码迷,mamicode.com
首页 > 其他好文 > 详细

2015百度校招用户行为分析研发工程师笔试题

时间:2015-06-29 21:48:46      阅读:119      评论:0      收藏:0      [点我收藏+]

标签:

一,简答题(本题共30分)
  1. 当前计算机系统一般会采用层次结构来存储数据,请介绍下典型的计算机存储系统一般分为哪几个层次,为什么采用分层存储数据能有效提高程序的执行效率?(10分)

技术分享

所谓存储系统的层次结构,就是把各种不同存储容量、存取速度和价格的存储器按层次结构组成多层存储器,并通过管理软件和辅助硬件有机组合成统一的整体,使所 存放的程序和数据按层次分布在各种存储器中。目前,在计算机系统中通常采用三级层次结构来构成存储系统,主要由高速缓冲存储器Cache、主存储器和辅助 存储器组成。
      存储系统多级层次结构中,由上向下分三级,其容量逐渐增大,速度逐级降低,成本则逐次减少。整个结构又可以看成两个层次:它们分别是cache一主存层次 和主存一辅存层次。这个层次系统中的每一种存储器都不再是孤立的存储器,而是一个有机的整体。它们在辅助硬件和计算机操作系统的管理下,可把主存一辅存层 次作为一个存储整体,形成的可寻址存储空间比主存储器空间大得多。由于辅存容量大,价格低,使得存储系统的整体平均价格降低。由于Cache的存取速度可 以和CPU的工作速度相媲美,故cache一主存层次可以缩小主存和CPU之间的速度差距,从整体上提高存储器系统的存取速度。尽管Cache成本高,但 由于容量较小,故不会使存储系统的整体价格增加很多。
      综上所述,一个较大的存储系统是由各种不同类型的存储设备构成,是一个具有多级层次结构的存储系统。该系统既有与CPU相近的速度,又有极大的容量,而成 本又是较低的。其中高速缓存解决了存储系统的速度问题,辅助存储器则解决了存储系统的容量问题。采用多级层次结构的存储器系统可以有效的解决存储器的速 度、容量和价格之间的矛盾。


  2. Unix/Linux系统的僵尸进程是如何产生的?有什么危害?如何避免?(10)

僵尸进程:一个进程使用fork创建子进程,如果子进程退出,而父进程并没有调用wait或waitpid获取子进程的状态信息,那么子进程的进程描述符仍然保存在系统中。这种进程称之为僵死进程。

危害:如果进程不调用wait / waitpid的话, 那么保留的那段信息就不会释放,其进程号就会一直被占用,但是系统所能使用的进程号是有限的,如果大量的产生僵死进程,将因为没有可用的进程号而导致系统不能产生新的进程. 此即为僵尸进程的危害,应当避免。

避免:1、通过信号机制;2、fork两次。

详见点击。
  3. 简述Unix/Linux系统中使用socket库编写服务器程序的流程,请分别用对应的socket通信函数表示。


  二,算法与程序设计题(本题共45分)
  1, 使用C/C++语言写一个函数,实现字符串的反转,要求不能用任何系统函数,且时间复杂度最小。函数原型是:char *reverse_str(char *str)(15分)

简单题,不解释。时间复杂度:O(n)。
  2, 给定一个如下输入格式的字符串,(1,(2,3),(4,(5,6),7))括号内的元素可以是数字,也可以另一个括号,请实现一个算法消除嵌套的括号。比如把上面的表达式变成:(1,2,3,4,5,6,7),如果表达式有误请报错。(15分)

算法描述:

step1:在字符串str从头到尾方向找到第一个‘(‘,下标记为start;在字符串str从尾到头方向找到第一个‘)‘,下标记为end。

step2:新建一个字符串rstr,从start到end遍历str,如果str[i]为‘(‘或者‘)‘,则i++,否则rstr+=str[i];

step3:rstr即为题目要求消除嵌套括号的字符串。
  3, 相似度计算用于衡量对象之间的相似程度,在数据挖据,自然语言处理中是一个基础性
计算,在广告检索服务中往往也会判断网民检索Query和广告Adword的主题相似度。假设Query或者Adword的主题属性定义为一个长度为 10000的浮点数据Pr[10000](称之为主题概率数组),其中Pr[i]表示Query或者Adword属于主题Id为i的概率,而Query和 Adword的相似度简化定义为两者主题概率数组的内积,即 sim(Query,Adword)=sum(QueryPr[i]*AdwordPr[i])(0<==i<10000).在实际应用场景 中,由于大多数主题的概率都为0,所以主题概率数组往往比较稀疏,在实现时会以一个紧凑型数组topic_info_t[]的方式保存,其中 100<=数组大小<=1000,并按照  topic_id递增排列,0<=topic_id<10000,0 ,0<topic_pr<1.
  Struct topic_info_t{
  Int topic_id;
  Float topic_pr;
  }
  现在给出Query的topic_info_t数组和N(N>=5000)个Adwords的 topic_info-t数组,现要求出Query与Adwords的相似度最大值,即max(sim(Query,Adword[i]) (0<=i<N).
  Float max_sim(const vector<topic_info_t>  &query_topic_info,
  Const vector<topic_info_t> adwords_topic_info[],
  Int adwords_number);
  编写代码求时间复杂度最低的算法,并给出时间复杂度分析。(15分)


  三,系统设计题(本题共25分)
  在企业中,对生产数据进行分析具有很重要的意义。但是生产数据通常不能直接用于数据分析,通常需要进行抽取,转换和加载,也就是业界常识的ETL.
  生产数据
技术分享
  为了便于开发和维护,并提高数据实时性,通常将一个完整的ETL过程分析哼多个任务,组成流水线,如下图所示:
技术分享
  假设任务定义和任务之间的依赖关系都保存在文件中,文件格式分别如下:
  表格1任务元数据

文件 格式 例子
任务定义文件 每行表示一个任务,3列: 
1, ID 
2, 开始运行时间 
3, 最大运行时长(分钟)
100,01:00:00,60 
110,02:00:00,30
任务依赖关系 每行表示一个关系,2列: 
1,前置任务 
2, 后置任务
100,110

  问题:
  1, 下图是ETL调度系统的模块图。请描述各个模块的主要职责,以及各个线条的含义。(10分)
技术分享
  2, 添加依赖关系时要避免产生环,假设系统同一个时刻只允许一个人添加任务依赖,请实现一个函数来检查新的依赖是否导致环,如果该依赖的上游存在环会导致非正常的调度,因此也希望能避免。(10分)
  a) 函数名:checkCycle
  b) 输入:pairs,已存在的依赖关系((pre,post)),newPair新的依赖关系(pre,post)
  c) 输出:True:不存在环,False:存在环
  3, 如果调度时,某个任务在其依赖的任务之前执行,必然导致错误,请实现调度算法,确保任务按照依赖顺序执行?(10分)
  a) 函数名 schedule
  b) 输入1:tasks,整型数组
  c) 输入2:tasks-relations,二元组数组,每个二元组表示一组关系
  d) 输出:task_id序列,并行执行的用“,”分隔,其他的用“;”分隔
  4, 给定一个任务,如何计算出他的最晚完成时间?(10分)
  a) 函数名:calMaxEndTime
  b) 输入1:tasks,3元组数组,(task_id,start_time,max_run_time);
  c) 输入2:task-relations,2元组数组,每个二元组表示一组关系;
  d) 输入3:task-id
  e) 输出:最晚完成时间;

2015百度校招用户行为分析研发工程师笔试题

标签:

原文地址:http://www.cnblogs.com/hzhtracy/p/4608348.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!