面试题英文翻译(面试题英文翻译怎么写)
一、mycat面试题？
以下是一些可能出现在MyCat面试中的问题：
1. 什么是MyCat？MyCat是一个开源的分布式数据库中间件，它可以将多个MySQL数据库组合成一个逻辑上的数据库集群，提供高可用性、高性能、易扩展等特性。
2. MyCat的优势是什么？MyCat具有以下优势：支持读写分离、支持分库分表、支持自动切换故障节点、支持SQL解析和路由、支持数据分片等。
3. MyCat的架构是怎样的？MyCat的架构包括三个层次：客户端层、中间件层和数据存储层。客户端层负责接收和处理客户端请求，中间件层负责SQL解析和路由，数据存储层负责实际的数据存储和查询。
4. MyCat支持哪些数据库？MyCat目前支持MySQL和MariaDB数据库。
5. MyCat如何实现读写分离？MyCat通过将读请求和写请求分别路由到不同的MySQL节点上实现读写分离。读请求可以路由到多个只读节点上，从而提高查询性能。
6. MyCat如何实现分库分表？MyCat通过对SQL进行解析和路由，将数据按照一定规则划分到不同的数据库或表中，从而实现分库分表。
7. MyCat如何保证数据一致性？MyCat通过在多个MySQL节点之间同步数据，保证数据的一致性。同时，MyCat还支持自动切换故障节点，从而保证系统的高可用性。
8. MyCat的部署方式有哪些？MyCat可以部署在单机上，也可以部署在多台服务器上实现分布式部署。
二、freertos面试题？
这块您需要了解下stm32等单片机的基本编程和简单的硬件设计，最好能够了解模电和数电相关的知识更好，还有能够会做操作系统，简单的有ucos，freeRTOS等等。最好能够使用PCB画图软件以及keil4等软件。希望对您能够有用。
三、mahout面试题？
之前看了Mahout官方示例 20news 的调用实现；于是想根据示例的流程实现其他例子。网上看到了一个关于天气适不适合打羽毛球的例子。
训练数据：
Day Outlook Temperature Humidity Wind PlayTennis
D1 Sunny Hot High Weak No
D2 Sunny Hot High Strong No
D3 Overcast Hot High Weak Yes
D4 Rain Mild High Weak Yes
D5 Rain Cool Normal Weak Yes
D6 Rain Cool Normal Strong No
D7 Overcast Cool Normal Strong Yes
D8 Sunny Mild High Weak No
D9 Sunny Cool Normal Weak Yes
D10 Rain Mild Normal Weak Yes
D11 Sunny Mild Normal Strong Yes
D12 Overcast Mild High Strong Yes
D13 Overcast Hot Normal Weak Yes
D14 Rain Mild High Strong No
检测数据：
sunny，hot，high，weak
结果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代码调用Mahout的工具类实现分类。
基本思想：
1. 构造分类数据。
2. 使用Mahout工具类进行训练，得到训练模型。
3。将要检测数据转换成vector数据。
4. 分类器对vector数据进行分类。
接下来贴下我的代码实现=》
1. 构造分类数据：
在hdfs主要创建一个文件夹路径 /zhoujainfeng/playtennis/input 并将分类文件夹 no 和 yes 的数据传到hdfs上面。
数据文件格式，如D1文件内容： Sunny Hot High Weak
2. 使用Mahout工具类进行训练，得到训练模型。
3。将要检测数据转换成vector数据。
4. 分类器对vector数据进行分类。
这三步，代码我就一次全贴出来；主要是两个类 PlayTennis1 和 BayesCheckData = =》
package myTesting.bayes;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.classifier.naivebayes.training.TrainNaiveBayesJob;
import org.apache.mahout.text.SequenceFilesFromDirectory;
import org.apache.mahout.vectorizer.SparseVectorsFromSequenceFiles;
public class PlayTennis1 {
private static final String WORK_DIR = "hdfs://192.168.9.72:9000/zhoujianfeng/playtennis";
/*
* 测试代码
*/
public static void main(String[] args) {
//将训练数据转换成 vector数据
makeTrainVector();
//产生训练模型
makeModel(false);
//测试检测数据
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//将测试数据转换成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"testinput";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失败！");
System.exit(1);
}
//将序列化文件转换成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件转换成向量失败！");
System.out.println(2);
}
}
public static void makeTrainVector(){
//将测试数据转换成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"input";
String output = WORK_DIR+Path.SEPARATOR+"tennis-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失败！");
System.exit(1);
}
//将序列化文件转换成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件转换成向量失败！");
System.out.println(2);
}
}
public static void makeModel(boolean completelyNB){
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-vectors"+Path.SEPARATOR+"tfidf-vectors";
String model = WORK_DIR+Path.SEPARATOR+"model";
String labelindex = WORK_DIR+Path.SEPARATOR+"labelindex";
Path in = new Path(input);
Path out = new Path(model);
Path label = new Path(labelindex);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean参数是，是否递归删除的意思
fs.delete(label, true);
}
TrainNaiveBayesJob tnbj = new TrainNaiveBayesJob();
String[] params =null;
if(completelyNB){
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow","-c"};
}else{
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow"};
}
ToolRunner.run(tnbj, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("生成训练模型失败！");
System.exit(3);
}
}
}
package myTesting.bayes;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.PathFilter;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.mahout.classifier.naivebayes.BayesUtils;
import org.apache.mahout.classifier.naivebayes.NaiveBayesModel;
import org.apache.mahout.classifier.naivebayes.StandardNaiveBayesClassifier;
import org.apache.mahout.common.Pair;
import org.apache.mahout.common.iterator.sequencefile.PathType;
import org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable;
import org.apache.mahout.math.RandomAccessSparseVector;
import org.apache.mahout.math.Vector;
import org.apache.mahout.math.Vector.Element;
import org.apache.mahout.vectorizer.TFIDF;
import com.google.common.collect.ConcurrentHashMultiset;
import com.google.common.collect.Multiset;
public class BayesCheckData {
private static StandardNaiveBayesClassifier classifier;
private static Map dictionary;
private static Map documentFrequency;
private static Map labelIndex;
public void init(Configuration conf){
try {
String modelPath = "/zhoujianfeng/playtennis/model";
String dictionaryPath = "/zhoujianfeng/playtennis/tennis-vectors/dictionary.file-0";
String documentFrequencyPath = "/zhoujianfeng/playtennis/tennis-vectors/df-count";
String labelIndexPath = "/zhoujianfeng/playtennis/labelindex";
dictionary = readDictionnary(conf, new Path(dictionaryPath));
documentFrequency = readDocumentFrequency(conf, new Path(documentFrequencyPath));
labelIndex = BayesUtils.readLabelIndex(conf, new Path(labelIndexPath));
NaiveBayesModel model = NaiveBayesModel.materialize(new Path(modelPath), conf);
classifier = new StandardNaiveBayesClassifier(model);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("检测数据构造成vectors初始化时报错。。。。");
System.exit(4);
}
}
/**
* 加载字典文件，Key: TermValue； Value：TermID
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map readDictionnary(Configuration conf, Path dictionnaryDir) {
Map dictionnary = new HashMap();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
String name = path.getName();
return name.startsWith("dictionary.file");
}
};
for (Pair pair : new SequenceFileDirIterable(dictionnaryDir, PathType.LIST, filter, conf)) {
dictionnary.put(pair.getFirst().toString(), pair.getSecond().get());
}
return dictionnary;
}
/**
* 加载df-count目录下TermDoc频率文件，Key: TermID； Value：DocFreq
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map readDocumentFrequency(Configuration conf, Path documentFrequencyDir) {
Map documentFrequency = new HashMap();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
return path.getName().startsWith("part-r");
}
};
for (Pair pair : new SequenceFileDirIterable(documentFrequencyDir, PathType.LIST, filter, conf)) {
documentFrequency.put(pair.getFirst().get(), pair.getSecond().get());
}
return documentFrequency;
}
public static String getCheckResult(){
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String classify = "NaN";
BayesCheckData cdv = new BayesCheckData();
cdv.init(conf);
System.out.println("init done...............");
Vector vector = new RandomAccessSparseVector(10000);
TFIDF tfidf = new TFIDF();
//sunny，hot，high，weak
Multiset words = ConcurrentHashMultiset.create();
words.add("sunny",1);
words.add("hot",1);
words.add("high",1);
words.add("weak",1);
int documentCount = documentFrequency.get(-1).intValue(); // key=-1时表示总文档数
for (Multiset.Entry entry : words.entrySet()) {
String word = entry.getElement();
int count = entry.getCount();
Integer wordId = dictionary.get(word); // 需要从dictionary.file-0文件（tf-vector）下得到wordID，
if (StringUtils.isEmpty(wordId.toString())){
continue;
}
if (documentFrequency.get(wordId) == null){
continue;
}
Long freq = documentFrequency.get(wordId);
double tfIdfValue = tfidf.calculate(count, freq.intValue(), 1, documentCount);
vector.setQuick(wordId, tfIdfValue);
}
// 利用贝叶斯算法开始分类,并提取得分最好的分类label
Vector resultVector = classifier.classifyFull(vector);
double bestScore = -Double.MAX_VALUE;
int bestCategoryId = -1;
for(Element element: resultVector.all()) {
int categoryId = element.index();
double score = element.get();
System.out.println("categoryId:"+categoryId+" score:"+score);
if (score > bestScore) {
bestScore = score;
bestCategoryId = categoryId;
}
}
classify = labelIndex.get(bestCategoryId)+"(categoryId="+bestCategoryId+")";
return classify;
}
public static void printResult(){
System.out.println("检测所属类别是："+getCheckResult());
}
}
四、采购经理面试题？
1：简述一个采购流程（看你是否能适应本公司的采购流程）
2：做为一名新采购，你觉得你应该怎样着手开展自己的工作（看你的适应能力与开展工作的能力)
3：做为一名采购，如何避免你负责的物料库存过高,如何确保物料及时到位（日常工作能力）
4：你觉得你的优点和缺点是什么？各举三点。（从你的优缺点看你是否适合做采购）
5：拿出一件你负责的物料，让你做成本分析，并报价（成本分析能力，基础市场掌握情况）
五、贸易助理面试题？
首先用英文自我介绍，然后阐述一下自己对工作的了解情况和相关的工作内容，还有就是自己的优势和期望的薪水。
六、药学面试题目？
可以对考官说：自己只是选择了一个自己对其兴趣最大又可以完成自己救伤治病的理想的专业。
各个学校的面试有部分差别，但是一般测试内容均为技能测试，考生带本人第二代身份证原件参加技能测试。着装不一定要正装或者很华丽高档，但要干净整洁。
单招面试技巧
1、穿着要注意
“着装不一定要正装或者很华丽高档，但要干净整洁。”该负责人特别提醒，参加面试时切记不能穿校服，“有些学生以为穿校服能给考官博个好印象，事实上为了公平起见，我们一般都会要求学生不要穿校服，尤其是有学校Logo的。”男生不要留胡子、长发，女生穿着不要太过“花哨或暴露”，不要化浓妆或太多装饰。
2、怎样回答考官的问题
有学生担心面试会有一些偏问、怪问。该负责人表示，面试主要是考察学生的应变、表达和思考能力，学生应对所报专业有一定了解，“比如自己为什么会选择这个专业?为什么报读我们学校?你打算将来做什么工作?”此外，面试中还可能问一些很生活化的内容，“比如怎么处理同学之间的关系等”。这些问题都不难，关键是“不能沉默，尽量多说”，并且要保持与考官有一定的眼神交流。
回答范本：
各位老师：上午好！
今天是我人生的一个转折点，因为坐在我面前的都是教育前辈，专家；说句心里话，我有些紧张，因为你们的评分将决定我是否能够实现自己成为一名幼师的梦想！
在回答第一个问题“为什么要选择幼儿教师这一职业”前，请允许我作一下简单的自我介绍。
我是5号选手，就读于一所大学的学前教育专业，今年7月毕业。即将踏入社会的我对未来充满着期待，我希望今天能够成为我成功的起点。我来自于一个教育家庭，我父母都是教师，我从小就分享了他们在教育工作中获得的充实与快乐，他们那种热爱教育，热爱学生的形象在我心灵留下深刻的烙印，也让我比同龄人更理解教师与学生的关系，以至于我小时候就希望自己长大后也能成为一名优秀的人民教师。在我幼年的时候，父母为了我的学前教育，找遍了当时他们学校附近的乡镇，但是，那时农村几乎没有幼儿教育，于是，我提前就读了一年级！和我一样大的伙伴也和我一样，没有经历过学前教育的快乐与启蒙。于是我幼小的心灵就有了一个愿望：长大后做一名幼儿教师！让农村学前儿童享有学前教育的机会，让孩子们在游戏中享受教育，在教育中享受快乐。后来，在填写大学志愿时，我毫不犹豫地选择了学前教育专业。也因此，我今天才有幸站在各位老师面前。也许，我今天的回答不是最好的，但是，我对幼儿教育事业的心是最热的！
因为热爱，所以喜欢；因为喜欢，所以选择！
七、vuex流程面试题？
1. vuex中如何异步修改数据？
首先, 概括下 vuex基本使用流程为: 在action中分发异步请求, 在异步回调中使用commit提交mutation,在mutation中修改state, 使用getters对state的值进行计算封装.
2.如何在模块中访问全局内容？
如果你希望使用全局 state 和 getter，rootState 和 rootGetter 会作为第三和第四参数传入 getter，也会通过 context 对象的属性传入 action。
若需要在全局命名空间内分发 action 或提交 mutation，将 { root: true } 作为第三参数传给 dispatch 或 commit 即可。
3.vuex中划分模块的好处？
（1）. state更为容易管理，尤其在团队人数多的时候，自己负责自己的state，既保证store了完整的状态树，又避免了相互之间的state冲突
（2）. 不管是命名，或是操作 state 都会变得更加扁平和直观
4、vuex 的 store 特性是什么
(1) vuex 就是一个仓库，仓库里放了很多对象。其中 state 就是数据源存放地，对应于一般 vue 对象里面的 data
(2) state 里面存放的数据是响应式的，vue 组件从 store 读取数据，若是 store 中的数据发生改变，依赖这相数据的组件也会发生更新
(3) 它通过 mapState 把全局的 state 和 getters 映射到当前组件的 computed 计算属性
5、 vuex 的 getter 特性是什么
(1) getter 可以对 state 进行计算操作，它就是 store 的计算属性
(2) 虽然在组件内也可以做计算属性，但是 getters 可以在多个组件之间复用
(3) 如果一个状态只在一个组件内使用，是可以不用 getters
(当然还有还都哦好多，我目前就只涉及到这些)
6. 谈谈你对vuex的理解
（1）先说一下vuex是什么
（2）vuex可以干什么
（3）怎样使用vuex
（可以按照这几个步骤来，具体的就看我上面所写的）
7. Vue.js中ajax请求代码应该写在组件的methods中还是vuex的actions中？
(1）.如果请求来的数据是不是要被其他组件公⽤，仅仅在请求的组件内使⽤，就不需要放⼊vuex 的state⾥。
(2). 如果被其他地⽅复⽤，这个很⼤⼏率上是需要的，如果需要，请将请求放⼊action⾥，⽅便复⽤。
八、文案策划面试题？
1好文案的第一道门槛做一个好文案很难，要找到一个好文案也很难，所以，在您对加入旭日?因赛表示兴趣之后，我摆出了这套题目作为入职的第一道门槛，我不是要强悍地说，它就是测试一位好文案的标准，好文案决非由一时半会的检测就可以显现，但我寄希望于能了解我所能触摸的您作为广告文案的感觉，虽然很可能这已经有所局限，但别无良途。摆在台面的题目是一道门槛，其实还有另外一道门槛在背后，——这是一道开放性试题，我希望你能独立完成它，经受住另一种考验。一、 谈广告。说说您近来看到的最喜欢的两则广告，最好是一则平面一则影视。请用文字描述它，并说说您喜欢它的原因。
2二、巧手联珠。看来毫不相关的两类事物，可以经由文案的巧思将它们入情入理的联系起来，下面看你的了！（写一句话/字数不要太多）1、 妈祖+猛男2、 咖啡+豪猪3、 加州阳光+忧郁的黑眼圈
3二、 多面写手。广告文案经常要潜入不同目标对象的心灵去写作，针对不同的目标群有不同的句法、遣词和风格，请以某一种商品为广告对象（选你最熟悉的，但5个小题要求写同一种商品），分别以不同风格撰写一段文案，包括标题、正文。哦，不知道卖点、品牌个性、创意概念？别问我，如果你熟悉这些道道，你就自己想一想呗，如果不熟悉，怎么办？我也不知道。1、 城市街头少年2、 意识形态语言（虽然不属目标对象，但很多人都喜欢这类文字，其对象可能是：时尚文化青年）3、 小资女性4、 中产阶级5、 网虫
4三、 用一个画面表现：萎靡的想像。画一画吧，画得差也不要紧，关键是想得妙。
5四、 也写诗。有的文案太喜欢写诗，有的又从来不写。但我认为文案还是应该会写。——最起码那些长短句，很为美术设计版式时所钟爱。：）为了便于评判，我还是给您命个题：城市的颜色
6五、 短文高手。字数限制250~350字。都市拜物教好了，您差不多该完成这些东西了，谢谢您的辛苦劳动。请将试卷寄给我的联系人。我会在一周内给您答复。旭日?因赛立志做中国最好的传播代理商，希望有机会我们能一起为之奋斗。
九、aqs原理面试题？
AQS核心思想是，如果被请求的共享资源空闲，则将当前请求资源的线程设置为有效的工作线程，并且将共享资源设置为锁定状态。如果被请求的共享资源被占用，那么就需要一套线程阻塞等待以及被唤醒时锁分配的机制，这个机制AQS是用CLH队列锁实现的，即将暂时获取不到锁的线程加入到队列中。 AQS使用一个voliate int成员变量来表示同步状态，通过内置的FIFO队列来完成获取资源线程的排队工作。AQS使用CAS对该同步状态进行原子操作实现对其值的修改。
AQS定义了两种资源获取方式：独占（只有一个线程能访问执行，又根据是否按队列的顺序分为公平锁和非公平锁，如ReentrantLock） 和共享（多个线程可同时访问执行，如Semaphore/CountDownLatch，Semaphore、CountDownLatCh、 CyclicBarrier ）。ReentrantReadWriteLock 可以看成是组合式，允许多个线程同时对某一资源进行读。
AQS底层使用了模板方法模式， 自定义同步器在实现时只需要实现共享资源 state 的获取与释放方式即可，至于具体线程等待队列的维护（如获取资源失败入队/唤醒出队等），AQS已经在上层已经帮我们实现好了。
十、产品主管面试题？
就是针对产品主管的面试题目，一般会涉及产品营销策略、产品属性等问题。
