Python后端面试（持续更新）

Python后端

Python后端技术栈

Web请求的流程

• 浏览器
• 负载均衡
• Web框架
• 业务逻辑
• 数据库缓存

Python语言基础

• 语言特点
• 语法基础
• 高级特性

算法与数据结构

• 常用算法和数据结构
• 分析时间、控件复杂度
• 实现常见数据结构和算法

编程范式

• 面向对象编程
• 常用设计模式
• 函数式编程

操作系统

• 常用Linux命令
• 进程、线程
• 内存管理

网络编程

• 常用协议TCP、IP、HTTP
• Socket编程基础
• Python并发库

数据库

• Mysql常考，索引优化
• 关系型和NoSQL的使用场景
• Redis缓存

Python Web框架

• 常用框架对比，RESTful
• WSGI原理
• Web安全问题

系统设计

• 设计原则，如何分析
• 后端系统常用组件（缓存、数据库、消息队列等）
• 技术选型和实现（短网址服务、Feed流系统）

技术之外，软实力

• 学习能力
• 业务理解能力，沟通交流能力
• 心态

Python初、中级工程师技能要求

初级工程师

• 扎实的计算机理论基础
• 代码规范，风格良好
• 能在指导下靠谱地完成业务要求

中级工程师

• 扎实的计算机基础和丰富的项目经验
• 能够独立设计和完成项目要求
• 熟悉成员web组件（缓存、消息队列），具有一定的系统设计能力

软技能

• 具有产品意识，技术引导产品
• 沟通交流嫩合理，团队协作能力
• 技术领导能力和影响力

面试准备

• 工作内容和业务紧密相关
• 平台决定成长（业务体量）
• 准备面试需要有的放矢，跟职位相匹配

简历书写与自我介绍

简历内容

• 基本信息（姓名、学校、学历、联系方式等）
• 职业技能（编程语言、框架、数据库、开发工具等）
• 关键项目经验（担任职责，用到了哪些技术）

简历加分项

• 知名项目经验
• 技术栈比较匹配
• 开源项目（GitHub、技术blog、Linux、unix geek）

简历注意事项

• 内容精简、突出重点。不宜超过两页、可以套用模板
• 主要格式，推荐PDF
• 信息真实，不弄虚作假。技能要和岗位匹配

自我介绍

• 个人信息
• 掌握的技术，参与过的项目
• 应聘的岗位，表达对该岗位的看法和兴趣

行为面试题与表达技巧

什么是行为面试

根据候选人过去的行为评测其胜任能力

• 理论依据：行为的连贯性
• 人在面对相似的场景时会倾向于重复过去的行为模式
• 评判人的业务能力，沟通交流能力，语言表达能力，坑压能力等

行为面试套路

• 提问方式：说说你曾经
• 说说你做过的这个项目
• 说说你碰到过的技术难题？你是如何解决的？有哪些收获？

STAR模型

面试官一般会问：你还有什么要问我的吗？

• 千万别说没了，直接说表明你对岗位缺乏了解和兴趣
• 表现出兴趣：提问工作内容（业务）、技术栈、团队、项目等
• 问自己的感兴趣的问题

注意事项

• 态度真诚，力求真实，不要弄虚作假
• 言简意赅，突出重点，省略细枝末节。适当模拟训练
• 采用STAR模型让回答更有条理

Python语言基础常见考题

Python是静态还是动态类型？是强类型还是弱类型？

• 动态强类型语言
• 动态还是静态指的是编译期还是运行期确定类型
• 强类型指的是不会发生隐式类型转换

Python作为后端语言优缺点

• 胶水语言，轮子多，应用广泛
• 语言灵活，生成力高
• 性能问题、代码维护问题、Python2、3兼容问题

什么是鸭子类型

• 关注点在对象的行为，而不是类型（duck typing）
• 比如file，StringIO，socket对象都支持read/write方法
• 再比如定义了__iter__魔术方法的对象可以用for迭代

什么是monkey patch

• 所谓的monkey patch就是运行时替换
• 比如gevent库需要修改内置的socket
• from gevent import monkey; monkey.patch_socket()

什么是自省（Introspection）

• 运行时判断一个对象的类型的能力
• Python一切皆对象，用type，id，isinstance获取对象类型信息
• Inspect模块提供了更多获取对象信息的函数

什么是列表和字典推导式（List Comprehension）

• 比如[i for i in range(10) if i % 2 == 0]
• 一种快速生成list、dict、set的方式。用来替代map、filter等
• (i for i in range(10))返回生成器

Python2/3对比

Python3改进

• print成为函数
• 编码问题。Python3不再有Unicode对象，默认str就是unicode
• 除法变化。Python3返回浮点数
• 类型注解（type hint）。帮助IDE实现类型检查

def hello(name: str) -> str:
   return 'hello' + name

• 优化的super()方便直接调用父类函数

class Base(object):
 def hello(self):
     print('say hello')

class C(Base):
 def hello(self):
         # py2
     return super(C, self).hello()

class C2(Base):
 def hello(self):
         # py3
     return super().hello()

• 高级解包操作。a, b, *rest = range(10)
• Keyword only arguments。限定关键字参数

def add(a, b, *, c):
    print(a+b+c)

# 会报错
add(1, 2, 3)
# 正确写法
add(1, 2, c=3)

• Chained exceptions。Python3重新抛出异常不会丢失栈信息
• 一切返回迭代器range, zip, map, dict.values, etc. are all iterators.
• 生成的pyc文件统一放在__pycache__
• 一些内置库的修改。urllib，selector等
• 性能优化等

Python3新增

• yield from链接子生成器
• asyncio内置库，async/await原生协程支持异步编程
• 新的内置库enum,mock,asyncio,ipaddress,concurrent.futures等

Python2/3工具

• six模块
• 2to3等工具转换代码
• __future__

Python函数常考题

以下Python代码分别输出什么？

def flist(l):
    l.append(0)
    print(l)
    ​
l = []
flist(l) #[0]
flist(l) #[0, 0]

def fstr(s):
    s + = 'a'
    print(s)

s = 'hehe'
fstr(s) #'hehea'
fstr(s) #'hehea'

• 可变类型参数
• 不可变类型参数

Python如何传递参数？

• 传递值还是引用呢？都不是。唯一支持的参数传递是共享传参
• Call by Object (Call by Object Reference or Call by sharing)
• Call by sharing(共享传参)。参数形参获得实参中各个引用的副本

Python可变/不可变对象

• 不可变bool int float tuple str frozenset
• 可变list set dict

测试

# 一个小例题，请问这段代码会输出什么结果？
# first
def clear_list(l):
    l = []

ll = [1, 2, 3]
clear_list(ll)
print(ll)
​
# second
# 默认参数只计算一次
def flist(l=[1]):
    l.append(1)
    print(l)

flist()
flist()

Python *args, *kwargs

• 用来处理可变参数
• *args被打包成tuple
• **kwargs被打包成dict

Python异常机制常考题

什么是Python异常？

• Python使用异常处理错误
  • BaseException
    • SystemExit/KeyboardInterrupt/GeneratorExit
    • Exception

什么时候需要捕获处理异常？看Python内置异常类型

• 网络请求（超时、链接错误等）
• 资源访问（权限问题、资源不存在）
• 代码逻辑（越界访问、KeyError等）

如何处理Python异常

try:
    # func                            # 可能会抛出异常的代码
except (Exception1, Exception2) as e: # 可以捕获多个异常并处理
    # 异常处理代码
else:
    pass                              # 异常没有发生的时候代码逻辑
finally:
    pass                              # 无论异常有没有发生都会执行的代码，一般处理资源的关闭和释放

如何自定义异常

• 继承Exception实现自定义异常（想想为什么不是BaseException）
• 给异常加上一些附加信息
• 处理一些业务相关的特定异常（rasie MyException）

class MyException(Exception):
    pass 
​
try:
    raise MyException('my exception')
except MyException as e:
    print(e)

Python性能分析与优化，GIL常考题

什么是Cpython GIL

• GIL, Global Interpreter Lock
• Cpython解释器的内存管理并不是线程安全的
• 保护多线程情况下Python对象的访问
• Cpython使用简单的锁机制避免多个线程同时执行字节码

GIL影响

• 限制了程序的多核执行
  • 同一时间只能有一个线程执行字节码
  • CPU密集程序难以利用多核优势
  • IO期间会释放GIL，对IO密集程序影响不大（爬虫，web）

如何规避GIL影响

• CPU密集可以使用多进程
• IO密集可以使用多进程、协程
• cython扩展

问题

import threading
​
n = [0]
​
def foo():
    n[0] = n[0] + 1
    n[0] = n[0] + 1

threads = []
for i in range(50000):
    t = threading.Thread(target=foo)
    threads.append(t)

for t in threads:
    t.start()

print(n)

# 大多数情况下打印10000，偶尔打印9998，Python的多线程并不是绝对安全的

为什么有了GIL还要关注线程安全

• Python中什么操作才是原子的？一步执行到位
  • 一个操作如果是一个字节码指令可以执行完成的就是原子的
  • 原子的是可以保证线程安全的
  • 使用dis操作才分析字节码

import dis
​
def update_list(l):
 # 原子操作，不用担心线程安全问题
    l[0] = 1

dis.dis(update_list)
'''
 5           0 LOAD_CONST               1 (1)
 2 LOAD_FAST                0 (l)
 4 LOAD_CONST               2 (0)
 6 STORE_SUBSCR             # 字节码操作，线程安全
 8 LOAD_CONST               0 (None)
 10 RETURN_VALUE
'''
​
def incr_list(l):
 # 危险！不是原子操作
    l[0] += 1

dis.dis(incr_list)
'''
 3           0 LOAD_FAST                0 (l)
 2 LOAD_CONST               1 (0)
 4 DUP_TOP_TWO
 6 BINARY_SUBSCR
 8 LOAD_CONST               2 (1)
 10 INPLACE_ADD              # 需要多个字节码操作，有可能在线程执行过程中切到其他线程
 12 ROT_THREE
 14 STORE_SUBSCR
 16 LOAD_CONST               0 (None)
 18 RETURN_VALUE
'''

如何剖析程序性能

• 使用各种profile工具（内置或者第三方）
  • 二八定律，大部分时间花费在少量代码上
  • 内置的profile、cprofile等工具
  • 使用pyflame（uber开源）的火焰图工具

服务端性能优化措施

• web应用一般语言不会成为瓶颈
  • 数据结构和算法
  • 数据库层：索引优化，慢查询消除，批量操作减少IO，NoSQL
  • 网络IO：批量操作，pipeline操作减少IO
  • 缓存：使用内存数据库redis/memcached
  • 异步：asyncio，celery
  • 并发：gevent/多线程