Python后端开发工程师面试

第一步：自我介绍

第二步：公司介绍

第三步：技术基础

第四步：项目介绍

第五步：待遇

自我介绍，简单直接，姓名，籍贯，大学，工作经历

示例如下：

你好，面试官，我叫XX，来自XX，本科毕业于XX，主修XX专业，有X年工作经验，在上一家公司担任python后端开发工程师的职位。

公司名称是XX、公司主要做外包软件、都有软件定制/商城定制、前端2个后端2个运维1个

主要是根据你简历中填写的技术，根据我的简历中所写的，总结几点如下：

字典的查询流程：

不可变对象可哈希， str ， fronzenset ， tuple ，自己实现的类，要重载 __hash__ 方法。

dict内存花销大，但是查询速度快，自定义的对象或者python内部的对象都是dict包装的。

dict的存储顺序和元素添加顺序有关，添加顺序可能改变已有数据的顺序。

集合：是一个可以存放任意数据类型的可变无序的映射集合。

set和dict类似，set的核心也是散列表，但是表元只包含值的引用。 由于散列表的特性，set的元素不能重复，且无序。 内部由哈希实现，查找的时间复杂度为O(1)，所以性能很高，实现了魔法函数 __contains__ 可以使用in来查找。 set的去重是通过两个函数 __hash__ 和 __eq__ 实现的。

（1）浅拷贝

定义：浅拷贝只是对另外一个变量的内存地址的拷贝，这两个变量指向同一个内存地址的变量值。

浅拷贝的特点：

（2）深拷贝：

定义：一个变量对另外一个变量的值拷贝。

深拷贝的特点：

Python GC主要使用引用计数（reference counting）来跟踪和回收垃圾。在引用计数的基础上，通过“标记-清除”（mark and sweep）解决容器对象可能产生的循环引用问题，通过“分代回收”（generation collectio n）以空间换时间的方法提高垃圾回收效率。

GIL全称 Global Interpreter Lock ，中文解释为全局解释器锁。它并不是Python的特性，而是在实现python的主流Cpython解释器时所引入的一个概念，GIL本质上就是一把互斥锁，将并发运行变成串行，以此来控制同一时间内共享数据只能被一个任务所修改，从而保证数据的安全性。

GIL保护的是解释器级别的数据，但是用户自己的数据需要自己加锁处理。

既然有了GIL的存在，一个进程中同一时刻只有一个线程能够被执行，无法利用cpu的多核机制，导致多线程用于I/O密集型，多进程用于计算密集型，如金融分析等。

死锁：两个或两个以上的进程或者线程在执行过程中，因为争夺资源而造成的互相等待现象，若无外力的作用，都将一直处于阻塞状态，这些互相等待的进程或者线程就被称为死锁。

解决方法，使用递归锁（RLock）

这个RLock内部有一个Lock和一个counter变量，counter记录着acquire的次数，从而使得资源可以被多次require。直到一个线程所有的acquire都被release，其他的线程才能获得资源。上面的例子如果使用RLock代替Lock，则不会发生死锁

可以直接认为是linux，毕竟搞后端的多数是和linux打交道。

那么如何避免粘包问题呢? 归根结底就是一句话, 明确两个包之间的边界.

UDP不存在粘包问题，是由于UDP发送的时候，没有经过Negal算法优化，不会将多个小包合并一次发送出去。另外，在UDP协议的接收端，采用了链式结构来记录每一个到达的UDP包，这样接收端应用程序一次recv只能从socket接收缓冲区中读出一个数据包。也就是说，发送端send了几次，接收端必须recv几次（无论recv时指定了多大的缓冲区）。

存储可能包含rdbms，nosql以及缓存等，我以mysql,redis举例**