百度面经

1. python中运行shell脚本方法：

a. import commands

status, output) = commands.getstatusoutput('')

print status, output

b. import os

os.system('cat /proc/cpuinfo')

output = os.popen('cat /proc/cpuinfo')

print output.read()

2. python 获取参数：

argv[1]是第一个参数的值

3. 快速排序：

4. python 的浅复制和深复制：

字典、列表类型的对象为可变对象，整型、字符串、元组等类型的对象为不可变对象。这样就好理解了，前两个例子中变量a都是不可变对象，语句b=a是在内存中复制了a，并将b指向这个拷贝；而在第三个例子中，由于列表a是可变对象，语句b=a只是将b指向了a，a中元素的变化当然会影响到b，同理对b进行修改也会影响到a。

copy.copy

5. Linux 基本的命令：ps -ef ，grep [] filename，[]中为正则表达式。

46个Linux面试常见问题送给你 - PassZhang - 博客园

6. 统计学知识

7. hadoop 原理：

百度

a. HDFS（Hadoop Distributed File System，Hadoop 分布式文件系统）：HDFS 允许你以一种分布式和冗余的方式存储大量数据。例如，1 GB（即 1024 MB）文本文件可以拆分为 16 * 128MB 文件，并存储在 Hadoop 集群中的 8 个不同节点上。每个分裂可以复制 3 次，以实现容错，以便如果 1 个节点故障的话，也有备份。HDFS 适用于顺序的“一次写入、多次读取”的类型访问。

b. MapReduce：一个计算框架。它以分布式和并行的方式处理大量的数据。当你对所有年龄> 18 的用户在上述 1 GB 文件上执行查询时，将会有“8 个映射”函数并行运行，以在其 128 MB 拆分文件中提取年龄> 18 的用户，然后“reduce”函数将运行以将所有单独的输出组合成单个最终结果。

c. YARN（Yet Another Resource Nagotiator，又一资源定位器）：用于作业调度和集群资源管理的框架。