标签：方法 recent 支持 cti 提取 数据 工具 浏览器 直接
以文字搜模型:
基于Lucene文本搜索引擎，查找最匹配的；
以图片搜模型:
计算图片特征，对图片特征计算HashCode, 搜索的时候匹配HashCode;
以模型搜模型：
计算模型的特征得到n维特征矩阵， 对特征矩阵计算HashCode, 搜索的时候匹配HashCode;
对外网数据去重:
一开始直接使用条件逐个字段比较判断是否重复；
后来对关键字段连接建立联合哈希值保存，用这个哈希值去重；
后来想到其实外网的url是唯一的，直接对url建立哈希值来去重；后来设想直接用url哈希之后作为主键保存，建立聚集索引；
有效性检测比较简单:
使用java.net 下的类来实现，主要用到了 URL和HttpURLConnection :
刚开始使用openStream()方法，这样使用倒是可以，但是速度慢；
最后使用了getResponseCode（）方法，可以得到请求的响应状态，该方法返回一个 int 分别是 200 and 404 如无法从响应中识别任何代码则返回 -1, 如果对该url发起的5次请求都没有应答则认为链接失效;
1. 你们搜索引擎的QPS有多少？
2. 关于文字搜索的部分， Lucene是怎么设置索引/关键字/相似性度量 的？
4. 你做的去重、检查有效性的工具在运行的时候监控过性能吗？哪种资源占用比较多？
5. 你们的搜索引擎支持图片搜索，是怎么做的？用了什么算法（提取图片特征用了什么算法）？
6. 不管是图片的特征还是三维模型的特征， 你们提取了之后保存在数据库里面， 然后新来了一张图片， 你也计算了它的特征，那么如何度量这个特征与你数据库中已有图片的特征的相似度呢？
答：直接使用欧式距离计算。反问: 你们的数据量大概有三百万，你要是这么做的话，挨个计算距离效率也太低了吧？
7. 你们这个项目还有哪些可以改进的地方（主键设置不合理， 怎么设置）？
8. 知道网络编程吗？了解网络IO模型吗？讲一讲IO多路复用
9. redis了解吗？你提到了redis的缓存替换策略， allkeys lru 替换策略中的 LRU(Least Recently Used)算法的原理是什么？ 不知道？ 那如果让你设计，应该怎么设计？
10. 如果让你设计一个数据库，实现增删该查这些功能， 有什么注意事项？
11. 讲一讲多线程编程？
面试结果：秒灰
数据库的知识问了很多
针对项目问了很多
一定一定一定要了解项目的所有细节！
标签：方法 recent 支持 cti 提取 数据 工具 浏览器 直接
原文地址：https://www.cnblogs.com/greatLong/p/10562218.html
