后端岗位面试题 · 问题拆解 · Python
题库中标记为“后端”的结构化面试题。
共 89928 道真题 · 当前筛选命中 73 道 · 更新 2026-08-05
筛选题目已选：问题拆解 · Python
考察点
技术栈
第 1 题你是否用 Python 或 Java 编写过一些小工具？ 考察候选人的编程实践、工具开发经验与问题解决能力第 2 题请用 Python 实现一个针对 LLVM IR 常见指令形式的死代码消除（DCE）功能，并说明你的实现思路。 考察对 LLVM IR 结构、数据流分析基础及死代码消除算法的掌握与编码实现能力第 3 题请列举并说明Python中常见的异常类型及其适用场景。 考察对Python内置异常体系的熟悉程度及异常处理实践第 4 题List底层实现 考察对List数据结构底层实现细节的掌握第 5 题Python中使用过哪些算法？ 考察候选人的算法实战经验、广度与深度第 6 题反转字符串中的单词 考察字符串处理、边界条件和编码实现能力第 7 题设计并实现一个拼音打字排序功能，请描述你的方案。 考察编码实现能力、技术选型和问题拆解能力第 8 题请解释Python中的可变对象与不可变对象的区别，并举例说明它们在内存和操作上的不同。 考察对Python数据模型和可变性概念的理解，以及能否清晰区分常见内置类型第 9 题你更熟悉哪种编程语言？谈谈 Python 中 GIL 锁和 None 的概念及底层实现。 考察对 Python 并发模型和对象模型的理解深度，以及语言熟悉度的真实性第 10 题给定一个数组 [1,5,5,7,9]，请为其去重（使得结果中每个元素只出现一次），并分析你所用方法的时间复杂度和空间复杂度。 考察基础算法实现与复杂度分析能力第 11 题在训练神经网络模型时，你采用了哪些训练策略？请说明数据划分、损失函数、优化器选择和调参过程。 考察对神经网络训练流程的掌握及实践细节第 12 题我们组主要使用C++，偶尔用Python。请问你对B样条（B-spline）有了解吗？ 考察候选人对B样条这一数学建模基础知识的了解程度第 13 题请实现一个生成随机姓名的函数，要求支持自定义姓氏和名字库，并保证结果可复现。 考察编码实现、随机数使用与参数设计能力第 14 题请解释 Python 中的 GIL 锁是什么，并分析它对多线程程序性能的影响，以及如何规避 GIL 带来的问题。 考察对 Python GIL 机制的理解、对并发场景的分析和优化能力第 15 题请解释什么是 Python 元类（metaclass），并说明它的典型应用场景。 考察对 Python 元类机制的理解深度与实际应用能力第 16 题在一个单机性能一般的服务器上，给定一个数据量极大的文件，每行包含时间、用户、消费金额，如何找出单日消费金额前10的用户？ 考察大数据量下的单机排序与聚合的算法设计和性能优化第 17 题Python 多线程效率的瓶颈是什么？ 考察对 GIL、多线程与多进程适用场景的理解第 18 题Python线程与进程的区别是什么？ 考察对Python并发模型、GIL及适用场景的理解第 19 题请设计并实现一个足球比赛中的自动进球判定系统，说明如何判断球是否整体越过球门线。 考察问题拆解、传感器融合与边界条件处理能力第 20 题有没有手写过协程之类的？ 考察对协程原理的理解及动手实现能力