早春二月，研發倍忙，雜花生樹，群鷗竟飛。為什麼？因為春季招聘，無論是應屆生，還是職場老鳥，都在摩拳擦掌，秣馬厲兵，準備在面試場上一較身手，既分高下，也決Offer，本次我們打響春招第一炮，躬身入局，讓2023年的第一個Offer來的比以往快那麼一點點。
開啟某垂直招聘平臺，尋找2023年的第一個獵物：
投遞簡歷之後，如約進行面試。
筆試題
正規公司的面試一般都是筆試先行，筆試題的作用非常務實，就是直接篩掉一批人，提高面試效率，需要注意的是，在這個環節中，往往無法用搜尋引擎進行檢索，所以，你的大腦就是Python直譯器，你的筆將會代替程式的輸出：
# 實現字串反轉，以逗號作為切割符，切割的子串以單詞作為單元反轉
# 輸入：hello world, god bless you
# 輸出：world hello, you bless god
這道題網上沒有原題，但其實並不難，考點在於應聘者對於Python基礎和複合資料型別內建方法的熟悉程度，題目中所謂的字串反轉並不是真正意義的字串反轉，而是以單詞為單元的反轉，同時加入了逗號分割邏輯，所以只要對字串內建方法split,rstrip和列表內建方法join以及reverse的用法足夠了解，就可以直接寫出解法：
def reseverWords(s:str) -> str:
all_str = ""
s = s.split(',')
for x in s:
lis= x.split()
lis.reverse()
all_str += ' '.join(lis)+', '
all_str=all_str.rstrip(', ')
return all_str
print(reseverWords(str1))
第二題是SQL語句題目，請寫一條sql，按照地區的分組聚合資料進行排序：
id name location
-- ----- --------
1 Mark US
2 Mike US
3 Paul Australia
4 Pranshu India
5 Pranav India
6 John Canada
7 Rishab India
排序後結果：
id name location
-- ----- --------
4 Pranshu India
5 Pranav India
7 Rishab India
1 Mark US
2 Mike US
3 Paul Australia
6 John Canada
這道題也無法在網上查證，一般的分組聚合只是查一個數，這個是按照數量進行排序，並且其實並不展示數量，也可以理解為展示的為分組資料的明細排行榜：
SELECT x.*
FROM my_table x
JOIN (SELECT location, COUNT(*) total FROM my_table GROUP BY location) y
ON y.location = x.location
ORDER
BY total DESC
, id;
思路是先分組，隨後按照分組的聚合資料根據地區欄位連表排序即可。
自我介紹
透過筆試題篩選後，進入自我介紹環節，一般介紹技術棧和簡單的專案經歷即可，參考示例：
您好（下午好/上午好），我是19年畢業的，在RD(Research and Development engineer即研發工程師崗位)崗差不多有三年左右的工作經驗，一開始在一家創業型公司起步，當時主力開發語言是python，，使用mtv架構，在公司主要和業務打交道，開發和維護後臺的API，大概沉澱了兩年左右吧，我跳槽到了第二家公司，薪酬實現了double，在新的技術團隊裡，我接觸到了前後端分離專案，也學習了非同步程式設計思想，主力框架是tornado，前端技術也有所涉獵，比如vue框架，瞭解了資料雙向繫結理念，同時也學習了在業務解耦和服務封裝層面比較流行的docker容器技術，這項技術使我平時開發和測試工作都提高了效率，最近一年左右吧，我經常使用的web框架是tornado,這個框架我個人非常喜歡，它的非同步非阻塞特性讓我對非同步程式設計思想的認識更深入了。我也嘗試過remote這種工作形式，也鍛鍊了我在團隊中的溝通能力，其實三四年下來，做過的東西解決過的問題也挺多的，待過大團隊也經歷過小團隊，給我的感覺就是網際網路企業隨著發展，技術和行業邊界其實是越來越模糊的，也就是說技術都是具有相通性的，我個人來講，優勢就是技術涉獵比較廣，前後端都接觸過，踩得坑也比較多，在特定領域有一定的深入，比如非同步程式設計這塊。另外我覺得搞開發的，學習能力，總結能力很重要，所以我一直保持著寫技術部落格的習慣，這樣經過沉澱，可以提高一個人的分析能力，也就是解決問題的能力，我的介紹完了，謝謝。
程式、執行緒和協程的區別
程式、執行緒和協程，從來就是Python面試中聚訟不休的一個話題，只要我們還在使用Python，就一定逃離不了三程問題：
程式
首先明確一下程式和執行緒的概念，程式系統進行資源分配的基本單位，一臺機器上可以有多個程式，每個程式執行不同的程式，每個程式相對獨立，擁有自己的記憶體空間，隔離性和穩定性比較高，程式之間互不影響，但是資源共享相對麻煩，系統資源佔用相對高，同時程式可以利用cpu多核資源，適合cpu密集型任務，比如一些統計計算任務，比如計算廣告轉化率，uv、pv等等，或者一些影片的壓縮解碼任務，程式還有一個使用場景，就是後期部署專案的時候，nginx反向代理後端服務，往往需要開啟多個tornado服務來支援後臺的併發，就是利用了多程式的互不干擾，就算某個程式僵死，也不會影響其他程式，程式使用的是mulitprossing庫 ，往往是先宣告程式例項，裡面可以傳入消費方法名稱和不定長引數args，然後將例項放入指定程式數的容器中(list)，透過迴圈或者列表推導式，使用start方法開啟程式，join方法阻塞主程式。
執行緒
執行緒是系統進行資源排程的最小單位，它屬於程式，每一個程式中都會有一個執行緒，由於執行緒操作是單程式的，所以執行緒之間可以共享記憶體變數，互相通訊非常方便，它的系統開銷比程式小，它是執行緒之間由於共享記憶體，會互相影響，如果一個執行緒僵死會影響其他執行緒，隔離性和穩定性不如程式，同時，執行緒並不安全，如果對同一個物件進行操作，需要手動加鎖，另外從效能上講，多執行緒會觸發python的全域性直譯器鎖，導致同一時間點只會有一個執行緒執行的交替執行模式，執行緒適用於io密集型任務，所謂io密集型任務就是大量的硬碟讀寫操作或者網路tcp通訊的任務，一般就是爬蟲和資料庫操作，檔案操作非常頻繁的任務，比如我負責開發的稽核系統，需要同時對mysql和redis有大量的讀寫操作，所以我使用多執行緒進行消費。執行緒使用的是Threading庫 ，往往是先宣告執行緒例項，裡面可以傳入消費方法名稱和不定長引數args，然後將例項放入指定執行緒數的容器中(list)，透過迴圈或者列表推導式，使用start方法開啟執行緒，join方法阻塞主執行緒。
協程
協程是一種使用者態的輕量級執行緒，協程的排程完全由使用者控制，不像程式和執行緒是系統態，所以在不主動切換協程的情況下，操作全域性變數的時候，可以無需加鎖（這裡有坑，協程庫內建也是有鎖的，但是看場景，如果使用場景內沒有主動切換協程(await)寫操作就不需要加鎖，如果單協程執行過程中，主動切換了協程，寫操作則需要加鎖 協程是否加鎖問題)，只需要判斷資源狀態即可，效率非常高，同時協程是單執行緒的，即可以共享記憶體，又不需要系統態的執行緒切換，同時也不會觸發gil全域性直譯器鎖，所以它效能比執行緒要高。具體使用場景和執行緒一樣，適合io密集型任務，所謂io密集型任務就是大量的硬碟讀寫操作或者網路tcp通訊的任務，一般就是爬蟲和資料庫操作，檔案操作非常頻繁的任務，比如我負責開發的稽核系統，需要同時對mysql和redis有大量的讀寫操作，所以我後期將多執行緒改造成協程進行消費。協程我使用的python原生協程庫asyncio庫，首先透過asyncio.ensure_future(doout(4))方法建立協程物件，然後根據當天稽核員數量指定開啟協程數，和多執行緒以及多程式的區別是，協程既可以直接傳實參，也可以傳不定長引數，很方便，然後透過await asyncio.gather(*tasks)方法啟動協程，需要注意的是，主方法需要宣告成async方法，並且透過asyncio.run(main())來啟動。協程雖然是python非同步程式設計的最佳方式，但是我認為它也有缺點，那就是非同步寫法導致程式碼可讀性下降，同時對程式設計人員的綜合素質要求高，並不是所有人都能理解協程的工作方式，以及python原生協程的非同步寫法。
Python中的深複製和淺複製
僅次於三程問題的明星面試題，一般情況下，大家都會說淺複製修改複製物件會影響原物件，而深複製不會，但其實，淺複製會有三種細分的情況：
1.複製不可變物件：只是增加一個指向原物件的引用，改變會互相影響。
>>> a = (1, 2, [3, 4])
>>> b = copy.copy(a)
>>> b
... (1, 2, [3, 4])
# 改變一方，另一方也改變
>>> b[2].append(5)
>>> a
... (1, 2, [3, 4, 5])
2.複製可變物件(一層結構)：產生新的物件，開闢新的記憶體空間，改變互不影響。
>>> import copy
>>> a = [1, 2, 3]
>>> b = copy.copy(a)
>>> b
... [1, 2, 3]
# 檢視兩者的記憶體地址，不同，開闢了新的記憶體空間
>>> id(b)
... 1833997595272
>>> id(a)
... 1833997595080
>>> a is b
... False
# 改變了一方，另一方不會改變
a = [1, 2, 3] b = [1, 2, 3]
>>> b.append(4)
>>> a
... [1, 2, 3]
>>> a.append(5)
>>> b
... [1, 2, 3, 4]
3.複製可變物件(多層結構)：產生新的物件，開闢新的記憶體空間，不改變包含的子物件則互不影響、改變包含的子物件則互相影響。
>>> import copy
>>> a = [1, 2, [3, 4]]
>>> b = copy.copy(a)
>>> b
... [1, 2, [3, 4]]
# 檢視兩者的記憶體地址，不同，開闢了新的記憶體空間
>>> id(b)
1833997596488
>>> id(a)
1833997596424
>>> a is b
... False
# 1.沒有對包含的子物件進行修改，另一方關我卵事
a = [1, 2, [3, 4]] b = [1, 2, [3, 4]]
>>> b.append(5)
>>> a
... [1, 2, [3, 4]]
>>> a.append(6)
>>> b
... [1, 2, [3, 4], 5]
# 2.對包含的子物件進行修改，另一方也隨之改變
a = [1, 2, [3, 4]] b = [1, 2, [3, 4]]
>>> b[2].append(5)
>>> a
... [1, 2, [3, 4, 5]]
>>> a[2].append(6)
>>> b
... [1, 2, [3, 4, 5, 6]]
高併發如何進行處理的
既然JD(Job Describe)中提到了高併發，那麼就一定會問高併發問題，一般情況下，涉及高併發場景的基本上都是外部系統，此時需要簡單介紹一下系統的容量是多少，比如有註冊使用者數、日活、QPS等等。然後就是提供具體方案，一般的手段是加快取，資料庫讀寫分離，資料庫 sharding 等等。高併發背景下，整個系統瓶頸一般都在資料庫。
除了上述的一些常規方案，業內最常用的緩解高併發的手段是使用非同步任務佇列：
為了解決生產者和消費者過度耦合的效率低下問題，我設計了一個緩衝區，生產者不會直接和消費者產生關係，而是透過緩衝區解耦，這個緩衝區就是非同步任務佇列，佇列容器我採用redis資料庫，因為redis效能優勢比較明顯，同時內建的list資料型別比較契合佇列這種資料結構，工具類內建了，初始化方法，入隊方法，出隊方法，佇列長度，以及查重唯一方法。每當商戶提交表單，此時並不會修改狀態，而是將表單資料入庫，同時將商戶uid進行入隊操作，遵循fifo原則，在消費者端使用非同步的方式進行消費，也就是出隊操作，每一個執行緒對應一個稽核員，透過消費方法進行傳參，每次將出隊的商戶uid和執行緒傳入的稽核員id進行組合分配，出隊之後併發數已經得到了控制，隨後在mysql端進行update操作，達到非同步分配稽核的目的。
保持冪等性
如果面試中提到了非同步任務佇列(訊息佇列)，那麼冪等性操作幾乎一定會在後續的問題中提及，所謂冪等性，簡單來說就是對於同一個系統，在同樣條件下，一次請求和重複多次請求對資源的影響是一致的，就稱該操作為冪等的。比如說如果有一個介面是冪等的，當傳入相同條件時，其效果必須是相同的。在RabbitMQ中消費冪等就是指給消費者傳送多條同樣的訊息，消費者只會消費其中的一條。例如，在一次購物中提交訂單進行支付時，當網路延遲等其他問題造成消費者重新支付，如果沒有冪等性的支援，那麼會對同一訂單進行兩次扣款，這是非常嚴重的，因此有了冪等性，當對同一個訂單進行多次支付時，可以確保只對同一個訂單扣款一次。
具體手段：
事實上，當稽核任務出隊之後，如果在消費端出現意外，這個意外包含但不限於出對後tornado當機、mysql當機等等，導致出隊任務沒有進行流程化處理，所以我採用了ack驗證機制，也就是緩衝區佇列從單佇列升級為雙佇列，把rpop出隊改成redis內建的rpoplpush的原子性操作，出隊後立即進入確認佇列，在消費端完成稽核任務後，對ack佇列進行確認移除操作，如此，一次審批任務才算完結，如果任務生命週期內，任務一直存在於確認佇列沒有出隊，那麼輪詢任務會將任務id移出確認佇列，重新在緩衝區佇列進行入隊操作，這樣就避免了，僵審任務的問題。
結語
技術面試雖然是一種資訊不對等的較量，但是隻要認真研究JD(Job Describe)，做好相關的知識儲備，基礎常識不要翻車(包含但不限於Python基礎/資料庫基礎)，那麼作為應聘者拿一個Offer也不是想象中的那麼難，本次面試的實戰錄音可以在B站(Youtube)搜尋劉悅的技術部落格查閱，歡迎諸君品鑑。