百度2014校园招聘-研发工程师笔试题（济南站）

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）

     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：它们分别是主存一辅存层次和cache一主存层次。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。

第一层：通用寄存器堆  第二层：指令与数据缓冲栈  第三层：高速缓冲存储器  第四层：主储存器（DRAM）  第五层：联机外部储存器（硬磁盘机）  第六层：脱机外部储存器（磁带、光盘存储器等）  这就是存储器的层次结构~~~ 主要体现在访问速度~~~  1,设置多个存储器并且使他们并行工作。本质：增添瓶颈部件数目，使它们并行工作，从而减缓固定瓶颈。  2,采用多级存储系统，特别是Cache技术，这是一种减轻存储器带宽对系统性能影响的最佳结构方案。本质：把瓶颈部件分为多个流水线部件，加大操作时间的重叠、提高速度，从而减缓固定瓶颈。  3,在微处理机内部设置各种缓冲存储器，以减轻对存储器存取的压力。增加CPU中寄存器的数量，也可大大缓解对存储器的压力。本质：缓冲技术，用于减缓暂时性瓶颈。

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

     一个进程在调用exit命令结束自己的生命的时候，其实它并没有真正的被销毁，而是留下一个称为僵尸进程（Zombie）的数据结构（系统调用exit，它的作用是使进程退出，但也仅仅限于将一个正常的进程变成一个僵尸进程，并不能将其完全销毁）。
    在Linux进程的状态中，僵尸进程是非常特殊的一种，它已经放弃了几乎所有内存空间，没有任何可执行代码，也不能被调度，仅仅在进程列表中保留一个位置，记载该进程的退出状态等信息供其他进程收集，除此之外，僵尸进程不再占有任何内存空间。它需要它的父进程来为它收尸，如果他的父进程没安装SIGCHLD信号处理函数调用wait或waitpid()等待子进程结束，又没有显式忽略该信号，那么它就一直保持僵尸状态，如果这时父进程结束了，那么init进程自动会接手这个子进程，为它收尸，它还是能被清除的。但是如果如果父进程是一个循环，不会结束，那么子进程就会一直保持僵尸状态，这就是为什么系统中有时会有很多的僵尸进程。

避免zombie的方法： 
       1)在SVR4中，如果调用signal或sigset将SIGCHLD的配置设置为忽略,则不会产生僵死子进程。另外,使用SVR4版的sigaction,则可设置SA_NOCLDWAIT标志以避免子进程               僵死。 
       Linux中也可使用这个，在一个程序的开始调用这个函数 signal(SIGCHLD,SIG_IGN);  
        2)调用fork两次。
        3)用waitpid等待子进程返回. 

3. 简述Unix/Linux系统中使用socket库编写服务器端程序的流程，请分别用对应的socket通信函数表示（10分）

 TCP socket通信
服务器端流程如下：
1.创建serverSocket
2.初始化 serverAddr（服务器地址）
3.将socket和serverAddr 绑定 bind
4.开始监听 listen
5.进入while循环，不断的accept接入的客户端socket，进行读写操作write和read
6.关闭serverSocket
客户端流程：
1.创建clientSocket
2.初始化 serverAddr
3.链接到服务器 connect
4.利用write和read 进行读写操作
5.关闭clientSocket 

这个列表是一个Berkeley套接字API库提供的函数或者方法的概要：
socket() 创建一个新的确定类型的套接字，类型用一个整型数值标识，并为它分配系统资源。
bind() 一般用于服务器端，将一个套接字与一个套接字地址结构相关联，比如，一个指定的本地端口和IP地址。
listen() 用于服务器端，使一个绑定的TCP套接字进入监听状态。
connect() 用于客户端，为一个套接字分配一个自由的本地端口号。 如果是TCP套接字的话，它会试图获得一个新的TCP连接。
accept() 用于服务器端。 它接受一个从远端客户端发出的创建一个新的TCP连接的接入请求，创建一个新的套接字，与该连接相应的套接字地址相关联。
send()和recv(),或者write()和read(),或者recvfrom()和sendto(), 用于往/从远程套接字发送和接受数据。
close() 用于系统释放分配给一个套接字的资源。 如果是TCP，连接会被中断。
gethostbyname()和gethostbyaddr() 用于解析主机名和地址。
select() 用于修整有如下情况的套接字列表： 准备读，准备写或者是有错误。
poll() 用于检查套接字的状态。 套接字可以被测试，看是否可以写入、读取或是有错误。
getsockopt() 用于查询指定的套接字一个特定的套接字选项的当前值。
setsockopt() 用于为指定的套接字设定一个特定的套接字选项。

 

二、算法与程序设计题（本题共45分）

1. 使用C/C++编写函数，实现字符串反转，要求不使用任何系统函数，且时间复杂度最小，函数原型：char* reverse_str(char* str)。(15分)

 获取首尾指针，然后将首尾指针指向的元素交换，将首指针指向下一个，将尾指针指向前一个，交换指针指向的元素，然后重复执行，直到首尾指针相遇。

2. 给定一个如下格式的字符串，(1,(2,3),(4,(5,6),7))括号内的元素可以是数字，也可以是另一个括号，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)

 使用栈和队列实现

3. （见下图）

 

#include <iostream>
#include <vector>

using namespace std;

struct topic_info_t {
        int topic_id;
        float topic_pr;
};

float similarity(vector<topic_info_t> query_topic_info,
                                vector<topic_info_t> adword_topic_info)
{
        int i = 0, j = 0;
        float sim = 0;
        
        while(i < query_topic_info.size() && j < adword_topic_info.size())
        {

                if(query_topic_info[i].topic_id < adword_topic_info[j].topic_id)
                {
                        i++;
                }
                else if(query_topic_info[i].topic_id > adword_topic_info[j].topic_id)
                {
                        j++;
                }
                else
                {
                        sim += query_topic_info[i].topic_pr * adword_topic_info[j].topic_pr;
                        i++;
                        j++;
                }
        }

        return sim;
}

// topic_info_t已按id递增排序
float max_sim(const vector<topic_info_t> &query_topic_info, 
                          const vector<topic_info_t> adwords_topic_info[],
                          int adwords_number)
{
        int i;
        float max_sim = 0, cur_sim = 0;

        for(i = 0; i < adwords_number; i++)
        {
                cur_sim = similarity(query_topic_info, adwords_topic_info[i]);

                cout << "current sim: " << cur_sim << endl;

                if(cur_sim > max_sim)
                {
                        max_sim = cur_sim;
                }
        }

        return max_sim;
}

int main()
{
        vector<topic_info_t> query_topic_info;
        vector<topic_info_t> adwords_topic_info[3];

        // 赋值有点傻，应该有更好的赋值方式
        struct topic_info_t t = {1, 0.2f};
        query_topic_info.push_back(t);

        t.topic_id = 2;
        t.topic_pr = 0.4f;
        query_topic_info.push_back(t);
        
        t.topic_id = 3;
        t.topic_pr = 0.6f;
        query_topic_info.push_back(t);

        t.topic_id = 2;
        t.topic_pr = 0.6f;
        adwords_topic_info[0].push_back(t);
        t.topic_id = 3;
        t.topic_pr = 0.7f;
        adwords_topic_info[0].push_back(t);
        t.topic_id = 4;
        t.topic_pr = 0.3f;
        adwords_topic_info[0].push_back(t);

        t.topic_id = 1;
        t.topic_pr = 0.8f;
        adwords_topic_info[1].push_back(t);
        t.topic_id = 3;
        t.topic_pr = 0.7f;
        adwords_topic_info[1].push_back(t);
        t.topic_id = 4;
        t.topic_pr = 0.4f;
        adwords_topic_info[1].push_back(t);


        t.topic_id = 1;
        t.topic_pr = 0.5f;
        adwords_topic_info[2].push_back(t);
        t.topic_id = 2;
        t.topic_pr = 0.9f;
        adwords_topic_info[2].push_back(t);
        t.topic_id = 4;
        t.topic_pr = 0.2f;
        adwords_topic_info[2].push_back(t);


        cout << "max sim: " << max_sim(query_topic_info, adwords_topic_info, 3) << endl;

        return 0;
}

 

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，也就是通常说的ETL。

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过程分为多个任务，组成流水线，如下图所示：

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：

 

问题：

1.  下面是ETL调度系统的模块图，请描述各个模块呃主要职责，以及各个线条的 含义。（10分）

 

2.  添加依赖关系时要避免出现环，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，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，整数数组；

c)  输入2：task-relation，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，二元组数组，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；