2014百度软件研发工程师笔试题

转自：http://blog.csdn.net/yanzi1225627/article/details/8278546

　一，简答题(本题共30分)

　　1. 当前计算机系统一般会采用层次结构来存储数据，请介绍下典型的计算机存储系统一般分为哪几个层次，为什么采用分层存储数据能有效提高程序的执行效率?(10分)

　　2. Unix/Linux系统的僵尸进程是如何产生的?有什么危害?如何避免?(10)

　　3. 简述Unix/Linux系统中使用socket库编写服务器程序的流程，请分别用对应的socket通信函数表示。

　　二，算法与程序设计题(本题共45分)

　　1， 使用C/C++语言写一个函数，实现字符串的反转，要求不能用任何系统函数，且时间复杂度最小。函数原型是：char *reverse_str(char *str)(15分)

　　2， 给定一个如下输入格式的字符串，(1，(2，3)，(4，(5，6)，7))括号内的元素可以是数字，也可以另一个括号，请实现一个算法消除嵌套的括号。比如把上面的表达式变成：(1，2，3，4，5，6，7)，如果表达式有误请报错。(15分)

　　3， 相似度计算用于衡量对象之间的相似程度，在数据挖据，自然语言处理中使一个基础性

计算，在广告检索服务中往往也会判断网民检索Query和广告Adword的主题相似度。假设Query或者Adword的主题属性定义为一个长度为10000的浮点数据Pr[10000](称之为主题概率数组)，其中Pr[i]表示Query或者Adword属于主题Id为i的概率，而Query和Adword的相似度简化定义为两者主题概率数组的内积，即sim(Query,Adword)=sum(QueryPr[i]*AdwordPr[i])(0<==i<10000).在实际应用场景中，由于大多数主题的概率都为0，所以主题概率数组往往比较稀疏，在实现时会以一个紧凑型数组topic_info_t[]的方式保存，其中100<=数组大小<=1000，并按照　　topic_id递增排列，0<=topic_id<10000,0
,0<topic_pr<1.

　　Struct topic_info_t{

　　Int topic_id;

　　Float topic_pr;

　　}

　　现在给出Query的topic_info_t数组和N(N>=5000)个Adwords的 topic_info-t数组，现要求出Query与Adwords的相似度最大值，即max(sim(Query,Adword[i])(0<=i<N).

　　Float max_sim(const vector& query_topic_info,

　　Const vector adwords_topic_info[],

　　Int adwords_number);

　　编写代码求时间复杂度最低的算法，并给出时间复杂度分析。(15分)

　　三，系统设计题(本题共25分)

　　在企业中，对生产数据进行分析具有很重要的意义。但是生产数据通常不能直接用于数据分析，通常需要进行抽取，转换和加载，也就是业界常识的ETL.

　　生产数据



　　为了便于开发和维护，并提高数据实时性，通常将一个完整的ETL过程分析哼多个任务，组成流水线，如下图所示：



　　假设任务定义和任务之间的依赖关系都保存在文件中，文件格式分别如下：

　　表格1任务元数据

文件	格式	例子
任务定义文件	每行表示一个任务，3列： 1， ID 2， 开始运行时间 3， 最大运行时长（分钟）	100,01:00:00,60 110,02:00:00,30
任务依赖关系	每行表示一个关系，2列： 1，前置任务 2， 后置任务	100,110

　　问题：

　　1， 下图是ETL调度系统的模块图。请描述各个模块的主要职责，以及各个线条的含义。(10分)



　　2， 添加依赖关系时要避免产生环，假设系统同一个时刻只允许一个人添加任务依赖，请实现一个函数来检查新的依赖是否导致环，如果该依赖的上游存在环会导致非正常的调度，因此也希望能避免。(10分)

　　a) 函数名：checkCycle

　　b) 输入：pairs，已存在的依赖关系((pre,post)),newPair新的依赖关系(pre,post)

　　c) 输出：True：不存在环，False：存在环

　　3， 如果调度时，某个任务在其依赖的任务之前执行，必然导致错误，请实现调度算法，确保任务按照依赖顺序执行?(10分)

　　a) 函数名 schedule

　　b) 输入1：tasks，整型数组

　　c) 输入2：tasks-relations，二元组数组，每个二元组表示一组关系

　　d) 输出：task_id序列，并行执行的用“,”分隔，其他的用“;”分隔

　　4， 给定一个任务，如何计算出他的最晚完成时间?(10分)

　　a) 函数名：calMaxEndTime

　　b) 输入1：tasks,3元组数组，(task_id,start_time,max_run_time);

　　c) 输入2：task-relations，2元组数组，每个二元组表示一组关系;

　　d) 输入3：task-id

　　e) 输出：最晚完成时间;