小鹏汽车1面

本文解析了面试中常见的技术问题,包括深拷贝与浅拷贝的区别、值传递与引用传递的不同、ArrayList与LinkedList的选择依据、快速排序的时间与空间复杂度、处理大规模数据的策略、单例模式的实现细节、HTTP请求的GET与POST方法的区别,以及依赖注入的概念。通过这些解析,帮助求职者更好地准备技术面试。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

问的都是很常规的问题,另外有一点傻傻的分不清hr和面试官,肯定是2个人,

印象不是很好,晚了一个小时才面试,问题问的也不是特别深入,一般,但都是经典题型

1.深拷贝浅拷贝区别

内存中是否产生新的对象

2.值传递和引用传递的区别

内存中是否产生新的变量

3.arraylist和linkedlist的区别,实际怎么选择

数据结构不同,看是插入删除还是查询

4.快排时间空间复杂度

时间:o(n2)---o(nlog(n)

空间:o(n)---o(log(n)

差的都是退化为冒泡

4.1万亿个数据挑出前10个?

5.单例模式注意点?怎么保证一个实例?

静态初始化的时候创建实例

6.post和get区别

最直接的区别,GET请求的参数是放在URL里的,POST请求参数是放在请求body里的;

GET请求的URL传参有长度限制,而POST请求没有长度限制;

GET和POST还有一个重大区别,简单的说:

GET产生一个TCP数据包;POST产生两个TCP数据包。

长的说:

对于GET方式的请求,浏览器会把http header和data一并发送出去,服务器响应200(返回数据);

而对于POST,浏览器先发送header,服务器响应100 continue,浏览器再发送data,服务器响应200 ok(返回数据)。

 

也就是说,GET只需要汽车跑一趟就把货送到了,而POST得跑两趟,第一趟,先去和服务器打个招呼“嗨,我等下要送一批货来,你们打开门迎接我”,然后再回头把货送过去。

 

因为POST需要两步,时间上消耗的要多一点,看起来GET比POST更有效。因此Yahoo团队有推荐用GET替换POST来优化网站性能。但这是一个坑!跳入需谨慎。为什么?

1. GET与POST都有自己的语义,不能随便混用。

2. 据研究,在网络环境好的情况下,发一次包的时间和发两次包的时间差别基本可以无视。而在网络环境差的情况下,两次包的TCP在验证数据包完整性上,有非常大的优点。

3. 并不是所有浏览器都会在POST中发送两次包,Firefox就只发送一次。

7什么是依赖注入

8.知乎发帖,求某一帖子的每个用户的最后回帖时间

grouby usrid order by time where 帖子id=?

8能保证实习时间你上次说,这句话使我觉得hr和面试官是一个,可是打电话和我说面试官刚刚开会。。。。。。。。。。。。。。

 

### 关于小汽车开源代码及相关示例 目前,公开的小汽车官方并未完开放其核心自动驾驶或其他车辆控制系统的源码。然而,在类似的开源项目中可以找到一些与智能驾驶、自动泊车等功能相关的代码和技术实现方式作为参考[^1]。 以下是一个基于假设的开源框架 `x9-open-source` 的简化版本,该框架可能类似于小汽车所使用的架构设计: #### 假设的项目目录结构 ```plaintext x9-open-source/ │ ├── src # 主代码库 │ ├── main.py # 项目的入口文件,用于启动应用 │ └── modules # 包含各个功能模块的子目录 │ ├── driving_assist # 智能驾驶辅助模块 │ │ ├── autopark.py # 自动泊车算法实现 │ │ └── lane_detection.py # 车道检测算法 │ ├── user_interface # 用户界相关代码 │ └── vehicle_control # 车辆控制逻辑 │ ├── motor_control.py # 动力控制系统 │ └── steering_control.py # 方向盘控制系统 │ ├── config # 配置文件夹 │ ├── app.config # 应用配置 │ └── system.config # 系统级别配置 │ ├── docs # 文档和教程 │ ├── README.md # 项目介绍和快速入门 │ └── usage_guide.md # 使用指南 │ ├── tests # 测试文件夹 │ ├── unit_tests # 单元测试 │ └── integration_tests # 集成测试 │ └── requirements.txt # 项目依赖列表 ``` 上述目录结构中的 `autopark.py` 文件可能是自动泊车功能的核心实现之一。下展示一个简化的自动泊车算法伪代码示例: #### 自动泊车算法伪代码示例 ```python import cv2 import numpy as np def detect_parking_space(image): """ 检测图像中的停车位位置。 :param image: 输入摄像头捕获的画 (numpy array) :return: 返回停车位坐标 [(x1, y1), (x2, y2)] """ gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) edges = cv2.Canny(gray, 50, 150, apertureSize=3) lines = cv2.HoughLinesP(edges, rho=1, theta=np.pi / 180, threshold=100, minLineLength=100, maxLineGap=10) parking_spaces = [] if lines is not None: for line in lines: x1, y1, x2, y2 = line[0] parking_spaces.append(((x1, y1), (x2, y2))) return parking_spaces def execute_autopark(vehicle_position, target_position): """ 执行自动泊车操作。 :param vehicle_position: 当前车辆的位置 (tuple) :param target_position: 目标停车位的位置 (tuple) :return: 是否成功完成停车 (bool) """ distance_to_target = calculate_distance(vehicle_position, target_position) while distance_to_target > 0.5: # 如果距离目标超过阈值,则继续调整 adjust_steering_angle(target_position) # 调整方向盘角度 control_motor_speed() # 控制电机速度 update_vehicle_position() distance_to_target = calculate_distance(vehicle_position, target_position) return True if __name__ == "__main__": camera_feed = capture_camera_image() # 获取实时视频流画 spaces = detect_parking_space(camera_feed) if spaces: selected_space = choose_best_parking_space(spaces) # 选择最佳车位 success = execute_autopark(get_current_vehicle_position(), selected_space) print(f"Parked successfully: {success}") ``` 此代码仅为示意用途,实际生产环境下的自动泊车系统会更加复杂并涉及更多细节处理,例如传感器融合数据解析、路径规划以及动态障碍物避让等。 对于类似小汽车这样的企业级项目而言,除了基础的功能开发外还需要关注性能调优和服务稳定性保障等方的工作内容[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值