垫块砖一米三
项目经历（案例一）项目时间：2017-01到2011-10项目名称：引物自动化设计软件项目描述：项目介绍这个软件开发原因是因为随着每日数据分析量的加大，组内人员较少，对引物设计这种工作变成了工作效率的阻碍，遂提出了设计软件以达到自动化设计的目的。而且引物设计主要费时在于多种验证操作，可以通过软件自动验证减少人力成本。我的职责1，软件基础功能设计，完成相关函数如自连互连验证，温度验证等功能2，分析NCBI网页格式，设计API调用接口3，编写测试脚本对软件进行测试项目经历（案例二）项目时间：2017-01到2011-10项目名称：分布式爬虫爬取北京市企业信用信息网项目描述：项目介绍这个项目是通过scrapy-redis搭建分布式爬虫爬取企业信用信息网公布栏，爬取列表页每一项下的子页获取数据我的职责首先爬取首页后通过xpath匹配每个的信息块的span后构建请求，并通过发送请求，用xpath匹配需要的信息。同时循环创建下一页请求的form表单，通过发送POST请求。所有爬取的信息缓存到redis数据库中，最后通过编写python脚本将redis数据库中数据读取出来加入mysql数据库。其他爬取的网站：搜狐新闻、豆瓣、腾讯新闻网项目经历（案例三）项目时间：2016-03到2011-10项目名称：基于django的基因产品选购系统项目描述：项目介绍该项目为了满足部分人群不方便抽血，但是又想通过基因检测了解自己情况的人群，通过让客户在线选购基因检测套餐，而后通过快递将唾液采集器送达客户家中，客户只需按流程收集唾液后快递给公司，就可以在规定的天数后在系统中查询自己的检测项目结果我的职责1，通过bootstrap，及js，css完成前端页面的构建2，通过django搭建后端框架，使用cookie和session共同保存用户的登录状态，通过ajax发送post请求将用户选择的套餐编号发送到服务器3，测序结果使用ajax请求，返回json数据，通过判定json中result键的值判断是否有测序结果，如果有结果便通过jquery动态加载到页面上项目经历（案例四）项目时间：2015-12到2011-10项目名称：通过异步爬虫爬取HGMD，构建mysql数据库项目描述：项目介绍对高通量测序数据进行数据分析时，需要对snp数据进行相关性筛选，为此需要构建基于mysql的基因突变数据库，对HGMD网站相关基因突变信息进行爬取，爬取内容包括基因名，染色体坐标，突变信息，致病信息等。爬取结果存储于mysql。我的职责1，采用asyncio+aiohttp以达成高并发，异步请求。2，通过timeout设置超时重发机制，因为HGMD为国外网站，防止因为网络卡顿导致页面抓取不到产生数据不全的现象。3，通过继承类来保存cookie对象，以应对基于cookie的反扒策略4，使用xpath进行页面解析，解析出的数据通过PyMysql模块存储于mysql数据库中
fightingBB
第一步：自我介绍
第二步：公司介绍
第三步：技术基础
第四步：项目介绍
第五步：待遇
自我介绍，简单直接，姓名，籍贯，大学，工作经历
示例如下：
你好，面试官，我叫XX，来自XX，本科毕业于XX，主修XX专业，有X年工作经验，在上一家公司担任python后端开发工程师的职位。
公司名称是XX、公司主要做外包软件、都有软件定制/商城定制、前端2个后端2个运维1个
主要是根据你简历中填写的技术，根据我的简历中所写的，总结几点如下：
字典的查询流程：
不可变对象可哈希， str ， fronzenset ， tuple ，自己实现的类，要重载 __hash__ 方法。
dict内存花销大，但是查询速度快，自定义的对象或者python内部的对象都是dict包装的。
dict的存储顺序和元素添加顺序有关，添加顺序可能改变已有数据的顺序。
集合：是一个可以存放任意数据类型的可变无序的映射集合。
set和dict类似，set的核心也是散列表，但是表元只包含值的引用。 由于散列表的特性，set的元素不能重复，且无序。 内部由哈希实现，查找的时间复杂度为O(1)，所以性能很高，实现了魔法函数 __contains__ 可以使用in来查找。 set的去重是通过两个函数 __hash__ 和 __eq__ 实现的。
（1）浅拷贝
定义：浅拷贝只是对另外一个变量的内存地址的拷贝，这两个变量指向同一个内存地址的变量值。
浅拷贝的特点：
（2）深拷贝：
定义：一个变量对另外一个变量的值拷贝。
深拷贝的特点：
Python GC主要使用引用计数（reference counting）来跟踪和回收垃圾。在引用计数的基础上，通过“标记-清除”（mark and sweep）解决容器对象可能产生的循环引用问题，通过“分代回收”（generation collectio n）以空间换时间的方法提高垃圾回收效率。
GIL全称 Global Interpreter Lock ，中文解释为全局解释器锁。它并不是Python的特性，而是在实现python的主流Cpython解释器时所引入的一个概念，GIL本质上就是一把互斥锁，将并发运行变成串行，以此来控制同一时间内共享数据只能被一个任务所修改，从而保证数据的安全性。
GIL保护的是解释器级别的数据，但是用户自己的数据需要自己加锁处理。
既然有了GIL的存在，一个进程中同一时刻只有一个线程能够被执行，无法利用cpu的多核机制，导致多线程用于I/O密集型，多进程用于计算密集型，如金融分析等。
死锁：两个或两个以上的进程或者线程在执行过程中，因为争夺资源而造成的互相等待现象，若无外力的作用，都将一直处于阻塞状态，这些互相等待的进程或者线程就被称为死锁。
解决方法，使用递归锁（RLock）
这个RLock内部有一个Lock和一个counter变量，counter记录着acquire的次数，从而使得资源可以被多次require。直到一个线程所有的acquire都被release，其他的线程才能获得资源。上面的例子如果使用RLock代替Lock，则不会发生死锁
可以直接认为是linux，毕竟搞后端的多数是和linux打交道。
那么如何避免粘包问题呢? 归根结底就是一句话, 明确两个包之间的边界.
UDP不存在粘包问题，是由于UDP发送的时候，没有经过Negal算法优化，不会将多个小包合并一次发送出去。另外，在UDP协议的接收端，采用了链式结构来记录每一个到达的UDP包，这样接收端应用程序一次recv只能从socket接收缓冲区中读出一个数据包。也就是说，发送端send了几次，接收端必须recv几次（无论recv时指定了多大的缓冲区）。
存储可能包含rdbms，nosql以及缓存等，我以mysql,redis举例**
优质工程师考试问答知识库
