拿下！图森未来-算法后端平台一面过了！

哈喽~，大家好，我是千羽。

下面分享我认识的一位大佬华中科技大学985硕，图森未来暑期实习一面。

pass通过~

• 1、自我介绍
• 2、项目经历
• 3、MySQL如何解决分布式的主从复制(binlog半同步复制)
• 4、redis如何实现持久化
• 5、算法：给定n个任务，每个任务的执行时间都为1小时，但现在由于机械出现了故障，导致所有的任务延后了k个小时执行，costs[i]表示原定于第i个小时执行的任务延后一小时的损失。现在，需要重新规划任务流程，规定现在的执行时间不能早于原定的执行时间。返回最小损失
• 6、给定一个数组arr，和一个长度k，我们可以将数组分隔为多个长度最大为k的子数组，在完成分隔后，子数组内所有值都会变为子数组中元素的最大值。返回最好的分隔方法下，数组元素之和
• 7、反问环节（做什么，技术栈，实习时间）

1、自我介绍

略

2、项目经历

略

3、MySQL如何解决分布式的主从复制(binlog半同步复制)

MySQL的分布式主从复制通常是通过以下步骤解决的：

1. 设置主库（Master）和从库（Slave）：选择一个数据库服务器作为主库，其他数据库服务器作为从库，从库会复制主库的数据。
2. 初始数据同步：在开始复制之前，从库需要获取主库的数据。可以通过使用mysqldump工具或直接在主库上进行逻辑备份来完成这一步。
3. 配置主库（Master）：在主库上编辑my.cnf文件（或my.ini文件），添加以下配置：

server-id = 1  
log_bin = /var/log/mysql/mysql-bin.log  
binlog_do_db = your_database_name

这些配置将启用二进制日志（binlog），并指定日志文件的位置以及要复制的数据库名称。

1. 配置从库（Slave）：在每个从库上编辑my.cnf文件，添加以下配置：

server-id = 2  
relay_log = /var/log/mysql/mysql-relay-bin.log  
log_bin = /var/log/mysql/mysql-bin.log  
read_only = 1

这些配置将启用中继日志（relay log），并指定日志文件的位置。此外，将server-id设置为唯一的值，以避免冲突。read_only选项将限制从库只能进行只读操作。

1. 在从库上启动复制：在从库上执行以下命令：

CHANGE MASTER TO MASTER_HOST='master_ip_address', MASTER_USER='replication_user', MASTER_PASSWORD='replication_password', MASTER_LOG_FILE='mysql-bin.XXXXXX', MASTER_LOG_POS=XXXX;  
START SLAVE;

替换master_ip_address为你的主库IP地址，replication_user和replication_password为你的复制用户名和密码，mysql-bin.XXXXXX为主库当前的二进制日志文件名，XXXX为主库当前的二进制日志位置。

1. 检查复制状态：在从库上执行以下命令来检查复制状态：

SHOW SLAVE STATUS\G;

检查结果中的Slave_IO_Running和Slave_SQL_Running应为Yes，表示复制已经成功启动。

1. 维护复制：定期检查复制状态，确保从库与主库保持同步。如果需要调整复制设置，可以在从库上执行相应的SQL命令。

通过以上步骤，你可以实现MySQL的主从复制并解决分布式环境中的数据同步问题。如有需要，可以添加更多的从库或调整复制设置以适应你的需求。

4、redis如何实现持久化

Redis提供了两种持久化方法：RDB（Redis DataBase）和AOF（Append Only File）。

1. RDB持久化：
   • 如果在生成快照期间，服务器宕机，那么会丢失这段时间的数据；
   • 对于大型数据集，RDB可能会占用大量的磁盘空间。
   • 生成数据的快照，可以用于备份；
   • 通常比AOF启动更快，因为AOF需要先进行载入再进行解析和同步。
   • 在指定的时间间隔内，如果至少有一条写命令被送到服务器，那么Redis就会记录当前的数据库快照到一个磁盘文件上。这个文件通常被称为dump.rdb。
   • 当Redis需要持久化时，它会fork出一个子进程，子进程会将数据写入一个临时文件。当持久化过程完成后，Redis将替换旧的快照文件为这个临时文件。
   • RDB的优点是：
   • RDB的缺点是：
2. AOF持久化：
   • 如果在写入追加日志文件期间服务器宕机，那么会丢失这段时间的数据；
   • AOF启动需要的时间比RDB启动的时间要长。
   • 每次只写入一条命令，因此更为可靠；
   • 对于大型数据集，AOF通常比RDB占用更少的磁盘空间。
   • Redis记录服务器接收到的所有写操作命令到一个追加日志文件（append only file）中。在Redis启动时，会通过载入这个追加日志文件来重建数据集。
   • AOF持久化的默认配置是每秒写一次追加日志文件，或者当接收到新的写命令时也会立即追加到日志文件。当然这个是可以配置的。
   • AOF文件的恢复过程比RDB更慢，但可以保证数据的完整性，并且可以避免因为数据写入磁盘而造成的性能损失。
   • AOF的优点是：
   • AOF的缺点是：

5、算法：给定n个任务，每个任务的执行时间都为1小时，但现在由于机械出现了故障，导致所有的任务延后了k个小时执行，costs[i]表示原定于第i个小时执行的任务延后一小时的损失。现在，需要重新规划任务流程，规定现在的执行时间不能早于原定的执行时间。返回最小损失

这道题可以用动态规划来解决。我们可以定义一个数组dp，其中dp[i]表示在i小时结束之前完成所有任务的最小损失。对于每个任务，我们都有两种选择：

1. 在i小时执行任务：这种情况下，我们需要支付costs[i]，并且后面的任务都会延后1小时执行。因此，后面的任务的损失也会增加。所以，在i小时执行任务的损失为costs[i] + dp[i+1]。
2. 不在i小时执行任务：这种情况下，后面的任务可以按照原定的时间执行。因此，在i小时不执行任务的损失为dp[i]。

我们需要选择这两种情况中的较小值作为dp[i]的值。最终，dp[n]就是我们的答案，表示在n小时结束之前完成所有任务的最小损失。

以下是Python代码实现：

def min_loss(costs, n, k):  
    dp = [0] * (n + 1)  
    for i in range(1, n + 1):  
        for j in range(i + 1, n + 1):  
            dp[j] = max(dp[j], dp[i] + costs[i - 1] + min(dp[j], dp[j - 1]))  
    return dp[n]

其中，costs是一个长度为n的数组，表示每个任务延后一小时的损失。n表示任务的个数，k表示所有任务延后的总小时数。注意，这里我们将任务的执行时间都假设为1小时，因此k表示延后的总小时数。

6、给定一个数组arr，和一个长度k，我们可以将数组分隔为多个长度最大为k的子数组，在完成分隔后，子数组内所有值都会变为子数组中元素的最大值。返回最好的分隔方法下，数组元素之和

这道题可以使用贪心算法来解决。具体思路如下：

首先将数组arr按照长度k进行分隔，得到多个子数组。

对于每个子数组，将其中的元素取最大值，并将所有子数组中的最大值记录下来。

对于所有子数组中的最大值，取其中最小的一个作为整个数组arr的最大值。

返回所有子数组中的元素之和与原数组arr的元素之和的差值。

具体实现代码如下：

def maximize_sum(arr, k):  
    # 将数组arr按照长度k进行分隔，得到多个子数组  
    subarrays = [arr[i:i+k] for i in range(0, len(arr), k)]  
    # 对于每个子数组，将其中的元素取最大值，并将所有子数组中的最大值记录下来  
    max_values = [max(sub) for sub in subarrays]  
    # 对于所有子数组中的最大值，取其中最小的一个作为整个数组arr的最大值  
    max_value = max(max_values)  
    # 返回所有子数组中的元素之和与原数组arr的元素之和的差值  
    return sum(max_values) - sum(arr)

其中，arr表示原数组，k表示分隔后每个子数组的最大长度。函数返回所有子数组中的元素之和与原数组arr的元素之和的差值。

7、反问环节（做什么，技术栈，实习时间）

略

• 原文链接：https://github.com/warthecatalyst/What-to-in-Graduate-School/blob/main/%E7%A7%8B%E6%8B%9B%E7%9A%84%E9%9D%A2%E7%BB%8F/%E5%8D%8E%E7%A7%91%E8%AE%A1%E7%A7%91%E7%AC%AC%E4%BA%8C%E4%BA%BA%E7%9A%84%E7%A7%8B%E6%8B%9B%E6%8A%A5%E5%91%8A.md