49個python基礎面試題的簡單介紹

本文目錄一覽：

• 1、Python後端工程師面試題目有哪些
• 2、python面試必備題目有哪些
• 3、Python面試題，線程與進程的區別，Python中如何創建多線程？
• 4、快速深入一門語言的幾個問題（Python面試題
• 5、python面試題總結1-內存管理機制
• 6、python 經典面試題有哪些

Python後端工程師面試題目有哪些

一.語言

1.推薦一本看過最好的python書籍？

2.談談python的裝飾器，迭代器，yield？

3.標準庫線程安全的隊列是哪一個？不安全的是哪一個？logging是線程安全的嗎？

4.python適合的場景有哪些？當遇到計算密集型任務怎麼辦？

5.python高並發解決方案？我希望聽到twisted-tornado-gevent，能扯到golang,erlang更好

二.操作系統

可以直接認為是linux，畢竟搞後端的多數是和linux打交道。

1.tcp/udp的區別？tcp粘包是怎麼回事，如何處理？udp有粘包嗎？

2.time_wait是什麼情況？出現過多的close_wait可能是什麼原因？

3.epoll,select的區別？邊緣觸發，水平觸發區別？

三.存儲

存儲可能包含rdbms，nosql以及緩存等，我以mysql,redis舉例

mysql相關

1.談談mysql字符集和排序規則？

2.varchar與char的區別是什麼？大小限制？utf8字符集下varchar最多能存多少個字元

3.primary key和unique的區別？

4.外鍵有什麼用，是否該用外鍵？外鍵一定需要索引嗎？

5.myisam與innodb的區別？innodb的兩階段鎖定協議是什麼情況？

6.索引有什麼用，大致原理是什麼？設計索引有什麼注意點？

redis相關

1.什麼場景用redis，為什麼mysql不適合？

2.談談redis的事務？用事務模擬原子+1操作？原子操作還有其它解決方案嗎？

3.redis內存滿了會怎麼樣？

四.安全

web安全相關

1.sql注入是怎麼產生的，如何防止？

2.xss如何預防？htmlescape後能否避免xss?

3.csrf是什麼？django是如何防範的？

密碼技術

1.什麼是分組加密？加密模式有哪些？ecb和cbc模式有什麼區別？為什麼需要iv向量？

2.簡單說說https的過程？

3.對稱加密與非對稱加密區別？

3.如何生成共享秘鑰？ 如何防範中間人攻擊？

五.雜

是否關注新技術啊？golang，rust是否了解？numpy,pandas是啥鳥？

是否緊跟時代潮流？逛不逛微博，刷不刷知乎？

可能你覺得我問的好細，但這好多都是平常經常遇到，並需要解決的，細節更能體現一個人。

如果你覺得小kiss，歡迎投簡歷給我yihaibo@longtugame.com，龍圖遊戲運營支持中心數據分析部招人；覺得有點問題，那還等什麼，趕快來和我交流交流。

更新:討論區挺熱鬧，有人說好簡單，有人說好難，其實我覺得這隻適合面試2~3年工作經驗的後端工程師。真的沒有問

很難的題目，只是可能你平時沒有注意。

在這裡我推薦幾本書吧

python參考手冊，絕對讓你更上一層樓

圖解密碼技術，密碼入門不二之選

mysql技術內幕第五版，有點厚當手冊讀讀，要有耐心，高性能mysql也強烈建議讀讀

effective tcp/ip programming

為什麼評論區有這麼大差異？我想是個人經歷不一樣吧，如果是搞web的對操作系統這塊和密碼技術會偏弱，但如果是系統工程師或是遊戲服務端這塊會明顯偏強。

六.後記

最近我也面試了不少童鞋，我發現能達到要求的真的少之又少，很多hr都說Python是最難招聘的崗位，我想是有道理的，這真的很值得我們去深思？

我想有一部分原因是Python這門語言造成的，會寫Python的人很多，但寫的好的人很少，大部分都把Python當做腳本來寫，缺乏面向對 象，模式的思想。想想Java，大家都習慣了介面，實現分離，設計模式在Java中也喊了很多年，尤其是ssh三大框架一出，用著用著就理所當然的認為就 該這麼做，雖然也有點壞處，但對企業級Java開發無疑是一大進步。

反觀Python，尤其是生成器，協程，元類給Python注入了很大的靈活性，想寫的Pythonic有不小難度，但其實Python高級特性就那麼幾個，幹掉了也就沒有了。

當你覺得Python遇到了瓶頸，不妨停下來好好想想。研究研究設計模式，想想重構，了解領域驅動設計，敏捷開發，再回來讀讀以前寫的代碼，當眼界變高了，代碼也就美了。

當然思想的提高不是一朝一夕，模式，原則會經常讓你糾結，糾結就會思索，思考就走出了自己的路，當然條條大路通羅馬。

資料庫等存儲技術是研發工程師邁不過的坎，對關係資料庫以mysql舉例來說，你必須清楚的知道什麼欄位選擇什麼類型，類型位元組大小，限制條件，這 東西也很容易理解，多想想即可，比如set類型，要支持交並等操作，1個位元組只能存8個類別。數據類型搞定了，下面就是索引了，mysql索引種類？主 鍵，唯一索引，普通索引。索引類別，BTree索引，hash索引。索引的優缺點，mysql的索引查找原理，join原理(大部分都是nested loop)，以及一些特殊的情況，比如mysql子查詢慢等。其實到這裡研發工程師就差不多，當然你可以繼續深入下去，比如讀寫分離，集群管理，甚至一些 參數調優。

python面試必備題目有哪些

給你一份千鋒python的面試題吧

1、多線程使用Python是個好主意嗎？列出一些方法可以讓一些Python代碼以並行方式運行。

答：Python不允許真正意義上的多線程。它有一個多線程包，但如果你想使用多線程來加速你的代碼，那麼使用它通常不是一個好主意。Python有一個名為全局解釋器鎖(Global

Interpreter

Lock（GIL）)的結構。GIL確保每次只能執行一個「線程」。一個線程獲取GIL，做一點工作，然後將GIL傳遞到下一個線程。這種情況發生的很快，因此對於人眼看來，你的線程似乎是並行運行的，但它們實際上只是輪流使用相同的CPU核心。所有這些GIL傳遞都增加了運行的內存。這意味著如果你想讓代碼運行得更快，那麼使用線程包通常不是一個好主意。

使用Python的線程包也是有原因的。如果你想同時運行一些東西，並且效率不是一個問題，那麼它就完全沒問題了。或者，如果你正在運行需要等待某些事情的代碼（例如某些IO），那麼它可能會很有意義。但是線程庫不會讓你使用額外的CPU核心。

多線程可以外包到操作系統（通過多處理），一些調用Python代碼的外部應用程序（例如，Spark或Hadoop），或者Python代碼調用的一些代碼例如：你可以使用你的Python代碼調用一個C函數來完成昂貴的多線程事務。

2、這段代碼輸出了什麼：

def f(x,l=[]):for i in range(x):l.append(i*i)print(l) f(2)f(3,[3,2,1])f(3)

答：[0, 1][3, 2, 1, 0, 1, 4][0, 1, 0, 1, 4]

3、如何在Python中管理內存？

Python中的內存管理由Python私有堆空間管理。所有Python對象和數據結構都位於私有堆中。程序員無權訪問此私有堆。Python解釋器負責處理這個問題。Python對象的堆空間分配由Python的內存管理器完成。核心API提供了一些程序員編寫代碼的工具Python還有一個內置的垃圾收集器，它可以回收所有未使用的內存，並使其可用於堆空間。

4、range＆xrange有什麼區別？

在大多數情況下，xrange和range在功能方面完全相同。它們都提供了一種生成整數列表的方法，唯一的區別是range返回一個Python列表對象，x range返回一個xrange對象。

這就表示xrange實際上在運行時並不是生成靜態列表。它使用稱為yielding的特殊技術根據需要創建值。該技術與一種稱為生成器的對象一起使用。因此如果你有一個非常巨大的列表，那麼就要考慮xrange。

5、Python中help()和dir()函數的用法是什麼？

Help()和dir()這兩個函數都可以從Python解釋器直接訪問，並用於查看內置函數的合併轉儲。

help()函數：help()函數用於顯示文檔字元串，還可以查看與模塊，關鍵字，屬性等相關的使用信息。

dir()函數：dir()函數用於顯示定義的符號。

6、NumPy中有哪些操作Python列表的函數？

Python的列表是高效的通用容器。它們支持（相當）有效的插入，刪除，追加和連接，Python的列表推導使它們易於構造和操作。

它們有一定的局限性：它們不支持像素化加法和乘法等「向量化」操作，並且它們可以包含不同類型的對象這一事實意味著Python必須存儲每個元素的類型信息，並且必須執行類型調度代碼在對每個元素進行操作時。

NumPy不僅效率更高; 它也更方便。你可以免費獲得大量的向量和矩陣運算，這有時可以避免不必要的工作。它們也得到有效實施。

NumPy數組更快，你可以使用NumPy，FFT，卷積，快速搜索，基本統計，線性代數，直方圖等內置。

這些內容還是比較重要的，如果有幫到你，麻煩採納謝謝

Python面試題，線程與進程的區別，Python中如何創建多線程？

進程和線程

這兩個概念屬於操作系統，我們經常聽說，但是可能很少有人會細究它們的含義。對於工程師而言，兩者的定義和區別還是很有必要了解清楚的。

首先說進程，進程可以看成是 CPU執行的具體的任務 。在操作系統當中，由於CPU的運行速度非常快，要比計算機當中的其他設備要快得多。比如內存、磁碟等等，所以如果CPU一次只執行一個任務，那麼會導致CPU大量時間在等待這些設備，這樣操作效率很低。為了提升計算機的運行效率，把機器的技能儘可能壓榨出來，CPU是輪詢工作的。也就是說 它一次只執行一個任務，執行一小段碎片時間之後立即切換 ，去執行其他任務。

所以在早期的單核機器的時候，看起來電腦也是並發工作的。我們可以一邊聽歌一邊上網，也不會覺得卡頓。但實際上，這是CPU輪詢的結果。在這個例子當中，聽歌的軟體和上網的軟體對於CPU而言都是 獨立的進程 。我們可以把進程簡單地理解成運行的應用，比如在安卓手機裡面，一個app啟動的時候就會對應系統中的一個進程。當然這種說法不完全準確， 一個應用也是可以啟動多個進程的 。

進程是對應CPU而言的，線程則更多針對的是程序。即使是CPU在執行當前進程的時候，程序運行的任務其實也是有分工的。舉個例子，比如聽歌軟體當中，我們需要顯示歌詞的字幕，需要播放聲音，需要監聽用戶的行為，比如是否發生了切歌、調節音量等等。所以，我們需要 進一步拆分CPU的工作 ，讓它在執行當前進程的時候，繼續通過輪詢的方式來同時做多件事情。

進程中的任務就是線程，所以從這點上來說， 進程和線程是包含關係 。一個進程當中可以包含多個線程，對於CPU而言，不能直接執行線程，一個線程一定屬於一個進程。所以我們知道，CPU進程切換切換的是執行的應用程序或者是軟體，而進程內部的線程切換，切換的是軟體當中具體的執行任務。

關於進程和線程有一個經典的模型可以說明它們之間的關係，假設CPU是一家工廠，工廠當中有多個車間。不同的車間對應不同的生產任務，有的車間生產汽車輪胎，有的車間生產汽車骨架。但是工廠的電力是有限的，同時只能滿足一個廠房的使用。

為了讓大家的進度協調，所以工廠需要輪流提供各個車間的供電。 這裡的車間對應的就是進程 。

一個車間雖然只生產一種產品，但是其中的工序卻不止一個。一個車間可能會有好幾條流水線，具體的生產任務其實是流水線完成的，每一條流水線對應一個具體執行的任務。但是同樣的， 車間同一時刻也只能執行一條流水線 ，所以我們需要車間在這些流水線之間切換供電，讓各個流水線生產進度統一。

這裡車間里的 流水線自然對應的就是線程的概念 ，這個模型很好地詮釋了CPU、進程和線程之間的關係。實際的原理也的確如此，不過CPU中的情況要比現實中的車間複雜得多。因為對於進程和CPU來說，它們面臨的局面都是實時變化的。車間當中的流水線是x個，下一刻可能就成了y個。

了解完了線程和進程的概念之後，對於理解電腦的配置也有幫助。比如我們買電腦，經常會碰到一個術語，就是這個電腦的CPU是某某核某某線程的。比如我當年買的第一台筆記本是4核8線程的，這其實是在說這台電腦的CPU有 4個計算核心 ，但是使用了超線程技術，使得可以把一個物理核心模擬成兩個邏輯核心。相當於我們可以用4個核心同時執行8個線程，相當於8個核心同時執行，但其實有4個核心是模擬出來的虛擬核心。

有一個問題是 為什麼是4核8線程而不是4核8進程呢 ？因為CPU並不會直接執行進程，而是執行的是進程當中的某一個線程。就好像車間並不能直接生產零件，只有流水線才能生產零件。車間負責的更多是資源的調配，所以教科書里有一句非常經典的話來詮釋： 進程是資源分配的最小單元，線程是CPU調度的最小單元 。

啟動線程

Python當中為我們提供了完善的threading庫，通過它，我們可以非常方便地創建線程來執行多線程。

首先，我們引入threading中的Thread，這是一個線程的類，我們可以通過創建一個線程的實例來執行多線程。

from threading import Thread t = Thread(target=func, name=’therad’, args=(x, y)) t.start()

簡單解釋一下它的用法，我們傳入了三個參數，分別是 target，name和args ，從名字上我們就可以猜測出它們的含義。首先是target，它傳入的是一個方法，也就是我們希望多線程執行的方法。name是我們為這個新創建的線程起的名字，這個參數可以省略，如果省略的話，系統會為它起一個系統名。當我們執行Python的時候啟動的線程名叫MainThread，通過線程的名字我們可以做區分。args是會傳遞給target這個函數的參數。

我們來舉個經典的例子：

import time, threading # 新線程執行的代碼: def loop(n): print(‘thread %s is running…’ % threading.current_thread().name) for i in range(n): print(‘thread %s %s’ % (threading.current_thread().name, i)) time.sleep(5) print(‘thread %s ended.’ % threading.current_thread().name) print(‘thread %s is running…’ % threading.current_thread().name) t = threading.Thread(target=loop, name=’LoopThread’, args=(10, )) t.start() print(‘thread %s ended.’ % threading.current_thread().name)

我們創建了一個非常簡單的loop函數，用來執行一個循環來列印數字，我們每次列印一個數字之後這個線程會睡眠5秒鐘，所以我們看到的結果應該是每過5秒鐘屏幕上多出一行數字。

我們在Jupyter里執行一下：

表面上看這個結果沒毛病，但是其實有一個問題，什麼問題呢？ 輸出的順序不太對 ，為什麼我們在列印了第一個數字0之後，主線程就結束了呢？另外一個問題是，既然主線程已經結束了， 為什麼Python進程沒有結束 ， 還在向外列印結果呢？

因為線程之間是獨立的，對於主線程而言，它在執行了t.start()之後，並 不會停留，而是會一直往下執行一直到結束 。如果我們不希望主線程在這個時候結束，而是阻塞等待子線程運行結束之後再繼續運行，我們可以在代碼當中加上t.join()這一行來實現這點。

t.start() t.join() print(‘thread %s ended.’ % threading.current_thread().name)

join操作可以讓主線程在join處掛起等待，直到子線程執行結束之後，再繼續往下執行。我們加上了join之後的運行結果是這樣的：

這個就是我們預期的樣子了，等待子線程執行結束之後再繼續。

我們再來看第二個問題，為什麼主線程結束的時候，子線程還在繼續運行，Python進程沒有退出呢？這是因為默認情況下我們創建的都是用戶級線程，對於進程而言， 會等待所有用戶級線程執行結束之後才退出 。這裡就有了一個問題，那假如我們創建了一個線程嘗試從一個介面當中獲取數據，由於介面一直沒有返回，當前進程豈不是會永遠等待下去？

這顯然是不合理的，所以為了解決這個問題，我們可以把創建出來的線程設置成 守護線程 。

守護線程

守護線程即daemon線程，它的英文直譯其實是後台駐留程序，所以我們也可以理解成 後台線程 ，這樣更方便理解。daemon線程和用戶線程級別不同，進程不會主動等待daemon線程的執行， 當所有用戶級線程執行結束之後即會退出。進程退出時會kill掉所有守護線程 。

我們傳入daemon=True參數來將創建出來的線程設置成後台線程：

t = threading.Thread(target=loop, name=’LoopThread’, args=(10, ), daemon=True)

這樣我們再執行看到的結果就是這樣了：

這裡有一點需要注意，如果你 在jupyter當中運行是看不到這樣的結果的 。因為jupyter自身是一個進程，對於jupyter當中的cell而言，它一直是有用戶級線程存活的，所以進程不會退出。所以想要看到這樣的效果，只能通過命令行執行Python文件。

如果我們想要等待這個子線程結束，就必須通過join方法。另外，為了預防子線程鎖死一直無法退出的情況， 我們還可以 在joih當中設置timeout ，即最長等待時間，當等待時間到達之後，將不再等待。

比如我在join當中設置的timeout等於5時，屏幕上就只會輸出5個數字。

另外，如果沒有設置成後台線程的話，設置timeout雖然也有用，但是 進程仍然會等待所有子線程結束 。所以屏幕上的輸出結果會是這樣的：

雖然主線程繼續往下執行並且結束了，但是子線程仍然一直運行，直到子線程也運行結束。

關於join設置timeout這裡有一個坑，如果我們只有一個線程要等待還好，如果有多個線程，我們用一個循環將它們設置等待的話。那麼 主線程一共會等待N * timeout的時間 ，這裡的N是線程的數量。因為每個線程計算是否超時的開始時間是上一個線程超時結束的時間，它會等待所有線程都超時，才會一起終止它們。

比如我這樣創建3個線程：

ths = [] for i in range(3): t = threading.Thread(target=loop, name=’LoopThread’ + str(i), args=(10, ), daemon=True) ths.append(t) for t in ths: t.start() for t in ths: t.join(2)

最後屏幕上輸出的結果是這樣的：

所有線程都存活了6秒。

總結

在今天的文章當中，我們一起簡單了解了 操作系統當中線程和進程的概念 ，以及Python當中如何創建一個線程，以及關於創建線程之後的相關使用。

多線程在許多語言當中都是至關重要的，許多場景下必定會使用到多線程。比如 web後端，比如爬蟲，再比如遊戲開發 以及其他所有需要涉及開發ui界面的領域。因為凡是涉及到ui，必然會需要一個線程單獨渲染頁面，另外的線程負責準備數據和執行邏輯。因此，多線程是專業程序員繞不開的一個話題，也是一定要掌握的內容之一。

快速深入一門語言的幾個問題（Python面試題

1hello, world

目標：屏幕上列印出hello, world。

原因：不解釋。

進階：當命令行給與不同參數的時候，列印hello, 名字。給與開關的時候，列印hello, 123。

2.正則提取

目標：寫一個正則表達式(或者類似的東西)，從一段網頁源碼中找到某個標籤的內容，去掉前後空格，顯示。

原因：測試字元串處理能力。

進階：支持正則擴展

3.掃描排重

目標：將某個目錄和子目錄下的所有文件掃描，排除重複的文件。

原因：測試文件系統操作能力。

進階：多線程處理，注意吞吐顛簸

python面試題總結1-內存管理機制

（1）.引用計數

（2）. 垃圾回收

(3）. 內存池機制

在python中每創建一個對象，對應的會有一個引用計數，當發生賦值操作如a=b，對應的b的引用計數會自動加1，當引用的對象被清除或者函數結束時，引用計數會自動減1。

在python中使用引用計數，標記清楚，分代回收三種方式進行垃圾回收。

其中，引用計數當對象的引用計數歸0時，對象會自動被清除。標記清除機制是首先遍歷所有對象，如果對象可達，就說明有變數引用它，則標記其為可達的。如果不可達，則對其進行清除。分代回收是當對象創建時被標記為第0代，經過一次垃圾回收之後，餘下的對象被標記為第1代，最高為第2代。其原理是，對象的生存期越長，月可能不是垃越。

ython語言雖然提供了對內存的垃圾收集機制，但實際上它將不用的內存放到內存池而不是返回給操作系統，所以就有了以下：

1 Pymalloc機制；這個主要是為了加速Python的執行效率，Python引入了一個內存池機制，用於管理，為了對小塊內存的申請和釋放。

2 Python中所有小於256個位元組的對象都是依靠pymalloc分配器來實現的，而稍大的對象用的則是系統的malloc。

3 對於Python對象，比如整數、浮點數和List這些，都有自己獨立的內存池，對象間並不共享他們的內存池。換句話說就是，假設你分配並且釋放了大量的整數，那麼用於緩存這些整數的內存就不能再分配給浮點數。

python 經典面試題有哪些

所說所有的變數都是對象。 對象在python里，其實是一個指針，指向一個數據結構，數據結構里有屬性，有方法。對象通常就是指變數。從面向對象OO的概念來講，對象是類的一個實例。在python里很簡單，對象就是變數。class A:myname=”class a”上面就是一個類。不是對象a=A()這裡變數a就是一個對象。它有一個屬性（類屬性），myname，你可以顯示出來print a.myname所以，你看到一個變數後面跟點一個小數點。那麼小數點後面