Python面试篇（一）

• 这部分主要针对Python服务端面试和职业规划
  
• 后端知识是非常繁杂的，编程语言、数据库、算法、网络、架构等
• 当然，遇到菜的前端都得你自己写，写脚本、怼产品啥的就不用说了
• 基础主要分以下几篇：
  • 面试技巧
  • Python语言
  • 算法和数据结构
  • 编程范式篇
  • 操作系统篇

面试技巧篇

• 得先有人面试你，去拉钩或者BOSS打听打听
  • 岗位职责
  • 职位要求
  • 公司技术栈
• 字节和知乎用Python多，随便截个招聘看看吧：
  
  • 看看上面的技术点你熟悉哪些？查漏补缺，针对不同公司技术栈编写不同简历（很真实）
  • 如果你是应届，公司更关注的是你的学习能力和基础能力，工具的使用谁不能学呢？
  • 平台决定成长，大公司体量大，遇到的问题多，成长快！

面试基础

• 应届问基础，社招看项目
• 一面问基础、二面问项目、三面问设计（高工）
• 目前，我个人是应届生，也面试过几次，基础知识这东西一定要经 常 回 顾
  • 你别告诉我你懂了，你得能讲清楚，学第三遍的时候你有可能会发现第一遍的理解是错的，狭隘了、草率了！
  • 要注重软实力，比如面试时先来个自我介绍，这在考察表达能力，平时可以组织好一个模板；沟通在开发过程中是很重要的，你需求都表达不清楚也太难顶了吧
• 总览一下Python技术栈
  • 回答：你了解的Python后端技术栈都有哪些？
  • 我们可以从web请求流程入手，侃侃而谈：
    
  • 后面我们会先从基础部分开始，再按照上面的流程打牢技术栈，完美回答这个问题！
  • 第一阶段的目标是：初级工程师
• 初级工程师基本要求
  • 扎实的计算机理论基础
  • 代码规范
  • 能在指导下完成需求

简历内容

• 基本信息
  • 姓名、学校、学历、联系方式
• 职业技能
  • 语言、框架、数据库、开发工具等
• 关键项目经验
  • 遇到的问题、技术难点等
• 自我评价
  • 真诚为好，别吹别哭
• 简历加分项：
• 知名项目经验
• 技术栈匹配
• 开源项目（github、blog经常更新）
  • 博客可以写读书笔记，技术总结
• 避坑：
• 内容精简、突出重点
• 注意格式：模板+PDF
• 信息真实不作假、无关内容少一些

自我介绍

• 主要内容

  • 个人信息
  • 掌握的技术，参与的项目
  • 应聘岗位的看法和兴趣

• 行为面试技巧

  • 行为面试：面对相似场景时人会倾向于重复过去的行为模式
  • 评判语言表达、沟通、抗压能力
  • 提问：说说你简历中的这个项目，回答可从四个方面：

  层次	含义
  情景	什么情况下发生的
  任务	你是如何明确任务的，团队如何分工
  行动	你做了哪些事情
  结果	结果如何，带来了什么收获

  • 伴随着还会有一些问题：建议自问自答自嗨，组织个表格：
    
  • 最后一般都会问：你有啥要问我的吗？（这个必须有） ，我们要表现出兴趣
    • 问工作内容（每天干嘛）
    • 问公司技术栈
    • 问团队结构（能不能开心工作学习）
    • 问项目、业务（公司实力）
    • 我好像以前都说没了，简直了，不能复吸…

• 面试技巧篇因为本人经历有限，不能吹不能黑，还是靠实践，最后摆出一道题目吧：

  讲讲你觉得最有技术含量的项目（如果你项目太多只能这样）

Python语言篇

• Python是动态强类型语言
  • 运行期确定数据类型（可以不指明类型，写代码爽）
  • 不会发生隐式类型转换（是int不会变成str）
• 关于类型，有种说法叫鸭子类型
  • 我们只关注功能，例如定义两个类，都实现同一功能（鸭子叫）
  • 各类的对象自然是属于不同类型，但重要吗？鸭子能叫人也能叫
• 关于动态有两个概念
  • monkey patch
    • 即运行时替换
    • 例如gevent库需要修改内置的socket
  • 自省
    • 既然动态了，就要有运行时判断对象类型的能力
    • python一切皆对象，可以用type/id/isinstance函数判断

    ilist = [1,2,3]
    idict = dict(a=1)
    print(type(ilist))	# 
    print(type(idict))	# 
    
    print(isinstance(ilist, list))	# True
    
    print(id(idict))	# 1715274125376 内存地址
    # 当使用is判断的时候，比较的就是地址值
    mlist = [1,2,3]
    ilist == mlist
    ilist is mlist	# False
    

  • 注意，Python是有int/float/bool这些类型的，你想强就强（能避免火葬场？）
• 另外，Python轮子多，应用广泛，语言灵活，生产力高

列表和字典

• 列表推导（List Comprehension）

  l = [i for i in range(10)]	# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
  l2 = (i for i in range(10)) 	# 现在是个生成器  
  for i in l2:print(i)	# 生成器推导可以节省内存
  

• 字典推导

  ilist = [1,2,3]
  mlist = ['a','b','c']
  d = {
         k:v for k,v in zip(a,b)}	# 优雅！
  

• 动态语言的维护性较差，这更要求我们严格约束自己的编码风格
  
  • 图为Python重要开发者Tim Peters提出的一些规范，也叫“Python之禅”

Python2/3

• 有些遗留轮子不支持Python3，大致了解一下差异
• Python3的改进
  • print成为函数
  • 编码问题：3不再有Unicode对象（就是我们有时候不得不在字符串前面加个u），默认string就是Unicode编码
  • 除号返回浮点数
  • 类型注解（type hint）：帮助IDE实现类型检查，主要是给开发者提个醒
  • super()方便直接调用父类函数
  • 高级解包：

  a, b, *c = range(10)
  # 也属于语法糖
  

  
• py3高级操作
  • 限定关键字参数（就是传参的时候可以指定参数名，防止搞混）
  • 抛出异常时不丢失栈信息（traceback），即Chained exceptions

  import shutil
  def test(arg1,arg2):
  	try:
  		shutil.copy2(arg1,arg2)
  	except OSError:
  		raise NotImplementedError("OSError") from OSError
  test("copy","copy2")
  

  
  • 一切返回迭代器：range()/zip()/dict.items()
• python3新增语法和库
  • 链接子生成器yield from
  • 新增内置库：
    • asyncio内置库：async/await原生协程支持异步编程
    • enum、mock、ipaddress
  • 修改内置库：urllib/selector
• pyc文件统一放到__pycache__
• 兼容2/3的工具：
  • six模块
  • 2to3转换工具
  • __future__模块
    • from __future__ import print_function，是为了在老版本中兼顾新特性的一种方法

函数参数

• 函数传参时传值还是传引用？（学了C++可能就会下意识有这个问题）
• 但是这里用的是共享传参（Call by Sharing）
  • 函数形参获得实参的引用或者副本，看个代码：

  def func1(mylist):	# 你可能觉得这个传引用
  	mylist.append(3)
  	print(mylist)
  def func2(mystr):	# 你可能觉得这个传值
  	mystr += "niub"
  	print(mystr)
  	return 
  
  mlist = []
  mstr = "Roy,"
  func1(mlist)
  func2(mstr)
  

  • 其实，这要看传入参数的类型，可变与不可变对象是不同的
  • Python一切皆对象
    • 不可变对象：bool/int/float/tuple/str
    • 可变对象：list/set/dict
  • 传递参数是通过对象引用（是的，类似C++引用，直接操作原对象那种），但！如果传的是可变对象，例如上面的func1，则会对mlist直接修改；如果传的是不可变对象，例如func2，就会将mstr拷贝一份创建新对象再操作
  • 默认参数的问题
    • 格式：def 函数名(...，形参名，形参名=默认值)：
    • 指定有默认值的形式参数必须在所有没默认值参数的最后
• 可变参数 *args、**kwargs
  • 列表/元祖参数，会将参数转换成元祖

  def print_args(*args):
  	print(type(args), args)
  	# enumerate() 用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列
  	for idx, val in enumerate(args):
  		print(idx, val)	# idx是序号
  		
  print_args([1,2])	
  #  (1, 2)
  # 0 1
  # 1 2 
  # 可以传*[1,2]，结果同上
  # 可以传[1,2]，得到 0 [1, 2]
  

  • 关键字参数，会转换成字典

  def print_kwargs(**kwargs):
  	print(type(kwargs), kwargs)
  	for k, v in kwargs.items():	# dict.items() 返回可遍历的(键, 值) 元组数组
  		print('{}:{}'.format(k, v))
  # 类似的，可传 **dict('a':1, 'b':2)
  

异常机制

• 有的语言使用错误码，Python使用异常处理错误
• 处理异常还是继承基类，类级层次结构可以查看链接
  
• 什么时候需要捕获处理异常？先了解内置异常类型（让python帮你了解有哪些异常场景）
  • 网络请求超时、连接错误
  • 资源访问不存在、权限
  • 代码逻辑越界、KeyError
• 异常处理块：
  

  # 自定义一个异常
  class MyException(Exception):
  	pass
  	
  try:
  	# 直接抛出
  	raise MyException("this is my customize exception")
  except MyException as e:	# 捕获处理，这里也可以捕Exception，只有捕了父类子类的也会被捕！
  	print(e)
  finally:
  	print("over!")
  my_exception()
  

• 为什么业务异常都继承Exception而不是BaseException呢？
  • 因为BaseException中的KeyboardInterrupt可能会让异常处理失效

性能分析

• GIL（global interpreter lock）全局解释器锁，CPython解释器中使用
  • 为啥使用锁呢？因为同一进程的线程共享内存空间，数据可能会不安全
    
  • GIL头比较铁，直接把其他线程锁住了
  • CPU密集型程序可以让多线程占用多核提高进程执行效率，这个不让同时执行字节码，伤害性极强啊~
  • 当然，IO期间会释放GIL，对IO密集型影响不大
  • 怎么解决呢？进程池
    
• 有了GIL就一定线程安全吗？
  • 原子操作才能保证线程安全，python中什么操作才是原子的？
    
  • 学过计组就知道，这里的一个字节码指令即一个微指令（一个机器指令对应一组微指令），每个微指令对应一组微操作（水平存储）
  • 不是一个字节码就不安全！
  • 如何保证线程安全呢？多字节码操作处加锁！
    
• 性能
  • 使用内置或第三方profile工具（收集程序的运行信息）
• 优化
  • 语言一般不会成为瓶颈
  • 数据结构和算法优化
  • 数据库：索引优化、消除慢查询、使用NoSQL
  • 缓存：使用内存数据库Redis
  • 异步任务：celery
  • 并发：gevent（协程机制）
  • 多线程处理IO

生成器

• 简而言之，就是可以生成值的函数，当一个函数有了yield关键字就成了生成器
• 可以挂起执行并保持当前的状态
• 可以不断调用next()函数获取由yield语句返回的下一个值，举个例子：

  def simple_gen():
  	yield 'hello'
  	yield 'Roy'
  gen = simple_gen()
  print(type(gen))
  print(next(gen))	# hello
  print(next(gen))	# Roy
  

• Python3之前没有原生协程，只有基于生成器的协程
  • 协程可理解为微线程，就是在一个线程内执行的，可内部中断的子程序，例如：
  • 传统的生产者-消费者模型是一个线程写消息，一个线程取消息，通过锁机制控制队列和等待，但一不小心就可能死锁
  • 改用协程，一个线程内，生产者生产消息后，直接通过yield跳转（关键就在这，可暂停执行和产出数据）到消费者开始执行，待消费者执行完毕后，切换回生产者继续生产，效率极高；参考
  • 注：还支持send()向生成器（函数）发送数据和throw()想函数抛出异常
    
  • 即只有默认值和send值，可以理解为一个yield循环一次，n个n次
    
  • 总是激活，太麻烦：
    
    • func参数就是函数引用，配合语法糖使用装饰器
  • Python3.5引入async/await支持原生协程：
    
  • Python使用协程来处理高并发场景，结合Linux的epoll模型（高效IO模型，多路复用）
  • 高并发处理的主要问题是IO密集，协程可以使用yield中断而非阻塞，快速切换处理，避免线程间切换降低效率

单元测试

• 针对一个函数、类进行的测试，很底层
• 三无产品不可取（无文档、无注释、无测试）
  • 有些公司提倡测试驱动开发（TDD）
  • 易测的代码是高内聚低耦合的，好
• 有时候会采用print查看结果，其实直接把assert写进代码就好了
• 常见的测试库：nose/pytest和mock模块

  # test.py
  # pip install pytest
  def test_search():	# 必须以test开头
  	# 正常值
  	assert binary_search([1,2,3,4], 1) == 1
  	assert binary_search([1,2,3,4], 7) == -1
  	# 边界值
  	assert binary_search([1,2,3,4], 0) == 1
  	assert binary_search([1,2,3,4], -1) == 1
  	# 异常值
  	assert binary_search([], 1) == 1
  # 测试取值通常分为上面三类
  

  • 执行pytest test.py，如果是绿线证明测试通过！也可以定位错误

深拷贝

• 有三种对象值传递的操作
  • 直接赋值：其实就是对象的引用（别名），可以理解为指针
  • 浅拷贝(copy)：拷贝父对象，不会拷贝对内部的子对象
  • 深拷贝(deepcopy)： copy 模块的 deepcopy 方法，完全拷贝了父对象及其子对象

  # 浅拷贝
  dic = {
         'a': [1,2,3]}	# 字典是对象，里面的列表是子对象
  b = dic.copy()	# 当然，咱也可导入copy，copy.copy，效果相同！
  dic['a'].append(4)
  dic,b		# ({'a': [1, 2, 3, 4]}, {'a': [1, 2, 3, 4]})
  
  # 深拷贝
  import copy
  c = copy.deepcopy(dic)
  dic, c	# ({'a': [1, 2, 3, 4]}, {'a': [1, 2, 3, 4]})
  dic['a'].append(5)
  dic, c	# ({'a': [1, 2, 3, 4, 5]}, {'a': [1, 2, 3, 4]})
  

• 小作业：Python中如何正确初始化一个二维数组？

小结

• 本篇大致介绍了面试技巧和Python语言基础，其中生成器的概念和用法、GIL的概念及优化需要清楚
• 下一篇介绍常考的数据结构和算法