百度校园招聘笔试真题软件研发工程师.pdfVIP

优选文档 202X百度笔试题〔软件研发工程师〕 一，简答题(此题共 30 分) 1. 当前计算机系统一般会采纳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，为什么采纳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预防(10) 3. 简述 Unix/Linux 系统中使用 socket 库编写效劳器程序的流程，请分别用对应的 socket 通信函数表示。 二，算法与程序设计题(此题共 45 分) 1， 使用 C/C++言语写一个函数，完成字符串的反转，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 Xreverse_str(char Xstr)(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，请完成一个算法排解嵌套的括号。比方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，自然言语处理中使一个根底性 计算，在广告检索效劳中往往也会推断网民检索 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Pr10000](称之为主题概 率数组)，其中Pri]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(QueryPri]XAdwordPri])(0==i10000).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，在完成时会以一个紧凑型数组 topic_info_t]的方法保存，其中 100=数组大小=1000，并按照 topic_id 递增排列， 0=topic_id10000,0 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,Adwordi])(0=iquery_topic_info, Const vector adwords_topic_info], Int adwords_number); 编写代码求时间复杂度 X 的算法，并给出时间复杂度分析。(15分) 三，系统设计题 (此题共 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 优选文档 欢迎您阅读并下载本文档，本文档来源于互联网，如有侵权请联系删除！我们将竭诚为您提供优质的文档！