2024年Go最全Python 面试问题总结_pytorch面试(2)，2024年最新Golang面试题2024高级

最新推荐文章于 2024-11-02 15:22:06 发布

2401_84911020

最新推荐文章于 2024-11-02 15:22:06 发布

阅读量315

点赞数 3

文章标签： go 学习面试

本文链接：https://blog.csdn.net/2401_84911020/article/details/138877612

版权

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

一. 进程和线程

1. 简述线程，进程，协程的区别？

线程：

操作系统能够进行运算调度的最小单位。它包含在进程之中，是进程的实际运作单位。一条线程指的是进程中一个单一顺序的控制流，一个进程中可以并发多个线程，每一条线程并行执行不同的任务。

进程：
对一堆资源的整合。比如说QQ就是一个进程。
目的：最大限度的利用CPU,节省时间。

从操作系统角度来讲，进程是资源分配单元，线程是执行单元，多个线程可以共享所在进程的资源。

协程：
从程序运行角度出发，是由用户(程序)控制和调度的一个过程。

多线程并不会充分调用两个CPU，而是会在一个CPU上充分运转；
而多进程则是会完全调用两个CPU，同时执行；

并行：多个处理器同时处理多个任务

并发：一个处理器同时交替处理多个任务

2. 简述线程同步和异步的区别？

同步：指一个线程需要主动等待上一个线程执行完之后才开始执行。

异步：指一个线程不需要主动等待上一个线程执行完之后就开始执行。

区别关键是需不需要主动等待

3. python 如何开启一个进程？

知识点一：进程的理论

什么是进程？

进程是指一个程序在一个数据集上的动态执行过程(程序执行过程的抽象)

进程包含

程序：我们通过程序来描述一个进程所要执行的内容以及如何执行
数据集：数据集代表程序在执行过程中所需要的资源
进程控制块：用于描述进程的外部特征，记录进程的执行过程，系统可以用来控制/管理进程，也是操作系统感知进程存在的唯一标识

进程运行的的三种状态:

在这里插入图片描述

进程执行过程中出现IO，进入阻塞状态(操作系统强行剥夺CPU)
进程占用CPU时间过长/出现一个优先级更高的进程，进入就绪状态(CPU被剥夺)
就绪态的进程被分配到CPU，进入运行状态
阻塞态的进程出现有效输入，进入就绪态，等待操作系统分配CPU

此外，我们能直接控制的只有阻塞状态，减少阻塞，使进程尽可能的保持在就绪状态，提高效率

知识点二：开启进程的两种方式

开启进程：开启进程就是将父进程里面串行执行的程序放到子进程里，实现并发执行，这个过程中，会将父进程数据拷贝一份到子进程。
运行角度：是2个进程
注意：子进程内的初始数据与父进程的一样，如果子进程被创建或者被运行了，那么
　　　子进程里面数据更改对父进程无影响，2个进程是存在运行的

方式一：通过调用multiprocessing模块下面的Process类方法

from multiprocessing import Process
 
def func(name):
    print('%s is running...' % name)
    print('%s is ending...' % name)
 
 
if __name__ == '\_\_main\_\_':
    p = Process(target=func, args=('子进程',))  
	# 如果只有一个参数，args括号内一定要加逗号，确保以元组的形式传入
	# 这一步：只是在向操作系统发我要开启一个子进程的信号（具体开子进程的操作是由操作系统来完成的）
    p.start() 
	# 只是主进程给操作系统发送建立子进程的请求，并非立刻建立子进程
    print('主进程')

运行结果：主进程
		子进程 is running...
		子进程 is ending...

方式二：借助process类，自定义一个类（继承Process），从而创造一个对象

定义process类的子类，并重写该类的run()方法，run()方法的中写进程需要完成的任务。

from multiprocessing import Process

class MyProcess(Process):     # 继承Process类
    def run(self):  # run名字是固定的，不能更改
        print("%s is running" % self.name)  # 默认函数对象有name方法 ，结果为：Myprocess-1
        print('%s is done' % self.name)

if __name__ == '\_\_main\_\_':
    obj = MyProcess()
    obj.start()  # 本质上是在调用父类的start方法，而start方法下会触发run方法
    print('主进程')

运行结果：主进程
		MyProcess-1 is running
		MyProcess-1 is done

为什么开启进程要在main内执行？

由于在windows系统下，子进程是通过导入模块的方式拿到父进程的代码，如果没有main会一直开启子进程，

而子进程的申请是需要开辟内存以及申请pid等的。

4. python 如何开启一个线程？

方式一：通过thread类直接创建

import threading

def foo(n):
    print('%s'%n)

def bar(n):
    print('%s'%n)

print('33')   # 主线程

t1 = threading.Thread(target=foo, args=(1,))    # 线程一
t2 = threading.Thread(target=bar, args=(2,))    # 线程二
t1.start()
t2.start()
# 创建线程，第一个参数是函数名字（不加括号，加括号就执行函数了）。
# 第二个参数是要传给函数的参数，以元组的形式。
# 创建线程之后， obj.start()启动线程。

执行结果：33
		1
		2

方式二：继承 Thread 类：

定义Thread类的子类，并重写该类的run()方法，run()方法的中写线程需要完成的任务。

import threading

# 定义MyThread类，其继承自threading.Thread这个父类
class MyThread(threading.Thread):
   def \_\_init\_\_(self):
     threading.Thread.__init__(self)
   def run(self):
     print("start t1")
     print("end t1")

t1=MyThread()  # 对类进行实例化
t1.start()   # 启动线程
print("主线程")

运行结果：start t1
		end t1
		主线程

补充：Thread 类的一些常用方法

join(): 在子线程完成之前，主线程将一直被阻塞
setDaemon(True) 方法: 将进程声明为守护线程，必须在start()方法调用之前

5. 线程之间如何通信？

方式一：threading.Event 事件

Python提供了非常简单的通信机制 Threading.Event，通用的条件变量(event.isSet==False/True)。多个线程可以等待某个事件的发生，在事件发生后，所有的线程都会被激活。

关于Event的使用，就四个函数：

event = threading.Event()

event.isSet() # 返回event的状态值。
event.wait() # 等待接收event的状态值，决定是否阻塞程序执行。如果event.isSet==False,将阻塞线程。
event.set() # 设置event的状态值为True，使所有设置该event事件的线程执行。
event.clear() # 重置event的状态值为False，使得所有该event事件都处于待命状态。

举个例子：

import time
import threading

class MyThread(threading.Thread):
    def \_\_init\_\_(self, name, event):
        super().__init__()
        self.name = name
        self.event = event

    def run(self):
        print('Thread: {} start at {}'.format(self.name, time.ctime(time.time())))
        # 等待event.set()后，才能往下执行
        self.event.wait()
        print('Thread: {} finish at {}'.format(self.name, time.ctime(time.time())))

threads = []
event = threading.Event()

# 定义三个线程，使用event事件
[threads.append(MyThread(str(i), event)) for i in range(1, 4)]

# 重置event，使得event.wait()起到阻塞作用
event.clear()

# 启动所有线程
[t.start() for t in threads]

print('等待5s...')
time.sleep(5)

print('唤醒所有线程...')
event.set()

执行结果：Thread: 1 start at Fri Jul 12 15:05:50 2019
		Thread: 2 start at Fri Jul 12 15:05:50 2019
		Thread: 3 start at Fri Jul 12 15:05:50 2019
		等待5s...
		唤醒所有线程...
		Thread: 3 finish at Fri Jul 12 15:05:55 2019
		Thread: 2 finish at Fri Jul 12 15:05:55 2019
		Thread: 1 finish at Fri Jul 12 15:05:55 2019

可见在所有线程都启动 start() 后，并不会执行完，而是都在self.event.wait()阻塞了，需要通过event.set()来给所有线程发送执行指令才能往下执行。

方式二：threading.Condition条件

Condition和Event 是类似的，并没有多大区别。

Condition需要掌握几个函数：

cond = threading.Condition() # 创建一个cond条件 , 默认锁为 Rlock.

cond.acquire() # 类似lock.acquire()
cond.release() # 类似lock.release()
cond.wait() # 等待指定触发，同时会释放锁,直到被notify才重新占有琐。
cond.notify() # 发送指定，触发执行一个线程
cond.notifyAll() # 发送指定，触发执行所有线程

举个生产消费的例子：

import threading
import time
from random import randint

class Producer(threading.Thread):
    def run(self):
        global L
        while True:
            val=randint(0,100)
            print('生产者',self.name,":Append"+str(val), L)
            if lock_con.acquire():
                L.append(val)
                lock_con.notify()
                lock_con.release()
            time.sleep(3)
            
class Consumer(threading.Thread):
    def run(self):
        global L
        while True:
                lock_con.acquire()
                if len(L)==0:
                    lock_con.wait()
                print('消费者',self.name,":Delete"+str(L[0]),L)
                del L[0]
                lock_con.release()
                time.sleep(0.25)

if __name__=="\_\_main\_\_":

    L=[]
    lock_con=threading.Condition()
    threads=[]
    for i in range(5):
        threads.append(Producer())
    threads.append(Consumer())
    for t in threads:
        t.start()
    for t in threads:
        t.join()

执行结果：生产者 Thread-1 :Append48 []
		生产者 Thread-2 :Append9 [48]
		生产者 Thread-3 :Append73 [48, 9]
		生产者 Thread-4 :Append11 [48, 9, 73]
		生产者 Thread-5 :Append94 [48, 9, 73, 11]
		消费者 Thread-6 :Delete48 [48, 9, 73, 11, 94]
		消费者 Thread-6 :Delete9 [9, 73, 11, 94]
		消费者 Thread-6 :Delete73 [73, 11, 94]
		消费者 Thread-6 :Delete11 [11, 94]
		消费者 Thread-6 :Delete94 [94]

可见通过cond来通信，阻塞自己，并使对方执行。

方式三：queue.Queue队列

从一个线程向另一个线程发送数据最安全的方式可能就是使用 queue 库中的队列了。

创建一个被多个线程共享的 Queue 对象，这些线程通过使用put() 和 get() 操作来向队列中添加或者删除元素。

队列需要掌握的函数：

q = Queue(maxsize=0) # maxsize默认为0，不受限。

q.get() # 阻塞程序，等待队列消息。
q.get(timeout=5.0) # 获取消息，设置超时时间。
q.put() # 发送消息。
q.join() # 等待所有的消息都被消费完。

举一个老师点名的例子：

from threading import Thread
from queue import Queue
import time

class Student(Thread):
    def \_\_init\_\_(self, name, queue):
        super().__init__()
        self.name = name
        self.queue = queue

    def run(self):
        while True:
            # 阻塞程序，时刻监听老师，接收消息
            msg = self.queue.get()
            # 一旦发现点到自己名字，就赶紧答到
            if msg == self.name:
                print("{}：到！".format(self.name))

class Teacher:
    def \_\_init\_\_(self, queue):
        self.queue = queue

    def call(self, student_name):
        print("老师：{}来了没？".format(student_name))
        # 发送消息，要点谁的名
        self.queue.put(student_name)

queue = Queue()
teacher = Teacher(queue=queue)
s1 = Student(name="小明", queue=queue)
s2 = Student(name="小亮", queue=queue)
s1.start()
s2.start()

print('开始点名~')
teacher.call('小明')
time.sleep(1)
teacher.call('小亮')

总结：

学习了以上三种通信方法，我们很容易就能发现Event 和 Condition 是threading模块原生提供的模块，原理简单，功能单一，它能发送 True 和 False 的指令，所以只能适用于某些简单的场景中。

而Queue则是比较高级的模块，它可能发送任何类型的消息，包括字符串、字典等。其内部实现其实也引用了Condition模块（譬如put和get函数的阻塞），正是其对Condition进行了功能扩展，所以功能更加丰富，更能满足实际应用。

6. 进程之间如何通信？

方式一：Queue队列，用于多个进程间实现通信

一个进程向 Queue 中放入数据，另一个进程从 Queue 中读取数据。

multiprocessing 模块下的 Queue 和 queue 模块下的 Queue 基本类似，它们都提供了 qsize()、empty()、full()、put()、put_nowait()、get()、get_nowait() 等方法。

区别只是 multiprocessing 模块下的 Queue 为进程提供服务，而 queue 模块下的 Queue 为线程提供服务。

from queue import Queue    # 为线程提供服务
from multiprocessing import Queue   # 为进程提供服务

举个例子：

import multiprocessing

def fun(que):
    print('(%s) 进程开始放入数据...' % multiprocessing.current_process().pid)
    que.put('Python')    # 向 Queue 中放入数据

if __name__ == '\_\_main\_\_':

    que = multiprocessing.Queue()    # 创建进程通信的Queue
    p = multiprocessing.Process(target=fun, args=(que,))  # 创建子进程
    p.start()  # 启动子进程
    print('(%s) 进程开始取出数据...' % multiprocessing.current_process().pid)   # 先走主进程
    print(que.get())  # 从 Queue 中读取数据

执行结果：(6364) 进程开始取出数据...
		(12716) 进程开始放入数据...
		Python

方式二：Pipe管道，用于两个进程的通信

使用 Pipe 实现进程通信，程序会调用 multiprocessing.Pipe() 函数来创建一个管道，该函数会返回两个 PipeConnection 对象，代表管道的两个连接端，用于连接通信的两个进程。

PipeConnection 对象包含如下常用方法：

send(obj)：发送一个 obj 给管道的另一端，另一端使用 recv() 方法接收。
recv()：接收另一端通过 send() 方法发送过来的数据。
fileno()：关于连接所使用的文件描述器。
close()：关闭连接。
poll([timeout])：返回连接中是否还有数据可以读取。
send_bytes(buffer[, offset[, size]])：发送字节数据。
recv_bytes([maxlength])：接收通过 send_bytes() 方法发迭的数据，maxlength 指定最多接收的字节数。
recv_bytes_into(buffer[, offset])：功能与 recv_bytes() 方法类似，只是该方法将接收到的数据放在 buffer 中。

举一个例子：

import multiprocessing

def f(conn):
    print('(%s) 进程开始发送数据...' % multiprocessing.current_process().pid)
    # 使用conn发送数据
    conn.send('Python')

if __name__ == '\_\_main\_\_':

    parent_conn, child_conn = multiprocessing.Pipe()    # 创建Pipe，该函数返回两个PipeConnection对象
    p = multiprocessing.Process(target=f, args=(child_conn, ))    # 创建子进程
    p.start()
    print('(%s) 进程开始接收数据...' % multiprocessing.current_process().pid)
    # 通过conn读取数据
    print(parent_conn.recv())  # Python
    p.join()

执行结果：(13796) 进程开始接收数据...
		(14792) 进程开始发送数据...
		Python

7. 什么时候用多线程？什么时候用多进程？

多线程使用场景：IO 密集型
多进程使用场景：CPU 密集型

8. python 的 GIL

全局解释器锁，Guido van Rossum（吉多·范罗苏姆）创建python时就只考虑到单核cpu，解决多线程之间数据完整性和状态同步的最简单方法自然就是加锁，于是有了GIL这把超级大锁。因为cpython解析只允许拥有GIL全局解析器锁才能运行程序，这样就保证了保证同一个时刻只允许一个线程可以使用cpu。也就是说多线程并不是真正意义上的同时执行。

如何解决 GIL 锁的问题呢？

1.更换 cpython 为 jpython(不建议)

2.使用多进程完成多线程的任务

3.在使用多线程可以使用c语言去实现

9. socked 通信

socket是在应用层和传输层之间的一个抽象层，socket本质是编程接口(API)，它把TCP/IP层复杂的操作抽象为几个简单的接口供应用层调用以实现进程在网络中通信。TCP/IP只是一个协议栈，必须要具体实现，同时还要提供对外的操作接口（API），这就是Socket接口。通过Socket,我们才能使用TCP/IP协议。

socket通信流程如图：
在这里插入图片描述

根据上图顺序写出代码：
说明：建立2个py文件，原则上应该是在2台电脑上各自建立1个py文件，分别是 server.py 和 client.py 。由于现在只有一台电脑，所以建立2个py文件。

server.py：

import socket

sk = socket.socket()
sk.bind(('127.0.0.1',8000))   # 通过sk中的bind()方法，绑定地址和端口，参数必须是元组
sk.listen(3)   # 设置访问程序的最大排队人数
conn, address = sk.accept()
inp = input('请输入需要传输的内容：')
conn.send(bytes(inp,'utf8'))   # 传输的内容一定是byte类型

client.py

import socket

sk = socket.socket()
sk.connect(('127.0.0.1',8000))
data = sk.recv(1024)
print(str(data,'utf8'))  # str()转换

二. 类

1. 普通方法，类方法，静态方法区别

普通方法，保存在类中，执行时通过对象调用
静态方法，保存在类中，需要加装饰器（@staticmethod），执行通过类直接调用。不需要创建对象，可直接通过类调用，相当于函数
类方法，保存在类中，需要加装饰器（@classmethod），执行通过类直接调用。不需要创建对象，可直接通过类调用，相当于函数

class Dog:
    
    dogbook = {'黄色': 30, '黑色': 20, '白色': 0}   # 类变量

    def \_\_init\_\_(self, name, color, weight):
        self.name = name       # 实例变量
        self.color = color     # 实例变量
        self.weight = weight   # 实例变量

    '''
 实例方法
 必须将self作为第一个参数
 可以访问实例变量,不能访问类变量
 只能通过实例名访问
 '''
    def bark(self):
        print('{}叫了一声'.format(self.name))   # 大黄叫了一声
        # print(dogbook) # name 'dogbook' is not defined

    '''
 类方法
 必须将cls作为第一个参数
 可以访问类变量,不能访问实例变量
 可以通过实例名或者类名访问
 '''
    @classmethod
    def dog\_num(cls):
        num = 0
        # print(self.name) # name 'self' is not defined
        for v in cls.dogbook.values():
            num += v
        print(num)   # 50

    '''
 静态方法：
 不强制传入self,cls
 不能访问类变量，也不能访问实例变量
 可以通过实例名或类名访问
 静态方法和普通函数没有区别，可以放在类外面。
 之所以放在这里，是因为此方法和这个类有关联
 '''
    @staticmethod
    def total\_weights(dogs_weight_list):
        total = 0
        for i in dogs_weight_list:
            total += i
        print(total)   # 30


Dog('大黄', '黄色', 10).bark()
Dog('大黄', '黄色', 10).dog_num()
Dog.total_weights([10,20])

静态方法是类中的函数，不需要实例。当某个方法不需要用到对象中的任何资源,将这个方法改为一个静态方法, 加一个@staticmethod。加上之后, 这个方法就和普通的函数没有什么区别了, 只不过写在了一个类中, 可以使用这个类的对象调用,也可以使用类直接调用。

类方法是将类本身作为对象进行操作的方法。它和静态方法的区别在于：不管这个方式是从实例调用还是从类调用，它都用第一个参数把类传递过来。

2. python 中的@property，@setter 实现成员变量的get, set属性？

@property装饰器: 将一个方法的调用方式变成“属性调用”。

通常用在属性的get方法，set方法，通过设置@property可以实现实例成员变量的直接访问，又保留了参数的检查。

class Student(object):
 
    @property
    def score(self):
        return self.__score   
    
    @score.setter
    def score(self,value):
        if value>=0 and value <= 100:
            self.__score = value #还记得\_\_score吗？前面加一个双下划线，表示private私有属性
        else:
            raise ValueError('score must between 0 ~ 100!')
            
    
s = Student()
s.score = 90   # 设置分数
print(s.score)

@property 修饰函数score（getter），将score函数变成score属性输出，此外，@property 本身又创建了另一个装饰器@score.setter，负责把一个 setter 函数变成属性赋值，于是，我们虽然看到了类Student内部定义了两个函数score，对，没错，都是score，但是，他们却被不同的装饰器装饰，getter函数被@property修饰，setter函数被@property创建的函数的setter装饰器@score.setter修饰，因此，我们可以直接用s.score=90来代替s.set_socre(90),达到给score属性赋值的效果，简单粗暴，精益求精，

我们上面创建了@property另一个装饰器函数@xxx.setter，对私有属性__score进行输入值的判断，如果，我们不创建装饰器@xxx.setter可以吗？如果不创建的话，属性xxx就是一个只读属性，意味着不能被修改，

3. python 是如何实现多态的？

多态：一类事物有多种形态，（一个抽象类有多个子类，因而多态的概念依赖于继承）

class Animal():
    def \_\_init\_\_(self, name):
        self.name = name

    def talk(self):  # 抽象方法，仅由约定定义
        print(self.name, '叫')  # 当子类没有重写talk方法的时候调用

    def animal\_talk(obj):  # 多态
        obj.talk()

class Cat(Animal):
    def talk(self):
        print('%s: 喵喵喵!' % self.name)  # 重写talk方法

class Dog(Animal):
    def talk(self):
        print('%s: 汪汪汪！' % self.name)


a = Dog('小狗')
Animal.animal_talk(a)  # 多态调用
b = Cat('小猫')
Animal.animal_talk(b)
c = Animal('111')
Animal.animal_talk(c)

执行结果：小狗: 汪汪汪！
		小猫: 喵喵喵!
		111 叫

4. 单元测试，单例模式

单元测试（unit testing），是指对软件中的最小可测试单元进行检查和验证。在python中指一个类。单元测试是在软件开发过程中要进行的最低级别的测试活动，软件的独立单元将在与程序的其他部分相隔离的情况下进行测试。

单例模式，是一种常用的软件设计模式。在它的核心结构中只包含一个被称为单例的特殊类。通过单例模式可以保证系统中，应用该模式的一个类只有一个对象实例。（详见面试总结一）

5. python 如何实现单例模式？

什么是单例模式（Singleton）？

单例模式，也叫单子模式，是一种常用的软件设计模式。在应用这个模式时，单例对象的类必须保证只有一个实例存在。

单例模式优点：

由于单例模式要求全局内只有一个实例，所以可以节省很多内存空间
全局只有一个接入点，可以更好的进行数据同步，避免多重占用
单例可以常驻内存，减少系统开销

单例模式应用：

生成唯一序列号
访问全局复用的唯一资源，如磁盘，总线等
数据库连接池
网站计数器

实现单例的方式？

全局变量：不直接调用 Config() ，而使用同一个全局变量
重写 __new__ 方法：重写 __new__来保证每次调用 Config() 都会返回同一个对象， __new__ 为对象分配空间，返回对象的引用
使用metaclass：metaclass重写__call__ 方法来保证每次调用 Config() 都会返回同一个对象
使用装饰器：使用装饰器来保证每次调用 Config() 都会返回同一个对象

原理：在真正调用 Config() 之前进行一些拦截操作，来保证返回的对象都是同一个：

具体实现：

全局变量

# config.py
from dataclasses import dataclass

@dataclass
class Config:
     SQLALCHEMY_DB_URI  = SQLALCHEMY_DB_URI
config  = Config(SQLALCHEMY_DB_URI = "mysql://")

通过使用全局变量，我们在所有需要引用配置的地方，都使用 from config import config 来导入，这样就达到了全局唯一的目的。
2. 重写__new__方法

class Singleton(object):
    _instance = None   # \_instance 作为类属性，保证了所有对象的实例都是同一个

    def \_\_new\_\_(cls, \*args, \*\*kwargs):  
        if cls._instance is None:
            cls._instance = super().__new__(cls)  # 为对象分配空间
        return cls._instance   # 返回对象的引用

a = Singleton()    # 创建对象时，new方法会被自动调用
b = Singleton()
print(a)
print(b)

执行结果：<__main__.Singleton object at 0x0000023A88E0F2B0>
		<__main__.Singleton object at 0x0000023A88E0F2B0>

每次实例化一个对象时，都会先调用 __new__() 创建一个对象，再调用 __init__() 函数初始化数据。因而，在 new 函数中判断 Singleton类是否已经实例化过，如果不是，调用父类的 new 函数创建实例；否则返回之前创建的实例。
3. 使用metaclass元类

class SigletonMetaClass(type):
    _instance = None

    def \_\_new\_\_(cls, \*args, \*\*kwargs):
        return super().__new__(cls, \*args, \*\*kwargs)

    def \_\_call\_\_(self, \*args, \*\*kwargs):
        if self._instance is None:
            self._instance = super().__call__(\*args, \*\*kwargs)
        return self._instance

class Singleton(metaclass=SigletonMetaClass):
    def \_\_new\_\_(cls, \*args, \*\*kwargs):
        return super().__new__(cls)
    
a = Singleton()
b = Singleton()
print(a)
print(b)

执行结果：<__main__.Singleton object at 0x000001A11E4AC908>
		<__main__.Singleton object at 0x000001A11E4AC908>

因此，用元类实现单例时仍需按照三步骤：1. 拦截 2. 判断是否已经创建过对象 3. 返回对象。与上个方法相比，区别在于拦截的地点不同。
4. 装饰器

4.1 函数装饰器

def SingletonDecorator(cls):
    _instance = None

    def get\_instance(\*args, \*\*kwargs):
        nonlocal _instance
        if _instance is None:
            _instance = cls(\*args, \*\*kwargs)
        return _instance
    return get_instance

@SingletonDecorator
class Singleton(object):
    pass

a = Singleton()
b = Singleton()
print(a)
print(b)

执行结果：<__main__.Singleton object at 0x0000022194E6C438>
		<__main__.Singleton object at 0x0000022194E6C438>

4.2 类装饰器

class SingletonDecorator(object):
    _instance = None

    def \_\_init\_\_(self, cls):
        self._cls = cls

    def \_\_call\_\_(self, \*args, \*\*kwargs):
        if self._instance is None:
            self._instance = self._cls(\*args, \*\*kwargs)
        return self._instance

@SingletonDecorator
class Singleton(object):
    pass

a = Singleton()
b = Singleton()
print(a)
print(b)

执行结果：<__main__.Singleton object at 0x0000028F42CFC8D0>
		<__main__.Singleton object at 0x0000028F42CFC8D0>

6. 装饰器有什么作用

装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等场景。有了装饰器，就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。

7. 打印时间的装饰器

import time

# 装饰函数
def timer(func):
    def wrapper(\*args, \*\*kw):
        start =time.time()
        # 这是函数真正执行的地方
        func(\*args, \*\*kw)
        end =time.time()
        cost_time = end - start
        print("花费时间：{}秒".format(cost_time))
    return wrapper

@timer    
def want\_sleep(sleep_time):
    time.sleep(sleep_time)

want_sleep(5)

8. fun(*args,***kwargs)中的 *args,***kwargs什么意思？

*args: 用来发送一个非键值对的可变数量的参数列表给一个函数。

**kwargs: 用来发送一个可变的键值对的参数给一个函数。

9. python 中的闭包？

闭包函数 指定义在一个函数内部的函数，被外层函数包裹着，其特点是可以访问外层函数的变量。

def outer():
    num = 1
    def inner():
        print num   # 内层函数可以访问外层函数中的 num
        
    return inner    # 外层函数的返回值必须是内层函数

fun = outer()
num = 1
fun()     # 1

10. 简述 Python 的作用域以及 Python 搜索变量的顺序

Python作用域简单说就是一个变量的命名空间。代码中变量被赋值的位置，就决定了哪些范围的对象可以访问这个变量，这个范围就是变量的作用域。

在Python中，只有模块（module），类（class）以及函数（def、lambda）才会引入新的作用域。

Python的变量名解析机制也称为 LEGB 法则：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

11. 简述`new`和`init`的区别

创建一个新实例时调用 __new__,初始化一个实例时用__init__,这是它们最本质的区别。

__new__方法会返回所构造的对象，__init__则不会.

__new__函数必须以 cls 作为第一个参数，而__init__则以 self 作为其第一个参数.

例如，构造单例模式：

cls sington():
    _instance = None
    def \_\_new\_\_(cls):
        if cls._instance is None:
            cls._instance = super().__new__(cls)
        return cls._instance

12. 双下划线和单下划线的区别？

“单下划线”开始的成员变量叫做保护变量，类对象和子类对象都能访问。

“双下划线”开始的成员变量叫做私有成员，只有类对象自己能访问，子类对象不能访问。

13. 列出几种魔法方法并简要介绍用途

__init__: 对象初始化方法

__new__:创建对象时候执行的方法，单列模式会用到

__str__ : 当使用print输出对象的时候，只要自己定义了__str__(self)方法，那么就会打印从在这个方法中return的数据

__del__: 删除对象执行的方法

14. 什么是 python 元类？

在 Python 当中万物皆对象，我们用 class 关键字定义的类本身也是一个对象，负责产生该对象的类称之为元类，元类可以简称为类的类，

元类的主要目的是为了控制类的创建行为.

type是 Python 的一个内建元类，用来直接控制生成类，在 python 当中任何 class 定义的类其实都是type 类实例化的结果。

只有继承了 type 类才能称之为一个元类，否则就是一个普通的自定义类，自定义元类可以控制类的产生过程，类的产生过程其实就是元类的调用过程.

三. 函数

1. 高阶函数：map() , reduce() , filter() ,lambda()

1.map()：遍历序列，根据提供的函数对指定序列做映射，对序列中每个元素进行操作，最终获取新的序列

例1：

print(list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9])))

# 输出结果：['1', '2', '3', '4', '5', '6', '7', '8', '9']

例2：

def square(x):
     return x\*\*2
result = list(map(square,[1,2,3,4,5]))
print(result)

# 输出结果：[1, 4, 9, 16, 25]

备注：map() : Python 2.x 返回列表；Python 3.x 返回迭代器

2.reduce()：对于序列内所有元素进行累计操作，即是序列中后面的元素与前面的元素做累积计算

（结果是所有元素共同作用的结果）

from functools import reduce

def addl(x,y):
    return x + y

print(reduce(addl,range(1,5)))   

# 输出结果：10

reduce()的作用是接收一个列表，[1,2,3,4]
首先，将1,2传给addl(),计算结果为3
接着，将3,3传给addl(),计算结果为6
接着，将6,4传给addl(),计算结果为10
…

3.filter()：过滤序列，过滤掉不符合条件的元素，返回一个迭代器对象，如果要转换为列表，可以使用 list() 来转换

def func(x):
    return x%2==0
print(list(filter(func,range(1,6))))

# 输出结果：[2, 4]

4.lambda()，匿名函数，不需要命名的函数def f ( x ,y):

def add(x,y):
    return x + y
print(add(1,2))

# 等效于：
g = lambda x, y : x + y
print(g(1,2))

lambda 表达式的作用：

python 写一些执行脚本时，使用 lambda 就可以省下定义函数过程，比如说我们只是需要写个简单的脚本来管理服务器时间，我们就不需要专门定义一个函数然后再写调用，使用 lambda 就可以使得代码更加精简。
对于一些比较抽象并且整个程序执行下来只需要调用一两次的函数，有时候给函数起个名字也是比较头疼的问题，使用 lambda 就不需要考虑命名的问题了。
简化代码的可读性，由于普通的函数阅读经常要跳到开头 def 定义部分，使用 lambda 函数可以省去这样的步骤。

四. 底层问题

1. 垃圾回收机制

python 垃圾回收主要以引用计数为主，标记-清除和分代清除为辅的机制，其中标记-清除和分代回收主要是为了处理循环引用的难题。

引用计数

引用计数算法

当有1个变量保存了对象的引用时，此对象的引用计数就会加1。
当使用del删除变量指向的对象时，如果对象的引用计数不为1，比如3，那么此时只会让这个引用计数减1，即变为2，当再次调用del时，变为1，如果再调用1次del，此时会真的把对象进行删除。

引用计数+1的四种情况：

对象被创建 a=14
对象被引用 b=a
对象被作为参数,传到函数中 func(a)
对象作为一个元素，存储在容器中 List={a,”a”,”b”,2}

对应的引用计数-1的四种情况：

当该对象的别名被显式销毁时 del a
当该对象的引别名被赋予新的对象， a=26
一个对象离开它的作用域，例如 func函数执行完毕时，函数里面的局部变量的引用计数器就会减一（但是全局变量不会）
将该元素从容器中删除时，或者容器被销毁时。

优点： 简单实时,一旦没有引用，内存就直接释放了。处理回收内存的时间分摊到了平时。
缺点： 维护引用计数消耗资源,会造成循环引用导致无法回收,造成内存泄露，比如：

list1 = []
list2 = []
list1.append(list2)
list2.append(list1)
'''
 list1与list2相互引用，即使不存在其他对象对它们的引用，list1与list2的引用计数也
 仍然为1，所占用的内存永远无法被回收，这将是致命的。
'''

标记清除（Mark—Sweep）

算法是一种基于追踪回收（tracing GC）技术实现的垃圾回收算法。
它分为两个阶段：

第一阶段是标记阶段，GC会把所有的『活动对象』打上标记，
第二阶段是把那些没有标记的对象『非活动对象』进行回收。

那么GC又是如何判断哪些是活动对象哪些是非活动对象的呢？

对象之间通过引用（指针）连在一起，构成一个有向图，对象构成这个有向图的节点，而引用关系构成这个有向图的边。
从根对象（root object）出发，沿着有向边遍历对象，可达的（reachable）对象标记为活动对象，不可达的对象就是要被清除的非活动对象。

根对象就是全局变量、调用栈、寄存器。
标记清除算法作为Python的辅助垃圾收集技术主要处理的是一些容器对象，比如list、dict、tuple，instance等，
因为对于字符串、数值对象是不可能造成循环引用问题。
缺点: 清除非活动的对象前它必须顺序扫描整个堆内存，哪怕只剩下小部分活动对象也要扫描所有对象。

分代回收

分代回收是一种以空间换时间的操作方式，Python将内存根据对象的存活时间划分为不同的集合，每个集合称为一个代。

Python将内存分为了3“代”，分别为年轻代（第0代）、中年代（第1代）、老年代（第2代），
他们对应的是3个链表，它们的垃圾收集频率与对象的存活时间的增大而减小。
新创建的对象都会分配在年轻代，年轻代链表的总数达到上限时，Python垃圾收集机制就会被触发，把那些可以被回收的对象回收掉，而那些不会回收的对象就会被移到中年代去，
依此类推，老年代中的对象是存活时间最久的对象，甚至是存活于整个系统的生命周期内。
同时，分代回收是建立在标记清除技术基础之上。
说明对象存在时间越长，越可能不是垃圾，应该越少去收集。
分代回收同样作为Python的辅助垃圾收集技术处理那些容器对象

2. 赋值，深拷贝，浅拷贝

浅拷贝：拷贝对象的第一层。

深拷贝：拷贝对象的所有层。

说大白话：
B 拷贝于 A
浅拷贝虽然说是拷贝，但也是 “ 身不由己 ” ，当修改除了第一层之外的值时，都会改动（内嵌列表表面上也拷贝过来了，但实际还是不是自己说了算的，只要改了内嵌列表的值，拷贝的也要改，这就是只拷贝一层，内嵌的就无能为力了），当A的第二层改变时，B的第二层也会随之改变。

深拷贝就是彻底的拷贝，两者就再毫无关系，虽然拷贝完不改的话长的一样，但是不管对谁改动，另一个也是毫不受影响。当A的第二层改变时，B的第二层不受影响。

3. 可变对象和不可变对象

什么是可变/不可变对象？

不可变对象，该对象所指向的内存中的值不能被改变，当改变某个变量时候，由于其所指的值不能被改变，相当于把原来的值复制一份后再改变，这会开辟一个新的地址，变量再指向这个新的地址。
可变对象，该对象所指向的内存中的值可以被改变，变量（准确的说是引用）改变后，实际上是其所指的值直接发生改变，并没有发生复制行为，也没有开辟新的出地址，通俗点说就是原地改变。

Python中
可变对象：dict、list、set
不可变对象：str、int、tuple、float

附： python函数调用时，参数传递方式是值传递还是引用传递？

不可变参数：值传递
可变参数：引用传递

4. python 传参数是传值还是传址？

Python中函数参数是引用传递（注意不是值传递）。

对于不可变类型（数值型、字符串、元组），因变量不能修改，所以运算不会影响到变量自身；
对于可变类型（列表、字典）来说，函数体运算可能会更改传入的参数变量。

5. def fun(a, b=[]): 这种写法有什么坑？

def func(a,b=[]):
    b.append(a)
    print(b)
    
func(1)    # [1]
func(1)    # [1, 1]
func(1)    # [1, 1, 1]
func(1)    # [1, 1, 1, 1]

函数的第二个默认参数是一个list，当第一次执行的时候实例化了一个list，第二次执行还是用第一次执行的时候实例化的地址存储，所以三次执行的结果就是 [1, 1, 1] 。

想每次执行只输出[1] ，b = [] 应该放在函数里面。

6. is 和 == 的区别？

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Go语言开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以戳这里获取

外的值时，都会改动（内嵌列表表面上也拷贝过来了，但实际还是不是自己说了算的，只要改了内嵌列表的值，拷贝的也要改，这就是只拷贝一层，内嵌的就无能为力了），当A的第二层改变时，B的第二层也会随之改变。

3. 可变对象和不可变对象

什么是可变/不可变对象？

不可变对象，该对象所指向的内存中的值不能被改变，当改变某个变量时候，由于其所指的值不能被改变，相当于把原来的值复制一份后再改变，这会开辟一个新的地址，变量再指向这个新的地址。
可变对象，该对象所指向的内存中的值可以被改变，变量（准确的说是引用）改变后，实际上是其所指的值直接发生改变，并没有发生复制行为，也没有开辟新的出地址，通俗点说就是原地改变。

Python中
可变对象：dict、list、set
不可变对象：str、int、tuple、float

附： python函数调用时，参数传递方式是值传递还是引用传递？

不可变参数：值传递
可变参数：引用传递

4. python 传参数是传值还是传址？

Python中函数参数是引用传递（注意不是值传递）。

对于不可变类型（数值型、字符串、元组），因变量不能修改，所以运算不会影响到变量自身；
对于可变类型（列表、字典）来说，函数体运算可能会更改传入的参数变量。

5. def fun(a, b=[]): 这种写法有什么坑？

def func(a,b=[]):
    b.append(a)
    print(b)
    
func(1)    # [1]
func(1)    # [1, 1]
func(1)    # [1, 1, 1]
func(1)    # [1, 1, 1, 1]

想每次执行只输出[1] ，b = [] 应该放在函数里面。

6. is 和 == 的区别？

[外链图片转存中…(img-j7nilYmp-1715706120286)]
[外链图片转存中…(img-s9hM7Ypl-1715706120286)]
[外链图片转存中…(img-D9vwNJI2-1715706120286)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Go语言开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以戳这里获取

2401_84911020

关注

3
点赞
踩
7

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

2024年Go最全Python 面试问题总结_pytorch面试(2)，2024年最新Golang面试题2024高级

一. 进程和线程

1. 简述线程，进程，协程的区别？

2. 简述线程同步和异步的区别？

3. python 如何开启一个进程？

知识点一：进程的理论

知识点二：开启进程的两种方式

4. python 如何开启一个线程？

5. 线程之间如何通信？

6. 进程之间如何通信？

7. 什么时候用多线程？什么时候用多进程？

8. python 的 GIL

9. socked 通信

二. 类

1. 普通方法，类方法，静态方法区别

2. python 中的@property，@setter 实现成员变量的get, set属性？

3. python 是如何实现多态的？

4. 单元测试，单例模式

5. python 如何实现单例模式？

6. 装饰器有什么作用

7. 打印时间的装饰器

8. fun(*args,**kwargs)中的 *args,**kwargs什么意思？

9. python 中的闭包？

10. 简述 Python 的作用域以及 Python 搜索变量的顺序

11. 简述__new__和__init__的区别

12. 双下划线和单下划线的区别？

13. 列出几种魔法方法并简要介绍用途

14. 什么是 python 元类？

三. 函数

1. 高阶函数：map() , reduce() , filter() ,lambda()

四. 底层问题

1. 垃圾回收机制

引用计数

标记清除（Mark—Sweep）

分代回收

2. 赋值，深拷贝，浅拷贝

3. 可变对象和不可变对象

4. python 传参数是传值还是传址？

5. def fun(a, b=[]): 这种写法有什么坑？

6. is 和 == 的区别？

3. 可变对象和不可变对象

4. python 传参数是传值还是传址？

5. def fun(a, b=[]): 这种写法有什么坑？

6. is 和 == 的区别？

8. fun(*args,***kwargs)中的 *args,***kwargs什么意思？

11. 简述`new`和`init`的区别