美文网首页
python爬虫常见面试题

python爬虫常见面试题

作者: 梦诗酒年华 | 来源:发表于2018-09-25 22:15 被阅读0次

    1、是否了解线程的同步和异步?

        线程同步:多个线程同时访问同一资源,等待资源访问结束,浪费时间,效率低   

        线程异步:在访问资源时在空闲等待时同时访问其他资源,实现多线程机制

    2、是否了解网络的同步和异步?

    同步:提交请求->等待服务器处理->处理完毕返回 这个期间客户端浏览器不能干任何事

    异步: 请求通过事件触发->服务器处理(这是浏览器仍然可以作其他事情)->处理完毕

    3、链表和顺序表储存时各自有什么优点?

        1.顺序表存储

             原理:顺序表存储是将数据元素放到一块连续的内存存储空间,存取效率高,速度快。但是不可以动态增加长度

             优点:存取速度高效,通过下标来直接存储

             缺点:1.插入和删除比较慢,2.不可以增长长度    

                        比如:插入或者删除一个元素时,整个表需要遍历移动元素来重新排一次顺序

        2.链表存储

              原理:链表存储是在程序运行过程中动态的分配空间,只要存储器还有空间,就不会发生存储溢出问题

             优点:插入和删除速度快,保留原有的物理顺序,比如:插入或者删除一个元素时,只需要改变指针指向即可

             缺点:查找速度慢,因为查找时,需要循环链表访问

    4、使用redis搭建分布式系统时如何处理网络延迟和网络异常?

    由于网络异常的存在,分布式系统中请求结果存在“三态”的概念,即三种状态:“成功”、“失败”、“超时(未知)”

    当出现“超时”时可以通过发起读取数据的操作以验证 RPC 是否成功(例如银行系统的做法)

    另一种简单的做法是,设计分布式协议时将执行步骤设计为可重试的,即具有所谓的“幂等性”

    5、数据仓库是什么?

    数据仓库是一个面向主题的、集成的、稳定的、反映历史变化的、随着时间的流逝发生变化的数据集合。它主要支持管理人员的决策分析。

    数据仓库收集了企业相关内部和外部各个业务系统数据源、归档文件等一系列历史数据,最后转化成企业需要的战略决策信息。

    特点:

    面向主题:根据业务的不同而进行的内容划分;

    集成特性:因为不同的业务源数据具有不同的数据特点,当业务源数据进入到数据仓库时,需要采用统一的编码格式进行数据加载,从而保证数据仓库中数据的唯一性;

    非易失性:数据仓库通过保存数据不同历史的各种状态,并不对数据进行任何更新操作。

    历史特性:数据保留时间戳字段,记录每个数据在不同时间内的各种状态。

    假设有一个爬虫,从网络上获取数据的频率快,本地写入数据的频率慢,使用什么数据结构好?

    在线求解(o°ω°o)

    6、是否了解谷歌的无头浏览器?

    无头浏览器即headless browser,是一种没有界面的浏览器。既然是浏览器那么浏览器该有的东西它都应该有,只是看不到界面而已。

    Python中selenium模块中的PhantomJS即为无界面浏览器(无头浏览器):是基于QtWebkit的无头浏览器,

    7、你是否了解MySQL数据库的几种引擎?

        InnoDB:

        InnoDB是一个健壮的事务型存储引擎,这种存储引擎已经被很多互联网公司使用,为用户操作非常大的数据存储提供了一个强大的解决方案。

    在以下场合下,使用InnoDB是最理想的选择:

    1.更新密集的表。InnoDB存储引擎特别适合处理多重并发的更新请求。

    2.事务。InnoDB存储引擎是支持事务的标准MySQL存储引擎。

    3.自动灾难恢复。与其它存储引擎不同,InnoDB表能够自动从灾难中恢复。

    4.外键约束。MySQL支持外键的存储引擎只有InnoDB。

    5.支持自动增加列AUTO_INCREMENT属性。

    一般来说,如果需要事务支持,并且有较高的并发读取频率,InnoDB是不错的选择。

    MEMORY:

      使用MySQL Memory存储引擎的出发点是速度。为得到最快的响应时间,采用的逻辑存储介质是系统内存。

      虽然在内存中存储表数据确实会提供很高的性能,但当mysqld守护进程崩溃时,所有的Memory数据都会丢失。

      获得速度的同时也带来了一些缺陷。

    一般在以下几种情况下使用Memory存储引擎:

    1.目标数据较小,而且被非常频繁地访问。在内存中存放数据,所以会造成内存的使用,可以通过参数max_heap_table_size控制Memory表的大小,设置此参数,就可以限制Memory表的最大大小。

    2.如果数据是临时的,而且要求必须立即可用,那么就可以存放在内存表中。

    3.存储在Memory表中的数据如果突然丢失,不会对应用服务产生实质的负面影响。

    8、redis数据库有哪几种数据结构?

    5种数据结构

    string  

    使用string时,redis**大多数情况下**并不会理解或者解析其含义,无论使用json、xml还是纯文本在redis看来都是一样的,只是一个字符串,只能进行strlen、append等对字符串通用的操作,无法针对其内容进一步操作。其基本操作命令有set、get、strlen、getrange、append:

    1、SET key value    2、GET key    3、TRLEN key 4、GETRANGE  key start end    5、APPEND key value

    在大多数情况之外,就是string中存储的为纯数字的情况,redis可以将字符串当做数字进行进一步操作,这些操作包括decr、decrby、incr、incrby和incrbyfloat。

    hash

      使用hash时,在我看来,就是value本身就是一组key-value对,不过redis将这里的key称为field(但是hkeys命令为什么不叫hfields命令呢哈哈),也就是value是一组field-value对。其基本操作命令有hset、hget、hmset、hmget、hgetall、hkeys和hdel:

    1、HSET key field value    2、HGET key field    3、HMSET key field value [field value ...]    4、HMGET key field [field ...]    5、HGETALL key6HKEYS key7HDEL key field [field ...]

    list

    使用list时,value就是一个string数组,操作这组string时,可以像对待栈一样使用pop和push操作,但是这个栈两端都能进行操作;也可以像对待数组一样使用一个index参数来操作。list的操作命令略杂,主要分为两类:L开头的和R开头的,L代表LEFT或者LIST,进行一些从列表左端进行的操作,或者一些与端无关的操作;R代表RIGHT,进行一些从列表右端进行的操作。  

    set

      set用于存储一组不重复的值,也可以进行一些集合的操作,就像数学上的集合,它是无序的。基本操作有sadd和sismember:

    1、SADD key member [member ...]    2、SISMEMBER key member

    集合操作有:求交sinter、求并sunion和求差sdiff:

    1SINTER key [key ...]2SUNION key [key ...]3SDIFF key [key ...]

    sorted set

      sorted set类似set,但是sorted set里每个元素都有一个score,这个score可用于排序和排名。基本操作有zadd、zcount、zrank: 

    1、ZADD key score member [score member ...] 2、ZCOUNT key min max    3、ZRANK  key member

    9、请写一段python代码实现删除list中的重复元素

    list1 = [1, 2, 34, 5, 56, 5]

    set1 =set(list1)

    list2 =list(set1)

    print(list2)

    相关文章

      网友评论

          本文标题:python爬虫常见面试题

          本文链接:https://www.haomeiwen.com/subject/udyinftx.html