百度校园招聘产品经理笔试题

【简介】感谢网友“bʌɡ”参与投稿，以下是小编为大家准备的百度校园招聘产品经理笔试题（共12篇），欢迎大家前来参阅。

篇1：百度产品经理笔试题

1.请分别给出世界杯开赛前、开赛期间、开赛后，“世界杯”这个关键词下的用户主需求，以及网页搜索结果展现页面。(50分)(如果对世界杯不熟悉，可用一个热门电影代替)

2.请设计一款百度地图和大数据相结合的产品，产品形态不限。(50分)注：需要说清楚包括但不限于一下内容：产品的功能，产品的主要界面框架图，产品的价值。产品形态可以是仪的独立产品，或一个承载于百度地图产品的模块等。

篇2：百度产品经理笔试题

1.从用户需求角度出发，设计“中国好声音”query的搜索结果页面，并详细说明你的设计思路。【50分】

2.一个社区有A、B……Z共26个社区，每个社区有100位居民，每个居民有独一无二的身份编码，如：

A社区：A001、A002……A100

B社区：B001、B002……B100

……

Z社区：Z001、Z002……Z100

在距离社区5个公交站远处有一个 百度广场，提供吃喝玩乐等一条龙服务。现百度广场拟开展促销活动，如“发放积分券”等。对这个社区居民一个月来的出行活动进行调查得到以下【一种】出行信息：

①出门→②坐公交车→③在百度广场逛街→④在百度广场吃饭→⑤在百度广场唱歌→⑥在百度广场看电影→⑦……【后面的我忘记了抱歉】

其中：② 该社区公交站只有888路公交直达百度广场，还有其他公交路，、路等到达别的娱乐休闲场所，顾客可能乘坐888路到百度广场，也可能乘坐其他路线去别处;③④⑤⑥ 四项消费的消费金额都有记录可以查询;

④ 顾客常去的餐馆有所记录;

⑤ 顾客常点的歌曲有所记录;

⑥ 顾客常看的电影及类型有所记录;

① 顾客出门后不一定要搭公交车，可以出门在社区下个棋再回家;

③⑥④ 顾客进行各项活动的顺序不一定按上述顺序，且也不一定逛街、吃饭、唱歌和看电影都进行，可以逛街、看电影、吃饭然后直接回家。

问：1.如何确定单个居民的 生活质量(还是其他一个质量?)高低? 如何确定促销价值最大的居民群体?【20分】

篇3：百度产品经理笔试题

1、列举一款你常用的移动APP，并分析他的最核心功能、满足的需求、超预期的功能以及竞争优势和发展趋势

2、如果让你设计一款相册APP，代替系统自带的相册功能，你会怎么设计，列举主要功能。分析原生相册的不足，用户需求痛点，画出相关页面的产品原型线框图(1-3个页面即可)。并分析为什么用户要使用你这款产品

篇4：百度校园招聘笔试题

百度校园招聘笔试题

一：简答题(30)

1：数据库以及线程发生死锁的原理及必要条件，如何避免死锁

答：

产生死锁的原因主要是：

(1) 因为系统资源不足，

(2) 进程运行推进的顺序不合适。

(3) 资源分配不当等。

产生死锁的四个必要条件：

(1)互斥条件：一个资源每次只能被一个进程使用。

(2)请求与保持条件：一个进程因请求资源而阻塞时，对已获得的资源保持不放。

(3)不剥夺条件:进程已获得的资源，在末使用完之前，不能强行剥夺。

(4)循环等待条件:若干进程之间形成一种头尾相接的循环等待资源关系。

避免死锁：

死锁的预防是通过破坏产生条件来阻止死锁的产生，但这种方法破坏了系统的并行性和并发性。

死锁产生的前三个条件是死锁产生的必要条件，也就是说要产生死锁必须具备的条件，而不是存在这3个条件就一定产生死锁，那么只要在逻辑上回避了第四个条件就可以避免死锁。

避免死锁采用的是允许前三个条件存在，但通过合理的资源分配算法来确保永远不会形成环形等待的封闭进程链，从而避免死锁。该方法支持多个进程的并行执行，为了避免死锁，系统动态的确定是否分配一个资源给请求的进程。

预防死锁：具体的做法是破坏产生死锁的四个必要条件之一

2：面向对象的三个基本元素，五个基本原则

答：

三个基本元素：

封装

继承

多态

五个基本原则：

单一职责原则(Single-Resposibility Principle):一个类，最好只做一件事，只有一个引起它的变化。单一职责原则可以看做是低耦合、高内聚在面向对象原则上的引申，将职责定义为引起变化的原因，以提高内聚性来减少引起变化的原因。

开放封闭原则(Open-Closed principle):软件实体应该是可扩展的，而不可修改的。也就是，对扩展开放，对修改封闭的。

Liskov替换原则(Liskov-Substituion Principle):子类必须能够替换其基类。这一思想体现为对继承机制的约束规范，只有子类能够替换基类时，才能保证系统在运行期内识别子类，这是保证继承复用的基础。

依赖倒置原则(Dependecy-Inversion Principle):依赖于抽象。具体而言就是高层模块不依赖于底层模块，二者都同依赖于抽象;抽象不依赖于具体，具体依赖于抽象。

接口隔离原则(Interface-Segregation Principle):使用多个小的专门的接口，而不要使用一个大的总接口。

3：windows内存管理的机制以及优缺点

答：

分页存储管理基本思想：

用户程序的`地址空间被划分成若干固定大小的区域，称为“页”，相应地，内存空间分成若干个物理块，页和块的大小相等，

可将用户程序的任一页放在内存的任一块中，实现了离散分配。

分段存储管理基本思想：

将用户程序地址空间分成若干个大小不等的段，每段可以定义一组相对完整的逻辑信息。存储分配时，以段为单位，段与段在内存中可以不相邻接，也实现了离散分配。

段页式存储管理基本思想：

分页系统能有效地提高内存的利用率，而分段系统能反映程序的逻辑结构，便于段的共享与保护，将分页与分段两种存储方式结合起来，就形成了段页式存储管理方式。

在段页式存储管理系统中，作业的地址空间首先被分成若干个逻辑分段，每段都有自己的段号，然后再将每段分成若干个大小相等的页。对于主存空间也分成大小相等的页，主存的分配以页为单位。

段页式系统中，作业的地址结构包含三部分的内容：段号 页号 页内位移量

程序员按照分段系统的地址结构将地址分为段号与段内位移量，地址变换机构将段内位移量分解为页号和页内位移量。

为实现段页式存储管理，系统应为每个进程设置一个段表，包括每段的段号，该段的页表始址和页表长度。每个段有自己的页表，记录段中的每一页的页号和存放在主存中的物理块号。

二：程序设计题(40)

1：公司里面有1001个员工，现在要在公司里面找到最好的羽毛球选手，也就是第一名，每个人都必须参赛，问至少要比赛多少次才能够找到最好的羽毛球员工。

答：两两比赛，分成500组剩下一人，类似于归并排序的方式，比出冠军后，让冠军之间再比，主要是要想想多余的那一个选手如何处理，必然要在第一次决出冠军后加入比赛组。

2：现在有100个灯泡，每个灯泡都是关着的，第一趟把所有的灯泡灯泡打开，第二趟把偶数位的灯泡制反(也就是开了的关掉，关了的打开)，第三趟让第3,6,9....的灯泡制反.......第100趟让第100个灯泡制反，问经过一百趟以后有多少灯泡亮着

答：

1.对于每盏灯，拉动的次数是奇数时，灯就是亮着的，拉动的次数是偶数时，灯就是关着的。

2.每盏灯拉动的次数与它的编号所含约数的个数有关，它的编号有几个约数，这盏灯就被拉动几次。

3.1——100这100个数中有哪几个数，约数的个数是奇数。我们知道一个数的约数都是成对出现的，只有完全平方数约数的个数才是奇数个。

所以这100盏灯中有10盏灯是亮着的。

它们的编号分别是： 1、4、9、16、25、36、49、64、81、100。

3：有20个数组，每个数组有500个元素，并且是有序排列好的，现在在这20*500个数中找出排名前500的数

答：TOP-K问题，用个数为K的最小堆来解决

4. 字符串左移，void *pszStringRotate(char *pszString, intnCharsRotate),比如ABCDEFG，移3位变DEFGABC，要求空间复杂度O(1)，时间复杂度O(n)

篇5：百度校园招聘笔试题

百度校园招聘笔试题精选

一、简答题

1. 动态链接库和静态链接库的优缺点

2. 轮询任务调度和可抢占式调度有什么区别?

3. 列出数据库中常用的锁及其应用场景

二、算法设计题

1. 给定N是一个正整数，求比N大的最小“不重复数”，这里的不重复是指没有两个相等的相邻位，如1102中的11是相等的两个相邻位故不是不重复数，而12301是不重复数，

2. 设N是一个大整数，求长度为N的字符串的最长回文子串。

3. 坐标轴上从左到右依次的点为a[0]、a[1]、a[2]……a[n-1]，设一根木棒的长度为L，求L最多能覆盖坐标轴的几个点?

三、系统设计题

1. 在现代系统的设计过程中，为了减轻请求的压力，通常采用缓存技术，为了进一步提升缓存的命中率，同常采用分布是缓存方案。调度模块针对不同内容的用户请求分配给不同的缓存服务器向用户提供服务。请给出一个分布式缓存方案，满足如下要求：

1) 单台缓存服务器故障，整个分布式缓存集群，可以继续提供服务。

2)通过一定得分配策略，可以保证充分利用每个缓存服务的存储空间，及负载均衡。当部分服务器故障或系统扩容时，改分配策略可以保证较小的缓存文件重分配开销。

3)当不同缓存服务器的.存储空间存在差异时，分配策略可以满足比例分配。

下面给出我自己的一些解答，不保证100%正确，欢迎批评指正。

一、简答题1. 动态链接库和静态链接库的优缺点

解答：(1)动态链接库(Dynamic Linked Library)：Windows为应用程序提供了丰富的函数调用，这些函数调用都包含在动态链接库中。其中有3个最重要的DLL，Kernel32.dll、User32.dll和GDI32.dll。有两种使用方式：一种是静态加载，即在应用程序启动时被加载;一种是动态加载，即是该动态链接库在被使用时才被应用程序加载。优点如下：

a. 共享：多个应用程序可以使用同一个动态库，启动多个应用程序的时候，只需要将动态库加载到内存一次即可;

b. 开发模块好：要求设计者对功能划分的比较好。

缺点是不能解决引用计数等问题。

(2)静态库(Static Library)：函数和数据被编译进一个二进制文件(通常扩展名为.LIB)。在使用静态库的情况下，在编译链接可执行文件时，链接器从库中复制这些函数和数据并把它们和应用程序的其它模块组合起来创建最终的可执行文件(.EXE文件)。静态链接库作为代码的一部分，在编译时被链接。优缺点如下：

代码的装载速度快，执行速度也比较快，因为编译时它只会把你需要的那部分链接进去，应用程序相对比较大。但是如果多个应用程序使用的话，会被装载多次，浪费内存。

2. 轮询任务调度和可抢占式调度有什么区别?

解答：(1)轮询调度的原理是每一次把来自用户的请求轮流分配给内部中的服务器，从1开始，直到N(内部服务器个数)，然后重新开始循环。只有在当前任务主动放弃CPU控制权的情况下(比如任务挂起)，才允许其他任务(包括高优先级的任务)控制CPU。其优点是其简洁性，它无需记录当前所有连接的状态，所以它是一种无状态调度。但不利于后面的请求及时得到响应。

(2)抢占式调度允许高优先级的任务打断当前执行的任务，抢占CPU的控制权。这有利于后面的高优先级的任务也能及时得到响应。但实现相对较复杂且可能出现低优先级的任务长期得不到调度。

3. 列出数据库中常用的锁及其应用场景

解答：数据库中的锁是网络数据库中的一个非常重要的概念，它主要用于多用户环境下保证数据库完整性和一致性，

各种大型数据库所采用的锁的基本理论是一致的，但在具体实现上各有差别。目前，大多数数据库管理系统都或多或少具有自我调节、自我管理的功能，因此很多用户实际上不 清楚锁的理论和所用数据库中锁的具体实现。在数据库中加锁时，除了可以对不同的资源加锁，还可以使用不同程度的加锁方式，即锁有多种模式，SQL Server中锁模式包括：

1)共享锁

SQL Server中，共享锁用于所有的只读数据操作。共享锁是非独占的，允许多个并发事务读取其锁定的资源。默认情况下，数据被读取后，SQL Server立即释放共享锁。例如，执行查询“SELECT * FROM my_table”时，首先锁定第一页，读取之后，释放对第一页的锁定，然后锁定第二页。这样，就允许在读操作过程中，修改未被锁定的第一页。但是，事务 隔离级别连接选项设置和SELECT语句中的锁定设置都可以改变SQL Server的这种默认设置。例如，“ SELECT * FROM my_table HOLDLOCK”就要求在整个查询过程中，保持对表的锁定，直到查询完成才释放锁定。

2)修改锁

修 改锁在修改操作的初始化阶段用来锁定可能要被修改的资源，这样可以避免使用共享锁造成的死锁现象。因为使用共享锁时，修改数据的操作分为两步，首先获得一 个共享锁，读取数据，然后将共享锁升级为独占锁，然后再执行修改操作。这样如果同时有两个或多个事务同时对一个事务申请了共享锁，在修改数据的时候，这些 事务都要将共享锁升级为独占锁。这时，这些事务都不会释放共享锁而是一直等待对方释放，这样就造成了死锁。如果一个数据在修改前直接申请修改锁，在数据修 改的时候再升级为独占锁，就可以避免死锁。修改锁与共享锁是兼容的，也就是说一个资源用共享锁锁定后，允许再用修改锁锁定。

3)独占锁

独占锁是为修改数据而保留的。它所锁定的资源，其他事务不能读取也不能修改。独占锁不能和其他锁兼容。

4)结构锁

结构锁分为结构修改锁(Sch-M)和结构稳定锁(Sch-S)。执行表定义语言操作时，SQL Server采用Sch-M锁，编译查询时，SQL Server采用Sch-S锁。

5)意向锁

意 向锁说明SQL Server有在资源的低层获得共享锁或独占锁的意向。例如，表级的共享意向锁说明事务意图将独占锁释放到表中的页或者行。意向锁又可以分为共享意向锁、 独占意向锁和共享式独占意向锁。共享意向锁说明事务意图在共享意向锁所锁定的低层资源上放置共享锁来读取数据。独占意向锁说明事务意图在共享意向锁所锁定 的低层资源上放置独占锁来修改数据。共享式独占锁说明事务允许其他事务使用共享锁来读取顶层资源，并意图在该资源低层上放置独占锁。

6)批量修改锁

批量复制数据时使用批量修改锁。可以通过表的TabLock提示或者使用系统存储过程sp_tableoption的“table lock on bulk load”选项设定批量修改锁。

二、算法设计题1. 给定N是一个正整数，求比N大的最小“不重复数”，这里的不重复是指没有两个相等的相邻位，如1102中的11是相等的两个相邻位故不是不重复数，而12301是不重复数。

算法思想：当然最直接的方法是采用暴力法，从N+1开始逐步加1判断是否是不重复数，是就退出循环输出，这种方法一般是不可取的，例如N=11000000，你要一个个的加1要加到1101，一共循环百万次，每次都要重复判断是否是不重复数，效率极其低下，因此是不可取的。这里我采用的方法是：从N+1的最高位往右开始判断与其次高位是否相等，如果发现相等的(即为重复数)则将次高位加1，注意这里可能进位，如8921D>9021，后面的直接置为010101...形式，如1121D>1201，此时便完成“不重复数”的初步构造，但此时的“不重复数”不一定是真正的不重复的数，因为可能进位后的次高位变为0或进位后变成00，如9921D>10001，此时需要再次循环判断重新构造直至满足条件即可，这种方法循环的次数非常少，我认为不超过3次就能满足条件。

篇6：百度招聘笔试题

百度校园招聘笔试题目分享：

1、找到满足条件的数组

给定函数d(n)=n+n的各位之和，n为正整数，如d(78)=78+7+8=93，这样这个函数可以看成一个生成器，如93可以看成由78生成。

定义数A：数A找不到一个数B可以由d(B)=A，即A不能由其他数生成。现在要写程序，找出1至10000里的所有符合数A定义的数。

回答：

申请一个长度为10000的bool数组，每个元素代表对应的值是否可以有其它数生成。开始时将数组中的值都初始化为false。

由于大于10000的数的生成数必定大于10000，所以我们只需遍历1到10000中的数，计算生成数，并将bool数组中对应的值设置为true，表示这个数可以有其它数生成。

最后bool数组中值为false的位置对应的整数就是不能由其它数生成的。

2、实现一个函数，对一个正整数n，算得到1需要的最少操作次数。操作规则为：如果n为偶数，将其除以2；如果n为奇数，可以加1或减1；一直处理下去。

例子：

func(7) = 4，可以证明最少需要4次运算

n = 7

n-1 6

n/2 3

n-1 2

n/2 1

要求：实现函数(实现尽可能高效) int func(unsign int n)；n为输入，返回最小的运算次数。给出思路(文字描述)，完成代码，并分析你算法的时间复杂度。

答：

假设n表示成二进制有x bit，可以看出计算复杂度为O(2^x)，也就是O(n)。

将n转换到二进制空间来看（比如7为111，6为110）：

- 如果最后一位是0，则对应于偶数，直接进行除2操作。

- 如果最后一位是1，情况则有些复杂。

**如果最后几位是???01，则有可能为???001，???1111101。在第一种情况下，显然应该-1；在第二种情况下-1和+1最终需要的步数相同。所以在???01的情况下，应该选择-1操作。

**如果最后几位是???011，则有可能为???0011，???11111011。在第一种情况下，+1和-1最终需要的步数相同；在第二种情况下+1步数更少些。所以在???011的情况下，应该选择+1操作。

**如果最后有更多的连续1，也应该选择+1操作。

如果最后剩下的各位都是1，则有11时应该选择-1；111时+1和-1相同；1111时应选择+1；大于四个1时也应该选择+1；

由以上的分析可知，奇数的时候加1或减1，完全取决于二进制的后两位，如果后两位是10、00那么肯定是偶数，选择除以2，如果后两位是01、11，那么选择结果会不一样的，如果是*****01，那么选择减1，如果是*****11，那么选择加1，特殊情况是就是n是3的时候，选择减1操作，

3、一个大的含有50M个URL的记录，一个小的含有500个URL的记录，找出两个记录里相同的URL。

回答：

首先使用包含500个url的文件创建一个hash_set。

然后遍历50M的url记录，如果url在hash_set中，则输出此url并从hash_set中删除这个url。

所有输出的url就是两个记录里相同的url。

4、海量日志数据，提取出某日访问百度次数最多的那个IP。

回答：

如果日志文件足够的大，大到不能完全加载到内存中的话。

那么可以考虑分而治之的策略，按照IP地址的hash(IP)%1024值，将海量日志存储到1024个小文件中。每个小文件最多包含4M个IP地址。

对于每个小文件，可以构建一个IP作为key，出现次数作为value的hash_map，并记录当前出现次数最多的1个IP地址。

有了1024个小文件中的出现次数最多的IP，我们就可以轻松得到总体上出现次数最多的IP。

5、蚂蚁爬杆问题

有一根27厘米长的细木杆，在第3厘米，7厘米，11厘米，17厘米，23厘米这五个位置上各有一只蚂蚁，木杆很细，不能同时通过两只蚂蚁，开始时，蚂蚁的头朝向左还是右是任意的，他们只会朝前走或掉头，但不会后退，当两只蚂蚁相遇后，蚂蚁会同时掉头朝反方向走，假设蚂蚁们每秒钟可以走1厘米的距离。求所有蚂蚁都离开木杆的最小时间和最大时间。

答案：

两只蚂蚁相遇后，各自掉头朝相反方向走。如果我们不考虑每个蚂蚁的具体身份，这和两只蚂蚁相遇后，打个招呼继续向前走没有什么区别。

所有蚂蚁都离开木杆的最小时间为

max(min(3,27-3),min(7,27-7), min(11,27-11), min(17,27-17),min(23,27-23))=11

所有蚂蚁都离开木杆的最大时间为

max(max(3,27-3),max(7,27-7), max(11,27-11), max(17,27-17),max(23,27-23))=24

6、有10个文件，每个文件1G，每个文件的每一行都存放的是用户的query，每个文件的query都可能重复。如何按照query的频度排序？

回答：

1）读取10个文件，按照hash(query)%10的结果将query写到对应的文件中。这样我们就有了10个大小约为1G的文件。任意一个query只会出现在某个文件中。

2）对于1）中获得的10个文件，分别进行如下操作

-利用hash_map（query，query_count）来统计每个query出现的次数。

-利用堆排序算法对query按照出现次数进行排序。

-将排序好的query输出的文件中。

这样我们就获得了10个文件，每个文件中都是按频率排序好的query。

3）对2）中获得的10个文件进行归并排序，并将最终结果输出到文件中。

篇7：百度校园招聘笔试题

请列举下不同进程之间共享数据的方式(至少举出三种)。(10分)

1、文件映射(Memory-Mapped Files)能使进程把文件内容当作进程地址间一块内存那样来对待

2、共享内存(Shared Memory)实际就是文件映射的一种特殊情况

3、命名管道(Named Pipe)是服务器进程和一个或多个客户进程之间通信的单向或双向管道

4、邮件槽(Mailslots)提供进程间单向通信能力，任何进程都能建立邮件槽成为邮件槽服务器

5、剪贴板(Clipped Board)为不同应用程序之间共享不同格式数据提供了一条捷径

6、动态连接库(DLL)中的全局数据可以被调用DLL的所有进程共享

篇8：百度校园招聘笔试题

请描述下TCP和UDP的差别，并且各列举出一个上层协议。(10分)

TCP---传输控制协议,提供的是面向连接、可靠的字节流服务。当客户和服务器彼此交换数据前，必须先在双方之间建立一个TCP连接，之后才能传输数据。TCP提供超时重发，丢弃重复数据，检验数据，流量控制等功能，保证数据能从一端传到另一端。

UDP---用户数据报协议，是一个简单的面向数据报的运输层协议。UDP不提供可靠性，它只是把应用程序传给IP层的数据报发送出去，但是并不能保证它们能到达目的地。由于UDP在传输数据报前不用在客户和服务器之间建立一个连接，且没有超时重发等机制，故而传输速度很快。

经常使用“ping”命令的原理就是向对方主机发送UDP数据包，ftp等就是使用到的TCP协议

篇9：百度校园招聘笔试题

算法与程序设计

1、给出一个数据A={a_0,a_1,a_2…a_n}(其中n可变)，打印出该数值元素的所有组合。(15分)

因为题目要求n可变，所以不可能是n层for循环的方式，可以采用递归的方式来实现，每次取一个元素，在剩下元素的数组中递归，要注意递归结束的条件。

2、有这样一个数组A，大小为n，相邻元素差的绝对值都是1，如A={4,5,6,5,6,7,8,9,10,9}，现在给定数组A和目标整数t，请找到t在A中的位置。(15分)

最简单的方式是循环遍历每一个元素之后比较，找到t在A中的位置，此种方法效率最低;

改进：因为相邻元素差的绝对值都是1，那么任意两个元素相距的位置至少是两元素差的绝对值个，假设要找的元素是t，t和a(0)的差为y1=abs(t-a[0]),那么t和a[0]的距离至少是y1，再求一次差值y2=abs(t-a[y1]),t和a[y1+y2]的距离至少是y2，继续向后查找，直到相等为止，此种方法效率较前一种高

3、有一颗二叉树，定义树的高度为从根到叶子节点的最长距离，树的宽度为每层节点的最大值，树的面积定义为高度和宽度的乘积。写一个函数计算一个二叉树的面积。(15分)

广度遍历求树的宽度，深度遍历求树的高度，之后计算面积

篇10：百度校园招聘经典笔试题

简答题

1.深度神经网络目前有哪些成功的应用?简述原因。(10分)

2.列举不同进程共享数据的方式(至少三种)。(10分)

3.对于N个样本，每个样本为D维向量，采用欧式距离使用KNN做类预测。(10分)

1).给出预测时间复杂度。

2).当N很大时，有哪些方法可以降低复杂度?

3).k取值的大小对预测方差和偏差有何影响?

篇11：百度校园招聘经典笔试题

算法和程序设计

1.给出一个数据A=[a_0, a_1, a-2, ... a_n](其中n可变)，打印出该数值元素的所有组合。(15分)

2.有这样一个数组A,大小为n，相邻元素差的绝对值都是1，如A={4,5,6,5,6,7,8,9,10,9}。现在给定数组A和目标整数t，请找到t在数组中的位置。(15分)

篇12：百度校园招聘经典笔试题

关于K-means聚类算法，请回答以下问题：

1).写出将N个样本X=(x1, ... xN)聚类成k类的k_means聚类算法的优化目标;

2).描述K-means终止的常用条件;

3).以Kmeans算法为例，描述Expectation-Maximization(EM)算法的基本原理与步骤。

4).用伪代码给出基于MPI或者Hadoop的Kmeans并行算法。