面试_python实现随机题抽取___linux运维篇

面试_python实现随机题抽取___linux运维篇

import pandas as pd
import random
import os



# df_1 = pd.read_excel(r"C:\Users\Administrator\Desktop\面试.xlsx",usecols=[1])  #面试题
# os_past = r"C:/users/Administrator/Desktop/test/"
# df_1_list = df_1.values.tolist()
#
# list1 = []
# for i in df_1_list :
#       list1.append(i[0])

project = ['nginx upsteam几种轮训方式', 'Nginx使用limit_req_zone对同一IP访问进行限流', 'nginx 如何获取客户端的真实IP',
           'nginx 跨域', 'nginx location 优先级', 'nginx rewrite重写', 'nginx 常用的模块(名称及解释)',
           'nginx 反向代理和正向代理区别', '请陈述stub_status和sub_filter指令的作用是什么?', '请列举Nginx和Apache 之间的不同点',
           'Nginx 和LVS 区别', 'Nginx、LVS、haproxy区别', '请解释Nginx服务器上的Master和Worker进程分别是什么?',
           'LVS几种模式', 'LVS负载均衡调度算法', 'Nginx调度算法', '如何能让upsteam到一台机器上', '四层和七层负载均衡区别',
           '什么是并发、并行、阻塞、异步、同步', 'OSI有哪七层模型?TCP/IP是哪四层模型', 'TOP含义',
           '常见的http状态码 503 404 499 500 301 302', 'linux的load 有了解吗?什么队列?', 'ssl握手过程',
           'tcp和udp的区别', '为什么要进行第三次握手?', 'TCP 四次挥手', 'Shell 问题', 'docker 网络模式',
           'Docker 中cmd add copy区别', 'docker 存储引擎', 'docker和kvm区别', 'k8s核心概念', 'k8s pod生命周期',
           'k8s pod 重启策略', 'k8s 生命周期和回调函数', 'k8s flannel 通信原理', 'k8s 拉取镜像策略', '自定义检查Pod',
           'Pod与容器', 'kube-proxy原理', 'prometheus组件', 'Prometheus operator组件', 'k8s 创建pod启动整个流程',
           'k8s 滚动更新策略', 'k8s资源回收策略', 'k8s master上有哪些服务', 'k8s node有哪些', 'k8s 如何做高可用',
           'k8s的service和ep是如何关联和相互影响的', 'k8s coredns解析流程,如何访问外网', 'k8s coredns和kubedns区别',
           '简述kube-proxy iptables原理?', '简述kube-proxy ipvs和iptables的异同?', '简述kube-proxy ipvs原理?',
           '简述Kubernetes中什么是静态Pod?', '简述Kubernetes deployment升级过程?', '简述Kubernetes deployment升级策略?',
           '简述Kubernetes DaemonSet类型的资源特性?', 'HPA原理', '简述Kubernetes Service类型?',
           '简述Kubernetes Headless Service?', '简述Kubernetes外部如何访问集群内的服务?', '简述Kubernetes ingress?',
           '简述Kubernetes各模块如何与API Server通信?', '简述Kubernetes Scheduler作用及实现原理?',
           '简述Kubernetes Scheduler使用哪两种算法将Pod绑定到worker节点?', '简述Kubernetes kubelet的作用?',
           '简述Kubernetes kubelet监控Worker节点资源是使用什么组件来实现的?', '简述Kubernetes Secret有哪些使用方式?',
           '简述Kubernetes PodSecurityPolicy机制?', '简述Kubernetes PodSecurityPolicy机制能实现哪些安全策略?',
           '简述Kubernetes网络模型?', '简述Kubernetes CNI模型?', '简述Kubernetes网络策略?', '简述Kubernetes网络策略原理?',
           '简述Kubernetes中flannel的作用?', '简述Kubernetes Calico网络组件实现原理?', '简述Kubernetes PV生命周期内的阶段?',
           '简述Kubernetes所支持的存储供应模式?', '简述Kubernetes CSI模型?', '简述Kubernetes Worker节点加入集群的过程?',
           '简述Kubernetes Pod如何实现对节点的资源控制?', '简述Kubernetes Requests和Limits如何影响Pod的调度?',
           '简述Kubernetes Metric Service?', '简述Kubernetes如何进行优雅的节点关机维护?', 'nginx获取k8s的真实ip',
           'Prometheus架构图', 'mysql复制不一致,卡主', 'mysql存储引擎', 'Mysql GTID复制', 'Mysql 主从原理',
           'Redis 基本数据类型', 'Redis RDB', 'Redis AOF', 'Redis AOF重写过程', 'Redis通信模型', 'Redis Key删除策略',
           'Redis 淘汰机制', 'Redis 基本数据类型', '集群迁移过程中Redis对查询的处理', 'redis 主从原理',
           'iptables 禁止访问某个iP', 'iptables 四表五连', 'tomcat 优化', 'gitlab cicd', 'jenkins 权限用户怎么设置',
           'ldap du dc 什么意思', 'kafka和rabbitmq区别', 'kafka如何优化', 'rabbitmq如何优化', 'ZABBIX 如何自定义监控',
           '网站访问慢排查步骤']


l1 = len(project)
def examination():
    return  (project[random.randint(0,l1)])





if __name__ == '__main__':
    print("1:运维面试题", "2:退出此次测试", "-" * 30, sep='\n')
    while True:
        # print("1:运维面试题","2:退出此次测试","-" * 30 ,sep='\n')
        i = input("请输入数字:")
        if i == "1":
          print ("此次面试题为:{}".format(examination()))

        elif i == "2":
            break








  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,针对您的问,我可以给出以下的Python实现代码,实现随机森林对遥感图像进行分类。 首先,需要导入必要的库,包括`numpy`、`pandas`、`sklearn`等: ```python import numpy as np import pandas as pd from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.decomposition import PCA ``` 接着,我们需要读取训练数据,其中包括训练样本和标签: ```python data = pd.read_csv('train_data.csv') # 读取训练样本数据 label = pd.read_csv('train_label.csv') # 读取训练样本标签 ``` 然后,我们需要对数据进行预处理,包括标准化和主成分分析(PCA): ```python # 数据标准化 scaler = StandardScaler() data_scaled = scaler.fit_transform(data) # PCA降维 pca = PCA(n_components=50) data_pca = pca.fit_transform(data_scaled) ``` 接下来,我们需要将数据划分为训练集和验证集: ```python X_train, X_test, y_train, y_test = train_test_split(data_pca, label, test_size=0.3, random_state=42) ``` 然后,我们可以使用随机森林算法进行训练和预测: ```python # 训练随机森林模型 rf = RandomForestClassifier(n_estimators=100, random_state=42) rf.fit(X_train, y_train) # 预测验证集 y_pred = rf.predict(X_test) # 计算准确率 accuracy = accuracy_score(y_test, y_pred) print('Accuracy:', accuracy) ``` 最后,我们可以输出预测结果的准确率。 以上就是使用Python实现随机森林对遥感图像进行分类的简单示例代码。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值