资源调度系统面试参考

调度队列和优化Golang 实现无重复元素的队列
Golang 实现固定Size的循环队列
模拟货运运输和优化 假设 有N个货物 每个货物有三个属性 货物ID、货物装上车耗费的时间、货物装车后价值。 假设N个货物同时到达站点等待装车,装车操作有序执行
作答要求
(1)模拟N个货物的单个货物的耗费时间、货物价值
(2)输出 计算N个货物总排队时间
总排队执行时间
定义第n个货物排队 执行耗时 time(n),n 0,time(0) 0
定义第n个货物装车时间 load(n) 随机值
第n个货物排队执行时间 time(n) time(n-1) load(n)
(3)编程语言 java、golang、c、c 任意一种
基于上面试题3 假设货物之间装载没有依赖关系 谁先谁后都是可以的
假设货车体积有限 如何优化 使得使得等待时间最小、货物价值最大
编程语言 java、golang、c、c 任意一种
模拟公平调度算法实现 例如 Linux Completely Fair scheduler (CFS) 或者 hadoop Fair Scheduler模拟实现 参考链接

https://en.wikipedia.org/wiki/Completely_Fair_Scheduler
https://github.com/kanaka/rbt_cfs
http://www.dreamincode.net/forums/topic/147939-fair-scheduling-in-java/
http://dongxicheng.org/mapreduce/hadoop-fair-scheduler/
https://github.com/sakeven/RbTree

模拟Goroutine调度器 Scalable Go Scheduler Design
Go Preemptive Scheduler Design
NUMA‐aware scheduler for Go
基于Golang 模拟 定时任务框架 要求 支持超时控制、支持主动停止任务、支持任务调度周期的改变
调度稳定性方面Golang实现 Pod打散的一种算法 需求描述 有一堆候选服务器列表 每个服务器随机分配一个得分
服务器同时属于一个pod并且只属于唯一一个pod
算法输出 进行按得分排序 同时兼顾按pod打散的 topN 输出
举例 10个结点 结点如下

{nc:a,score:1.0,pod:1}
{nc:b,score:1.0,pod:2}
{nc:c,score:4.0,pod:3}
{nc:d,score:3.0,pod:2}
{nc:e,score:4.0,pod:5}
{nc:f,score:2.0,pod:4}
{nc:g,score:2.0,pod:3}
{nc:h,score:2.0,pod:1}
{nc:i,score:4.0,pod:3}
{nc:j,score:3.0,pod:2}
top5 输出如下 
{nc:e,score:4.0,pod:5}
{nc:c,score:4.0,pod:3}
{nc:b,score:3.0,pod:2}
{nc:a,score:2.0,pod:1}
{nc:e,score:2.0,pod:4}
top4 输出如下 
{nc:e,score:4.0,pod:5}
{nc:c,score:4.0,pod:3}
{nc:b,score:3.0,pod:2}
{nc:a,score:2.0,pod:1}
或者 任意一个输出都算有效
{nc:e,score:4.0,pod:5}
{nc:c,score:4.0,pod:3}
{nc:b,score:3.0,pod:2}
{nc:e,score:2.0,pod:4}
top6 输出如下
{nc:e,score:4.0,pod:5}
{nc:c,score:4.0,pod:3}
{nc:b,score:3.0,pod:2}
{nc:a,score:2.0,pod:1}
{nc:e,score:2.0,pod:4}
{nc:i,score:4.0,pod:3}

分布式一致性方面Java或者Golang实现 一致性hash算法
模拟raft协议中leader 选举。 通俗说N个node 只要一半以及以上node 获得投票 就成为leader 选举结束
Golang实现LRUCache
Golang实现 任务中断或者宕机可恢复的生产者、消费者框架
数据分析和算法N个时序结点 每个结点包括timestamp、value
要求拟合 时序趋势
有N个数据结点 数值区间0 到 100
要求给出 N个结点的 99分位值
有N个数据结点 数值区间0 到 100 要求 给出一个数值 给出这个数值的分组值
组合关系挖掘 给定N个Node 每个Node上0到M 个 Container
同时 Node分配一个cpu值 每个Container一个cpu值
Node 和Container的 cpu 值区间0到60
Node cpu 上面所有Container cpu 和 每个Container 包括一个 id name cpu值
并且Container id相同的 其cpu值也相同

要求
从N个Node和每个Node上面的Container数据中
挖掘有效组合关系模型 也就 那些Container在一起最佳
最佳的标准 Node cpu值最大或者最小
有N个Node M个Container 每个Node 包括CPU、mem、disk值
每个Container也包括CPU、mem、disk值
有Q个工单 每个工单对应一种Container和数量
要求
如何将Q个工单资源编排进N个Node 使得N个Node的分配率最好
开源源码etcd源码kubelet源码yarn 源码messos源码CloudSim源码Google-cluster-sim 源码Golang源码Docker 源码Pouch 源码

原文参考 https://github.com/sebarzi/interview_scheduler/blob/master/questions_part_one.md

本文转自网络，原文链接：https://developer.aliyun.com/article/787637
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！