百度java笔试题(含答案).doc

更多面试题，百度面试笔试题 解答答案专家回答：第一题 简评 百度的主要业务是搜索，搜索的基本原理如下1编写爬虫程序到互联网上抓取网页海量的网页。2将抓取来的网页通过抽取，以一定的格式保存在能快速检索的文件系统中。3把用户输入的字符串进行拆分成关键字去文件系统中查询并返回结果。由以上3点可见，字符串的分析，抽取在搜索引擎中的地位是何等重要。因此，百度的笔试面试题中，出现这样的题就变得理所当然了。以下是该题的java实现，代码如下：程序代码 程序代码import .*;import java.io.*;import java.util.*;/* * author tzy * 在j2sdk1.4.2下测试通过 */public class FileNameStat private String srcPath;/要统计的文件路径 private Map statMap;/用于统计的map public FileNameStat(String srcPath) this.srcPath=srcPath; 软件开发网 statMap=new TreeMap(); /*获得要统计的URL的文件名*/ public String getFileName(String urlString) URL url=null; String filePath=null; String fileName=null; try url=new URL(urlString); filePath=url.getPath(); int index=0; if (index=filePath.lastIndexOf(/)!=-1) fileName=filePath.substring(index+1); else fileName=; catch(MalformedURLException e) return fileName; /*统计指定文件名的个数*/ public void stat(String filename) Integer count=null; if(statMap.get(filename)!=null) count=(Integer)statMap.get(filename); count=new Integer(Value()+1); else count=new Integer(1); statMap.put(filename,count); /*统计的主方法*/ public void start() throws FileNotFoundException,IOException BufferedReader bfin=new BufferedReader(new FileReader(this.srcPath); String temp=null; while(temp=bfin.readLine()!=null) stat(getFileName(temp); /*输出统计结果*/ public void result() Iterator it=statMap.entrySet().iterator(); while(it.hasNext() Map.Entry entry=(Map.Entry)(it.next(); System.out.println(entry.getKey().equals()?空文件名:entry.getKey() + 的个数是 + entry.getValue(); public static void main(String args) throws Exception FileNameStat fns=new FileNameStat(src.txt);/指定成待统计文件 fns.start(); fns.result(); 第二题简评：这道题也与百度的业务有关，百度现在除了搜索外，还有贴吧，知道，博客等重要产品。同时也在积极的探索社区化，包括前不久宣布进军电子商务领域，搜索之外的这些产品，其主要功能的实现主要是对数据库的操作。因此，想进入百度，也需要对数据库有一定的认识。实现思路及数据库设计：1，该论坛主要有两个实体对象，用户和帖子;对于帖子对象，有一个问题：回复的帖子是否应该跟主题帖子存放在同一个表里?考虑到每天更新10万帖子，说明帖子数比较多，为了方便主题的呈现，我一般都把主题贴和回帖分别放在不同的表中，把主题贴和回帖分开可以提高查询效率(300万的访问量每天)。2，按照1中的思路，该论坛由两个对象(用户和帖子)变成三个实体对象，分别是用户，主题帖子，回复帖子;3，上述三个对象存在三个关系，分别是：用户-主题帖，一个用户可以发0个或多个帖子，一个帖子对应一个用户(一对多关系)，主题帖-回复帖：一个主题有0个或多个回复帖子，一个回复帖子对应一个主题(一对多关系); 用户-回复贴：一个用户可以回0个或多个帖，一个帖子对应一个用户(一对多关系)。还存在对回复贴的回复，这个考虑用fatherId来表示。4，由于三个关系 “用户-主题帖，主题帖-回复帖，用户-回复贴” 都是一对多关系，根据表设计一般原则，可以将这两个关系独立建立表，也可以不另外建表而将一对多的关系体现在实体表中;然而，表间的连接查询是非常耗资源的，所以应尽量减少表间连接，那么对三个关系不应该分别建表，而是把用户的id作为主题表和回帖表的外键，把主题贴id作为回帖表的外键。5，鉴于以上考虑，该论坛的三个表如下所示表名：t_user_info (用户信息表)字段名 类型 缺省值 中文含义 约束 备注 id Int 用户编号 PRI Auto_incrementName Varchar(30) 用户名 Email Varchar(50) Phone Varchar(30) Addr Varchar(200) 其他字段略，根据需要添加表名：main_content_info (主题帖信息表)字段名 类型 缺省值 中文含义 约束 备注id Int 贴编号 PRI Auto_incrementTitle Varchar(200) 发帖标题 Content Text 发帖内容 UserID Int 用户编号 外键其他字段略，根据需要添加表名：sub_content_info (回复贴信息表)字段名 类型 缺省值 中文含义 约束 备注 id Int 贴编号 PRI Auto_incrementTitle Varchar(200) 发帖标题 Content Text 发帖内容 UserID Int 用户编号 外键 FatherID Int 父编号 MainID Int 主题帖编号 外键其他字段略，根据需要添加6，符合范式分析：上述表中每个字段不可再分，首先满足1NF;然后数据库表中的每个实例或行都是可以被惟一地区分(id)，不存在部分依赖，因此满足2NF;t_user_info (用户信息表)和main_content_info (主题帖信息表)不存在任何传递依赖，至少属于BCNF;但是sub_content_info (回复贴信息表)不满足3NF,因为存在如下传递依赖：id-FatherID,FatherID-MainID。范式并不是越高越好，sub_content_info表只满足2NF却更有效率，也是当今论坛较主流的设计。第三题简评：如何对海量数据进行快速检索，这是搜索引擎的必需考虑的问题。这又涉及到数据结构和算法。因此，要想进入百度，就必须熟悉一些基本的算法和数据结构。思路及解决方案如下：1: 设计用TRIE树实现关键词到其对应id的快速词典查找TRIE树的每一个节点为一个包含256个元素的数组，同时指针指向其下一级节点 节点定义如下：struct trienode int id; struct trienode *child256;TRIENODE;如果TRIE树的某个节点的指针为NULL，说明从跟节点到当前节点的路径构成文件B中的一个关键词，在其节点的id保存该关键词的id;如果指针不为NULL，则id对应为0或者一个无穷大的整数，标志从根节点到当前节点的路径不是一个完整的关键词。将关键词转化为二进制无符号char型数组，即对于汉字等双字节字符视为两个无符号char型整数，每个元素的取值范围在0到255之间。2：生成文件b的TRIE树步骤1：依次读取文件b的每一行，对每一行执行步骤2到步骤5步骤2：读取关键词id和关键词，令为key步骤3：依次读取key的每一个字符，对每一个字符，执行步骤4;步骤4：如果该字符对应的指针为NULL，则创建其儿子节点;步骤5：为当前节点的对应字符id置为关键词id3：根据A文件生成C文件步骤1：依次读取文件A的每一行，对每一行执行步骤2到步骤5 步骤2：分别获取当前行关键词、ip地址和时间步骤3：令关键词key=c1c2.cm，对c1到cm每个字符，执行步骤4步骤4：获取根节点的第c1个元素指针，转移到节点node1，根据node1的第c2个元素指针，转移到node2.根据nodem的第cm个元素，获取关键词的id步骤5：往文件c中写入一行数据，格式为关键词的id、ip地址和时间4：复杂度分析生成文件B的TRIE树过程时间复杂度为O(n*m)，其中n为文件b行数，m为文件b关键词的最大长度。TRIE的空间复杂度为O(n*m)，n和m含义同上，但由于实际应用中关键词之间可能会有很多前缀相同现象，所以