这是一位有着五年 Python 经验的好友最近对 Python 岗位面试后的一篇经验总结，从 Python 就业方向到 Python 面试题。
Python 就业方向 ：
下面是 Python 面试知识点，总结了华为、阿里巴巴等互联网公司 Python 常问面试题。每道题都提供参考答案，希望能够帮助你在求职面试中脱颖而出，找到一份高薪工作。
这些面试题分为 Python 基础和 Python高级，内容包含： 基础语法、文件操作、模块与包、数据类型、元类、内存管理与垃圾回收机制以及 Python 函数 等知识点。
（一） Python 基础语法
（二） 文件操作
（三） 模块与包
（四） 数据类型
（五）企业面试题
（一） 元类
（二）内存管理与垃圾回收机制
（三）函数
（四） 面向对象
由于篇幅有限，这份 Python 面试宝典已经被整理成了PDF文档，有需要 Python 面试宝典全套完整文档（面试题+答案解析）的可以 免费领取!
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 collection）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**
（1）.引用计数（2）. 垃圾回收
(3）. 内存池机制
在python中每创建一个对象，对应的会有一个引用计数，当发生赋值操作如a=b，对应的b的引用计数会自动加1，当引用的对象被清除或者函数结束时，引用计数会自动减1。
在python中使用引用计数，标记清楚，分代回收三种方式进行垃圾回收。
其中，引用计数当对象的引用计数归0时，对象会自动被清除。标记清除机制是首先遍历所有对象，如果对象可达，就说明有变量引用它，则标记其为可达的。如果不可达，则对其进行清除。分代回收是当对象创建时被标记为第0代，经过一次垃圾回收之后，余下的对象被标记为第1代，最高为第2代。其原理是，对象的生存期越长，月可能不是垃越。
ython语言虽然提供了对内存的垃圾收集机制，但实际上它将不用的内存放到内存池而不是返回给操作系统，所以就有了以下：
1 Pymalloc机制；这个主要是为了加速Python的执行效率，Python引入了一个内存池机制，用于管理，为了对小块内存的申请和释放。
2 Python中所有小于256个字节的对象都是依靠pymalloc分配器来实现的，而稍大的对象用的则是系统的malloc。
3 对于Python对象，比如整数、浮点数和List这些，都有自己独立的内存池，对象间并不共享他们的内存池。换句话说就是，假设你分配并且释放了大量的整数，那么用于缓存这些整数的内存就不能再分配给浮点数。
