的,辅助越来越多的出现连接,而apache
则是阻塞型的,在高并发下nginx 能保持低财富低消耗高质量

安排简洁

可观模块化的统一筹划,编写模块相对简便易行

社区活泼

apache 相对nginx 的优点:

rewrite ,比nginx 的rewrite 强大

模块超多,基本想到的都得以找到

少bug ,nginx 的bug 相对较多

超稳定

8
网站用户密码保存

当着保存

明文hash后保存,如md5

MD5+Salt方式,那个salt能够轻易

网易使用了Bcrypy(好像)加密

9
HTTP和HTTPS

气象码定义

1xx 告知吸纳到请求,继续进度

2xx 中标步骤成功接到,被明白,并被接受

3xx 重定向为了形成请求,必须选取进一步措施

4xx 客户端出错请求包罗错的各种或不能够成功

5xx 服务器出错服务器不恐怕完毕分明有效的请求

403: Forbidden404: Not Found

HTTPS握手,对称加密,非对称加密,TLS/SSL,智跑SA

10
XSRF和XSS

CSLANDF(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冠道F重点在呼吁,XSS重点在本子

11 幂等
Idempotence

HTTP方法的幂等性是指二遍和频仍伸手某多少个财富应该负有同等的副作用。(注意是副功效)

GET

DELETE方法用于删除财富,有副功用,但它应有满意幂等性。比如:DELETE

POST所对应的U揽胜极光I并非创造的能源自个儿,而是能源的收信人。比如:POST

PUT所对应的U兰德RI是要开创或更新的能源本人。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)是换到数据的一种协议正式,使用在处理器互连网Web服务(web
service)中,交流带结构音讯。SOAP为了简化网页服务器(Web
Server)从XML数据库中提取数据时,节省去格式化页面时间,以及差别应用程序之间遵照HTTP通讯协议,遵循XML格式执行资料沟通,使其抽象于言语完成、平台和硬件。

14
RPC

RAV4PC(Remote Procedure Call
Protocol)——远程进度调用协议,它是一种通过互联网从远程计算机程序上呼吁服务,而不必要了解底层网络技术的说道。ENVISIONPC钻探假使有个别传输协议的存在,如TCP或UDP,为通讯程序之间引导新闻数据。在OSI互连网通讯模型中,帕杰罗PC跨越了传输层和应用层。福特ExplorerPC使得开发包括互连网分布式多程序在内的应用程序越发不难。

总括:服务提供的两大流派.守旧意义以艺术调用为导向通称本田UR-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.可是简化出现各类混乱。以财富为导向,任何操作无非是对财富的增删改查,于是统一的REST出现了.

进化的一一: EscortPC -> SOAP -> RESTful

15
CGI和WSGI

CGI是通用网关接口,是连连web服务器和应用程序的接口,用户通过CGI来取得动态数据或文件等。CGI程序是3个独门的顺序,它能够用大致拥有语言来写,包涵perl,c,lua,python等等。

WSGI, Web Server Gateway
Interface,是Python应用程序或框架和Web服务器之间的一种接口,WSGI的里边3个指标正是让用户能够用联合的言语(Python)编写前后端。

法定表明:PEP-3333

16
中间人抨击

在GFW里熟视无睹的,呵呵.

当中人抨击(Man-in-the-middle
attack,常常缩写为MITM)是指攻击者与报纸发表的两岸分别制造独立的联系,并交流其所接到的数量,使通信的双方认为他们正在通过多个私密的三番五次与对方直接对话,但实则整个会话都被攻击者完全控制。

17
c10k问题

所谓c10k难点,指的是服务器同时扶助广大个客户端的题目,也正是concurrent
10 000
connection(那也是c10k这一个名字的缘故)。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

拿着那份Python宝典去面试,以及面试题。请求头Host字段,2个服务器四个网站

长链接

文件断点续传

身价验证,状态管理,Cache缓存

21
Ajax

AJAX,Asynchronous JavaScript and XML(异步的 JavaScript 和 XML),
是与在不重复加载整个页面包车型地铁意况下,与服务器调换数据并立异部分网页的技巧。

*NIX

unix进度间通讯情势(IPC)

管道(Pipe):管道可用于全数亲缘关系进度间的通讯,允许3个进度和另3个与它有二头祖先的进程之间举行通讯。

命名管道(named
pipe):命名管道克服了管道没盛名字的限量,因而,除拥有管道所独具的意义外,它还同意无亲缘关系进度间的通讯。命名管道在文件系统中有对应的公文名。命名管道通过命令mkfifo或类别调用mkfifo来创设。

信号(Signal):信号是相比复杂的通讯方式,用于公告接受进程有某种事件时有发生,除了用于进度间通讯外,进度仍是能够发送信号给进度本身;linux除了协理Unix早期信号语义函数sigal外,还支持语义符合Posix.1标准的信号函数sigaction(实际上,该函数是依照BSD的,BSD为了兑现可相信信号机制,又能够合并对外接口,用sigaction函数重新达成了signal函数)。

音信(Message)队列:新闻队列是信息的链接表,包涵Posix新闻队列system
V消息队列。有丰硕权限的进度可以向队列中添加音信,被赋予读权限的历程则足以读走队列中的音讯。音讯队列制服了信号承载新闻量少,管道只可以承载无格式字节流以及缓冲区大大小小受限等缺

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情势。是本着其余通讯机制运行作用较低而规划的。往往与其它通讯机制,如信号量结合使用,来达到进程间的联合及互斥。

内部存储器映射(mapped
memory):内部存款和储蓄器映射允许其余八个进度间通信,每叁个用到该机制的进度经过把四个共享的文本映射到温馨的经过地址空间来贯彻它。

信号量(semaphore):首要作为进程间以及同样进度不一样线程之间的1只手段。

套接口(Socket):更为相似的经过间通讯机制,可用以不一致机器之间的历程间通讯。初步是由Unix系统的BSD分支开发出来的,但前天貌似能够移植到任何类Unix系统上:Linux和System
V的变种都帮衬套接字。

数据结构

1
红黑树

红黑树与AVL的可比:

AVL是严苛平衡树,由此在追加依然去除节点的时候,依照不一样情形,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减退;

故而不难说,若是你的使用中,搜索的次数远远高于插入和删除,那么选用AVL,就算搜索,插入删除次数大约大概,应该选用RB。

编程题

1
台阶难题/斐波纳挈

二只青蛙三回能够跳上1级台阶,也得以跳上2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<=2elsefib(n-1)+fib(n-2)

第三种记念方法

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

其二种艺术

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

2
变态台阶难题

二头青蛙一回能够跳上1级台阶,也足以跳上2级……它也可以跳上n级。求该青蛙跳上二个n级的台阶总共有微微种跳法。

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

3
矩形覆盖

大家得以用2*1的小矩形横着仍然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叁个2*n的大矩形,总共有微微种办法?

第2*n个矩形的遮盖情势等于第壹*(n-1)加上第2*(n-2)的方法。

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

4
杨氏矩阵查找

在三个m行n列二维数组中,每一行都遵循从左到右递增的次第排序,每一列都根据从上到下递增的顺序排序。请落成二个函数,输入那样的三个二维数组和3个整数,判断数组中是不是包涵该整数。

选取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
链表成对调换

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
创制字典的措施

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
合并几个不变列表

搜狐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

去哪儿的面试,没做出来.

classListNode:def__init__(self,x):self.val=xself.next=Nonedefnode(l1,l2): 
  length1, lenth2=0,0#求三个链表长度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
找零难点

defcoinChange(values,money,coinsUsed):#values   
T[1:n]数组#valuesCounts  钱币对应的类型数#money 
找出来的总钱数#coinsUsed 
对应于近来货币总数i所使用的硬币数目forcentsinrange(1, money+1):       
minCoins=cents#从第三个初始到money的有着情状初步forvalueinvalues:ifvalue<=cents: 
              temp=coinsUsed[cents-value]+1iftemp

13
广度遍历和深度遍历二叉树

给定一个数组,营造二叉树,并且按层次打字与印刷这几个二叉树

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

17
前中后序遍历

纵深遍历改变各样就OK了

18
求最大树深

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

19
求两棵树是或不是一致

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

20
前序中序求后序

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

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

21
单链表逆置

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

1
Python的函数参数传递

 

@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()

那里先明了下函数参数里面包车型大巴self和cls.那么些self和cls是对类可能实例的绑定,对于一般的函数来说我们得以那样调用foo(x),那一个函数就是最常用的,它的干活跟任杨晓伟西(类,实例)无关.对于实例方法,大家清楚在类里每回定义方法的时候都亟需绑定那一个实例,便是foo(self,
x),为何要如此做吧?因为实例方法的调用离不开实例,大家需求把实例本身传给函数,调用的时候是那样的a.foo(x)(其实是foo(a,
x)).类方法一致,只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的约定是这俩,依然不要改的好.

对此静态方法其实和普通的章程同样,不须求对哪个人举办绑定,唯一的分歧是调用的时候必要使用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)

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

看三个例子:

Python语言特征

① 、Python的函数参数字传送递

看三个例证:

a = 1

def fun(a):

a = 2

fun(a)

print a # 1

a = []

def fun(a):

a.append(1)

fun(a)

print a # [1]

具备的变量都能够理解是内部存款和储蓄器中2个对象的“引用”,或然,也得以看似c中void*的感觉。

经过id来看引用a的内存地址能够相比精通:

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:具体的值在分化电脑上运维时或许两样。

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

而第三个例子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]

此地记住的是连串是属于对象的,而不是变量。而指标有两种,“可更改”(mutable)与“不可改变”(immutable)对象。在python中,strings,
tuples, 和numbers是不行变更的靶子,而 list, dict, set
等则是足以修改的对象。(那正是那几个标题标关键)

当多少个引用传递给函数的时候,函数自动复制一份引用,这几个函数里的引用和外市的引用没有半毛关系了.所以第3个例证里函数把引用指向了贰个不可变对象,当函数重临的时候,外面包车型地铁引用没半毛感觉.而第③个例证就分化等了,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.

贰 、Python中的元类(metaclass)

其一丰裕的不常用,但是像O奥德赛M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其实有三个格局,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()

那边先领会下函数参数里面包车型客车self和cls.那一个self和cls是对类或然实例的绑定,对于一般的函数来说我们能够这么调用foo(x),那一个函数正是最常用的,它的干活跟别的事物(类,实例)无关.对于实例方法,我们通晓在类里每回定义方法的时候都亟需绑定那一个实例,正是foo(self,
x),为何要那样做啊?因为实例方法的调用离不开实例,大家必要把实例自个儿传给函数,调用的时候是这么的a.foo(x)(其实是foo(a,
x)).类方法同样,只但是它传递的是类而不是实例,A.class_foo(x).注意这里的self和cls能够替换别的参数,但是python的约定是那俩,还是不要改的好.

对此静态方法其实和普通的点子同样,不须求对哪个人进行绑定,唯一的分裂是调用的时候须要使用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)

④ 、类变量和实例变量

类变量:

​是可在类的保有实例之间共享的值(也正是说,它们不是独立分配给每个实例的)。例如下例中,num_of_instance
正是类变量,用于跟踪存在着有个别个Test 的实例。

实例变量:

实例化之后,每一个实例单独拥有的变量。

class Test(object):

num_of_instance = 0

def __init__(self, name):

self.name = name

Test.num_of_instance += 1

if __name__ == ‘__main__’:

print Test.num_of_instance # 0

t1 = Test(‘jack’)

print Test.num_of_instance # 1

t2 = Test(‘lucy’)

print t1.name , t1.num_of_instance # jack 2

print t2.name , t2.num_of_instance # lucy 2

补充的事例

class Person:

name=”aaa”

p1=Person()

p2=Person()

p1.name=”bbb”

print p1.name # bbb

print p2.name # aaa

print Person.name # aaa

那边p1.name=”bbb”是实例调用了类变量,那其实和方面第①个难题同样,便是函数字传送参的标题,p1.name一方始是指向的类变量name=”aaa”,然而在实例的职能域里把类变量的引用改变了,就变成了一个实例变量,self.name不再引用Person的类变量name了.

能够看看下边的例子:

class Person:

name=[]

p1=Person()

p2=Person()

p1.name.append(1)

print p1.name # [1]

print p2.name # [1]

print Person.name # [1]

五、Python自省

本条也是python彪悍的特性.

反省就是面向对象的言语所写的次第在运维时,所能知道对象的类型.简单一句就是运维时亦可拿到对象的类型.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

六 、字典推导式

莫不你见过列表推导时,却绝非见过字典推导式,在2.7中才插手的:

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,用来差别别的用户自定义的命名,以免冲突,正是比如说__init__(),__del__(),__call__()那些万分情势

_foo:一种约定,用来钦定变量私有.程序员用来钦命个人变量的一种情势.无法用from
module import * 导入,其余地方和国有一样访问;

__foo:那个有确实的意思:解析器用_classname__foo来代表那些名字,以界别和别的类相同的命名,它无法直接像公有成员平等随便访问,通过对象名._类名__xxx那样的方法能够访问.

柒 、字符串格式化:%和.format

.format在不少地方看起来更便利.对于%最烦人的是它不大概同时传递七个变量和元组.你大概会想上面包车型客车代码不会有何样难点:

“hi there %s” % name

但是,假若name恰好是(1,2,3),它将会抛出一个TypeError卓殊.为了保险它总是不错的,你必须那样做:

“hi there %s” % (name,) # 提供1个单成分的数组而不是一个参数

唯独多少丑..format就从不这么些难题.你给的第3个难题也是那般,.format雅观多了.

您怎么不要它?

  • 不清楚它(在读这个在此以前)
  • 为了和Python2.5分外(譬如logging库建议使用%(issue #4))

捌 、迭代器和生成器

stackoverflow里python排行第二的题材,能够参见一下,有英文版也有汉语版的。

此地有个关于生成器的创办难题面试官有考: 问: 将列表生成式中[]变更()
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,能够一向开立2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,创设一个暗含百万成分的列表,不仅是占据相当的大的内部存款和储蓄器空间,如:大家只需求拜访前边的多少个要素,前面当先1/4要素所占的长空都是荒废的。由此,没有须要创建完整的列表(节省多量内部存款和储蓄器空间)。在Python中,我们得以应用生成器:边循环,边总计的建制—>generator

九、*args and **kwargs

用*args和**kwargs只是为了便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你可以用*args.例如,它可以传递任意数量的参数:

>>> def print_everything(*args):

for count, thing in enumerate(args):

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

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

  1. apple

  2. banana

  3. cabbage

相似的,**kwargs允许你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

你也能够混着用.命名参数首先获得参数值然后全部的别的参数都传送给*args和**kwargs.命名参数在列表的最前端.例如:

def table_things(titlestring, **kwargs)

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

当调用函数时你也足以用*和**语法.例如:

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

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

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

>>> print_three_things(*mylist)

a = aardvark, b = baboon, c = cat

就像是你看来的等同,它能够传递列表(或然元组)的每一项并把它们解包.注意必须与它们在函数里的参数相吻合.当然,你也能够在函数定义也许函数调用时用*.

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Ali的时候就被问懵了…

装饰器是一个很闻明的设计形式,经常被用来有切面要求的境况,较为经典的有插入日志、品质测试、事务处理等。装饰器是缓解那类难点的绝佳设计,有了装饰器,我们就能够抽离出多量函数中与函数功用本身无关的同样代码并一连起用。归纳的讲,装饰器的作用便是为早已存在的对象添加额外的效应。

十① 、鸭子类型

“当看到二只鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子,那么那只鸟就足以被喻为鸭子。”

小编们并不拥戴对象是怎么着品种,到底是还是不是鸭子,只关切行为。

例如在python中,有成都百货上千file-like的东西,比如StringIO,GzipFile,socket。它们有为数不少均等的法子,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时时利用,万分灵活,使得python不想java那样专门去弄一大堆的设计情势。

十二、Python中重载

函数重载首假诺为着消除五个难题。

  1. 可变参数类型。
  2. 可变参数个数。

其余,贰个宗旨的设计基准是,仅仅当八个函数除了参数类型和参数个数区别以外,其作用是完全相同的,此时才使用函数重载,即使三个函数的效能实在不如,那么不该接纳重载,而相应采纳二个名字不一样的函数。

好呢,那么对于境况 1 ,函数功效雷同,可是参数类型不一样,python
如何处理?答案是一直不必要处理,因为 python
还行其余类型的参数,假诺函数的功能雷同,那么分裂的参数类型在 python
中很大概是均等的代码,没有须要做成多个例外函数。

那么对于景况 2 ,函数功用雷同,但参数个数分歧,python
如何处理?大家明白,答案正是缺省参数。对那一个不够的参数设定为缺省参数即可消除难题。因为你假如函数效率雷同,那么那三个不够的参数毕竟是需求用的。

好了,鉴于情状 1 跟 景况 2 都有了缓解方案,python
自然就不需求函数重载了。

十三 、新式类和旧式类

本条面试官问了,作者说了老半天,不明了她问的确实意图是什么.

stackoverflow

流行类很早在2.2就涌出了,所以旧式类完全是卓殊的难点,Python3里的类全体都以新式类.那里有一个MRO难点得以理解下(新式类是广度优先,旧式类是深度优先),<Python大旨编程>里讲的也很多.

叁个旧式类的深度优先的例证

class A():

def foo1(self):

print “A”

class B(A):

def foo2(self):

pass

class C(A):

def foo1(self):

print “C”

class D(B, C):

pass

d = D()

d.foo1()

# A

奉公守法经典类的追寻顺序从左到右深度优先的平整,在拜访d.foo1()的时候,D那一个类是不曾的..那么往上搜索,先找到B,里面没有,深度优先,访问A,找到了foo1(),所以此时调用的是A的foo1(),从而导致C重写的foo1()被绕过

十四、__new__和__init__的区别

这个__new__真正很少看到,先做摸底吧.

  1. __new__是三个静态方法,而__init__是三个实例方法.
  2. __new__方法会再次来到四个创立的实例,而__init__怎么样都不重临.
  3. 只有在__new__回来1个cls的实例时前面包车型大巴__init__才能被调用.
  4. 当成立贰个新实例时调用__new__,初阶化一个实例时用__init__.

stackoverflow

ps:
__metaclass__是成立类时起效能.所以大家能够分级采纳__metaclass__,__new__和__init__来分别在类创制,实例创立和实例起始化的时候做一些小手脚.

十五 、单例方式

​单例情势是一种常用的软件设计情势。在它的中坚结构中只含有一个被号称单例类的新鲜类。通过单例格局能够有限帮衬系统中二个类唯有一个实例而且该实例易于外界访问,从而利于对实例个数的操纵并节约系统财富。就算希望在系统中有个别类的对象只可以存在二个,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。利用这些法子和类的属性的本性能够达成设计方式的单例形式。单例格局是指创建唯一指标,单例形式设计的类只可以实例
那几个相对常考啊.相对要切记1~叁个主意,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

创制实例时把持有实例的__dict__本着同二个字典,那样它们具有同样的习性和方法.

class Borg(object):

_state = {}

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

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

ob.__dict__ = cls._state

return ob

class MyClass2(Borg):

a = 1

3 装饰器版本

def singleton(cls):

instances = {}

def getinstance(*args, **kw):

if cls not in instances:

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

return instances[cls]

return getinstance

@singleton

class MyClass:

4 import方法

用作python的模块是原始的单例形式

# mysingleton.py

class My_Singleton(object):

def foo(self):

pass

my_singleton = My_Singleton()

# to use

from mysingleton import my_singleton

my_singleton.foo()

十6、 Python中的功用域

Python 中,三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 遇到二个变量的话他会遵守那样的顺序进行查找:

本土功用域(Local)→当前成效域被置于的本地功效域(Enclosing
locals)→全局/模块功效域(Global)→内置效用域(Built-in)

十柒 、 GIL线程全局锁

线程全局锁(Global Interpreter
Lock),即Python为了确认保证线程安全而选拔的独立线程运营的限量,说白了就是一个核只可以在同一时半刻间运转多少个线程.对于io密集型职分,python的多线程起到效益,但对此cpu密集型任务,python的二十多线程差不多占不到别的优势,还有恐怕因为争夺财富而变慢。

见Python 最难的标题

化解办法正是多进度和底下的协程(协程也只是单CPU,但是能减小切换代价提高质量).

十八、协程

果壳网被问到了,呵呵哒,跪了

简单来说点说协程是进程和线程的进步版,进度和线程都面临着内核态和用户态的切换难题而消耗层见迭出切换时间,而协程就是用户本人决定切换的机会,不再须求陷入系统的基石态.

Python里最常见的yield就是协程的思想!能够查看第八个难题.

十九、闭包

闭包(closure)是函数式编制程序的主要性的语法结构。闭包也是一种集体代码的协会,它一样提升了代码的可另行使用性。

当3个内嵌函数引用其外部作功用域的变量,大家就会博得2个闭包.
计算一下,创建二个闭包必须知足以下几点:

  1. 必须有二个内嵌函数
  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

觉得闭包照旧有难度的,几句话是说不了解的,依然印证相关资料.

主假使函数运维后并不会被吊销,就像是16题的instance字典一样,当函数运转完后,instance并不被销毁,而是继续留在内部存款和储蓄器空间里.这些效果类似类里的类变量,只可是迁移到了函数上.

闭包就像是个空心球一样,你精晓外面和内部,但您不明白中间是怎么着样.

二十、lambda函数

骨子里正是贰个匿名函数,为啥叫lambda?因为和后边的函数式编制程序有关.

推荐: 知乎

二十壹 、 Python函数式编制程序

本条必要适当的驾驭一下吗,毕竟函数式编制程序在Python中也做了引用.

推荐: 酷壳

python中等高校函授数式编制程序帮忙:

filter
函数的效果也便是过滤器。调用一个布尔函数bool_func来迭代遍历种种seq中的成分;重返3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(lambda x: x > 5, a)

>>>print b

>>>[6,7]

map函数是对五个队列的各种项依次执行函数,上面是对3个行列各种项都乘以2:

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

>>> list(a)

[2, 4, 6]

reduce函数是对二个行列的种种项迭代调用函数,上边是求3的阶乘:

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

6

二十贰 、Python里的正片

引用和copy(),deepcopy()的区别

import copy

a = [1, 2, 3, 4, [‘a’, ‘b’]] #原始对象

b = a #赋值,传对象的引用

c = copy.copy(a) #指标拷贝,浅拷贝

d = copy.deepcopy(a) #目的拷贝,深拷贝

a.append(5) #修改对象a

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

print ‘a = ‘, a

print ‘b = ‘, b

print ‘c = ‘, c

print ‘d = ‘, d

出口结果:

a = [1, 2, 3, 4, [‘a’, ‘b’, ‘c’], 5]

b = [1, 2, 3, 4, [‘a’, ‘b’, ‘c’], 5]

c = [1, 2, 3, 4, [‘a’, ‘b’, ‘c’]]

d = [1, 2, 3, 4, [‘a’, ‘b’]]

二十叁 、Python垃圾回收机制

Python GC首要运用引用计数(reference
counting)来跟踪和回收废。在引用计数的根底上,通过“标记-清除”(mark
and
sweep)搞定容器对象或然产生的大循环引用问题,通过“分代回收”(generation
collection)以空间换时间的办法升高垃圾回收功用。

1 引用计数

PyObject是每一个对象必有的内容,在那之中ob_refcnt就是做为引用计数。当八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就会减少.引用计数为0时,该目标生命就得了了。

优点:

  1. 简单
  2. 实时性

缺点:

  1. 护卫引用计数消功耗源
  2. 巡回引用

2 标记-清除机制

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

3 分代技术

分代回收的完整思想是:将系统中的全体内部存款和储蓄器块依据其存世时间分开为分化的联谊,每种集合就改成叁个“代”,垃圾收集频率随着“代”的存活时间的附加而减小,存活时间一般使用经过五次垃圾回收来度量。

Python暗中认可定义了三代对象集合,索引数越大,对象共处时间越长。

比喻:
当有些内存块M经过了二次垃圾收集的涤荡之后还存世时,大家就将内部存款和储蓄器块M划到2个集合A中去,而新分配的内部存款和储蓄器都分开到集合B中去。当废品收集起来工作时,大部分景观都只对集合B举行垃圾回收,而对集合A举行垃圾回收要隔相当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,作用自然就抓牢了。在这几个进度中,集合B中的有个别内部存款和储蓄器块由于现有时间长而会被转移到集合A中,当然,集合A中实际上也存在部分废物,那么些废品的回收会因为那种分代的建制而被延迟。

二十四、Python的List

详细教程网上海人民广播广播台湾大学的,内容有点多,小编就不一一列出来了。

二十五、Python的is

is是相对而言地址,==是相比较值

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3个迭代器以供大家遍历

二十七、 Python2和3的区别

推介:Python 2.7.x 与 Python 3.x 的根本差异

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

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

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,那实际上和上边第一个难点同样,就是函数字传送参的难点,p1.name一方始是指向的类变量name=”aaa”,可是在实例的功效域里把类变量的引用改变了,就改为了贰个实例变量,self.name不再引用Person的类变量name了.

==能够看看上面的事例: (need check)==
==python中list是mutable的类变量, 实例化之后也是mutable的,
所以对第④个实例的name操作, 也会挑起类变量以及其余的实例中list的改观==

==怎么着幸免==

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都以轮询的章程,只然则落成的范畴不一致罢了.

本条标题恐怕有点深刻了,但相信能回复出那些题材是对I/O多路复用有很好的垂询了.当中tornado使用的正是epoll的.

selec,poll和epoll差异计算

基本上select有3个缺点:

  1. 连接数受限
  2. 搜寻配对速度慢
  3. 多少由基本拷贝到用户态

poll改正了第⑦个缺陷

epoll改了两个缺点.

② 、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. 参天优先权调度(Priority Scheduling)
  4. 时刻片轮转(安德拉LX570, Round 罗布in)
  • 层层反馈队列调度(multilevel feedback queue scheduling)

实时调度算法:

  1. 最早结束时间先行 EDF
  2. 最低松弛度优先 LLF

三、死锁

原因:

  1. 竞争财富
  2. 次第推进各种不当

供给条件:

  1. 互斥条件
  2. 呼吁和保险标准
  3. 不剥夺条件
  4. 环路等待条件

处理死锁基本格局:

  1. 防患死锁(丢弃除1以外的规格)
  2. 幸免死锁(银行家算法)
  3. 检查和测试死锁(财富分配图)
  4. 解除死锁
  5. 剥夺能源
  6. 注销进度

死锁概念处理政策详细介绍的话,能够参照一下网上的。

肆 、程序编写翻译与链接

Bulid进度可以分解为多少个步骤:预处理(Prepressing),
编写翻译(Compilation)、汇编(Assembly)、链接(Linking)

python自省

其一也是python彪悍的性格.

反省正是面向对象的言语所写的次序在运维时,所能知道对象的类型.简单一句便是运转时亦可拿走对象的类型.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“#”起始的预编写翻译指令,重要处理规则有:

  1. 将有所的“#define”删除,并进行所用的宏定义
  2. 拍卖全数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,将被含有的文本插入到该编写翻译指令的岗位,注:此进度是递归进行的
  4. 删去全体注释
  5. 添加行号和文件名标识,以便于编写翻译时编写翻译器发生调节和测试用的行号音讯以及用于编写翻译时发生编写翻译错误或警示时可显示行反革命号
  6. 保存全数的#pragma编写翻译器指令。

二、编译

编写翻译进度正是把预处理完的文本进行一名目繁多的词法分析、语法分析、语义分析及优化后变卦对应的汇编代码文件。那一个历程是一体程序构建的大旨部分。

三、汇编

汇编器是将汇编代码转化成机器可以推行的下令,每一条汇编语句大致都是一条机器指令。经过编写翻译、链接、汇编输出的公文成为目的文件(Object
File)

四、链接

链接的机要内容正是把各样模块之间相互引用的一部分处理好,使各类模块能够正确的拼接。
链接的根本进程包块 地址和空间的分红(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方分明下来
静态库的链接能够利用静态链接,动态链接库也得以利用那种方法链接导入库

动态链接方法:使用那种措施的主次并不在一起先就完了动态链接,而是直到真正调用动态库代码时,载入程序才总计(被调用的那有个别)动态代码的逻辑地址,然后等到有些时候,程序又须求调用其余某块动态代码时,载入程序又去总括那有的代码的逻辑地址,所以,那种艺术使程序先导化时间较短,但运维时期的质量不如静态链接的次第

⑥ 、虚拟内部存款和储蓄器技术

虚拟存款和储蓄器是指具有请求调入作用和置换效能,能从逻辑上对内部存款和储蓄器体积加以扩张的一种存款和储蓄系统.

七 、分页和支行

分页:
用户程序的地点空间被剪切成几何一定大小的区域,称为“页”,相应地,内部存储器空间分成若干个物理块,页和块的尺寸也等于。可将用户程序的任一页放在内部存款和储蓄器的任一块中,达成了离散分配。

分层:
将用户程序地址空间分成若干个大小不等的段,每段能够定义一组相对完好的逻辑消息。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差别

  1. 页是音信的物理单位,分页是为了促成非一连分配,以便解决内部存款和储蓄器碎片难题,也许说分页是由于系统管理的必要.段是音讯的逻辑单位,它含有一组意义相对完整的音信,分段的指标是为了更好地促成共享,知足用户的要求.
  2. 页的高低固定,由系统分明,将逻辑地址划分为页号和页外省址是由机器硬件实现的.而段的长短却不定点,决定于用户所编写的次序,平日由编译程序在对源程序实行编写翻译时依据新闻的属性来划分.
  3. 分页的学业地址空间是一维的.分段的地点空间是二维的.

捌 、页面置换算法

  1. 最好置换算法OPT:不恐怕实现
  2. 先进先出FIFO
  3. 近期最久未利用算法LRU:近期一段时间里最久没有动用过的页面予以置换.
  4. clock算法

⑨ 、边沿触发和品位触发

边缘触发是指每当状态变化时发出四个 io
事件,条件触发是要是满意条件就生出三个 io 事件

字典推导式:

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

您可以用别样措施的迭代器(元组,列表,生成器..),只要可迭代对象的因素中有多少个值.

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)))

怀有的变量都能够理解是内部存款和储蓄器中1个对象的“引用”,可能,也得以看似c中void*的感觉。

数据库

一、事务

数据库事务(Database Transaction)
,是指作为单个逻辑工作单元执行的一二种操作,要么完全地进行,要么完全地不履行。

干净驾驭数据库事务详细教程一搜一大把,能够自行检索一下。

二 、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1个截然开源免费的key-value内部存款和储蓄器数据库
  2. 日常被认为是1个数据结构服务器,首借使因为其兼具丰硕的数据结构
    strings、map、 list、sets、 sorted sets

Redis数据库

​日常局限点来说,Redis也以音信队列的花样存在,作为内嵌的List存在,满意实时的高并发须要。在行使缓存的时候,redis比memcached具有越多的优势,并且帮衬更多的数据类型,把redis当作壹在那之中路存款和储蓄系统,用来处理高并发的数据库操作

  • 进程快:使用标准C写,全数数据都在内部存款和储蓄器中成功,读写速度分别达到10万/20万
  • 持久化:对数据的翻新采取Copy-on-write技术,能够异步地保存到磁盘上,主要有二种政策,一是依照时间,更新次数的快速照相(save
    300 10 )二是基于语句追加格局(Append-only file,aof)
  • 电动操作:对分化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3个数目,Slave在21秒即成功了对亚马逊网站10G
    key set的复制。
  • Sharding技术:
    很不难将数据分布到八个Redis实例中,数据库的扩充是个定点的话题,在关系型数据库中,首若是以增进硬件、以分区为根本技术格局的纵向扩大解决了过多的使用场景,但随着web2.0、移动互连网、云总括等使用的勃兴,那种增加方式已经不太符合了,所以近年来,像选取主从配置、数据库复制情势的,Sharding那种技术把负载分布到多个特理节点上去的横向扩大格局用处越来越多。

Redis缺点

  • 是数据水库蓄水容量量受到物理内部存款和储蓄器的界定,不能够用作海量数据的高质量读写,由此Redis适合的景色主要局限在较小数据量的高质量操作和平运动算上。
  • Redis较难支撑在线扩大体量,在集群体积高达上限时在线扩容会变得很复杂。为防止这一难点,运营人士在系统上线时务必确定保证有丰盛的半空中,那对财富造成了十分大的浪费。

肆 、乐观锁和悲观锁

杞人忧天锁:假定会发生并发争辩,屏蔽一切只怕违反数据完整性的操作

有望锁:要是不会时有爆发并发冲突,只在提交操作时检查是或不是违背数据完整性。

五、MVCC

​全称是Multi-Version Concurrent
Control,即多版本出现控制,在MVCC协议下,每一种读操作会看到多少个一致性的snapshot,并且能够兑现非阻塞的读。MVCC允许数据有所多少个版本,这么些版本可以是时刻戳恐怕是大局递增的事务ID,在同一个时间点,不相同的事务看到的多少是见仁见智的。

MySQL的innodb引擎是哪些促成MVCC的

innodb会为每一行添加四个字段,分别代表该行成立的版本和删除的版本,填入的是业务的本子号,那几个版本号随着事情的创制不断递增。在repeated
read的割裂级别(事务的隔离级别请看那篇作品)下,具体各个数据库操作的达成:

  • select:满意以下八个规格innodb会重返该行数据:
  • 该行的创设版本号小于等于当前版本号,用于保障在select操作以前全数的操作已经施行落地。
  • 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三个冒出事务将该行删除了。
  • insert:将新插入的行的创设版本号设置为近期系统的版本号。
  • delete:将要删除的行的删除版本号设置为当下系统的版本号。
  • update:不实施原地update,而是转换来insert +
    delete。将旧行的删减版本号设置为近年来版本号,并将新行insert同时设置创立版本号为眼下版本号。

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

​由于旧数据并不确实的删除,所以必须对那个数量开展清理,innodb会开启几个后台线程执行清理工科作,具体的条条框框是将去除版本号小于当前系统版本的行删除,那几个进度叫做purge。

经过MVCC很好的兑现了工作的隔开分离性,能够达成repeated
read级别,要兑现serializable还必须加锁。

参考:MVCC浅析

六、MyISAM和InnoDB

MyISAM
适合于有些索要多量询问的使用,但其对于有大批量写操作并不是很好。甚至你只是急需update2个字段,整个表都会被锁起来,而其余进程,就算是读进度都无法儿操作直到读操作达成。此外,MyISAM
对于 SELECT COUNT(*) 那类的揣度是超快无比的。

InnoDB 的取向会是2个极度复杂的储存引擎,对于一些小的施用,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,会更优异。并且,他还辅助越多的尖端应用,比如:事务。

python中单下划线和双下划线

那篇文章探讨Python中下划线_的选择。跟Python中诸多用法类似,下划线_的不等用法绝大多数(不全是)都是一种规矩约定。

经过id来看引用a的内部存款和储蓄器地址可以相比清楚:

网络

壹 、 3次握手

  1. 客户端通过向服务器端发送2个SYN来创设三个再接再砺打开,作为3回握手的一片段。客户端把那段连接的序号设定为专擅数
    A。
  2. 服务器端应当为1个官方的SYN回送3个SYN/ACK。ACK 的确认码应为
    A+1,SYN/ACK 包本身又有叁个任意序号 B。
  3. 末尾,客户端再发送一个ACK。当服务端受到那个ACK的时候,就完了了三路握手,并跻身了一连成立状态。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 、九次挥手

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

  1. 客户端发送二个数额分段, 个中的 FIN 标记设置为1. 客户端进入 FIN-WAIT
    状态. 该景况下客户端只接收数据, 不再发送数据.
  2. 服务器收到到含有 FIN = 1 的数据分段, 发送带有 ACK = 1
    的结余数量分段, 确认收到客户端发来的 FIN 新闻.
  3. 服务器等到具有数据传输结束, 向客户端发送3个包蕴 FIN = 1 的数据分段,
    并进入 CLOSE-WAIT 状态, 等待客户端发来含有 ACK = 1 的肯定报文.
  4. 客户端收到服务器发来含有 FIN = 1 的报文, 重返 ACK = 1 的报文确认,
    为了防止服务器端未收到需求重发, 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),其基本功效为经过目的设备的IP地址,查询指标的MAC地址,以担保通讯的顺遂进行。它是IPv4互联网层必不可少的协议,不过在IPv6中已不再适用,并被邻里发现协议(NDP)所取代。

四、urllib和urllib2的区别

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

  1. urllib提供urlencode方法用来GET查询字符串的发出,而urllib2没有。那是为啥urllib常和urllib2一起使用的来由。
  2. urllib2能够承受一个Request类的实例来安装UEnclaveL请求的headers,urllib仅基本上能用U陆风X8L。那表示,你不得以假装你的User
    Agent字符串等。

五、Post和Get

GET和POST有何样分别?及为啥网上的多数答案都以错的 果壳网回答

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

六、Cookie和Session

CookieSession储存位置客户端服务器端目标跟踪会话,也足以保存用户偏好设置或然封存用户名密码等跟踪会话安全性不安全无恙

session技术是要动用到cookie的,之所以出现session技术,首假使为了安全。

七、apache和nginx的区别

nginx 相对 apache 的优点:

  • 轻量级,同样起web 服务,比apache 占用更少的内部存款和储蓄器及财富
  • 抗并发,nginx 处理请求是异步非阻塞的,援助越多的产出连接,而apache
    则是阻塞型的,在高并发下nginx 能保持低能源低消耗高质量
  • 配备简洁
  • 高度模块化的宏图,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,基本想到的都足以找到
  • 少bug ,nginx 的bug 相对较多
  • 超稳定

捌 、 网站用户密码保存

  1. 公然保存
  2. 明文hash后保存,如md5
  3. MD5+Salt格局,那几个salt能够私行
  4. 新浪使用了Bcrypy(好像)加密

九、 HTTP和HTTPS

状态码定义1xx 报告吸纳到请求,继续进度2xx
中标步骤成功接到,被清楚,并被接受3xx
重定向为了成功请求,必须采纳特别措施4xx
客户端出错请求包涵错的各样或不能够不负众望5xx
服务器出错服务器不可能成功鲜明有效的伏乞

403: Forbidden 404: Not Found

HTTPS握手,对称加密,非对称加密,TLS/SSL,CRUISERSA

十、 XSRF和XSS

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

CSXC90F重点在央求,XSS重点在剧本

十一、幂等 Idempotence

HTTP方法的幂等性是指三次和频仍呼吁某八个能源应该具有同等的副作用。(注意是副效用)

不会改变能源的图景,不论调用二次依旧N次都不曾副效用。请留心,那里强调的是3回和N次具有相同的副成效,而不是每一趟GET的结果一律。

其一HTTP请求大概会每回获得分化的结果,但它自身并没有生出其余副成效,因此是满意幂等性的。

DELETE方法用于删除财富,有副成效,但它应当满意幂等性。

调用一回和N次对系统一发布生的副效用是均等的,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无需顾虑引起错误。

POST所对应的U奥迪Q7I并非创造的财富本人,而是财富的接收者。

HTTP响应中应包涵帖子的创立状态以及帖子的U卡宴I。两回相同的POST请求会在服务器端成立两份能源,它们持有区别的U牧马人I;所以,POST方法不抱有幂等性。

PUT所对应的ULX570I是要开创或更新的财富本身。比如:PUT

十二、RESTful架构(SOAP,RPC)

详见教程能够在网上搜索一下

十三、 SOAP

SOAP(原为Simple Object Access
Protocol的首字母缩写,即不难对象访问协议)是换来数据的一种协议正式,使用在电脑互联网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数据库中领取数据时,节省去格式化页面时间,以及分裂应用程序之间根据HTTP通讯协议,遵守XML格式执行资料调换,使其抽象于言语达成、平台和硬件。

十四、RPC

途乐PC(Remote Procedure Call
Protocol)——远程进程调用协议,它是一种通过互联网从远程计算机程序上呼吁服务,而不需求掌握底层互连网技术的商谈。宝马X5PC商业事务尽管有个别传输协议的留存,如TCP或UDP,为通信程序之间指导新闻数量。在OSI网络通讯模型中,凯雷德PC跨越了传输层和应用层。CR-VPC使得开发包括互连网分布式多程序在内的应用程序特别容易。

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PAJEROPC。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.然则简化出现各样混乱。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.

迈入的各类: RubiconPC -> SOAP -> RESTful

十五、CGI和WSGI

CGI是通用网关接口,是连接web服务器和应用程序的接口,用户通过CGI来赢得动态数据或文件等。
CGI程序是3个单身的主次,它能够用大概拥有语言来写,包涵perl,c,lua,python等等。

WSGI, Web Server Gateway
Interface,是Python应用程序或框架和Web服务器之间的一种接口,WSGI的在那之中二个目标就是让用户可以用联合的言语(Python)编写前后端。

法定表明:PEP-3333

十⑥ 、中间人攻击

在GFW里无独有偶的,呵呵.

中档人攻击(Man-in-the-middle
attack,日常缩写为MITM)是指攻击者与广播发表的双边分别创制独立的关系,并交流其所吸收接纳的多少,使通讯的两边认为他们正在通过二个私密的总是与对方直接对话,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,指的是服务器同时帮衬广大个客户端的标题,约等于concurrent
10 000 connection(那也是c10k以此名字的由来)。

十八、socket

详见教程笔者就不一一列举了,大家能够自动物检疫索一下。

十九 、浏览器缓存

详尽教程作者就不一一列举了,我们能够自行检索一下。

304 Not Modified

二十、 HTTP1.0和HTTP1.1

  1. 请求头Host字段,贰个服务器三个网站
  2. 长链接
  3. 文本断点续传
  4. 身份证明,状态管理,Cache缓存

HTTP请求8种方式介绍
HTTP/1.1斟酌中国共产党定义了8种HTTP请求方法,HTTP请求方法也被叫做“请求动作”,不一样的艺术规定了不一致的操作内定的财富格局。服务端也会基于区别的乞求方法做不相同的响应。

GET

GET请求会呈现请求钦命的能源。一般的话GET方法应该只用于数据的读取,而不应有用于会时有产生副功能的非幂等的操作中。

GET会办法请求钦命的页面音讯,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访。

HEAD

HEAD方法与GET方法同样,都以向服务器发出内定能源的伏乞。然则,服务器在响应HEAD请求时不会回传财富的始末部分,即:响应宗旨。那样,我们得以不传输全体内容的事态下,就能够获得服务器的响应头新闻。HEAD方法常被用来客户端查看服务器的性情。

POST

POST请求会
向钦赐财富提交数据,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,因为这一个请求大概会创制新的能源或/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方法是幂等的主意。通过该方式客户端能够将内定能源的新星数据传送给服务器代替钦定的财富的始末。

DELETE

DELETE请求用于请求服务器删除所请求U帕杰罗I(统一能源标识符,Uniform Resource
Identifier)所标识的能源。DELETE请求后内定财富会被去除,DELETE方法也是幂等的。

CONNECT

CONNECT方法是HTTP/1.1商讨预留的,能够将接连改为管道方式的代理服务器。经常用于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,一般也是用于客户端查看服务器的习性。
那个方法会请求服务器重返该资源所支撑的兼具HTTP请求方法,该方式会用’*’来代表财富名称,向服务器发送OPTIONS请求,能够测试服务器功用是或不是正规。JavaScript的XMLHttpRequest对象开始展览CO福睿斯S跨域能源共享时,正是选择OPTIONS方法发送嗅探请求,以咬定是不是有对点名能源的拜访权限。
允许

TRACE

TRACE请求服务器回显其吸收的请求消息,该方法首要用于HTTP请求的测试或确诊。

HTTP/1.1自此扩充的艺术

在HTTP/1.1标准制订之后,又陆续扩大了有的办法。个中使用中较多的是 PATCH
方法:

PATCH

PATCH方法出现的较晚,它在二〇〇九年的福特ExplorerFC
5789规范中被定义。PATCH请求与PUT请求类似,同样用于财富的立异。二者有以下两点不相同:

但PATCH一般用于财富的一些更新,而PUT一般用来能源的总体立异。
当能源不存在时,PATCH会创制三个新的财富,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),
是与在不重复加载整个页面的气象下,与服务器交换数据并革新部分网页的技术。

单下划线(_)

重要有二种景况:

  1. 解释器中

_标记是指互相解释器中最终一次施行语句的回来结果。那种用法最初出现在CPython解释器中,别的解释器后来也都跟进了。

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

以此跟下边有点类似。_作为被丢掉的称呼。依据常规,那样做能够让阅读你代码的人驾驭,那是个不会被使用的特定称谓。举个例子,你大概无所谓二个循环计数的值:

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

_还足以被用作函数名。那种情状,单下划线平常被作为国际化和本地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 中您大概会晤到:

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

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

第二种和第二种用法会引起争论,所以在肆意代码块中,要是应用了_作i18n翻译查询函数,就活该制止再用作被撇下的变量名。

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进度间通讯形式(IPC)

  1. 管道(Pipe):管道可用于具有亲缘关系进程间的通信,允许二个进程和另叁个与它有共同祖先的历程之间开展通信。
  2. 取名管道(named
    pipe):命名管道战胜了管道没有名字的界定,由此,除具有管道所拥有的职能外,它还允许无亲缘关系进度间的通讯。命名管道在文件系统中有照应的文本名。命名管道通过命令mkfifo或种类调用mkfifo来成立。
  3. 信号(Signal):信号是相比复杂的通讯格局,用于布告接受进度有某种事件发生,除了用于进度间通讯外,进度还足以发送信号给进度本人;linux除了辅助Unix早期信号语义函数sigal外,还接济语义符合Posix.1标准的信号函数sigaction(实际上,该函数是依据BSD的,BSD为了完结可信赖信号机制,又能够联合对外接口,用sigaction函数重新达成了signal函数)。
  4. 音信(Message)队列:音讯队列是音讯的链接表,包蕴Posix新闻队列system
    V消息队列。有丰富权限的长河可以向队列中添加音信,被授予读权限的进程则足以读走队列中的音信。音讯队列克制了信号承载新闻量少,管道只好承载无格式字节流以及缓冲区大大小小受限等缺
  5. 共享内存:使得八个经过能够访问同一块内部存储器空间,是最快的可用IPC方式。是指向其余通讯机制运作功效较低而规划的。往往与别的通讯机制,如信号量结合使用,来完结进程间的同步及互斥。
  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别的多个进程间通讯,每三个用到该机制的历程经过把三个共享的文件映射到温馨的长河地址空间来完结它。
  7. 信号量(semaphore):首要作为进度间以及同样进度分歧线程之间的联合手段。
  8. 套接口(Socket):更为相似的历程间通讯机制,可用以分裂机器之间的长河间通讯。起首是由Unix系统的BSD分支开发出来的,但以往相似能够移植到别的类Unix系统上:Linux和System
    V的变种都援助套接字。

单下划线前缀的名号(例如_shahriar)

以单下划线做前缀的称谓钦赐了这几个称谓是“私有的”。在 有个别 导入import *
的面貌中,下一个采用你代码的人(可能你自己)会知晓这些称谓仅内部选用。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.

故此说在在 有个别 import *
的光景,是因为导入时解释器确实对单下划线初步的名称做了拍卖。假若你这么写from <module/package> import *,任何以单下划线开首的称呼都不会被导入,除非模块/包的__all__列表显著涵盖了这几个名称。越多相关新闻见““Importing * in Python”

注:具体的值在分化电脑上运转时只怕两样。

数据结构

红黑树

红黑树与AVL的比较:

AVL是严刻平衡树,因而在追加依然去除节点的时候,依照不相同景况,旋转的次数比红黑树要多;

红黑是用非严加的平衡来换取增加和删除节点时候转动次数的下降;

就此不难说,倘若你的利用中,搜索的次数远远超乎插入和删除,那么选取AVL,要是搜索,插入删除次数差不离大概,应该采纳RB。

双下划线前缀的名目(例如__shahriar

以双下划线做前缀的称谓(特别是措施名)并不是一种规矩;它对解释器有一定含义。Python会改写那一个名称,以防与子类中定义的名号发生冲突。Python
documentation中提到,任何__spam那种样式(至少以七个下划线做始发,绝大多数都还有三个下划线做最终)的标识符,都会文件上被轮换为_classname__spam,个中classname是时下类名,并带上3个下划线做前缀。
看下边那几个事例:

>>> 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。今后开创贰个A的子类B(那可不是个好名字),就不会随机的覆盖掉A中的__method_name了:

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

那种特定的作为大多等价于Java中的final方法和C++中的寻常艺术(非虚方法)。

可以看到,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发生变化,由原先1对象的三街六巷的地方变成了2以此实体对象的内存地址。

编程题

一 、台阶难题/斐波那契

二头青蛙三回能够跳上1级台阶,也得以跳上2级。求该青蛙跳上3个n级的台阶总共有微微种跳法。

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)

其二种办法

def fib(n):

a, b = 0, 1

for _ in xrange(n):

a, b = b, a + b

return b

贰 、变态台阶难点

2头青蛙一回可以跳上1级台阶,也足以跳上2级……它也能够跳上n级。求该青蛙跳上多少个n级的阶梯总共有稍许种跳法。

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

三 、矩形覆盖

大家能够用2*1的小矩形横着或然竖着去覆盖更大的矩形。请问用n个2*1的小矩形无重叠地覆盖一个2*n的大矩形,总共有微微种办法?

第2*n个矩形的掩盖情势等于第①*(n-1)加上第2*(n-2)的方法。

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

肆 、杨氏矩阵查找

在八个m行n列二维数组中,每一行都服从从左到右递增的种种排序,每一列都根据从上到下递增的逐条排序。请达成多个函数,输入那样的2个二维数组和一个整数,判断数组中是还是不是带有该整数。

选拔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

五 、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

用字典并保险顺序

l1 = [‘b’,’c’,’d’,’b’,’c’,’a’,’a’]

l2 = list(set(l1))

l2.sort(key=l1.index)

print l2

列表推导式

l1 = [‘b’,’c’,’d’,’b’,’c’,’a’,’a’]

l2 = []

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

sorted排序并且用列表推导式.

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

⑦ 、链表成对调换

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

七 、成立字典的法子

1 直接创制

dict = {‘name’:’earth’, ‘port’:’80’}

2 工厂方法

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

dict2=dict(items)

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

3 fromkeys()方法

dict1={}.fromkeys((‘x’,’y’),-1)

dict={‘x’:-1,’y’:-1}

dict2={}.fromkeys((‘x’,’y’))

dict2={‘x’:None, ‘y’:None}

⑧ 、合并三个静止列表

天涯论坛远程面试要求编制程序

尾递归

def _recursion_merge_sort2(l1, l2, tmp):

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

tmp.extend(l1)

tmp.extend(l2)

return tmp

else:

if l1[0] < l2[0]:

tmp.append(l1[0])

del l1[0]

else:

tmp.append(l2[0])

del l2[0]

return _recursion_merge_sort2(l1, l2, tmp)

def recursion_merge_sort2(l1, l2):

return _recursion_merge_sort2(l1, l2, [])

循环算法

思路:

概念3个新的空驶列车表

正如八个列表的第11个因素

小的就插入到新列表里

把已经插入新列表的要素从旧列表删除

以至八个旧列表有一个为空

再把旧列表加到新列表后面

def loop_merge_sort(l1, l2):

tmp = []

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

if l1[0] < l2[0]:

tmp.append(l1[0])

del l1[0]

else:

tmp.append(l2[0])

del l2[0]

tmp.extend(l1)

tmp.extend(l2)

return tmp

pop弹出

a = [1,2,3,7]

b = [3,4,5]

def merge_sortedlist(a,b):

c = []

while a and b:

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

c.append(b.pop(0))

else:

c.append(a.pop(0))

while a:

c.append(a.pop(0))

while b:

c.append(b.pop(0))

return c

print merge_sortedlist(a,b)

玖 、交叉链表求交点

事实上想想能够依照从尾早先比较三个链表,固然相交,则从尾开端必然一致,只要从尾起首比较,直至区别的地点即为交叉点,如图所示

金沙注册送58 2

 

# 使用a,b多少个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

其余一种相比较标准的法门,构造链表类

class ListNode:

def __init__(self, x):

self.val = x

self.next = None

def node(l1, l2):

length1, lenth2 = 0, 0

# 求多个链表长度

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

修改了一晃:

#coding:utf-8

class ListNode:

def __init__(self, x):

self.val = x

self.next = None

def node(l1, l2):

length1, length2 = 0, 0

# 求多少个链表长度

while l1.next:

l1 = l1.next#尾节点

length1 += 1

while l2.next:

l2 = l2.next#尾节点

length2 += 1

#万一相交

if l1.next == l2.next:

# 长的链表先走

if length1 > length2:

for _ in range(length1 – length2):

l1 = l1.next

return l1#重临交点

else:

for _ in range(length2 – length1):

l2 = l2.next

return l2#归来交点

# 如若不相交

else:

return

十 、二分查找

#coding:utf-8

def binary_search(list,item):

low = 0

high = len(list)-1

while low<=high:

mid = (low+high)/2

guess = list[mid]

if guess>item:

high = mid-1

elif guess<item:

low = mid+1

else:

return mid

return None

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

print binary_search(mylist,3)

十一、快排

#coding:utf-8

def quicksort(list):

if len(list)<2:

return list

else:

midpivot = list[0]

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

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

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

return finallylist

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

更多排序难点凸现:数据结构与算法-排序篇-Python描述

十贰 、找零难点

#coding:utf-8

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

#valuesCounts 钱币对应的类型数

#money 找出来的总钱数

#coinsUsed 对应于如今货币总数i所使用的硬币数目

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

#遍历出从1到money全部的钱数大概

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

minCoins = cents

#把装有的硬币票面价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}的至少硬币使用数为:{1}’.format(cents,
coinsUsed[cents]))

十叁 、广度遍历和纵深遍历二叉树

给定三个数组,营造二叉树,并且按层次打字与印刷那些二叉树

十肆 、二叉树节点

class Node(object):

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

self.data = data

self.left = left

self.right = right

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

十5、 层次遍历

def lookup(root):

row = [root]

while row:

print(row)

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

十六 、深度遍历

def deep(root):

if not root:

return

print root.data

deep(root.left)

deep(root.right)

if __name__ == ‘__main__’:

lookup(tree)

deep(tree)

十⑦ 、 前中后序遍历

深度遍历改变各种就OK了

#coding:utf-8

#二叉树的遍历

#简易的二叉树节点类

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)

#两次三番遍历: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 、求两棵树是还是不是同样

def isSameTree(p, q):

if p == None and q == None:

return True

elif p and q :

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

else :

return False

二十 、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

二十一 、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

二十二 、 多少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’))

二十③ 、动态规划难点

可参考:动态规划(DP)的重新整建-Python描述

 

上下都包蕴双下划线的名号(例如__init__

那几个是Python的奇异措施名,那只是是一种规矩,一种保证Python系统中的名称不会跟用户自定义的称号发生龃龉的点子。经常你可以覆写那一个艺术,在Python调用它们时,产生你想得到的一坐一起。例如,当写1个类的时候时不时会覆写__init__方法。
您也能够写出团结的“特殊措施”名(不过别这样做):

>>> 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

而第一个例证a引用保存的内部存款和储蓄器值就不会爆发变化:

字符串格式化:%和.format

.format在多如牛毛地点看起来更便利.对于%最烦人的是它不可能同时传递1个变量和元组.你大概会想上边的代码不会有啥难点:

hi there %s" % name

可是,假设name恰好是(1,2,3),它将会抛出七个TypeError十分.为了保险它总是不错的,你不可能不这么做:

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就一贯不那个难点.你给的第一个难点也是如此,.format雅观多了.

你为何不要它?

不知情它(在读那个前边)
为了和Python2.5同盟(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

其一是stackoverflow里python排行第②的难点,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

那边记住的是连串是属于对象的,而不是变量。而指标有三种,“可更改”(mutable)与“不可更改”(immutable)对象。在python中,strings,
tuples, 和numbers是不可改变的目的,而 list, dict, set
等则是足以修改的靶子。(那正是以此题材的关键)

Iterables

当您创设了2个列表,你能够一个2个的读取它的每一项,那称之为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,你就创办了一个列表,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

具有你能够用在for…in…语句中的都以可迭代的:比如lists,strings,files…因为这一个可迭代的对象你能够随便的读取所以十一分有利易用,不过你不能够不把它们的值放到内存里,当它们有很多值时就会花费太多的内部存储器.

当2个引用传递给函数的时候,函数自动复制一份引用,这么些函数里的引用和异地的引用没有半毛关系了.所以第3个例证里函数把引用指向了贰个不可变对象,当函数再次回到的时候,外面包车型客车引用没半毛感觉.而第四个例子就差别了,函数内的引用指向的是可变对象,对它的操作就和一定了指针地址一样,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,然而你只可以迭代它们二回.缘由不会细小略,因为它们不是百分百存在内部存款和储蓄器里,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

生成器和迭代器的差异正是用()代替[],还有你不能够用for i in
mygenerator第2次调用生成器:首先总括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.

倘诺还不通晓的话,这里有更好的表达: http://stackoverflow.com/questions/986006/how-do-i-pass-a-variable-by-reference

Yield

Yield的用法和要害字return差不离,下边包车型大巴函数将会回来3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

在那里那个例子好像没什么用,可是当您的函数要回去二个要命大的集纳并且你愿意只读三遍的话,那么它就万分的便利了.

要精晓Yield你无法不先明了当你调用函数的时候,函数里的代码并不曾运维.函数仅仅重临生成器对象,那正是它最微妙的地点:-)

接下来呢,每当for语句迭代生成器的时候你的代码才会运维.

现行反革命,到了最难的片段:

当for语句第1次调用函数里重临的生成器对象,函数里的代码就起来运营,直到遇到yield,然后会回来这次巡回的第5个重临值.所以下三次调用也将运营三次循环然后回去下二个值,直到没有值能够重临.

比方函数运营并从未遭受yeild语句就认为生成器已经为空了.原因有恐怕是循环停止大概没有满足if/else之类的.

2
Python中的元类(metaclass)

Itertools你的好基友

itertools模块包括了有的新鲜的函数能够操作可迭代对象.有没有想过复制一个生成器?链接多个生成器?把嵌套列表里的值协会成贰个列表?Map/Zip还不用创设另一个列表?

来吧import itertools

来三个例证?让我们看看4匹马竞技有稍许个排行结果:

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

精通迭代的内部机制

迭代是可迭代对象(对应iter()方法)和迭代器(对应next()方法)的二个进度.可迭代对象便是其余你能够迭代的对象(废话啊).迭代器正是能够让您迭代可迭代对象的指标(有点绕口,意思正是以此意思)

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

*args and **kwargs

用*args和**kwargs只是为了方便并没有强制行使它们.

当你不显著你的函数里即将传递多少参数时您可以用*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')
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背后。

3
@staticmethod和@classmethod

面向切面编制程序AOP和装饰器

其一AOP一听起来有点懵,同学面Ali的时候就被问懵了…

  • 装饰器就是把其余函数当参数的函数。
    装饰器是二个很出名的设计模式,平日被用来有切面须要的气象,较为经典的有插入日志、品质测试、事务处理等。装饰器是消除那类难点的绝佳设计,有了装饰器,大家就足以抽离出大气函数中与函数效能本人无关的一样代码并无冕起用。总结的讲,装饰器的效益正是为曾经存在的目的添加额外的意义。

这几个难点比较大,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2个简短的例证

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

# 斜体装饰器

def makeitalic(fn):
# 装饰器将重返新的函数
def wrapper():
# 在事先还是现在插入新的代码
return “<i>” + fn() + “</i>”
return wrapper

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

print say()

Python其实有贰个点子,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()

此处先明了下函数参数里面包车型地铁self和cls.这么些self和cls是对类可能实例的绑定,对于一般的函数来说我们能够那样调用foo(x),那个函数正是最常用的,它的做事跟其它东西(类,实例)无关.对于实例方法,大家知晓在类里每便定义方法的时候都亟需绑定那一个实例,便是foo(self,
x),为何要这么做吧?因为实例方法的调用离不开实例,大家须要把实例本身传给函数,调用的时候是那样的a.foo(x)(其实是foo(a,
x)).类方法同样,只然而它传递的是类而不是实例,A.class_foo(x).注意这里的self和cls能够替换别的参数,不过python的预订是那俩,仍然不要改的好.

输出: <b><i>hello</i></b>

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

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

我们并不关心对象是什么类型,到底是不是鸭子,只关心行为。

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

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

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

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

函数重载主要是为了解决两个问题:

  - 可变参数类型
  - 可变参数个数

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

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

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

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

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

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

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

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

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

对此静态方法其实和常见的法门同样,不须求对什么人实行绑定,唯一的分化是调用的时候须要利用a.static_foo(x)或者A.static_foo(x)来调用.

新式类

class C(object):
pass

\实例方法类措施静态方法

经典类

class B:
pass

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

`__new__`是一个静态方法,而`__init__`是一个实例方法.

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

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

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

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

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

# 单例模式
==这个绝对长考, 绝对要记住1~2个方法.==

所谓单例,是指一个类的实例从始至终只能被创建一次。

## 使用`__new__`方法

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

结果:

29922256 banana
29922256 banana

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

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

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

因为实例是不同的id,所以每个实例都可以做字典的key:

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

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

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

所有的实例都能当一个key使用了。
## 装饰器版本

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

@singleton
class MyClass:

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

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

34248016 34248016

id是相同的。

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

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

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

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

mysingleton.py

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

my_singleton = My_Singleton()

A不可用A.class_foo(x)A.static_foo(x)

to use

from mysingleton import my_singleton

my_singleton.foo()

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

当 Python 遇到一个变量的话他会按照这样的顺序进行搜索:

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

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

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

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

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

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

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

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

感觉闭包还是有难度的,几句话是说不明白的,还是查查相关资料.

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

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

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

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

python中函数式编程支持:

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

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

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

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

reduce函数是对一个序列的每个项迭代调用函数,下面是求3的阶乘:

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

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

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

b = a #赋值,传对象的引用
c = copy.copy(a) #指标拷贝,浅拷贝,里面包车型客车[]还是引用原来的
d = copy.deepcopy(a) #目的拷贝,深拷贝, 全部的属性引用全体是新的

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

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

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’]]

## 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。

越来越多关于那么些标题:

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

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

4
类变量和实例变量

类变量:


是可在类的具有实例之间共享的值(也正是说,它们不是独自分配给各类实例的)。例如下例中,num_of_instance
就是类变量,用于跟踪存在着有个别个Test 的实例。

实例变量:

实例化之后,各个实例单独拥有的变量。

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

补给的例证

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

此地p1.name=”bbb”是实例调用了类变量,那实则和上面第3个难点同样,就是函数字传送参的题材,p1.name一上马是指向的类变量name=”aaa”,可是在实例的功用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.

能够看看上面包车型客车事例:

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

其一也是python彪悍的天性.

扪心自问就是面向对象的言语所写的顺序在运营时,所能知道对象的类型.简单一句正是运营时亦可赢得对象的类型.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

或许您见过列表推导时,却尚未见过字典推导式,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,用来区分其余用户自定义的命名,防止争辩,正是比如说__init__(),__del__(),__call__()那一个独特方式

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

__foo:这几个有实在的意义:解析器用_classname__foo来替代那么些名字,以分别和其余类相同的命名,它无法直接像公有成员平等随便访问,通过对象名._类名__xxx那样的不二法门能够访问.

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在重重上边看起来更便利.对于%最烦人的是它不恐怕同时传递一个变量和元组.你大概会想上边包车型客车代码不会有怎么着难点:

“hi there %s” % name

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

“hi there %s” % (name,)  # 提供三个单元素的数组而不是二个参数

而是多少丑..format就从未有过这么些难题.你给的第四个难点也是这么,.format雅观多了.

您为何不要它?

不通晓它(在读这些前面)

为了和Python2.5匹配(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

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

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

此间有个关于生成器的创建难点面试官有考: 问: 将列表生成式中[]变动()
之后数据结构是不是改变? 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>

因此列表生成式,能够一直开立叁个列表。但是,受到内部存储器限制,列表体积肯定是个别的。而且,创造贰个包罗百万成分的列表,不仅是私吞相当的大的内部存款和储蓄器空间,如:我们只须要拜访前边的多少个成分,后边大多数因素所占的半空中都是荒废的。由此,没有供给创建完整的列表(节省大量内部存款和储蓄器空间)。在Python中,大家得以采取生成器:边循环,边总括的体制—>generator

10 *args and **kwargs

用*args和**kwargs只是为了便利并从未强制行使它们.

当你不分明你的函数里即将传递多少参数时你能够用*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允许你采用没有优先定义的参数名:

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

你也足以混着用.命名参数首先取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.

当调用函数时你也得以用*和**语法.例如:

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

就像是您见到的平等,它能够传递列表(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,你也得以在函数定义或许函数调用时用*.

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

11
面向切面编制程序AOP和装饰器

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3个很盛名的设计格局,平常被用于有切面须求的场合,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,大家就足以抽离出大方函数中与函数效能本身非亲非故的同一代码并三番五次起用。总结的讲,装饰器的法力正是为已经存在的对象添加额外的机能。

其一题材相比较大,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

12
鸭子类型

“当见到二只鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子,那么那只鸟就能够被誉为鸭子。”

咱俩并不关心对象是怎么项目,到底是还是不是鸭子,只关怀行为。

譬如说在python中,有许多file-like的事物,比如StringIO,GzipFile,socket。它们有好多同样的办法,大家把它们当做文件使用。

又比如list.extend()方法中,大家并不关注它的参数是否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日选择,十分灵活,使得python不想java那样专门去弄一大堆的设计情势。

13
Python中重载

引自博客园:http://www.zhihu.com/question/20053359

函数重载主尽管为着缓解五个难点。

可变参数类型。

可变参数个数。

其它,四个大旨的规划基准是,仅仅当多少个函数除了参数类型和参数个数分裂以外,其成效是完全相同的,此时才使用函数重载,假诺四个函数的效益实在不如,那么不该利用重载,而相应利用一个名字分化的函数。

好啊,那么对于意况 1 ,函数功效雷同,可是参数类型区别,python
如何处理?答案是一贯不须要处理,因为 python
尚可其余类型的参数,要是函数的功力雷同,那么不相同的参数类型在 python
中很或者是一律的代码,没有必要做成四个例外函数。

那么对于情状 2 ,函数作用雷同,但参数个数差异,python
怎么着处理?大家精晓,答案便是缺省参数。对那多个不够的参数设定为缺省参数即可消除难题。因为你倘诺函数功用雷同,那么这几个不够的参数究竟是须求用的。

好了,鉴于情状 1 跟 情况 2 都有了缓解方案,python
自然就不须求函数重载了。

14
新式类和旧式类

其一面试官问了,小编说了老半天,不亮堂她问的确实意图是什么.

stackoverflow

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

流行类很早在2.2就出现了,所以旧式类完全是合作的题目,Python3里的类全体都以新式类.那里有三个MRO难点得以精晓下(新式类是广度优先,旧式类是深度优先),里讲的也很多.

多个旧式类的纵深优先的例子

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

依据经典类的物色顺序从左到右深度优先的规则,在造访d.foo1()的时候,D这几个类是不曾的..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(),所以那时调用的是A的foo1(),从而致使C重写的foo1()被绕过

15 __new__和__init__的区别

这个__new__当真很少见到,先做摸底吧.

__new__是二个静态方法,而__init__是三个实例方法.

__new__方法会再次回到一个创立的实例,而__init__什么样都不重临.

只有在__new__回去五个cls的实例时后边的__init__才能被调用.

当成立七个新实例时调用__new__,起先化贰个实例时用__init__.

stackoverflow

ps: __metaclass__是开创类时起作用.所以我们得以分别选用__metaclass__,__new__和__init__来分别在类创造,实例创制和实例初始化的时候做一些小手脚.

16
单例格局


单例格局是一种常用的软件设计情势。在它的骨干结构中只含有二个被称之为单例类的新鲜类。通过单例方式能够保险系统中八个类唯有五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决定并节约系统财富。假诺期望在系统中某些类的指标只可以存在三个,单例情势是最棒的缓解方案。

__new__()在__init__()从前被调用,用于转移实例对象。利用这么些方法和类的质量的特点能够兑现设计情势的单例情势。单例情势是指创设唯一指标,单例方式设计的类只好实例 其一绝对常考啊.相对要铭记在心1~1个措施,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

创设实例时把持有实例的__dict__本着同二个字典,那样它们持有同样的属性和方法.

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

3
装饰器版本

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

4
import方法

用作python的模块是后天性的单例格局

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

单例格局伯乐在线详细分解

17
Python中的效率域

Python 中,三个变量的功用域总是由在代码中被赋值的地方所决定的。

当 Python 遇到3个变量的话他会依照那样的逐一实行搜寻:

本地效用域(Local)→当前效用域被内置的地面成效域(Enclosing
locals)→全局/模块功用域(Global)→内置作用域(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采用的独立线程运营的界定,说白了正是四个核只可以在同目前间运转1个线程.对于io密集型义务,python的多线程起到功能,但对此cpu密集型职分,python的多线程大概占不到其它优势,还有大概因为争夺能源而变慢。

见Python
最难的题材

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

19
协程

博客园被问到了,呵呵哒,跪了

简易点说协程是经过和线程的晋升版,进程和线程都面临着内核态和用户态的切换难题而消耗不可胜举切换时间,而协程正是用户本身支配切换的机会,不再要求陷入系统的内核态.

Python里最广大的yield正是协程的思辨!能够查看第玖个难点.

20
闭包

闭包(closure)是函数式编制程序的主要性的语法结构。闭包也是一种集体代码的结构,它一律升高了代码的可重新使用性。

当2个内嵌函数引用其表面作成效域的变量,大家就会获取三个闭包.
总括一下,创造2个闭包必须满意以下几点:

不能够不有一个内嵌函数

内嵌函数必须引用外部函数中的变量

外部函数的再次来到值必须是内嵌函数

感觉到闭包仍然有难度的,几句话是说不知情的,照旧印证相关资料.

首就算函数运维后并不会被收回,仿佛16题的instance字典一样,当函数运转完后,instance并不被灭绝,而是继续留在内存空间里.那么些效应类似类里的类变量,只然则迁移到了函数上.

闭包就像是个空心球一样,你精晓外面和当中,但你不明了中间是怎么着.

21
lambda函数

事实上便是四个匿名函数,为啥叫lambda?因为和后边的函数式编制程序有关.

推荐: 知乎

22
Python函数式编制程序

那些须要得体的问询一下呢,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帮衬:

filter
函数的功效也正是过滤器。调用2个布尔函数bool_func来迭代遍历各样seq中的成分;重回二个使bool_seq返回值为true的要素的种类。

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

map函数是对三个队列的各样项依次执行函数,下边是对二个体系每一种项都乘以2:

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

reduce函数是对三个体系的每种项迭代调用函数,上边是求3的阶乘:

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

23
Python里的正片

引用和copy(),deepcopy()的区别

importcopya=[1,2,3,4,
[‘a’,’b’]]#原始对象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)来跟踪和回收垃圾。在引用计数的基本功上,通过“标记-清除”(mark
and
sweep)化解容器对象也许爆发的轮回引用难题,通过“分代回收”(generation
collection)以空间换时间的艺术进步垃圾回收功用。

1
引用计数

PyObject是每一种对象必有的内容,个中ob_refcnt正是做为引用计数。当二个对象有新的引用时,它的ob_refcnt就会扩充,当引用它的对象被去除,它的ob_refcnt就会缩短.引用计数为0时,该指标生命就长逝了。

优点:

简单

实时性

缺点:

尊崇引用计数消功耗源

巡回引用

2
标记-清除机制

基本思路是先按需分配,等到没有空余内部存款和储蓄器的时候从寄存器和程序栈上的引用出发,遍历以目的为节点、以引用为边构成的图,把拥有能够访问到的目的打上标记,然后清扫三回内部存款和储蓄器空间,把具有没标记的靶子释放。

3
分代技术

分代回收的完全思想是:将系统中的全体内部存款和储蓄器块依照其存世时间分开为分裂的聚合,各个集合就成为二个“代”,垃圾收集频率随着“代”的现有时间的附加而减小,存活时间一般采纳经过三遍垃圾回收来衡量。

Python暗许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经过了二回垃圾收集的清洗之后还存世时,大家就将内部存储器块M划到多个集合A中去,而新分配的内存都分开到集合B中去。当废品收集起来工作时,超越四分之二状态都只对集合B举办垃圾回收,而对集合A进行垃圾回收要隔相当短一段时间后才开始展览,这就使得垃圾收集体制亟待处理的内存少了,作用自然就拉长了。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换成集合A中,当然,集合A中其实也设有有的破烂,这几个垃圾的回收会因为那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是对待地址,==是相比值

27
read,readline和readlines

read 读取整个文件

readline 读取下一行,使用生成器方法

readlines 读取整个文件到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
的首要出入

29 super
init

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

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

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

Python2.7中的super方法浅见

30 range and
xrange

都在循环时利用,xrange内部存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.

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

操作系统

1
select,poll和epoll

实际上全数的I/O都以轮询的情势,只然则完结的范畴分歧罢了.

那些标题或然有点深刻了,但相信能应对出这么些难点是对I/O多路复用有很好的垂询了.个中tornado使用的就是epoll的.

selec,poll和epoll不同计算

基本上select有3个缺点:

连接数受限

寻找配对速度慢

多少由基本拷贝到用户态

poll革新了第3个缺陷

epoll改了多个缺点.

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)

光阴片轮转(途胜R, Round 罗布in)

一体系反馈队列调度(multilevel feedback queue scheduling)

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

实时调度算法:

最早结束时间优先 EDF

最低松弛度优先 LLF

3
死锁

原因:

竞争财富

程序推进种种不当

须要条件:

互斥条件

请求和维系标准

不剥夺条件

环路等待条件

处理死锁基本办法:

以免死锁(放任除1以外的尺度)

制止死锁(银行家算法)

检查和测试死锁(能源分配图)

铲除死锁

剥夺能源

撤回过程

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

预编写翻译过程主要处理那么些源文件中的以“#”开首的预编写翻译指令,首要处理规则有:

将兼具的“#define”删除,并拓展所用的宏定义

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

处理“#include”预编写翻译指令,将被含有的文件插入到该编写翻译指令的地方,注:此进程是递归实行的

删除全数注释

添加行号和文件名标识,以便于编写翻译时编写翻译器发生调节和测试用的行号消息以及用于编写翻译时发出编写翻译错误或警示时可彰显行号

保留全部的#pragma编译器指令。

2
编译

编写翻译进度正是把预处理完的文件进行一多元的词法分析、语法分析、语义分析及优化后变化对应的汇编代码文件。这一个进度是整整程序营造的中坚部分。

3
汇编

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

4
链接

链接的关键内容正是把各样模块之间互相引用的部分处理好,使各样模块可以正确的拼接。
链接的严重性进度包块 地址和空中的分红(Address and Storage
Allocation)、符号决议(Symbol Resolution)和重定位(Relocation)等手续。

5
静态链接和动态链接

静态链接方法:静态链接的时候,载入代码就会把程序会用到的动态代码或动态代码的地址鲜明下来
静态库的链接能够运用静态链接,动态链接库也足以行使这种方法链接导入库

动态链接方法:使用那种艺术的顺序并不在一发端就大功告成动态链接,而是直到真正调用动态库代码时,载入程序才计算(被调用的这部分)动态代码的逻辑地址,然后等到有个别时候,程序又供给调用其余某块动态代码时,载入程序又去总结那有些代码的逻辑地址,所以,那种方法使程序初步化时间较短,但运维时期的习性不如静态链接的主次

6
虚拟内部存款和储蓄器技术

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

柒分页和分层

分页:
用户程序的地方空间被剪切成几何稳定大小的区域,称为“页”,相应地,内部存款和储蓄器空间分成若干个物理块,页和块的轻重相当于。可将用户程序的任一页放在内存的任一块中,完毕了离散分配。

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

分页与分支的基本点不一样

页是消息的大体单位,分页是为着促成非接二连三分配,以便解决内存碎片难点,大概说分页是出于系统管理的急需.段是音讯的逻辑单位,它包蕴一组意义绝对完好的音讯,分段的指标是为着更好地贯彻共享,满意用户的须求.

页的大小固定,由系统鲜明,将逻辑地址划分为页号和页外地址是由机械硬件落成的.而段的长短却不确定地点,决定于用户所编写的顺序,日常由编写翻译程序在对源程序实行编写翻译时依照消息的属性来划分.

分页的课业地址空间是一维的.分段的地点空间是二维的.

8
页面置换算法

最棒置换算法OPT:不容许达成

先进先出FIFO

多年来最久未利用算法LRU:近期一段时间里最久没有采纳过的页面予以置换.

clock算法

9
边缘触发和档次触发

边缘触发是指每当状态变化时发生一个 io
事件,条件触发是固然满意条件就发出七个 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,要么完全地实践,要么完全地不进行。
彻底领会数据库事务: 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?

是贰个通通开源免费的key-value内部存款和储蓄器数据库

常备被认为是一个数据结构服务器,首如若因为其颇具丰硕的数据结构
strings、map、 list、sets、 sorted sets

Redis数据库


平常局限点来说,Redis也以音信队列的款式存在,作为内嵌的List存在,满足实时的高并发要求。在使用缓存的时候,redis比memcached具有更加多的优势,并且援助愈来愈多的数据类型,把redis当作八在那之中间存款和储蓄系统,用来拍卖高并发的数据库操作

速度快:使用标准C写,全数数据都在内部存款和储蓄器中成就,读写速度分别完成10万/20万

持久化:对数码的更新选拔Copy-on-write技术,能够异步地保留到磁盘上,首要有二种政策,一是依据时间,更新次数的快速照相(save
300 10 )二是基于语句追加方式(Append-only file,aof)

机关操作:对两样数据类型的操作都以半自动的,很安全

立时的主–从复制,官方提供了二个数码,Slave在21秒即完毕了对亚马逊(Amazon)网站10G
key set的复制。

Sharding技术:
很简单将数据分布到两个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,首即使以增进硬件、以分区为关键技术情势的纵向扩展化解了重重的选取场景,但随着web2.0、移动互连网、云计算等应用的兴起,那种扩充方式已经不太适合了,所以近期,像选拔主从配置、数据库复制情势的,Sharding那种技能把负载分布到几个特理节点上去的横向扩充格局用处更多。

Redis缺点

是数据水库蓄水容量量受到物理内部存款和储蓄器的限制,不能够用作海量数据的高质量读写,因此Redis适合的光景首要局限在较小数据量的高质量操作和平运动算上。

Redis较难支撑在线扩大体积,在集群体量达到上限时在线扩大体量会变得很复杂。为防止这一题材,运转人士在系统上线时必须有限支撑有丰硕的空间,这对财富造成了不小的荒废。

4
乐观锁和悲观锁

想不开锁:假定会爆发并发争执,屏蔽一切大概违反数据完整性的操作

乐天锁:假使不会产生并发争持,只在付给操作时检查是不是违背数据完整性。

乐观锁与悲观锁的实际差异: http://www.cnblogs.com/Bob-FD/p/3352216.html

5
MVCC

​ 全称是Multi-Version Concurrent
Control,即多版本出现控制,在MVCC协议下,每种读操作会看到四个一致性的snapshot,并且能够完结非阻塞的读。MVCC允许数据有所八个本子,那些本子能够是光阴戳大概是全局递增的工作ID,在同一个时间点,差异的工作看到的数目是见仁见智的。

MySQL的innodb引擎是何许贯彻MVCC的

innodb会为每一行添加多个字段,分别表示该行开创的版本除去的本子,填入的是业务的版本号,那个版本号随着事情的创制不断递增。在repeated
read的割裂级别(作业的隔绝级别请看那篇小说)下,具体各样数据库操作的贯彻:

select:知足以下三个规范innodb会再次回到该行数据:

该行的始建版本号小于等于当前版本号,用于保障在select操作从前全体的操作已经进行落地。

该行的删除版本号大于当前版本或许为空。删除版本号大于当前版本意味着有1个产出事务将该行删除了。

insert:将新插入的行的创导版本号设置为当下系统的版本号。

delete:将要删除的行的删除版本号设置为当前系统的版本号。

update:不履行原地update,而是转换到insert +
delete。将旧行的去除版本号设置为当下版本号,并将新行insert同时安装成立版本号为近来版本号。

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


由于旧数据并不着实的删减,所以必须对这几个数量开始展览清理,innodb会开启贰个后台线程执行清理工科作,具体的条条框框是将去除版本号小于当前系统版本的行删除,这些进度叫做purge。

由此MVCC很好的达成了政工的隔绝性,能够直达repeated
read级别,要实现serializable还非得加锁。

参考:MVCC浅析

6
MyISAM和InnoDB

MyISAM
适合于有个别亟待大批量查询的利用,但其对于有恢宏写操作并不是很好。甚至你只是亟需update三个字段,整个表都会被锁起来,而别的进度,就到底读进度都爱莫能助操作直到读操作落成。其它,MyISAM
对于 SELECT COUNT(*) 那类的乘除是超快无比的。

InnoDB 的来头会是三个至极复杂的积存引擎,对于一些小的选择,它会比 MyISAM
还慢。他是它补助“行锁”
,于是在写操作相比多的时候,会更理想。并且,他还帮助越多的高级应用,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分歧: https://segmentfault.com/a/1190000008227211

网络

1
一遍握手

客户端通过向服务器端发送一个SYN来成立贰个主动打开,作为三次握手的一局地。客户端把那段连接的序号设定为专擅数
A。

服务器端应当为1个法定的SYN回送二个SYN/ACK。ACK 的确认码应为
A+1,SYN/ACK 包本人又有二个自由序号 B。

最终,客户端再发送二个ACK。当服务端受到那些ACK的时候,就完事了三路握手,并跻身了连接创造状态。此时包序号被设定为接收的确认号
A+1,而响应则为 B+1。

2
捌次挥手

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

客户端发送叁个数码分段, 个中的 FIN 标记设置为1. 客户端进入 FIN-WAIT
状态. 该意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 的数据分段, 发送带有 ACK = 1 的多余数量分段,
确认收到客户端发来的 FIN 消息.

服务器等到具有数据传输结束, 向客户端发送二个富含 FIN = 1 的数据分段,
并进入 CLOSE-WAIT 状态, 等待客户端发来含有 ACK = 1 的承认报文.

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,
为了防止万一服务器端未收取要求重发, 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 后未收到回复,
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),其基本作用为通过指标设备的IP地址,查询目的的MAC地址,以确定保证通讯的顺遂进行。它是IPv4互联网层必不可少的说道,可是在IPv6中已不复适用,并被邻居发现协议(NDP)所代替。

4
urllib和urllib2的区别

本条面试官确实问过,当时答的urllib2能够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。那是怎么urllib常和urllib2一起使用的原委。

urllib2还可以3个Request类的实例来设置U劲客L请求的headers,urllib仅能够承受UTiggoL。那意味,你不能装作你的User
Agent字符串等。

5
Post和Get

GET和POST有哪些差距?及为啥网上的大部答案都以错的 乐乎回答

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

6
Cookie和Session

CookieSession

积存地方客户端服务器端

指标跟踪会话,也能够保留用户偏好设置也许封存用户名密码等跟踪会话

安全性不安全无恙

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

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,支持越多的面世连接,而apache
则是阻塞型的,在高并发下nginx 能保持低能源低消耗高品质

布置简洁

惊人模块化的筹划,编写模块相对简单

社区活泼

apache 相对nginx 的优点:

rewrite ,比nginx 的rewrite 强大

模块超多,基本想到的都能够找到

少bug ,nginx 的bug 相对较多

超稳定

8
网站用户密码保存

当众保存

明文hash后保存,如md5

MD5+Salt格局,这几个salt能够肆意

腾讯网使用了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 中标步骤成功接到,被领悟,并被接受

3xx 重定向为了形成请求,必须采纳特别措施

4xx 客户端出错请求包罗错的一一或不能够做到

5xx 服务器出错服务器不恐怕形成鲜明有效的呼吁

403: Forbidden 404: Not Found

HTTPS握手,对称加密,非对称加密,TLS/SSL,RAV4SA

10
XSRF和XSS

CS哈弗F(克罗丝-site request forgery)跨站请求伪造

XSS(克罗丝 Site Scripting)跨站脚本攻击

CSLANDF重点在乞求,XSS重点在剧本

11 幂等
Idempotence

HTTP方法的幂等性是指三遍和频仍呼吁某多个能源应该拥有同等的副作用。(注意是副作用)

GET

DELETE方法用于删除财富,有副成效,但它应当知足幂等性。比如:DELETE

POST所对应的U揽胜极光I并非创造的财富本身,而是能源的接收者。比如:POST

PUT所对应的UKugaI是要创造或更新的财富自个儿。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,使用在微型总结机互联网Web服务(web
service)中,沟通带结构音讯。SOAP为了简化网页服务器(Web
Server)从XML数据库中领取数额时,节省去格式化页面时间,以及分化应用程序之间根据HTTP通讯协议,遵守XML格式执行资料调换,使其抽象于言语完结、平台和硬件。

14
RPC

CR-VPC(Remote Procedure Call
Protocol)——远程进程调用协议,它是一种通过互连网从远程计算机程序上呼吁服务,而不必要了然底层网络技术的商谈。GL450PC合计假如某个传输协议的留存,如TCP或UDP,为通信程序之间指引新闻数量。在OSI网络通讯模型中,奥德赛PC跨越了传输层和应用层。TucsonPC使得开发包括互连网分布式多程序在内的应用程序尤其容易。

计算:服务提供的两大流派.守旧意义以艺术调用为导向通称奥迪Q3PC。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.当互连网时期,臃肿SOA被简化为http+xml/json.但是简化现身各类混乱。以能源为导向,任何操作无非是对财富的增删改查,于是统一的REST出现了.

前进的相继: 福睿斯PC -> SOAP -> RESTful

15
CGI和WSGI

CGI是通用网关接口,是连接web服务器和应用程序的接口,用户通过CGI来博取动态数据或文件等。
CGI程序是贰个单身的顺序,它能够用大致全数语言来写,包涵perl,c,lua,python等等。

WSGI, Web Server Gateway
Interface,是Python应用程序或框架和Web服务器之间的一种接口,WSGI的中间3个指标正是让用户能够用统一的言语(Python)编写前后端。

法定表明:PEP-3333

16
中间人抨击

在GFW里数见不鲜的,呵呵.

中间人抨击(Man-in-the-middle
attack,常常缩写为MITM)是指攻击者与报纸发表的两岸分别成立独立的交流,并交流其所吸收接纳的数据,使通信的双方认为他们正在通过三个私密的接连与对方直接对话,但实在整个会话都被攻击者完全控制。

17
c10k问题

所谓c10k难题,指的是服务器同时帮忙广大个客户端的难题,也正是concurrent
10 000 connection(那也是c10k以此名字的因由)。
推荐: 金沙注册送58,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,一个服务器五个网站

长链接

文本断点续传

身份认证,状态管理,Cache缓存

HTTP请求8种艺术介绍
HTTP/1.1说道中国共产党定义了8种HTTP请求方法,HTTP请求方法也被称为“请求动作”,分化的方式规定了分裂的操作内定的财富情势。服务端也会遵照不一样的请求方法做差异的响应。

GET

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

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

HEAD

HEAD方法与GET方法一致,都以向服务器发出内定能源的请求。不过,服务器在响应HEAD请求时不会回传能源的始末部分,即:响应中央。那样,我们能够不传输全体内容的图景下,就足以得到服务器的响应头音信。HEAD方法常被用于客户端查看服务器的性质。

POST

POST请求会
向钦命财富提交数据,请求服务器实行处理,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方法是非幂等的法子,因为那个请求大概会创设新的财富或/和修改现有财富。

PUT

PUT请求会身向钦定资源任务上传其最新内容,PUT方法是幂等的艺术。通过该措施客户端能够将钦赐财富的新颖数据传送给服务器代替钦赐的财富的始末。

DELETE

DELETE请求用于请求服务器删除所请求UPRADOI(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去除,DELETE方法也是幂等的。

CONNECT

CONNECT方法是HTTP/1.1商业事务预留的,可以将连接改为管道形式的代理服务器。经常用于SSL加密服务器的链接与非加密的HTTP代理服务器的通讯。

OPTIONS

OPTIONS请求与HEAD类似,一般也是用来客户端查看服务器的性质。
这么些方法会请求服务器再次来到该能源所支撑的具有HTTP请求方法,该格局会用’*’来代表财富名称,向服务器发送OPTIONS请求,能够测试服务器功用是不是寻常。JavaScript的XMLHttpRequest对象开始展览CO智跑S跨域财富共享时,就是利用OPTIONS方法发送嗅探请求,以咬定是不是有对点名能源的访问权限。
允许

TRACE

TRACE请求服务器回显其收取的伸手新闻,该方法主要用以HTTP请求的测试或确诊。

HTTP/1.1自此扩张的法子

在HTTP/1.1正规章制度订之后,又陆续扩展了某些格局。当中使用中较多的是 PATCH
方法:

PATCH

PATCH方法现身的较晚,它在二零一零年的瑞鹰FC
5789行业内部中被定义。PATCH请求与PUT请求类似,同样用于能源的立异。二者有以下两点分裂:

但PATCH一般用来资源的一些更新,而PUT一般用来财富的完整立异。
当能源不存在时,PATCH会创造1个新的能源,而PUT只会对已在能源拓展立异。

21
Ajax

AJAX,Asynchronous JavaScript and XML(异步的 JavaScript 和 XML),
是与在不重复加载整个页面包车型大巴处境下,与服务器交流数据并更新部分网页的技术。

*NIX

unix进度间通讯方式(IPC)

管道(Pipe):管道可用于具有亲缘关系进程间的通讯,允许多个历程和另四个与它有一齐祖(Zizou)先的进度之间开始展览通讯。

取名管道(named
pipe):命名管道克制了管道没著名字的限量,因而,除具备管道所独具的机能外,它还允许无亲缘关系进度间的通讯。命名管道在文件系统中有照应的文书名。命名管道通过命令mkfifo或系统调用mkfifo来成立。

信号(Signal):信号是比较复杂的通讯格局,用于布告接受进度有某种事件产生,除了用于进度间通讯外,进程还足以发送信号给进度本人;linux除了协助Unix早期信号语义函数sigal外,还帮助语义符合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,又能够联合对外接口,用sigaction函数重新达成了signal函数)。

新闻(Message)队列:消息队列是新闻的链接表,包涵Posix新闻队列system
V消息队列。有丰硕权限的经过可以向队列中添加音信,被授予读权限的历程则足以读走队列中的音讯。新闻队列制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:使得多个经过能够访问同一块内部存款和储蓄器空间,是最快的可用IPC方式。是本着任何通讯机制运作功效较低而计划的。往往与任何通信机制,如信号量结合使用,来实现进度间的3只及互斥。

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七个经过间通讯,每二个施用该机制的经过经过把一个共享的文书映射到本人的历程地址空间来促成它。

信号量(semaphore):主要用作进度间以及同样进度不相同线程之间的二只手段。

套接口(Socket):更为相似的历程间通讯机制,可用以不一致机器之间的长河间通讯。初阶是由Unix系统的BSD分支开发出来的,但昨天貌似能够移植到其它类Unix系统上:Linux和System
V的变种都扶助套接字。

数据结构

1
红黑树

红黑树与AVL的可比:

AVL是严俊平衡树,由此在增多还是去除节点的时候,根据不一样情状,旋转的次数比红黑树要多;

红黑是用非严加的平衡来换取增加和删除节点时候转动次数的狂跌;

于是简单说,倘使你的施用中,搜索的次数远远超越插入和删除,那么接纳AVL,就算搜索,插入删除次数大约大概,应该选用RB。

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

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

编程题

1
台阶难点/斐波那契

一头青蛙3回能够跳上1级台阶,也足以跳上2级。求该青蛙跳上三个n级的阶梯总共有个别许种跳法。

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

第两种回忆方法

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

其三种艺术

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

2
变态台阶难点

3头青蛙一遍可以跳上1级台阶,也得以跳上2级……它也得以跳上n级。求该青蛙跳上三个n级的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的小矩形横着也许竖着去掩盖更大的矩形。请问用n个2*1的小矩形无重叠地遮盖2个2*n的大矩形,总共有微微种艺术?

第2*n个矩形的掩盖措施等于第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

在二个m行n列二维数组中,每一行都遵守从左到右递增的顺序排序,每一列都遵照从上到下递增的相继排序。请完结多个函数,输入那样的1个二维数组和贰个整数,判断数组中是还是不是含有该整数。

选择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

用字典并保证顺序

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
合并多少个静止列表

网易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3个新的空驶列车表

正如七个列表的第八个因素

小的就插入到新列表里

把曾经插入新列表的要素从旧列表删除

以至于五个旧列表有一个为空

再把旧列表加到新列表前边

def loop_merge_sort(l1, l2):

    tmp = []

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

        if l1[0] < l2[0]:

            tmp.append(l1[0])

            del l1[0]

        else:

            tmp.append(l2[0])

            del l2[0]

    tmp.extend(l1)

    tmp.extend(l2)

    return tmp

pop弹出

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

9
交叉链表求交点

实际想想能够依照从尾起首比较多少个链表,倘使相交,则从尾开头必然一致,只要从尾起首相比,直至不平等的地点即为交叉点,如图所示

金沙注册送58 3

#使用a,b多个list来模拟链表,能够看看交叉点是
7这么些节点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

其它一种比较标准的艺术,构造链表类

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

修改了一下:

#coding:utf-8classListNode:def__init__(self,x):self.val=xself.next=Nonedefnode(l1,l2): 
  length1, length2=0,0#求多少个链表长度whilel1.next:       
l1=l1.next#尾节点length1+=1whilel2.next:       
l2=l2.next#尾节点length2+=1#一旦相交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#归来交点#设若不相交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])

越来越多排序难题凸现: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  钱币对应的门类数#money  找出来的总钱数#coinsUsed 
对应于当下货币总数i所使用的硬币数目defcoinChange(values,valuesCounts,money,coinsUsed):#遍历出从1到money全体的钱数可能forcentsinrange(1,money+1): 
     
minCoins=cents#把富有的硬币面值遍历出来和钱数做相比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

给定三个数组,营造二叉树,并且按层次打字与印刷这些二叉树

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

纵深遍历改变各类就OK了

#coding:utf-8#二叉树的遍历#简易的二叉树节点类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)#持续遍历: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
求两棵树是还是不是一律

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

思路: http://blog.csdn.net/feliciafay/article/details/6841115

方法: http://www.xuebuyuan.com/2066385.html?mobile=1

22
五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
动态规划难点

可参考:动态规划(DP)的重新整建-Python描述

相关文章

网站地图xml地图