09年的百度面试

一面

1.网络编程经验：

   如何判断一个客户端http请求已经结束？客户端程序如何判断服务端的应答是否已结束？如何处理服务器多线程？（这题可以从我自己以前的那个项目寻求结果！！！）

答：首部的结束是以连续两个新行标记（\r\n）来表示的，有了首部之后：

       http请求参考http://blog.csdn.net/kfanning/article/details/6062118

(1) 根据头中的Content-Length字段。这个字段标明了正文的长度，我们可以以接收完指定长度的字符为判断结束的依据。
(2) 在没有Content-Length时，根据Transfer-Encoding。有些时候服务器无法确定正文的大小，因为正文可能是动态产生的，所以就不会提供Content-Length了，而是采用chunk编码来一块一块地发送正文。每个chunk块由头部和正文两部分组成，头部中由一个16进制数字指定了正文的长度（头和正文以\r\n分开）；最后由一个长度为0的chunk块来表示整个HTTP正文的结束。
      chunk参考：http://blog.csdn.net/zztfj/article/details/5906168
    
大型服务器肯定是链接池，保持N个并发连接不动，来了连接请求就用其中一个链接来响应.

线程池????????????????????????????????????????

qq服务器是linux，多台服务器集群处理，每台开辟大量的线程池进行请求处理，采用的是事件模型，具体是epoll，像上面说的处理大量连接的C10k问题。像百度，腾讯等服务器一般都是linux，自己定制内核，使性能最优。技术很复杂的，你搞清楚了，离大牛也不远了。

大型服务器肯定是链接池，保持N个并发连接不动，来了连接请求就用其中一个链接来响应

   获得一个http请求后，是如何处理的？返回什么？有没有试过返回图片？
   服务器给客户端请求时，是用什么函数写？服务器如何获取客户端请求，用什么函数
   （需要函数级别的连接有一个认识）

2. cv操作是什么函数 cv_init, cv_wait, cv_signal

（条件变量(Condition variables) 条件变量构建于互斥体之上，和互斥体联合使用，等待条件发生。我们可以理解为基于锁的msleep机制(参考：msleep(Array))。）

3. 有一些关键词点击次数的文件，如何输出最多点击的一百个（当时应该回答，组织一个100个元素的最大堆）

4. 相交链表，如何找相交点（不能要标记）
   第一个头遍历到尾，知道他的长度；第二个头遍历到尾，知道他的长度。这样知道两截链表在交点前的长度，长的先走几步，然后一样长了，再轮流下走，就会相聚，相遇节点就是相交节点）

5. 有些文件，频繁访问在磁盘里头的，现在要放到内存中了。采用什么策略来决定哪些放到内存中？如果是一些url文件，放在内存后，如何快速的找到某个url的位置（采用字典序或者b树之类树状结构来组织） 如何快速找到哪些文件太久没人访问了，把他替换出去？（再那一棵树，记录树里每个位置url的访问时间；同时，那个url树的节点，也有这个时间树的对应的位置信息。时间树采用最大堆组织。要替换出去时，就从树顶取走节点，并且从中获得这个节点在url树对应位置，把他从url树中取走。当url被访问时，由于url树节点有时间树的位置信息，所以也很快找到对应节点在时间树的位置，然后把他的访问时间更新，然后做堆调整，每次堆调整为logN）

6. c语言相关：内联函数的好处？非内联函数被调用的过程是怎么样的？
   int,short,char的struct，这几个数应该怎么放，内存大小？怎么防止头文件被include多次？

为了避免同一个文件被include多次：
1   #ifndef方式
2   #pragma once方式

在能够支持这两种方式的编译器上，二者并没有太大的区别，但是两者仍然还是有一些细微的区别。
    方式一：

    #ifndef __SOMEFILE_H__
    #define __SOMEFILE_H__
    ... ... // 一些声明语句
    #endif

    方式二：

    #pragma once
    ... ... // 一些声明语句

    #ifndef的方式依赖于宏名字不能冲突，这不光可以保证同一个文件不会被包含多次，也能保证内容完全相同的两个文件不会被不小心同时包含。当然，缺点就是如果不同头文件的宏名不小心“撞车”，可能就会导致头文件明明存在，编译器却硬说找不到声明的状况

    #pragma once则由编译器提供保证：同一个文件不会被包含多次。注意这里所说的“同一个文件”是指物理上的一个文件，而不是指内容相同的两个文件。带来的好处是，你不必再费劲想个宏名了，当然也就不会出现宏名碰撞引发的奇怪问题。对应的缺点就是如果某个头文件有多份拷贝，本方法不能保证他们不被重复包含。当然，相比宏名碰撞引发的“找不到声明”的问题，重复包含更容易被发现并修正。

   方式一由语言支持所以移植性好，方式二 可以避免名字冲突。

一般可以这样处理：

#ifndef XX
#define XX
     #if _MSC_VER > 1000  
       #pragma once 
    #endif
     .
     .
#endif

7 linux 网络查看的命令

二面
1. 介绍一个项目

2. 2.5亿个int数，可能有相同的。统计出这里头不同的数有多少个？只有2g内存。
（2.5*1000 000 000 * 4 =1G）
统计数-用hash，key是数，value是1或0，标记是否出现。
如果key就是那个数，那么找一个数的时候，要遍历hash才知道有没有，慢（就是如果hash紧凑，慢）。
解决方案：把key作为连续的（就是hash是稀疏的，有个key值没有存在这2.5亿个数中），像数组下标一样，那么要访问第n个数，直接到第n个去看，复杂度是O(1)
但是，如果连续，2.5亿个数，范围很广，而每个key用int存，会很大量，内存不一定够。
解决方案：每个key用一位bit来标志。即数字1放在第一个bit上，数字2放在第二个bit上。看第n位在不在，就找一下第n个bit是1，还是0
具体方法：char a[] 数组。假设找3，那么3在3/8--0...3,所以在a[0]中，找第3个bit，如果是0，就设置为1。最后看看a[]的二进制表示有多少个1就有多少个数

3. 海量数据，在mysql中，cpu占用率很高。如何解决？
1.show processlist，看哪个sql查询的多，建索引（问：建立联合索引时，要考虑什么，怎么建（哪个在前，哪个列在后？）
2.如果老是在拷贝到临时表，就改配置，把临时表内存改大些
3.还有什么方法：
1）分布式数据库 （问：如果你来设计分布式数据库，你会怎么设计？）
2）使用缓存   （问：如果缓存中的数据，被删除或跟新了，数据库怎么判断这个缓存的数据不能用了，是脏数据？）（不懂）
问：什么情况下cpu会高？（内存不足）为什么内存不足cpu会高（频繁io读写）

4. n个无序int，（有正有负），给一个数v，如何找出其中的a+b=v的两个数
（我的答案是：排序 O(nlogn)，记录序列中，0，大于v，小于v的3位。
尝试最小的和最大的，最大不行，次大。。。，找到某个，加起来小于v了，停止
尝试次小的，从上次大头停止的位置开始尝试
---尝试范围两头不断缩小，复杂度为n）

5. 网络相册，一个人可以有多个相册，一个相册有多个图片，如何快速实现增删查移动等操作。web页面上，图片是翻页显示。
（我回答：数据库记录：usr_id, book_id, item_id, position。相片放在磁盘上，目录为position/usr_id/book_id/item_id
一次查两个操作：1）数据库查找2）根据位置取图片

如果用户提取某个相册的所有图片，先给他第一个相片和所有item_id列表。然后用户翻页了，在客户端通过javascript能够知道翻的是哪个item，把item_id，book_id, usr_id发给服务器，服务器根据这个到目录下去找）
（你这种设计会有什么问题？（答不上来。。。）（如果用户频繁翻页，那么服务器上会不断地在传输图片）（如何解决？）

第五题我想不出好办法，我觉得一般他们都show thumbnail
就是预览小图片不把原始图片show在页面上，点击后才能看单个图片


6. Unix系统里，一个简单的print hello world的c程序，从./a.out执行到屏幕打印出来这句话，是什么过程
（1.读elf，会从相对地址，计算出各个symbol的在进程中的绝对地址。然后找到入口main函数
  1.用到std的库，所有有run time load。
  2.然后是print调用的进栈
  3.然后是系统调用，当前进程被挂起。系统调用会调用驱动。。。（内核切换，用户态到内核态）
  4.内核处理完再唤醒当前进程。（切换）
  5.print调用完毕，退栈
  6.main函数退栈
）
问：哪个进程来调用的main？（不知道）
应该是当前运行a.out的这个和用户交互的shell作为父进程，然后父进程fork子进程，子进程和父进程一样，然后调用execv会load执行文件，和把参数传到main的堆栈中

7.socket编程，要注意什么问题
（服务器的serversocket的基本模型。
但是大量请求，会不能及时响应。所以要多线程。
一个监听线程，多个服务线程。服务线程一开始起来都阻塞在存放请求socket的tasklist上。wait
监听线程接受到client的socket，放入tasklist中，signal唤醒一个服务线程。服务线程处理它，并把它从list中移走
注意问题：tasklist的存放的请求socket是会被放和移走的，消费者生产者问题。所以要synchronized来互斥？）

三面
2. fread的过程（文件系统-内核。。。）
3. 主DB在接到数据更新后同步到后台DB，如何避免网络丢失之类的问题
（参考答案1：传的是sql语句，接到后回ack，如果主DB发现一段时间没有回，重发；其实TCP传输，就保证了不会漏数据，所以不会考虑这个问题的）
（参考答案2：每次传sql语句和当前版本号，然后后台DB会对比版本号是不是正确，发现落后就发数据请求。主DB保留每次版本号更新关联的sql语句）
4. N个bit，如和判断其中有多少个1.（时间复杂度小于N）
预存一个2的8次方大小的数组，每个数组值是，这个下标的数的二进制的1的个数，例如：
a[0]=0, a[1]=1, a[2]=1,a[3]=2....a[2^8-1]=7 （以空间换时间）

然后一个byte一个byte的读，看看他的值，直接以这个值为下标去数组看他的1的个数


另一个方法：

while(v){
v &= (v-1);
num++;
}
1000 & 0111 = 0, 所以每&一次，不为0，说明有1个1，&到为0为止，num就是1的个数。复杂度为1的个数。