golang-b站外包面试题-解析

b站外包面试题

旋转数组

package main

import (
	"fmt"
)

// rotate 函数将数组中的元素向右旋转 k 个位置
func rotate(nums []int, k int) {
	n := len(nums)
	k %= n // 如果 k 大于数组长度，则取 k 对数组长度的模

	// 定义一个局部函数，用于翻转数组中的指定范围元素
	reverse := func(nums []int, start, end int) {
		for start < end {
			nums[start], nums[end] = nums[end], nums[start]
			start++
			end--
		}
	}

	// 步骤1：翻转整个数组
	reverse(nums, 0, n-1)
	// 步骤2：翻转前 k 个元素
	reverse(nums, 0, k-1)
	// 步骤3：翻转剩余元素
	reverse(nums, k, n-1)
}

func main() {
	// 测试案例
	testCases := []struct {
		nums   []int
		k      int
		result []int
	}{
		{[]int{1, 2, 3, 4, 5, 6, 7}, 3, []int{5, 6, 7, 1, 2, 3, 4}},
		{[]int{-1, -100, 3, 99}, 2, []int{3, 99, -1, -100}},
		{[]int{1, 2}, 3, []int{2, 1}}, // k 大于数组长度的情况
	}

	for i, tc := range testCases {
		fmt.Printf("Test Case %d:n", i+1)
		fmt.Println("Input:", tc.nums, "k:", tc.k)
		rotate(tc.nums, tc.k)
		fmt.Println("Output:", tc.nums)
		fmt.Println("Expected:", tc.result)
		fmt.Println()
	}
}

mysql索引相关

索引常见题目

• 什么是索引？
  索引充当的是数据的目录。

• 什么是存储引擎？
  它是如何存储数据，如何为存储的数据建立索引、更新、查询的实现方法。
  mysql常用存储引擎 MyISAM、InnoDB、Memory, InnoDB在mysql5.5之后的默认引擎。
  InnoDB 支持行锁

• 索引有哪几类？

  • 数据结构分
  1. B+Tree索引、Hash索引、Full-Text索引
  • 物理存储分
  1. 聚簇和非聚簇

• 聚簇和非聚簇索引有什么区别？

  1. 聚簇索引就是主键索引建立在主键字段上的索引

   drop table if exists student;
   create table student(
     student_id int primary key,
     student_name varchar(16),
     class_id int not null,
     index(class_id)
   ) engin= InnoDB;
   -- 添加一条数据
   insert into student(student_id,student_name,class_id) values(1,'小智',99)
   -- 这里的student_id有个(聚簇索引)主键索引和class_id一个非聚簇索引(二级索引)
  

  2. 非聚簇索引存的并不是真正的数据，而是聚簇索引的主键ID，所以当我们用非聚簇索引的时候会，会去主键索引里面找这个值，这个操作叫做回表。
  3. 由此可见 聚簇索引比非聚簇索引的查询效率更高。
  4. 因为每个表的主键索引(聚簇索引)只能有一个，但是非聚簇索引的ID就没有限制了。

• 什么时候需要索引？/不需要索引？
  索引可以优化查询效率但是也有缺点

  1. 需要占磁盘空间，数量越多占磁盘空间越多。
  2. 创建和维护索引耗时，数据量越大耗时越大。
  3. 降低表的增删改的效率，每次增删改，b+tree是有序的，需要动态维护。
  • 什么时候用索引？
    1. 字段具有唯一性，如身份证。
    2. 经常需要用到where查询的字段。
    3. 经常用group by 和 order by 这样就不用排序了，b+tree已经排序好了
  • 什么时候不需要索引？
    1. where 和 group by 里面不需要就不要创建索引。
    2. 有大量重复字段，比如男女，mysql有优化器，每次都查询一半非常耗时。
    3. 表数据量很小。
    4. 经常更新的字段不要创建索引，比如用户余额。B+tree会重复动态的更新，影响性能。

• 如何优化索引？有哪些手段？

  1. 前缀索引优化；
     注意事项： order by 无法使用。
     前缀索引不能作为覆盖索引使用。
     一般是对文本的前几个字符创建索引，比如某个商品前十个字符。
     一般对BLOB和TEXT列进行索引，或者很长字符varchar()字段。
     当某个字段数量较大，且查询频繁，使用前缀索引优化可以减小索引文件的打小，让每个索引页保存更多值，从而提高查询效率。

  -- 创建user表
  CREATE TABLE `tb_user` (
        user_id bigint(20) unsigned NOT NULL AUTO_INCREMENT,
        user_name varchar(50) DEFAULT NULL,
        PRIMARY KEY (`id`)
      ) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8mb4;
  -- 创建前缀索引 长度为5的索引
  alter table tb_test add key(user_name(5))
  
  -- 如何计算到底创建什么长度的索引?
  -- 1.计算use_rname字段的全列区分度。
  select count(distinct user_name) / count(*) from tb_user;
  -- 2.计算前缀长度。
  select count(distinct left(user_name,prefix_length)) / count(*) from tb_user;
  -- 3.最后就是调整这个值  这个值和前面1的值差不多就可以了。
    
  

  2. 覆盖索引优化；
     指的是扫描索引，不需要回表的操作。
     注意事项：用于innodb 因为是b+tree 索引是有序的，并且子节点存的是索引，叶子节点存的是数据

    create table `tb_user`(
      user_id bigint(50) not null,
      data1 varchar(20) no null,
      data2 tinyint(2) not null,
      ...
      parimary key(user_id),
      key indx_tb_01(data1,...),
      key...
    ) engine=innodb defalult charset=utf8
     -- Extra 是 NULL 
     --加覆盖索引
     create index idx_tb_02(data1,data2) on tb_user;
  

  3. 主键索引优化自增主键；
     为什么自增就能优化？
     1. 因为b+tree插入的记录是有序的，追加操作，不需要移动数据。多余动作会增加耗时。
     2. 使用非自增的话会导致页分裂，页分裂会造成大量的内存碎片，导致索引结构不紧凑，影响查询的效率。
        也可以用雪花算法自行设计主键。

   create table `tb_user`(
       user_id int(4) primary key auto_increment,
       user_name varchar(20) not null
   );
  

  4. 防止索引失效；
     几个索引失效场景
     like %key
     对索引使用函数
     对索引进行表达式计算
     对索引进行隐式类型转换
     联合索引非最左匹配原则
  5. 索引设置为NOT NULL
     为什么索引设置为NOT NULL？
     1. count计算会省略NULL，计算麻烦，优化器在做索引的时候更复杂，难以优化。
     2. Null没有意义，还会占据物理空间。

• 建立联合索引和联合索引使用
  https://cloud.tencent.com/developer/article/2003084 腾讯大佬示例

  索引为什么要用id不用字符

为什么不用B树

b树和b+tree的区别：

1. b树的子节点存储的是主键索引。

2. b树的I/O磁盘次数比b+tree多。

3. b+tree的叶子节点存储数据是有序的，方便范围查询。

4. b+tree子节点

5. Linux相关命令和场景
   https://blog.csdn.net/wzk4869/article/details/132855372

6. docker和k8s
   https://cloud.tencent.com/developer/article/2009072