GithubHelp home page GithubHelp logo

interview-baguwen's Introduction

前言

什么是八股文?

就是日经题目,考察各种框架、基础知识的题目。这一类题目几乎可以说是有标准答案,因此我准备用这个仓库来收集这一类的题目,并且给出答案。

你所要做的就是,下载下来,而后一篇篇背过去。拿出当年读书背书的劲头来,理解不理解都不要紧,背熟了就可以,能够把八股文面试应付过去就可以。

做这个的动机,有几个原因:

  1. 现在的面试主要就是八股文+算法;
  2. 很多人本身知识是具备的,但是如何回答,如何组织语言还可以进一步加强;
  3. 网上的很多面经题,就是列举题目,给出答案,组织不是很合理;

如何阅读?

我会按照主题来划分,每一个主题下,分成几个部分:

  1. 基本回答:这一部分背出来,基本上就过关了;
  2. 扩展点:这一部分是为了面试亮点的,同时也是一个引导面试官思路的点;
  3. 可能问法:同一个知识点,不同面试官问的问题都不太一样;又或者,当你和面试官聊到什么的时候,可以将话题引申过来这里;

如果你希望讨论别的主题

一般来说,你可以发issue或者discussion,将自己遇到的面试题目发出来。

如果我知道,就会先给一个粗略的回答,但是这个回答并不是经过整理的。

只有经过整理的才会出现在这个repository。

教的不是技术!

我一定要强调的一点是,这里并不是真的专研技术,因为背是背不来技术的。

这里只是帮助你提高一点获得好的工作的可能性。

授权

非收费性质的个人复制、分发不受限制。

基于此仓库的衍生,都需要保持对个体非盈利使用的免费与开放。

商业使用请获得我的授权。

interview-baguwen's People

Contributors

flycash avatar langinteger avatar leven-space avatar liu3734 avatar

Stargazers

 avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar

Watchers

 avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar

interview-baguwen's Issues

三色标记法

原文:"黑色代表存活对象,灰色代表正在标记中,白色表示死亡对象"
黑色代表对象自身及其引用(子节点)都被扫描过了;灰色代表自身被扫描过,但未扫描完其引用;白色代表自身及其引用都还没有被扫描。

使用索引了为什么还是很慢?

大明老师好。
原文问题:“使用索引了为什么还是很慢?”
我觉得还有一种可能,就是数据库选错索引,或有索引但是不走索引。比如1. 查询的记录数占总记录数比例过高,且需要回表。2. 数据库统计信息不准确,导致查询成本计算有问题,导致选错索引,可以通过重建表或者更新统计信息。

go的专题

能出个go的专题吗,例如gc,gmp,内存管理这些。

中间件专题

能否来一个关于中间件的专题,然后引出架构设计的一些**或者架构设计的方向,毕竟学以致用

聚簇索引

大明老师好,不知道我这样理解对不对。

原文:“聚簇索引是指叶子节点存储了数据的索引。MySQL整张表可以看做是一个聚簇索引。因为非聚簇索引没有存储数据,所以一般是存储了主键。于是会导致一个回表的问题。即如果我们查询的列包含不在索引上的列,这会引起数据库先根据非聚簇索引找出主键,而后拿着主键去聚簇索引里边捞出来数据。而根据主键找数据会引起磁盘IO,性能大幅度下降。这就是我们推荐使用覆盖索引的原因。”

找出主键后,用主键查找完整数据,会多一次回表的查询(主键索引),导致性能下降。不一定会有磁盘IO,因为数据页可能缓存在内存(Buffer Pool)中。

/redis/availability.md 文件里的 "全量同步有什么缺点" 中的描述是否有些不准确

您好,对于 /redis/availability.md 文件里的 "全量同步有什么缺点" 中,说到 全量同步下由于cow机制,会导致大量的缺页中断,我不是很认同。
按照我的理解,只有在需要修改数据的时候,才会涉及到读数据到内存进行修改进而缺页的现象。 但是同步过程只要读数据即可, 读 主子进程共享内存的数据写入 rdb文件。
请问这个过程真的会涉及到大量缺页吗。

GC 算法:“用复制算法,内存利用率也可以超过50%”的疑问

“例如我100M对象,存活的有10M。那么我就只需要10M来装存活对象”这个前提是不是就是有问题的,

100M对象,存活范围是[0,100],那么复制空间肯定也要是100M吧,相当于100M空间用来复制,100M用来存储对象,是如何算出使用率可以超过50%的呢

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.