捷风数据

1. (问答题)以任何语言打印一个矩阵，输入是矩阵的行数 rowNum 和矩阵的列数 colNum,这里保证输入的必然是自然数，且小于 Integer.MAX 要求在命令行打印一个如下的蛇形矩阵：

   >>> 3*5
   # 输出为:
   1,6,7,12,13
   2,5,8,11,14
   3,4,9,10,15
   
   >>> 2*2
   # 输出为:
   1, 4
   2, 3

要求实现的人提供一个 JAR 包或者一个 python 文件, 在命令行使用

python test.py 34
   
java -jar xxxjar 3 4.

来打印一个 3*4 的矩阵

深光科技

• 索引原理，回表查询，b+树和 b 树区别？为什么不使用红黑树/二叉树，聚簇索引
• redis 使用，集群选举制度
• WSGI 实现了什么？

web 服务器在将请求转交给 web 应用程序之前，需要先将 http 报文转换为 WSGI 规定的格式。

WSGI 规定，Web 程序必须有一个可调用对象，且该可调用对象接收两个参数，返回一个可迭代对象：

environ：字典，包含请求的所有信息 start_response：在可调用对象中调用的函数，用来发起响应，参数包括状态码，headers 等

• web.py、flask、django 技术选型为什么倾向于选用 flask，（面试官倾向于选择 Django）

• 事务

• flask 运行机制

• 基类，在哪看到过？

• 脑裂是什么？

• dict 的实现

  1. python 源码分析：dict 对象的实现 - 木易小邪 - 博客园 (opens new window)
  2. Python dictionary implementation – Laurent Luce's Blog (opens new window)

• celery 实际推荐使用 rabbitMQ，为什么？

  redis 不是一个真正的消息队列，我们只是把 list 当作消息队列来使用，而 rabbitMQ 实现了消息队列中的更多功能。

二面

• nginx 配置，字段含义 $host，还有哪些关键字？

• iteritems，items 区别？

  # python2
  >>> a = {'a':1,'b':2}
  >>> b = a.iteritems()
  >>> type(b)
  <type 'dictionary-itemiterator'>
  >>> next(b)
  ('a', 1)
  

  在 python2 中iteritems返回的是迭代器。items返回的是列表

  In [1]: a = {'a':1,'b':2}
  
  In [2]: b = a.items()
  
  In [3]: type(b)
  Out[3]: dict_items
  
  In [4]: next(b)
  ---------------------------------------------------------------------------
  TypeError                                 Traceback (most recent call last)
  <ipython-input-4-adb3e17b0219> in <module>
  ----> 1 next(b)
  
  TypeError: 'dict_items' object is not an iterator
  In [6]: c = iter(b)
  
  In [7]: next(c)
  Out[7]: ('a', 1)
  

  在 python3 中items返回的是可迭代对象。

• 多线程多进程编程？进程通信方式，queue 无法跳出，遇到过吗，如何解决的？

• 数据库索引优化举例？

• Python 底层加速

• 内存不足杀死进程如何调试？
  埋点，打印 log、pdb 调试

• 索引无效的情况都有哪些？

• 线上 linux 查看问题点的命令？ netstat、top、lsof -i 、ps

• 各个 web 框架的区别或者优缺点？

集简慧通

• left join 与 right join

left join：顾名思义，就是“左连接”，表 1 左连接表 2，以左为主，表示以表 1 为主，关联上表 2 的数据，查出来的结果显示左边的所有数据，然后右边显示的是和左边有交集部分的数据。

right join：“右连接”，表 1 右连接表 2，以右为主，表示以表 2 为主，关联查询表 1 的数据，查出表 2 所有数据以及表 1 和表 2 有交集的数据。

join：其实就是“inner join”，为了简写才写成 join，两个是表示一个的，内连接，表示以两个表的交集为主，查出来是两个表有交集的部分，其余没有关联就不额外显示出来，这个用的情况也是挺多的。

• Django 的生命周期
• 静态方法和类方法的区别
• MySQL B+树索引和哈希索引的区别

B+树是一个平衡的多叉树，从根节点到每个叶子节点的高度差值不超过 1，而且同层级的节点间有指针相互链接。

在 B+树上的常规检索，从根节点到叶子节点的搜索效率基本相当，不会出现大幅波动，而且基于索引的顺序扫描时，也可以利用双向指针快速左右移动，效率非常高。

哈希索引就是采用一定的哈希算法，把键值换算成新的哈希值，检索时不需要类似 B+树那样从根节点到叶子节点逐级查找，只需一次哈希算法即可立刻定位到相应的位置，速度非常快。

如果是等值查询，那么哈希索引明显有绝对优势，因为只需要经过一次算法即可找到相应的键值；当然了，这个前提是，键值都是唯一的。如果键值不是唯一的，就需要先找到该键所在位置，然后再根据链表往后扫描，直到找到相应的数据； 从示意图中也能看到，如果是范围查询检索，哈希索引就毫无用武之地了，因为原先是有序的键值，经过哈希算法后，有可能变成不连续的了，就没办法再利用索引完成范围查询检索； 同理，哈希索引也没办法利用索引完成排序，以及 like "xxx%" 这样的部分模糊查询（这种部分模糊查询，其实本质上也是范围查询）； 哈希索引也不支持多列联合索引的最左匹配规则； B+树索引的关键字检索效率比较平均，不像 B 树那样波动幅度大，在有大量重复键值情况下，哈希索引的效率也是极低的，因为存在所谓的哈希碰撞问题。

• 主键索引和唯一索引的区别

主键是一种约束，唯一索引是一种索引，两者在本质上是不同的。 主键创建后一定包含一个唯一性索引，唯一性索引并不一定就是主键。 唯一性索引列允许空值，而主键列不允许为空值。 主键可以被其他表引用为外键，而唯一索引不能。

一个表最多只能创建一个主键，但可以创建多个唯一索引。

主键索引和普通索引是数据库中常见的两种索引类型，它们的区别主要体现在以下几个方面：

1. 唯一性：主键索引要求索引列的值是唯一的，即每个索引值只能对应一条记录，而普通索引则允许索引列的值重复。

2. 空值：主键索引不允许存在空值，即索引列的值不能为空，而普通索引可以包含空值。

3. 表现形式：主键索引可以是聚集索引（clustered index）或非聚集索引（non-clustered index），而普通索引只能是非聚集索引。

4. 存储方式：主键索引的存储方式与数据行的存储方式相同，即主键索引和数据行存储在同一位置，而普通索引则是独立存储的。在 MySQL 中，主键索引的叶子节点存储的是整个数据行的值，而普通索引的叶子节点存储的是索引字段的值和对应的主键值。

5. 查询性能：主键索引的查询性能通常比普通索引更高，因为主键索引的唯一性和聚集性可以减少磁盘 I/O 的次数，提高查询效率。

总的来说，主键索引是一种特殊的索引类型，用于唯一标识一条记录，具有唯一性和非空性的特点；而普通索引是一种常见的索引类型，用于提高查询性能，可以包含重复值和空值。

• __new__ 和__init__区别
• Python 传值还是传引用
• Python 是否支持重载

不支持，但是也不影响。因为 Python 可以处理这种问题。 python-中重载

• 闭包
• 迭代器与生成器
• 下划线和双下划线的区别

Python 中没有真正的私有属性，但是可以用这种方式来表示私有；但是单下划线可以强制导入，而双下划线只能通过_ClassName__var来获取。

龙创悦动

• token 的工作机制

• 索引、事务/innoDB 和 MyISAM 的对比

  事务：一个最小的不可再分的工作单元

• web 框架的对比

大地量子

• range 返回的对象类型

  Python3 range() 函数返回的是一个可迭代对象（类型是对象），而不是列表类型， 所以打印的时候不会打印列表。

  Python3 list() 函数是对象迭代器，可以把range()返回的可迭代对象转为一个列表，返回的变量类型为列表。

  python2 中xrange返回惰性可迭代对象，可以遍历而不消耗，类型为 range对象，而不是迭代器，无法使用next取值！有len方法

• python 版本问题

• 一行打印乘法口诀表

  print('\n'.join(['\t'.join(f'{j} * {i} = {i*j}' for j in range(1,i+1)) for i in range(1,10)]))
  

  列表生成式

• __new__和__init__ 区别

• 聚集索引的概念，每页数据为什么是 16k，可以是 32k 吗？可以使用 uuid 作为聚簇索引的主键吗？

  聚集索引是一种特殊的数据库索引，在聚集索引中，数据按照索引的顺序存储，因此聚集索引决定了数据在磁盘上的物理排列方式。

  每页数据 16k 是因为数据库管理系统（DBMS）在处理数据时，将数据分成固定大小的块，称为页面（page）。16k 是一种常见的页面大小，它是经过优化和平衡后的一个折衷选择。较小的页面大小可能会导致额外的磁盘 IO 操作，而较大的页面大小可能会浪费存储空间。因此，16k 被广泛应用于许多数据库系统。

  虽然理论上可以使用 32k 作为页面大小，但是这种情况很少见。较大的页面大小可能会导致内存利用率下降，增加 IO 操作的开销，并且可能导致数据碎片化。

  :::info 可以把页面大小的设计类比成一本书的纸张大小。页面太大，会降低书本的便携性；而页面太小，则会导致每页存储的有效信息太少，所以常见书本以 16 开或 32 开为主。 :::

  可以使用 UUID 作为聚簇索引的主键，但是通常不建议这样做。UUID 是一个全局唯一的标识符，它的值是随机生成的。将 UUID 作为聚簇索引的主键会导致数据在磁盘上的随机分布，增加了插入和更新操作的开销，并且可能导致数据碎片化。在大规模的数据库系统中，通常会选择使用自增主键作为聚簇索引的主键，以提高性能和减少碎片化的可能性。

  增加 page_size 的大小：如改为 32k，64k。数据库的页块大小改变需要改动源码。

• 聚集索引的顺序问题

  聚集索引不是物理上连续的，而是逻辑上连续的。（面试官怎么问这个问题的记不住了，好像是说先插入主键为 1，3，4，之后插入 2 是否可以插入？）

  聚集索引是按照索引列的值进行物理排序的，它决定了数据在磁盘上的存储顺序。当你插入主键 id 为 1、2、4 的数据后，聚集索引会按照主键 id 的值进行排序，数据会按照 1、2、4 的顺序存储在磁盘上。

  因此，你可以在插入主键 id 为 3 的数据，数据库会根据聚集索引的顺序将其插入到正确的位置，使得数据仍然保持有序。

• 事务四大特性，之间是否存在关联？

  事务四大特性是指原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）和持久性（Durability）。

  这四个特性之间存在一定的关联。

  1. 原子性和一致性：原子性指事务中的操作要么全部成功执行，要么全部不执行，不会出现部分执行的情况。一致性指事务执行前后数据库的状态要保持一致。原子性和一致性是相互关联的，如果事务中的操作是原子性的，即要么全部成功执行，要么全部不执行，那么事务执行前后数据库的状态就能保持一致。

  2. 隔离性和一致性：隔离性指并发执行的事务之间是相互隔离的，每个事务都感觉不到其他事务的存在。一致性指事务执行前后数据库的状态要保持一致。隔离性和一致性是相互关联的，如果事务之间是相互隔离的，互不干扰，那么事务执行前后数据库的状态就能保持一致。

  3. 持久性和一致性：持久性指事务一旦提交，其结果就是永久性的，即使系统发生故障也不会丢失。一致性指事务执行前后数据库的状态要保持一致。持久性和一致性是相互关联的，如果事务一旦提交，其结果是永久性的，即使系统发生故障，也能保持事务执行前后数据库的状态一致。

  综上所述，事务四大特性之间存在关联，彼此相互支持和保证数据库的一致性。

• innoDB 和 MyISAM 的对比

  InnoDB 引擎的四大特性是：

  1. 事务支持：InnoDB 引擎支持 ACID（原子性、一致性、隔离性和持久性）事务，可以确保数据的完整性和一致性。它支持提交（commit）和回滚（rollback）操作，可以保证在多个并发事务处理过程中的数据一致性。
  2. 行级锁定：InnoDB 引擎支持行级锁定，这意味着在同一时间可以对不同的行进行并发操作，提高了并发性能。与其他引擎如 MyISAM 相比，InnoDB 引擎的行级锁定能够减少锁冲突，提高并发性能。
  3. 外键约束：InnoDB 引擎支持外键约束，可以定义表与表之间的关系，保证数据的引用完整性。外键约束可以自动检查和维护数据的完整性，避免了数据不一致的问题。
  4. 高可靠性及快速回复数据：InnoDB 引擎具有高可靠性，支持数据的持久性存储和恢复。它使用 redo log 和 undo log 来记录和恢复数据的更改，可以在系统崩溃或断电后恢复数据的一致性。此外，InnoDB 引擎还支持自动崩溃恢复和自动故障切换，提高了数据库的稳定性和可靠性。

• 生成器取元素的方式，除了 next 还有哪些？

  除了使用 next 方法取出生成器的下一个元素之外，还可以使用以下方法：

  1. 使用 for 循环：可以直接在 for 循环中迭代生成器，自动调用 next 方法取出元素，直到生成器耗尽或达到停止条件。

  for item in generator:
      # 处理元素
  

  2. 使用 list 函数：可以将生成器转换为列表，通过一次性调用 list 函数获取生成器的所有元素。

  elements = list(generator)
  

  3. 使用 iter 函数：可以将生成器转换为迭代器对象，然后使用 iter 函数的 __next__ 方法取出元素。

  iterator = iter(generator)
  element = iterator.__next__()
  

  4. 使用 * 运算符：可以将生成器的所有元素解包到一个列表中。

  elements = [*generator]
  

  需要注意的是，生成器是一种惰性计算的机制，只有在需要时才会生成元素。因此，每次取出元素时都会从生成器中消耗一个元素，直到生成器耗尽。如果生成器已经耗尽，再次调用 next 方法会引发 StopIteration 异常。

• 新式类和经典类

  # py2
  class Py2Old:
    pass
  
  class Py2New(object):
    pass
  
  #py3
  class Py3New:
    pass
  

• 垃圾回收机制

Python 的内存管理与垃圾回收机制 | 别院牧志知识库

gc.get_threshold()
(700, 10, 10)

700 代表新创建的对象减去从新创建的对象中回收的数量的差值大于 700 就进行一次 0 代回收当 0 代回收进行 10 次的时候就进行一代回收（并且一代回收的时候也进行 0 代回收），同理，当一代回收进行 10 次的时候就进行 2 代回收（并且二代回收的时候也进行 0 代回收和一代回收）

众趣科技

• 三次握手，四次挥手

• 索引的原理 顺序访问指针，所以查询快

• 怎么分析慢查询？ explain 查询是否为全表扫描，是的话加索引

• 最左匹配原则？

  MySQL 索引的最左匹配原则是指，在使用联合索引时，可以利用索引的最左边的列来进行查询，但是如果查询中没有使用到索引的最左边的列，那么该索引将不会被使用。

  举个例子，假设有一个联合索引（col1, col2, col3），如果查询语句中只使用了 col2 和 col3 进行筛选，而没有使用 col1，那么该索引将不会被使用。因为 MySQL 的索引是按照索引列的顺序来存储和搜索的，如果查询中没有使用到索引的最左边的列，那么 MySQL 无法利用该索引进行快速搜索。

  需要注意的是，最左匹配原则并不是说只能使用联合索引的最左边的列进行查询，而是指如果查询语句中没有使用到索引的最左边的列，那么该索引将不会被使用。也就是说，如果查询中使用了索引的最左边的列，那么 MySQL 可以利用该索引进行搜索，但是如果查询中没有使用到索引的最左边的列，那么该索引将不会被使用。

  最左匹配原则在设计索引时非常重要，可以根据查询的特点来选择合适的索引列顺序，以提高查询性能。

• 乐观锁、悲观锁？

  乐观锁和悲观锁是数据库中常用的并发控制机制。

  乐观锁（Optimistic Locking）是一种乐观的并发控制策略。在乐观锁机制中，假设不会发生并发冲突，因此在读取数据的时候不会加锁，只有在更新数据的时候才会检查是否有其他事务修改了数据。乐观锁通常使用版本号或时间戳来实现。当一个事务要更新数据时，会先读取数据并记录版本号或时间戳，然后在更新时检查是否有其他事务修改了数据，如果有则回滚操作，重新读取数据并重新尝试更新。

  悲观锁（Pessimistic Locking）是一种悲观的并发控制策略。在悲观锁机制中，假设会发生并发冲突，因此在读取数据的时候会加锁，确保其他事务无法修改数据。悲观锁通常使用行级锁或表级锁来实现。当一个事务要读取数据时，会先加锁，其他事务无法修改数据，直到该事务释放锁。这种机制可以防止并发冲突，但也会导致并发性能下降。

  乐观锁适用于读操作较多的场景，因为读操作不会加锁，可以提高并发性能。悲观锁适用于写操作较多的场景，因为写操作需要加锁保证数据的一致性。选择乐观锁还是悲观锁取决于具体的业务需求和并发情况。

  当涉及到实现乐观锁和悲观锁时，具体的实现方式会根据数据库的类型和使用的框架而有所不同。以下是一个使用 Python 和 MySQL 数据库的示例代码：

  1. 乐观锁的实现：

  import pymysql
  
  def update_data(id, new_value, version):
      conn = pymysql.connect(host='localhost', user='root', password='password', db='test')
      cursor = conn.cursor()
  
      try:
         # 表中需要有版本号字段
          cursor.execute("SELECT value, version FROM data WHERE id = %s", (id,))
          row = cursor.fetchone()
          if row:
              current_value, current_version = row
              if current_version == version:
                  cursor.execute("UPDATE data SET value = %s, version = version + 1 WHERE id = %s", (new_value, id))
                  conn.commit()
                  print("Update successful!")
              else:
                  print("Conflict detected! Retry the operation.")
          else:
              print("Data not found!")
      except Exception as e:
          print("Error:", e)
          conn.rollback()
      finally:
          cursor.close()
          conn.close()
  

  在上述代码中，首先通过SELECT语句获取要更新的数据的当前值和版本号。然后，检查当前版本号是否与传入的版本号相同。如果相同，则执行UPDATE语句更新数据并增加版本号。如果版本号不相同，则说明有其他事务修改了数据，需要重新尝试更新。

  2. 悲观锁的实现：

  import pymysql
  
  def update_data(id, new_value):
      conn = pymysql.connect(host='localhost', user='root', password='password', db='test')
      cursor = conn.cursor()
  
      try:
          cursor.execute("SELECT * FROM data WHERE id = %s FOR UPDATE", (id,))
          row = cursor.fetchone()
          if row:
              cursor.execute("UPDATE data SET value = %s WHERE id = %s", (new_value, id))
              conn.commit()
              print("Update successful!")
          else:
              print("Data not found!")
      except Exception as e:
          print("Error:", e)
          conn.rollback()
      finally:
          cursor.close()
          conn.close()
  

  在上述代码中，通过SELECT ... FOR UPDATE语句获取要更新的数据并加锁，确保其他事务无法修改数据。然后，执行UPDATE语句更新数据，并提交事务。

  需要注意的是，上述代码仅为示例，实际实现中需要根据具体的业务需求和数据库类型进行相应的调整。

• 深拷贝，浅拷贝？ Python 全栈之路系列之深浅拷贝

• gRPC 工作原理？

• 多态解释一下？ A 类中的 walk 和 b 类中的 walk 方法可以接受不同类型的参数，但执行的逻辑不一样。 面向对象之封装、继承、多态 | 别院牧志知识库

WSGI 与 ASGI

• 什么是 WSGI

先说一下CGI，（通用网关接口， Common Gateway Interface/CGI），定义客户端与 Web 服务器的交流方式的一个程序。例如正常情况下客户端发来一个请求，根据HTTP协议 Web 服务器将请求内容解析出来，经过计算后，再将内容封装好，例如服务器返回一个HTML页面，并且根据HTTP协议构建返回内容的响应格式。涉及到TCP连接、HTTP原始请求和相应格式的这些，都由一个软件来完成，这时，以上的工作需要一个程序来完成，而这个程序便是CGI。

那什么是WSGI呢？维基 (opens new window) 上的解释为，Web 服务器网关接口(Python Web Server Gateway Interface，WSGI)，是为Python语言定义的 Web 服务器和 Web 应用程序或框架之间的一种简单而通用的接口。从语义上理解，貌似WSGI就是Python为了解决Web 服务器端与客户端之间的通信问题而产生的，并且WSGI是基于现存的CGI标准而设计的，同样是一种程序（或者Web组件的接口规范？）。

WSGI (opens new window) 区分为两部分：一种为“服务器”或“网关”，另一种为“应用程序”或“应用框架”。

所谓的WSGI中间件同时实现了API的两方，即在WSGI服务器和WSGI应用之间起调解作用：从WSGI服务器的角度来说，中间件扮演应用程序，而从应用程序的角度来说，中间件扮演服务器。中间件具有的功能：

• 重写环境变量后，根据目标 URL，将请求消息路由到不同的应用对象。
• 允许在一个进程中同时运行多个应用程序或应用框架
• 负载均衡和远程处理，通过在网络上转发请求和相应消息。
• 进行内容后处理，例如应用XSLT样式表。（以上 from 维基）

看了这么多，总结一下，其实可以说WSGI就是基于Python的以CGI为标准做一些扩展。

• 什么是ASGI (opens new window)

异步网关协议接口，一个介于网络协议服务和Python应用之间的标准接口，能够处理多种通用的协议类型，包括HTTP，HTTP2和WebSocket。
然而目前的常用的WSGI主要是针对HTTP风格的请求响应模型做的设计，并且越来越多的不遵循这种模式的协议逐渐成为Web变成的标准之一，例如WebSocket。
ASGI尝试保持在一个简单的应用接口的前提下，提供允许数据能够在任意的时候、被任意应用进程发送和接受的抽象。并且同样描述了一个新的，兼容HTTP请求响应以及WebSocket数据帧的序列格式。允许这些协议能通过网络或本地socket进行传输，以及让不同的协议被分配到不同的进程中。

• WSGI 和 ASGI 的区别在哪

以上，WSGI是基于HTTP协议模式的，不支持WebSocket，而ASGI的诞生则是为了解决Python常用的WSGI不支持当前Web开发中的一些新的协议标准。同时，ASGI对于WSGI原有的模式的支持和WebSocket的扩展，即ASGI是WSGI的扩展。

ref：WSGI&ASGI - 简书 (opens new window)

redis 缓存热点数据，哪些数据属于热点数据

Redis 的过期策略有两种：定期删除和惰性删除。

1. 定期删除： Redis 默认使用的是定期删除策略。它会以一定的频率（默认每秒钟 10 次）随机抽取一部分设置了过期时间的 key，并检查它们是否过期，如果过期则删除。这种策略的优点是简单高效，缺点是可能会造成大量过期 key 未被及时删除，占用过多内存。

2. 惰性删除： 惰性删除是指在获取某个 key 时，Redis 会先检查该 key 是否过期，如果过期则删除。这种策略的优点是能够及时删除过期 key，节省内存空间，缺点是在获取过期 key 时会有一定的性能损耗。

Redis 还提供了一些配置参数来调整过期策略的行为，包括：

• maxmemory-policy：指定内存达到上限时的淘汰策略，默认是 noeviction，表示不淘汰数据，直接返回错误。

  redis的淘汰策略：默认是  noeviction
  noeviction：当内存使用达到阈值的时候，所有引起申请内存的命令会报错；
  allkeys-lru：尝试回收，最近未使用或者使用比较少的键。（范围是：所有的键）
  volatile-lru：尝试回收，最近未使用或者使用比较少的键。（范围是：设置了过期时间的键）
  allkeys-random：随机移除某个key。（范围是：所有的键）
  volatile-random：随机移除某个key。（范围是：设置了过期时间的键）
  volatile-ttl：回收过期时间较短的key。（范围是：设置了过期时间的键）
  

• maxmemory-samples：指定定期删除策略每次抽取的 key 数量，默认是 5。

• lazyfree-lazy-eviction：是否开启惰性删除策略，默认是 no，表示关闭。

  根据实际需求，可以根据以上配置参数来调整 Redis 的过期策略。

  redis 如何保证数据都是热点数据 - 五色风车 - 博客园 (opens new window)

其他

• 已经有了 GIL 多线程为什么还要加锁？
• float相加精度问题
• 为什么协程比线程快？切换为什么快？
• futures模块
• 单进程里面的单进程和单进程消耗的资源哪个更多还是一样多？
• 设计模式
• redis 缓存使用？io 模型？多路复用解释一下？数据结构内部实现？