面试之二百度

最新推荐文章于 2024-09-30 11:43:18 发布

Mylin

最新推荐文章于 2024-09-30 11:43:18 发布

阅读量414

点赞数

文章标签：面试

本文链接：https://blog.csdn.net/u011411283/article/details/47452793

版权

1.计算机网络

问：在浏览器里敲入一个网址，会发生哪些过程，经历哪些设备？

问：传输的时候为什么要从运输层到数据链路层，路由的详细过程是怎么样的？

问：网络序是什么？大端模式还是小端模式？x86的本机序？

问：写个小端模式转大端模式的函数。

问：什么叫负载均衡？

负载均衡有两种，一种是，海量的IP访问，能够导向不同的服务器。HTTP反向代理，DNS解析器。另一种是对于重载的单任务，将其分解成很多小任务，分配给不同的服务器，服务器处理完后，归并整理，得到总的结果。最后均衡负载的算法是一致哈希算法，处理服务器的增删问题尤其好，虚拟节点是为了解决平衡性。注意和一般哈希算法的区别，一般哈希算法的应用是HashMap及其resize。

2.操作系统

问：写个多进程、多线程死锁的程序。

问：shell编程，现在给一个日志文件，有3列为ip列，访问时间，内容，用shell编程找出访问量最多的10个ip？

3. 分布式优化

问：在高并发的时候，怎么提高效率？

并发读写。在数据库前面加一个缓存，采用数据分片，将大文件分成很多小块，并行地写入多个服务器上；读的时候也可以并行的读，然后整理成一个文件（归并和分治的思想）。这样把串行读写变成并行读写，提高效率。

问：如果现在是10台服务器，现在要变成20台服务器，设计一种方案，是服务不中断，不影响客户。

数据迁移。现在的IT企业数据迁移一般都放在凌晨，尽量减小对客户的影响。我的方案是，从某一时间点开始数据迁移，读数据从原来的10台服务器读，写数据写在新的20台服务器上，同时原有的10台服务器的数据向新的20台服务器迁移，等到数据全部迁移完毕，所有的读写都在新的20台服务器。而且对写入新的20台服务器的数据进行标记，每次访问读数据时，如果访问的是迁移时刻后的数据，就读取新的20台服务器，否则读取老的10台服务器。

问：怎么保证数据的可靠性？

多副本技术，数据片在不同的服务器上至少存2个副本，2个副本之间互相同步，一个crash，系统会向上report，会重新创建一个副本，这样就可以提高数据的可靠性。

4.编程

问：memorycpy，strcpy编程实现。

问：二叉树找最低公共祖先。

问：实现二分查找。

迭代方式

//迭代实现,从小到大有序
	@SuppressWarnings({ "rawtypes", "unchecked" })
	public static Comparable binarySearchInterator(Comparable[] data, int target){
		int first=0,last=data.length-1, middle=-1;
		while(first<=last){
			middle=(first+last)/2;
			if(data[middle].compareTo(target)==0){
				break;
			}else if(data[middle].compareTo(target)>0){
				first=middle-1;
			}else{
				last=middle+1;
			}
		}
		return middle;
	}

递归方式

//递归实现
	@SuppressWarnings("rawtypes")
	public static Comparable binarySearchRec(Comparable[] data,int target){
		Comparable result=null;
		int first=0,last=data.length-1;
		result=RecHelp(data,target,first,last);
		return result;
	}
	
	@SuppressWarnings({ "unchecked", "rawtypes" })
	private static Comparable RecHelp(Comparable[] data,int target,int first,int last){
		int middle=(first+last)/2;
		if(first>last)
			return -1;
		else if(data[middle].compareTo(target)==0)
			return middle;
			else if(data[middle].compareTo(target)>0){
				return RecHelp(data,target,middle+1,last);
			}else{
				return RecHelp(data,target,first,middle-1);
		}
	}

问：求时间复杂度