Q1.假设你正在搭建某种服务，有多达1000个客户端软件会调用该服务，取得每天盘后股票价格信息。假设你手里已有这些数据，存储格式可自行定义。你会如何设计这套面向客户端的服务，向客户端软件提供信息？你将负责该服务的研发、部署、持续监控和维护。描述你想到的各种实现方案，以及如何推荐采用你的方案。该服务的实现技术可任选，此外，可以选用任何机制向客户端分发信息。
Ans.思路：
- 方案1.将数据存放在纯文本中，让客户的通过FTP服务器下载。
- 方案2.使用SQL数据库
- 方案3.XML
- 无论提供那种数据存储方案，都可以提供Web服务（比如SOAP）供客户端存取数据。
Q2.如果要设计一个网络爬虫程序，该怎么避免陷入无限循环？
Ans.思路：
- 什么时候会出现无限循环？ 网络链接图中有环。
- 可以使用散列表保存是否访问过某页面，并使用广度优先搜索方式抓取网站。
- 怎样定义不同页面？基于URL还是页面内容？
一种解决方法是评估相似程度，根据内容和URL
Q3.想象有个Web服务器，实现简化版搜索引擎。这套系统有100台机器来响应搜索查询，可能会对另外的机器集群调用processSearch(string query)以得到真正的结果。响应查询请求的机器是随机挑选的，因此两个同样的请求不一定由同一台机器响应。方法processSearch的开销很大，请设计一种缓存机制，缓存最近几次查询的结果。当数据发生变化时，务必说明该如何更新缓存。
Ans.思路：
- 前提假设：
除了必要时外调，所有查询都在最初那台机器上完成。
缓存的搜索查询数量庞大（几百万）。
机器之间的调用速度相对较快。
给定查询的结果是一个有序的网址列表，每个网址关联50个字符的标题和200个字符的摘要。
最常见的查询非常热门，以至于它们总是存在缓存中。 - 系统需求
给定某个键，能快速有效地查找出来
旧的数据会过期，从而让它可被新的数据取代 - step1.设计单系统的缓存
使用链表可以轻易清楚旧数据，将新数据移到链表前方，当链表超过一定大小时，删除末尾数据。
散列表可以高效查找数据，通常无法轻易清除数据。
可以将链表和散列表结合起来。Java中的LinkedHashMap。 - step2.扩展到多态机器
需要决定缓存跨机共享到什么程度？
1）每台机器都有自己的缓存。许多重复查询会被视为全新查询。
2）每台机器都有一个缓存的副本。需要更新N台机器
3）每台机器存储一部分缓存。
一种选择是hash(query)%N查询有缓存的机器，跨机外调该指定的机器。 - step3.内容改变时更新结果
结果改变时机：
1）网址对应内容变了，或者移除了
2）页面排名变化
3）特定查询出现了新页面（自动逾期：超过一定时间自动刷新） - step4.继续改进
1）机器i外调机器j后，可以在机器i本地缓存结果
2）架构更改，按照散列值分配给某台机器而不是随机分配
3）可以根据主题或网址实现不同的自动逾期机制
