70min 全程无摄像头 自我介绍 项目相关问了介绍和负责部分一些细节 有些问题问了两次,感觉没有很认真 常用的语言 python的多线程 java相关的八股 和一些常规问题 怎样看待测开这个岗位 与岗位相关的自我优势 反问 无手撕 kpi了 周一流程已终止
因为后端太卷啦,想尝试下侧开,于是乎投了一个侧开的岗位,感受一下面试 项目背景 项目有哪些模块 你在项目中负责哪些模块? 技术选型是怎么做的? 你在项目中有没有遇到什么难点? 讲一下jmeter压测? 知道哪些测试工具? 给你一个vx添加好友的场景,如何测试,要关注什么? 你知道哪些压测指标? 反问:侧开主要是测试还是开发/部门业务 总结 面试的时候,回答的时候没那么着急了语言组织感觉也可以,海投
1.自我介绍 2.深挖项目 3.手撕代码:4123不断右移,找出最大数 4.docker和k8s有什么联系 5.k8s如何实现负载均衡 6.平常在计算机方面看些什么书 7.根据osi七层,说说浏览器输入url到页面显示,经历了什么 8.如何定位bug产生原因 9.兼容性测试相关 10.实习从同事身上学到了什么?举例子说明
35分钟 1.讲讲测试框架pytest+request,ui自动化 2.聊实习#深信服测开岗##深信服# 3.手撕:字符串找ipv4地址 acm模式,干麻了直接 反问:哪里需要继续学习改进 面试官:多刷刷leecode
#深信服信息集散地##深信服#1.python列表和字典底层原理实现 2.哈希表解决冲突方法(答 开放定址法 python还可以开链法) 2.python with用法 (没用过 不会) 3.python GIL了解过吗 (没了解过 不会) 4.python语言的特点(答 解释性语言 解释器又编译器和虚拟机 说了一些) 问python为什么慢 答曰内存碎片化之类的 5.手写二分查找 写的磕磕绊绊还
啥都不会,面试官挺好的 1.自我介绍 2.项目 3.单生产单消费不加锁实现 4.基本的排序算法 5.malloc最大申请空间,你了解内存分配吗,手写memcopy函数 6.结构体对齐,比较 其他忘了
问题内容: 我试图了解如何使用Golang和forks。情况如下,我在写一个依赖于library的库,这不是我的。 由于缺少我需要的一些方法,因此将其分叉到。但是,我不能只是这样做,库引用了自己,所以它坏了。 在本文中,他们提供了可能的解决方案: 现在,这充其量是hacky。从库代码中无法得知依赖项来自其他存储库。任何使用我的图书馆的人都无法使其正常运行。 由于dep有望成为正式的依赖管理器。我发
问题内容: 我需要一个从任何参数构建JSON有效字符串的函数,但: 通过不两次添加对象来避免递归问题 通过截断给定深度来避免调用堆栈大小问题 通常,它应该能够处理大对象,但要以截断为代价。 作为参考,此代码失败: 避免递归问题很简单: 但是到目前为止,除了复制和更改Douglas Crockford的代码 以跟踪深度之外,我还没有找到任何方法来避免在诸如或any之类的非常深的对象上发生堆栈溢出。有
最近面试挺多的,不过大多都是一些中小厂以及一些初创企业,面试这么长时间有点疲惫,总想着快点有个还不错的offer结束这场战斗! 好像是深信服的群面,约的面试人数很多。面试官人很棒,深聊项目,浅谈八股,思维拓展,最后来一个算法开胃小菜。时间大概四十分钟,光速解决战斗。 如果不是kpi面,真的给面试官一个大大的好评hh! 最后求个二面。 ································
内存对齐 stl多程干扰 迭代器失效 map如何保证多线程安全 哈希冲突 完全平衡二叉树和红黑树 删除重复数思路 结构体内部成员对齐规则 c语言指针占用内存大小 Linux查询栈的端口 c内存布局 动态规划思路,分治思想和解决冗余
可能漏了些内容 自我介绍 说说最近看的一篇文章 两道手写题 Vue父子组件双向绑定 路由导航,搜索关键词对应路由,输出结果需要包含父级,扁平化 let 和 const 的区别 怎么实现一个对象的两个属性,一个可变,一个不可变 箭头函数和普通函数的区别 常见的http状态码,301和302哪个是永久重定向 强缓存请求成功返回什么,怎么区分强缓存返回的200和正常请求返回的200 跨域相关 XSS解决
刚刚收到深信服感谢信,又让我回忆起来上周体验极差的深信服线下三面。 去面试之前搜了一下,看大家都说是业务主管面,无非就是问问项目经历、个人一些问题、聊聊人生,结果没想到是个纯技术面。 ps:投的golang岗位,一二三面基本是一天一面,可能南京站快结束了,进度推的比较快,并且一二面面试回答的也不错,手撕代码也都写出来。 在酒店里一个房间,和面试官面对面,有个小桌子,简历递过去,面试官全程面无表情:
第一题,这个感觉是在考察你的api能力和细节 2.不知道为什么,80% 3.滑动窗口就行 #深信服笔试题##前端#
def deep(root): if not root: return print root.data deep(root.left) deep(root.right) if __name__ == '__main__': lookup(tree) deep(tree)
现在开始学深度学习。在这部分讲义中,我们要简单介绍神经网络,讨论一下向量化以及利用反向传播(backpropagation)来训练神经网络。 1 神经网络(Neural Networks) 我们将慢慢的从一个小问题开始一步一步的构建一个神经网络。回忆一下本课程最开始的时就见到的那个房价预测问题:给定房屋的面积,我们要预测其价格。 在之前的章节中,我们学到的方法是在数据图像中拟合一条直线。现在咱们不