調度隊列和優化

1. Golang 實現無重複元素的隊列
2. Golang 實現固定Size的循環隊列
3. 模擬貨運運輸和優化 假設： 有N個貨物，每個貨物有三個屬性： 貨物ID、貨物裝上車耗費的時間、貨物裝車後價值。 假設N個貨物同時到達站點等待裝車,裝車操作有序執行
   作答要求：
   (1)模擬N個貨物的單個貨物的耗費時間、貨物價值
   (2)輸出：計算N個貨物總排隊時間
   總排隊執行時間：
   定義第n個貨物排隊+執行耗時 time(n),n=0,time(0)=0
   定義第n個貨物裝車時間 load(n)= 隨機值
   第n個貨物排隊執行時間：time(n)= time(n-1)+load(n)
   (3)編程語言：java、golang、c、c++ 任意一種
4. 基於上面試題3，假設貨物之間裝載沒有依賴關係，誰先誰後都是可以的
   假設貨車體積有限，如何優化，使得使得等待時間最小、貨物價值最大？
   編程語言：java、golang、c、c++ 任意一種
5. 模擬公平調度算法實現 例如：Linux Completely Fair scheduler (CFS) 或者 hadoop Fair Scheduler模擬實現 參考鏈接

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

1. 模擬Goroutine調度器 Scalable Go Scheduler Design
   Go Preemptive Scheduler Design
   NUMA‐aware scheduler for Go
2. 基於Golang 模擬 定時任務框架 要求：支持超時控制、支持主動停止任務、支持任務調度週期的改變

調度穩定性方面

1. Golang實現 Pod打散的一種算法 需求描述：有一堆候選服務器列表，每個服務器隨機分配一個得分，
   服務器同時屬於一個pod並且只屬於唯一一個pod
   算法輸出：進行按得分排序，同時兼顧按pod打散的 topN 輸出
   舉例：10個結點，結點如下，

{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：輸出如下：
{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：輸出如下：
{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 任意一個輸出都算有效
{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：輸出如下
{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}

分佈式一致性方面

1. Java或者Golang實現 一致性hash算法
2. 模擬raft協議中leader 選舉。 通俗說N個node，只要一半以及以上node 獲得投票 就成為leader，選舉結束
3. Golang實現LRUCache
4. Golang實現 任務中斷或者宕機可恢復的生產者、消費者框架

數據分析和算法

1. N個時序結點，每個結點包括timestamp、value
   要求擬合 時序趨勢
2. 有N個數據結點，數值區間0 到 100
   要求給出 N個結點的 99分位值
3. 有N個數據結點，數值區間0 到 100 要求 給出一個數值，給出這個數值的分組值
4. 組合關係挖掘 給定N個Node，每個Node上0到M 個 Container
   同時，Node分配一個cpu值，每個Container一個cpu值
   Node 和Container的 cpu 值區間0到60
   Node cpu = 上面所有Container cpu 和 每個Container 包括一個 id，name，cpu值
   並且Container id相同的，其cpu值也相同

   要求：
   從N個Node和每個Node上面的Container數據中
   挖掘有效組合關係模型，也就 那些Container在一起最佳
   最佳的標準：Node cpu值最大或者最小

5. 有N個Node，M個Container，每個Node 包括CPU、mem、disk值
   每個Container也包括CPU、mem、disk值
   有Q個工單，每個工單對應一種Container和數量
   要求：
   如何將Q個工單資源編排進N個Node，使得N個Node的分配率最好

開源源碼

1. etcd源碼
2. kubelet源碼
3. yarn 源碼
4. messos源碼
5. CloudSim源碼
6. Google-cluster-sim 源碼
7. Golang源碼
8. Docker 源碼
9. Pouch 源碼

原文參考 https://github.com/sebarzi/interview_scheduler/blob/master/questions_part_one.md