python爬虫面试 常见问题

• 是否了解线程的同步和异步？

　　　　线程同步：多个线程同时访问同一资源，等待资源访问结束，浪费时间，效率低   

　　　　线程异步：在访问资源时在空闲等待时同时访问其他资源，实现多线程机制

 

• 是否了解网络的同步和异步？

　　　　同步：提交请求->等待服务器处理->处理完毕返回 这个期间客户端浏览器不能干任何事 

　　　　异步: 请求通过事件触发->服务器处理（这是浏览器仍然可以作其他事情）->处理完毕 

 

• 链表和顺序表储存时各自有什么优点？

　　　　1.顺序表存储

    　　　　 原理：顺序表存储是将数据元素放到一块连续的内存存储空间，存取效率高，速度快。但是不可以动态增加长度

     　　　　优点：存取速度高效，通过下标来直接存储

     　　　　缺点：1.插入和删除比较慢，2.不可以增长长度    

               　　　　 比如：插入或者删除一个元素时，整个表需要遍历移动元素来重新排一次顺序

　　　　2.链表存储

      　　　　原理：链表存储是在程序运行过程中动态的分配空间，只要存储器还有空间，就不会发生存储溢出问题

     　　　　优点：插入和删除速度快，保留原有的物理顺序，比如：插入或者删除一个元素时，只需要改变指针指向即可

    　　　　 缺点：查找速度慢，因为查找时，需要循环链表访问

 

• 使用redis搭建分布式系统时如何处理网络延迟和网络异常？　　

由于网络异常的存在，分布式系统中请求结果存在“三态”的概念，即三种状态：“成功”、“失败”、“超时（未知）”

当出现“超时”时可以通过发起读取数据的操作以验证 RPC 是否成功（例如银行系统的做法）

另一种简单的做法是，设计分布式协议时将执行步骤设计为可重试的，即具有所谓的“幂等性”

 

• 数据仓库是什么？

数据仓库是一个面向主题的、集成的、稳定的、反映历史变化的、随着时间的流逝发生变化的数据集合。它主要支持管理人员的决策分析。

数据仓库收集了企业相关内部和外部各个业务系统数据源、归档文件等一系列历史数据，最后转化成企业需要的战略决策信息。

特点：

• 1. 面向主题：根据业务的不同而进行的内容划分；
  2. 集成特性：因为不同的业务源数据具有不同的数据特点，当业务源数据进入到数据仓库时，需要采用统一的编码格式进行数据加载，从而保证数据仓库中数据的唯一性；
  3. 非易失性：数据仓库通过保存数据不同历史的各种状态，并不对数据进行任何更新操作。
  4. 历史特性：数据保留时间戳字段，记录每个数据在不同时间内的各种状态。

• 假设有一个爬虫，从网络上获取数据的频率快，本地写入数据的频率慢，使用什么数据结构好？

　　　　在线求解(o°ω°o)

 

• 你是否了解谷歌的无头浏览器？

无头浏览器即headless browser，是一种没有界面的浏览器。既然是浏览器那么浏览器该有的东西它都应该有，只是看不到界面而已。

Python中selenium模块中的PhantomJS即为*面浏览器（无头浏览器）:是基于QtWebkit的无头浏览器，

 

• 你是否了解MySQL数据库的几种引擎？

　　　　InnoDB：

　　　　InnoDB是一个健壮的事务型存储引擎，这种存储引擎已经被很多互联网公司使用，为用户操作非常大的数据存储提供了一个强大的解决方案。

在以下场合下，使用InnoDB是最理想的选择：

1.更新密集的表。InnoDB存储引擎特别适合处理多重并发的更新请求。
2.事务。InnoDB存储引擎是支持事务的标准MySQL存储引擎。
3.自动灾难恢复。与其它存储引擎不同，InnoDB表能够自动从灾难中恢复。
4.外键约束。MySQL支持外键的存储引擎只有InnoDB。
5.支持自动增加列AUTO_INCREMENT属性。

一般来说，如果需要事务支持，并且有较高的并发读取频率，InnoDB是不错的选择。

MEMORY：

　　使用MySQL Memory存储引擎的出发点是速度。为得到最快的响应时间，采用的逻辑存储介质是系统内存。

　　虽然在内存中存储表数据确实会提供很高的性能，但当mysqld守护进程崩溃时，所有的Memory数据都会丢失。

　　获得速度的同时也带来了一些缺陷。　　

一般在以下几种情况下使用Memory存储引擎：

1.目标数据较小，而且被非常频繁地访问。在内存中存放数据，所以会造成内存的使用，可以通过参数max_heap_table_size控制Memory表的大小，设置此参数，就可以限制Memory表的最大大小。

2.如果数据是临时的，而且要求必须立即可用，那么就可以存放在内存表中。

3.存储在Memory表中的数据如果突然丢失，不会对应用服务产生实质的负面影响。

 

• redis数据库有哪几种数据结构？

5种数据结构

string  

使用string时，redis**大多数情况下**并不会理解或者解析其含义，无论使用json、xml还是纯文本在redis看来都是一样的，只是一个字符串，只能进行strlen、append等对字符串通用的操作，无法针对其内容进一步操作。其基本操作命令有set、get、strlen、getrange、append：

1 SET key value
2 GET key
3 STRLEN key
4 GETRANGE  key start end
5 APPEND key value

 

 

在大多数情况之外，就是string中存储的为纯数字的情况，redis可以将字符串当做数字进行进一步操作，这些操作包括decr、decrby、incr、incrby和incrbyfloat。

 

hash

　　使用hash时，在我看来，就是value本身就是一组key-value对，不过redis将这里的key称为field（但是hkeys命令为什么不叫hfields命令呢哈哈），也就是value是一组field-value对。其基本操作命令有hset、hget、hmset、hmget、hgetall、hkeys和hdel：

 

1 HSET key field value
2 HGET key field
3 HMSET key field value [field value ...]
4 HMGET key field [field ...]
5 HGETALL key
6 HKEYS key
7 HDEL key field [field ...]

 

 

list

使用list时，value就是一个string数组，操作这组string时，可以像对待栈一样使用pop和push操作，但是这个栈两端都能进行操作；也可以像对待数组一样使用一个index参数来操作。list的操作命令略杂，主要分为两类：L开头的和R开头的，L代表LEFT或者LIST，进行一些从列表左端进行的操作，或者一些与端无关的操作；R代表RIGHT，进行一些从列表右端进行的操作。  

 

set

　　set用于存储一组不重复的值，也可以进行一些集合的操作，就像数学上的集合，它是无序的。基本操作有sadd和sismember：

 

1 SADD key member [member ...]
2 SISMEMBER key member

 

集合操作有：求交sinter、求并sunion和求差sdiff：

1 SINTER key [key ...]
2 SUNION key [key ...]
3 SDIFF key [key ...]

 

 

sorted set

　　sorted set类似set，但是sorted set里每个元素都有一个score，这个score可用于排序和排名。基本操作有zadd、zcount、zrank： 

 

1 ZADD key score member [score member ...]
2 ZCOUNT key min max
3 ZRANK key member

 

　　　　　　(摘自：http://blog.csdn.net/imred/article/details/51222237)