2014 年百度校园招聘软件研发工程师笔试题 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 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& 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