No.9 滴滴、华为、蓝色光标、人工智能研究院、电视家面经整理(上-golang基础篇)

简介: No.9 滴滴、华为、蓝色光标、人工智能研究院、电视家面经整理(上-golang基础篇)

作者寄语大环境不好的的情况下,2月8号还是毅然选择离职,写下这篇文章也已经过了有15天。工作近两年没有休息,本来想的应该在云南玩一个月再开始找,听了同事的话:“找呗,别玩一圈回来啥都忘了!这...”。面试的重心自己主要放在南京杭州和上海。开始投递简历就是随之而来的面试,一个接一个想走也走不开了。刚开始还是定向捕捞,最后时间周期太长太浪费时间,那就“你 你 你 一起上 !!”,找工作不丢人,找不到工作才丢人。面试如疯狗,拿了offer有了退路才可以驻足停留回头去选择。

640.png

(场景一:那边只能给到15*13,那边觉得你聪明,想要培养你,大环境不好只能给到这,你考虑考虑,不行咱再重新找(猎头)

场景二:同一公司一早上给我连续来5面,然后给我说如果需要到时候还需要来公司和老板再面试一次...(互联网公司)

场景三:同学你还在寻找岗位吗?这边来了通知说还有一个名额空缺,你如果愿意来我给你发offer。之前聊过的12*14(流量软件)

场景四:boss很喜欢你,你可以考虑一下来我们这边,发展空间会很大。(国资背景)

场景五:技术面结束,我:如果你觉得合适,也请拿出你们的诚意尽快安排二面,三面。我有其他offer将入职... 面试官:嗯嗯,明白,我们会加快速度。(都不知道啥名字)

....

面的太多真的会麻木,“面试官你好,我是来自xxx大学xxx专业21级毕业生....” 现在眼睛一闭都是这几句话在脑子里疯狂的输出。


问题1.进程线程和协程

进程

1.进程是程序一次动态执行的过程,是程序运行的基本单位2.每个进程都有自己的独立内存空间不同进程通过进程间通信来通信3.进程占据独立的内存,所以上下文进程间的切换开销(栈、寄存器、页表、文件句柄等)比较大,但相对比较稳定安全。

线程

1.线程又叫做轻量级进程是CPU调度的最小单位2.线程从属于进程,是程序的实际执行者。一个进程至少包含一个主线程,也可以有更多的子线程。3.多个线程共享所属进程的资源,同时线程也拥有自己的专属资源。4.程间通信主要通过共享内存。上下文切换很快,资源开销较少,但相比进程不够稳定容易丢失数据。

协程

1.协程是一种用户态的轻量级线程协程的调度完全由用户控制

2.一个线程可以拥有多个协程,协程不是被操作系统内核所管理,而完全是由程序所控制。

3.与其让操作系统调度,不如我自己来,这就是协程。


问题2.谈谈gmp模型(高频)

640.png

Tips: Golang面试这个问题被问到的概率还是蛮大的,在脑海里记住上面的图片和要点,用自己的话陈述清楚就好。

问题3.深度说一下slice 和map 越深越好

Go中的slice是一种动态数组,它可以自动扩容和缩容,而且可以存储任何类型的数据。它有三个元素:指针、长度、容量Go中的slice是基于数组实现的,它的底层实现是一个指针,指向一个连续的内存块,存储着元素的值。Go中的map是一种键值对的数据结构,它可以存储任何类型的值,而且可以根据键快速查找值。它的实现是基于哈希表的,因此可以实现O(1)的查找性能。它的特点是查找和插入的时间复杂度都是O(1),但是删除操作的时间复杂度是O(n)。Go中的map是基于哈希表实现的,它的底层实现是一个数组,存储着键和值的键值对

问题4.pbuff数据格式 和json格式有什么区别?

两者最大的区别在于数据格式,JSON是一种文本格式,它使用文本来表示数据;而Protocol Buffer是一种二进制格式,它使用二进制来表示数据。由于Protocol Buffer使用二进制来表示数据,因此它的传输效率更高,更适合在网络上进行数据传输。

参考文章:https://www.cnblogs.com/gjc917/p/15492469.html


问题5.数组和切片有什么区别?切片和数组相比有什么缺点?

数组和切片都是Go语言中用于存储一组元素的容器,但它们有一些区别:数组的大小是固定的,而切片的大小是可变的;数组元素类型必须是相同的,而切片元素类型可以不同;数组是值类型,而切片是引用类型从性能上来说,数组的查找速度比切片要快,因为数组的元素是连续存储的,可以快速定位到指定的元素。而切片的元素是分散存储的,需要遍历切片中的每个元素才能找到指定的元素,所以查找的速度会比较慢。


问题6.并发参数(QPS)是什么意思?

QPS是每秒查询次数(Queries Per Second)的缩写,它表示每秒可以处理的查询请求数量,是衡量系统性能的一个重要指标。在并发参数API中,QPS表示每秒可以处理的并发参数请求数量,用于衡量系统的并发处理能力。


问题7.栈和队列的区别?什么场景下分别要用栈和队列?

1.栈是一种后进先出(LIFO)的数据结构,而队列是一种先进先出(FIFO)的数据结构;

2.只允许在一端插入和删除数据,而队列允许在两端插入和删除数据;

3.栈的操作更简单,而队列的操作更复杂;

4.因为栈的操作简单,所以它的时间复杂度更低,而队列的时间复杂度更高

一般来说,适用于搜索算法,比如深度优先搜索算法;而队列适用于广度优先搜索算法。此外,也可以用来实现浏览器的前进和后退功能,而队列则可以用来实现操作系统中的进程调度等。

问题8.代码什么情况下会panic?

一般来说,当go代码中出现了不可恢复的错误时,会触发panic,比如:数组越界、空指针引用等。此外,当go代码中使用了不安全的API时,也会触发panic。举例:map键值对没有key的时候就会引起恐。

问题9.说说你了解的context?代码中哪里会用到?

Golang 中的context 是一个用于在 goroutine 之间传递数据的结构体,它可以用来存储和传递上下文信息,比如请求的超时时间、请求的取消状态等。使用context可以有效地实现goroutine之间的通信,并且可以更好地管理goroutine的生命周期。

问题10.groutine有阻塞怎么处理?

使用goroutine时,可以使用channel来处理goroutine之间的阻塞,channel可以用来在goroutine之间传递数据,并且可以设置channel的buffer大小,以防止goroutine之间的阻塞。


问题11:map是否是有序的 for range map 的时候是有序输出还是无序输出?

go for range循环map是无序的 , 这个是go team团队 有意为之在进行循环遍历的时候 ,生成了一个随机数作为遍历开始的位置可以for range循环map取出所有的key ,  sort.Strings(keys) , 排序所有的keys再循环所有的keys  , 按这个循环取出map里的值如果不依赖map中的key的话 , 或者map的value是个结构体 , 里面有key的值 , 不依赖map的话可以把它转成slice。


作者Tips:golang硬性的知识问的不多,遗忘了一些,写下这篇文章的时候,把自己印象深刻的给大家进行梳理,希望对大家有用。下一篇文章会为大家梳理面试中问到的关于gin,beego,iris,gorm等框架相关问题。



文章订正:

《Go必知必会》No.8 “Golang开发新手常犯的50个错误”文章中,因为拷贝的原因,在7.幽灵变量模块示例代码中出现“不允许左大括号单独一行”的低级错误,被微信号为:Smart33690 “沛公”同学指出错误,随后对No.8文章立即进行纠正。在这里作者仅代表“Go必知必会”对“沛公”同学表示最真挚的感谢!

相关文章
|
消息中间件 人工智能 运维
No.11 滴滴、华为、蓝色光标、人工智能研究院、电视家面经整理(中2-微服务篇)
No.11 滴滴、华为、蓝色光标、人工智能研究院、电视家面经整理(中2-微服务篇)
111 0
|
人工智能 Go API
No.10 滴滴、华为、蓝色光标、人工智能研究院、电视家面经整理(中1-web框架篇)
No.10 滴滴、华为、蓝色光标、人工智能研究院、电视家面经整理(中1-web框架篇)
|
人工智能 自然语言处理 搜索推荐
赋予LLM视觉理解能力,360人工智能研究院开源中文多模态对话模型SEEChat(1)
赋予LLM视觉理解能力,360人工智能研究院开源中文多模态对话模型SEEChat
188 1
赋予LLM视觉理解能力,360人工智能研究院开源中文多模态对话模型SEEChat(1)
|
16天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在医疗诊断中的应用与前景####
本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战及未来发展趋势。通过分析AI如何辅助医生进行疾病诊断,提高诊断效率和准确性,以及其在个性化医疗中的潜力,文章揭示了AI技术对医疗行业变革的推动作用。同时,也指出了数据隐私、算法偏见等伦理问题,并展望了AI与人类医生协同工作的前景。 ####
33 0
|
20天前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在现代医疗中的革新应用
本文深入探讨了人工智能(AI)技术在医疗领域的最新进展,重点分析了AI如何通过提高诊断准确性、个性化治疗方案的制定以及优化患者管理流程来革新现代医疗。文章还讨论了AI技术面临的挑战和未来发展趋势,为读者提供了一个全面了解AI在医疗领域应用的视角。
25 0
|
11天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
6天前
|
数据采集 人工智能 移动开发
盘点人工智能在医疗诊断领域的应用
人工智能在医疗诊断领域的应用广泛,包括医学影像诊断、疾病预测与风险评估、病理诊断、药物研发、医疗机器人、远程医疗诊断和智能辅助诊断系统等。这些应用提高了诊断的准确性和效率,改善了患者的治疗效果和生活质量。然而,数据质量和安全性、AI系统的透明度等问题仍需关注和解决。
100 10
|
13天前
|
机器学习/深度学习 人工智能 算法
探索人工智能在医疗诊断中的应用
本文深入探讨了人工智能(AI)技术在医疗诊断领域的革新性应用,通过分析AI如何助力提高诊断准确性、效率以及个性化治疗方案的制定,揭示了AI技术为现代医学带来的巨大潜力和挑战。文章还展望了AI在未来医疗中的发展趋势,强调了跨学科合作的重要性。 ###
48 9
|
16天前
|
机器学习/深度学习 数据采集 人工智能
深度探索:人工智能在医疗影像诊断中的应用与挑战####
本文旨在深入剖析人工智能(AI)技术在医疗影像诊断领域的最新进展、核心优势、面临的挑战及未来发展趋势。通过综合分析当前AI算法在提高诊断准确性、效率及可解释性方面的贡献,结合具体案例,揭示其在临床实践中的实际价值与潜在局限。文章还展望了AI如何与其他先进技术融合,以推动医疗影像学迈向更高层次的智能化时代。 ####
|
19天前
|
机器学习/深度学习 人工智能 自然语言处理
探索未来编程:Python在人工智能领域的深度应用与前景###
本文将深入探讨Python语言在人工智能(AI)领域的广泛应用,从基础原理到前沿实践,揭示其如何成为推动AI技术创新的关键力量。通过分析Python的简洁性、灵活性以及丰富的库支持,展现其在机器学习、深度学习、自然语言处理等子领域的卓越贡献,并展望Python在未来AI发展中的核心地位与潜在变革。 ###
下一篇
DataWorks