@crayygy @nekoneko code is uncountable

同理，auto *ppp 声明了 ppp 是一个指针，但我们不知道这个指针指向的类型是什么，需要 auto 来推导 ppp 是什么类型的指针。那么当你写 auto *ppp = p，说明 ppp 和 p 一样都是 int*。

感觉 lz 对指针写在等号左边和右边的语义不同不太熟悉。
对于等号右边的指针 p 来说，p 的类型是 int*, *p 的类型是一个 int。
当你写 auto pp = p，auto 推断出 pp 和 p 一样都是 int*，此时 pp == p == 0x61fefc
当你写 auto pp = *p, auto 推断出 pp 和*p 一样都是 int，此时 pp == *p == 11
逻辑很自然啊。

纸+扫描

面经请放具体题目啊

少见多怪，在湾区算面试常见题。

文件系统缓存

import sys

d = {}
n = 0
s = 0
for line in sys.stdin:
____name, flag, t = line.split()
____t = int(t)
____if flag == "start":
________d[name] = t
____elif name in d:
________s += t - d[name]
________n += 1
________del d[name]

print(s / n)

~~~
import sys

d = {}
n = 0
s = 0
for line in sys.stdin:
name, flag, t = line.split()
t = int(t)
if flag == "start":
d[name] = t
elif name in d:
s += t - d[name]
n += 1
del d[name]

print(s / n)
~~~

@Buffer2Disk
> Python 我不是很熟悉哈，感觉我开的 13 个线程，都是以进程的形式在系统存在的
和熟不熟悉 Python 两回事，线程和进程的区别，虚拟内存等知识了解下。

> 那么每个进程使用的内存，在每个时段都一模一样，这也太巧了吧
道理上讲，子进程是复制父进程的内存空间的，但实际的内存使用是 copy on write 的。
我不确定 htop 的 RES 栏给出的是复制的内存空间，还是 copy on write 实际的内存使用，估计在不同系统下显示的结果都不一定相同，所以对这些数字的解释需要谨慎。
如果显示的是前者（复制的内存空间），就可以解释你看到的现象：RES 给出的是 fork 时复制的内存大小，而内存总使用量显示的是实际的使用大小。
下面这个链接印证了我的说法：
https://stackoverflow.com/questions/35596093/htop-shows-more-resident-memory-usage-than-what-the-machine-has

> 而且除了主线程外，其他几个线程干的事情很简单，根本不会一个线程消耗到 197M 内存
空说无凭，可能的话上代码吧。

@Buffer2Disk > 我感觉不是你这么算的，照那么算的话，光 Python 进程已经占用 90%内存了
一般就是把 RES 加起来的，估计父子进程可能共享了一部分 memory page （比如有 mmap 之类的调用）

> 读 TCP/IP 的书籍，一些协议实现当时都知道了，但是过一阵一下就又忘了，具体的实现记得很模糊。
可以尝试练习用 raw socket 写一个工具，实现类似 wireshark 一样监听 HTTP 包，基本可以覆盖 network 所有 4 层 layer 的主要知识点。

如果你没看到内存越用越多，你就不能说他是“泄漏”吧。一个进程 200mb （根据实际应用而定）完全可能是正常值。

> Python 程序本身只占了不到 10%的内存
看起来是至少有 8 个 python 进程，每个进程消耗 10%内存。

from collections import defaultdict
from itertools import count

d = defaultdict(count(1).__next__)

print(d['foo'])
print(d['bar'])

@0044200420 基本同思路。一小时出 prototype，半天基本能搞定。

idfa 了解下