来源:二十一 链接: https://segmentfault.com/a/1190000018737045
由于总结了太多的东西,所以篇幅有点长,这也是我'缝缝补补'总结了好久的东西。 Py2 VS Py3 print成为了函数,python2是关键字 不再有unicode对象,默认str就是unicode python3除号返回浮点数 没有了long类型 xrange不存在,range替代了xrange 可以使用中文定义函数名变量名 高级解包 和*解包 限定关键字参数 *后的变量必须加入名字=值 raise from iteritems移除变成items() yield from 链接子生成器 asyncio,async/await原生协程支持异步编程 新增enum,mock,ipaddress,concurrent.futures,asyncio urllib,selector
#枚举的注意事项 from enum import Enum
class COLOR(Enum): YELLOW=1 #YELLOW=2#会报错 GREEN=1#不会报错,GREEN可以看作是YELLOW的别名 BLACK=3 RED=4 print(COLOR.GREEN)#COLOR.YELLOW,还是会打印出YELLOW for i in COLOR:#遍历一下COLOR并不会有GREEN print(i) #COLOR.YELLOW\nCOLOR.BLACK\nCOLOR.RED\n怎么把别名遍历出来 for i in COLOR.__members__.items(): print(i) # output:('YELLOW', <COLOR.YELLOW: 1>)\n('GREEN', <COLOR.YELLOW: 1>)\n('BLACK', <COLOR.BLACK: 3>)\n('RED', <COLOR.RED: 4>) for i in COLOR.__members__: print(i) # output:YELLOW\nGREEN\nBLACK\nRED
#枚举转换 #最好在数据库存取使用枚举的数值而不是使用标签名字字符串 #在代码里面使用枚举类 a=1 print(COLOR(a))# output:COLOR.YELLOW
py2/3转换工具 six模块:兼容pyton2和pyton3的模块 2to3工具:改变代码语法版本 __future__:使用下一版本的功能
常用的库 必须知道的collections https://segmentfault.com/a/1190000017385799
python排序操作及heapq模块 https://segmentfault.com/a/1190000017383322
itertools模块超实用方法 https://segmentfault.com/a/1190000017416590
不常用但很重要的库 dis(代码字节码分析) inspect(生成器状态) cProfile(性能分析) bisect(维护有序列表) fnmatch timeit(代码执行时间)
def isLen(strString): #还是应该使用三元表达式,更快 return True if len(strString)>6 else False
def isLen1(strString): #这里注意false和true的位置 return [False,True][len(strString)>6] import timeit print(timeit.timeit('isLen1('5fsdfsdfsaf')',setup='from __main__ import isLen1'))
print(timeit.timeit('isLen('5fsdfsdfsaf')',setup='from __main__ import isLen'))
import types types.coroutine #相当于实现了__await__
import html html.escape('<h1>I'm Jim</h1>') # output:'<h1>I'm Jim</h1>' html.unescape('<h1>I'm Jim</h1>') # <h1>I'm Jim</h1>
mock(解决测试依赖) concurrent(创建进程池河线程池)
from concurrent.futures import ThreadPoolExecutor
pool = ThreadPoolExecutor() task = pool.submit(函数名,(参数)) #此方法不会阻塞,会立即返回 task.done()#查看任务执行是否完成 task.result()#阻塞的方法,查看任务返回值 task.cancel()#取消未执行的任务,返回True或False,取消成功返回True task.add_done_callback()#回调函数 task.running()#是否正在执行 task就是一个Future对象
for data in pool.map(函数,参数列表):#返回已经完成的任务结果列表,根据参数顺序执行 print(返回任务完成得执行结果data)
from concurrent.futures import as_completed as_completed(任务列表)#返回已经完成的任务列表,完成一个执行一个
wait(任务列表,return_when=条件)#根据条件进行阻塞主线程,有四个条件
future=asyncio.ensure_future(协程) 等于后面的方式 future=loop.create_task(协程) future.add_done_callback()添加一个完成后的回调函数 loop.run_until_complete(future) future.result()查看写成返回结果
asyncio.wait()接受一个可迭代的协程对象 asynicio.gather(*可迭代对象,*可迭代对象) 两者结果相同,但gather可以批量取消,gather对象.cancel()
一个线程中只有一个loop
在loop.stop时一定要loop.run_forever()否则会报错 loop.run_forever()可以执行非协程 最后执行finally模块中 loop.close()
asyncio.Task.all_tasks()拿到所有任务 然后依次迭代并使用任务.cancel()取消
偏函数partial(函数,参数)把函数包装成另一个函数名 其参数必须放在定义函数的前面
loop.call_soon(函数,参数) call_soon_threadsafe()线程安全 loop.call_later(时间,函数,参数) 在同一代码块中call_soon优先执行,然后多个later根据时间的升序进行执行
如果非要运行有阻塞的代码 使用loop.run_in_executor(executor,函数,参数)包装成一个多线程,然后放入到一个task列表中,通过wait(task列表)来运行
通过asyncio实现http reader,writer=await asyncio.open_connection(host,port) writer.writer()发送请求 async for data in reader: data=data.decode('utf-8') list.append(data) 然后list中存储的就是html
as_completed(tasks)完成一个返回一个,返回的是一个可迭代对象
协程锁 async with Lock():
Python进阶 from multiprocessing import Manager,Process def add_data(p_dict, key, value): p_dict[key] = value
if __name__ == '__main__': progress_dict = Manager().dict() from queue import PriorityQueue
first_progress = Process(target=add_data, args=(progress_dict, 'bobby1', 22)) second_progress = Process(target=add_data, args=(progress_dict, 'bobby2', 23))
first_progress.start() second_progress.start() first_progress.join() second_progress.join()
print(progress_dict)
from multiprocessing import Pipe,Process #pipe的性能高于queue def producer(pipe): pipe.send('bobby')
def consumer(pipe): print(pipe.recv())
if __name__ == '__main__': recevie_pipe, send_pipe = Pipe() #pipe只能适用于两个进程 my_producer= Process(target=producer, args=(send_pipe, )) my_consumer = Process(target=consumer, args=(recevie_pipe,))
my_producer.start() my_consumer.start() my_producer.join() my_consumer.join()
from multiprocessing import Queue,Process def producer(queue): queue.put('a') time.sleep(2)
def consumer(queue): time.sleep(2) data = queue.get() print(data)
if __name__ == '__main__': queue = Queue(10) my_producer = Process(target=producer, args=(queue,)) my_consumer = Process(target=consumer, args=(queue,)) my_producer.start() my_consumer.start() my_producer.join() my_consumer.join()
def producer(queue): queue.put('a') time.sleep(2)
def consumer(queue): time.sleep(2) data = queue.get() print(data)
if __name__ == '__main__': queue = Manager().Queue(10) pool = Pool(2)
pool.apply_async(producer, args=(queue,)) pool.apply_async(consumer, args=(queue,))
pool.close() pool.join()
# 方法一 True in [i in s for i in [a,b,c]] # 方法二 any(i in s for i in [a,b,c]) # 方法三 list(filter(lambda x:x in s,[a,b,c]))
set集合运用 {1,2}.issubset({1,2,3})#判断是否是其子集 {1,2,3}.issuperset({1,2}) {}.isdisjoint({})#判断两个set交集是否为空,是空集则为True
代码中中文匹配 查看系统默认编码格式
import sys sys.getdefaultencoding() # setdefaultencodeing()设置系统编码方式
class A(dict): def __getattr__(self,value):#当访问属性不存在的时候返回 return 2 def __getattribute__(self,item):#屏蔽所有的元素访问 return item
print([[x for x in range(1,101)][i:i+3] for i in range(0,100,3)])
type.__bases__ #(<class 'object'>,) object.__bases__ #() type(object) #<class 'type'>
class Yuan(type): def __new__(cls,name,base,attr,*args,**kwargs): return type(name,base,attr,*args,**kwargs) class MyClass(metaclass=Yuan): pass
什么是鸭子类型(即:多态)? 深拷贝和浅拷贝 深拷贝拷贝内容,浅拷贝拷贝地址(增加引用计数) copy模块实现神拷贝
单元测试
class MyTest(unittest.TestCase): def tearDown(self):# 每个测试用例执行前执行 print('本方法开始测试了')
def setUp(self):# 每个测试用例执行之前做操作 print('本方法测试结束')
@classmethod def tearDownClass(self):# 必须使用 @ classmethod装饰器, 所有test运行完后运行一次 print('开始测试') @classmethod def setUpClass(self):# 必须使用@classmethod 装饰器,所有test运行前运行一次 print('结束测试')
def test_a_run(self): self.assertEqual(1, 1) # 测试用例
for gevent import monkey monkey.patch_all() #将代码中所有的阻塞方法都进行修改,可以指定具体要修改的方法
co_flags = func.__code__.co_flags
# 检查是否是协程 if co_flags & 0x180: return func
# 检查是否是生成器 if co_flags & 0x20: return func
#一只青蛙一次可以跳上1级台阶,也可以跳上2级。求该青蛙跳上一个n级的台阶总共有多少种跳法。 #请问用n个2*1的小矩形无重叠地覆盖一个2*n的大矩形,总共有多少种方法? #方式一: fib = lambda n: n if n <= 2 else fib(n - 1) + fib(n - 2) #方式二: def fib(n): a, b = 0, 1 for _ in range(n): a, b = b, a + b return b
#一只青蛙一次可以跳上1级台阶,也可以跳上2级……它也可以跳上n级。求该青蛙跳上一个n级的台阶总共有多少种跳法。 fib = lambda n: n if n < 2 else 2 * fib(n - 1)
import os os.getenv(env_name,None)#获取环境变量如果不存在为None
#查看分代回收触发 import gc gc.get_threshold() #output:(700, 10, 10)
def conver_bin(num): if num == 0: return num re = [] while num: num, rem = divmod(num,2) re.append(str(rem)) return ''.join(reversed(re)) conver_bin(10)
list1 = ['A', 'B', 'C', 'D'] 如何才能得到以list中元素命名的新列表 A=[],B=[],C=[],D=[]呢
list1 = ['A', 'B', 'C', 'D']
# 方法一 for i in list1: globals()[i] = [] # 可以用于实现python版反射
# 方法二 for i in list1: exec(f'{i} = []') # exec执行字符串语句
# bytearray是可变的,bytes是不可变的,memoryview不会产生新切片和对象 a = 'aaaaaa' ma = memoryview(a) ma.readonly # 只读的memoryview mb = ma[:2] # 不会产生新的字符串
a = bytearray('aaaaaa') ma = memoryview(a) ma.readonly # 可写的memoryview mb = ma[:2] # 不会会产生新的bytearray mb[:2] = 'bb' # 对mb的改动就是对ma的改动
# 代码中出现...省略号的现象就是一个Ellipsis对象 L = [1,2,3] L.append(L) print(L) # output:[1,2,3,[…]]
class lazy(object): def __init__(self, func): self.func = func
def __get__(self, instance, cls): val = self.func(instance) #其相当于执行的area(c),c为下面的Circle对象 setattr(instance, self.func.__name__, val) return val`
class Circle(object): def __init__(self, radius): self.radius = radius
@lazy def area(self): print('evalute') return 3.14 * self.radius ** 2
all_files = [] def getAllFiles(directory_path): import os for sChild in os.listdir(directory_path): sChildPath = os.path.join(directory_path,sChild) if os.path.isdir(sChildPath): getAllFiles(sChildPath) else: all_files.append(sChildPath) return all_files
#secure_filename将字符串转化为安全的文件名 from werkzeug import secure_filename secure_filename('My cool movie.mov') # output:My_cool_movie.mov secure_filename('../../../etc/passwd') # output:etc_passwd secure_filename(u'i contain cool \xfcml\xe4uts.txt') # output:i_contain_cool_umlauts.txt
from datetime import datetime
datetime.now().strftime('%Y-%m-%d')
import time #这里只有localtime可以被格式化,time是不能格式化的 time.strftime('%Y-%m-%d',time.localtime())
# 会报错,但是tuple的值会改变,因为t[1]id没有发生变化 t=(1,[2,3]) t[1]+=[4,5] # t[1]使用append\extend方法并不会报错,并可以成功执行
class Mydict(dict): def __missing__(self,key): # 当Mydict使用切片访问属性不存在的时候返回的值 return key
# +不能用来连接列表和元祖,而+=可以(通过iadd实现,内部实现方式为extends(),所以可以增加元组),+会创建新对象 #不可变对象没有__iadd__方法,所以直接使用的是__add__方法,因此元祖可以使用+=进行元祖之间的相加
dict.fromkeys(['jim','han'],21) # output:{'jim': 21, 'han': 21}
网络知识 204 No Content //请求成功处理,没有实体的主体返回,一般用来表示删除成功 206 Partial Content //Get范围请求已成功处理 303 See Other //临时重定向,期望使用get定向获取 304 Not Modified //求情缓存资源 307 Temporary Redirect //临时重定向,Post不会变成Get 401 Unauthorized //认证失败 403 Forbidden //资源请求被拒绝 400 //请求参数错误 201 //添加或更改成功 503 //服务器维护或者超负载
# environ:一个包含所有HTTP请求信息的dict对象 # start_response:一个发送HTTP响应的函数 def application(environ, start_response): start_response('200 OK', [('Content-Type', 'text/html')]) return '<h1>Hello, web!</h1>'
RPC CDN SSL(Secure Sockets Layer 安全套接层),及其继任者传输层安全(Transport Layer Security,TLS)是为网络通信提供安全及数据完整性的一种安全协议。 SSH(安全外壳协议) 为 Secure Shell 的缩写,由 IETF 的网络小组(Network Working Group)所制定;SSH 为建立在应用层基础上的安全协议。SSH 是目前较可靠,专为远程登录会话和其他网络服务提供安全性的协议。利用 SSH 协议可以有效防止远程管理过程中的信息泄露问题。SSH最初是UNIX系统上的一个程序,后来又迅速扩展到其他操作平台。SSH在正确使用时可弥补网络中的漏洞。SSH客户端适用于多种平台。几乎所有UNIX平台—包括HP-UX、Linux、AIX、Solaris、Digital UNIX、Irix,以及其他平台,都可运行SSH。 TCP/IP XSS/CSRF
Mysql 索引改进过程 Mysql面试总结基础篇 https://segmentfault.com/a/1190000018371218
Mysql面试总结进阶篇 https://segmentfault.com/a/1190000018380324
深入浅出Mysql http:///2017/02/13/database/深入浅出mysql/
清空整个表时,InnoDB是一行一行的删除,而MyISAM则会从新删除建表 text/blob数据类型不能有默认值,查询时不存在大小写转换 什么时候索引失效 以%开头的like模糊查询 出现隐士类型转换 没有满足最左前缀原则 失效场景: 应尽量避免在 where 子句中使用 != 或 <> 操作符,否则引擎将放弃使用索引而进行全表扫描 尽量避免在 where 子句中使用 or 来连接条件,否则将导致引擎放弃使用索引而进行全表扫描,即使其中有条件带索引也不会使用,这也是为什么尽量少用 or 的原因 如果列类型是字符串,那一定要在条件中将数据使用引号引用起来,否则不会使用索引 应尽量避免在 where 子句中对字段进行函数操作,这将导致引擎放弃使用索引而进行全表扫描
例如: select id from t where substring(name,1,3) = 'abc' – name; 以abc开头的,应改成: select id from t where name like 'abc%' 例如: select id from t where datediff(day, createdate, '2005-11-30') = 0 – '2005-11-30'; 应改为:
如: select id from t where num/2 = 100 应改为: select id from t where num = 100*2;
不适合键值较少的列(重复数据较多的列)比如:set enum列就不适合(枚举类型(enum)可以添加null,并且默认的值会自动过滤空格集合(set)和枚举类似,但只可以添加64个值) 如果MySQL估计使用全表扫描要比使用索引快,则不使用索引
什么是聚集索引
Redis命令总结 为什么这么快? 基于内存,由C语言编写 使用多路I/O复用模型,非阻塞IO 使用单线程减少线程间切换 数据结构简单 自己构建了VM机制,减少调用系统函数的时间
优势 性能高 – Redis能读的速度是110000次/s,写的速度是81000次/s 丰富的数据类型 原子 – Redis的所有操作都是原子性的,同时Redis还支持对几个操作全并后的原子性执行 丰富的特性 – Redis还支持 publish/subscribe(发布/订阅), 通知, key 过期等等特性
什么是redis事务? 将多个请求打包,一次性、按序执行多个命令的机制 通过multi,exec,watch等命令实现事务功能 Python redis-py pipeline=conn.pipeline(transaction=True)
持久化方式 怎么实现队列 常用的数据类型(Bitmaps,Hyperloglogs,范围查询等不常用) String(字符串):计数器 List(列表):用户的关注,粉丝列表 Hash(哈希): Set(集合):用户的关注者 Zset(有序集合):实时信息排行榜
与Memcached区别 Memcached只能存储字符串键 Memcached用户只能通过APPEND的方式将数据添加到已有的字符串的末尾,并将这个字符串当做列表来使用。但是在删除这些元素的时候,Memcached采用的是通过黑名单的方式来隐藏列表里的元素,从而避免了对元素的读取、更新、删除等操作 Redis和Memcached都是将数据存放在内存中,都是内存数据库。不过Memcached还可用于缓存其他东西,例如图片、视频等等 虚拟内存–Redis当物理内存用完时,可以将一些很久没用到的Value 交换到磁盘 存储数据安全–Memcached挂掉后,数据没了;Redis可以定期保存到磁盘(持久化) 应用场景不一样:Redis出来作为NoSQL数据库使用外,还能用做消息队列、数据堆栈和数据缓存等;Memcached适合于缓存SQL语句、数据集、用户临时性数据、延迟查询数据和Session等
Redis实现分布式锁 使用setnx实现加锁,可以同时通过expire添加超时时间 锁的value值可以是一个随机的uuid或者特定的命名 释放锁的时候,通过uuid判断是否是该锁,是则执行delete释放锁
常见问题 一致性Hash算法 基于redis实现一个分布式锁,要求一个超时的参数 虚拟内存 内存抖动
Linux 设计模式 单例模式 # 方式一 def Single(cls,*args,**kwargs): instances = {} def get_instance (*args, **kwargs): if cls not in instances: instances[cls] = cls(*args, **kwargs) return instances[cls] return get_instance @Single class B: pass # 方式二 class Single: def __init__(self): print('单例模式实现方式二。。。')
single = Single() del Single # 每次调用single就可以了 # 方式三(最常用的方式) class Single: def __new__(cls,*args,**kwargs): if not hasattr(cls,'_instance'): cls._instance = super().__new__(cls,*args,**kwargs) return cls._instance
工厂模式 class Dog: def __init__(self): print('Wang Wang Wang') class Cat: def __init__(self): print('Miao Miao Miao')
def fac(animal): if animal.lower() == 'dog': return Dog() if animal.lower() == 'cat': return Cat() print('对不起,必须是:dog,cat')
构造模式 class Computer: def __init__(self,serial_number): self.serial_number = serial_number self.memory = None self.hadd = None self.gpu = None def __str__(self): info = (f'Memory:{self.memoryGB}', 'Hard Disk:{self.hadd}GB', 'Graphics Card:{self.gpu}') return ''.join(info) class ComputerBuilder: def __init__(self): self.computer = Computer('Jim1996') def configure_memory(self,amount): self.computer.memory = amount return self #为了方便链式调用 def configure_hdd(self,amount): pass def configure_gpu(self,gpu_model): pass class HardwareEngineer: def __init__(self): self.builder = None def construct_computer(self,memory,hdd,gpu) self.builder = ComputerBuilder() self.builder.configure_memory(memory).configure_hdd(hdd).configure_gpu(gpu) @property def computer(self): return self.builder.computer
数据结构和算法内置数据结构和算法 python实现各种数据结构 快速排序 def quick_sort(_list): if len(_list) < 2: return _list pivot_index = 0 pivot = _list(pivot_index) left_list = [i for i in _list[:pivot_index] if i < pivot] right_list = [i for i in _list[pivot_index:] if i > pivot] return quick_sort(left) + [pivot] + quick_sort(right)
选择排序 def select_sort(seq): n = len(seq) for i in range(n-1) min_idx = i for j in range(i+1,n): if seq[j] < seq[min_inx]: min_idx = j if min_idx != i: seq[i], seq[min_idx] = seq[min_idx],seq[i]
插入排序 def insertion_sort(_list): n = len(_list) for i in range(1,n): value = _list[i] pos = i while pos > 0 and value < _list[pos - 1] _list[pos] = _list[pos - 1] pos -= 1 _list[pos] = value print(sql)
归并排序 def merge_sorted_list(_list1,_list2): #合并有序列表 len_a, len_b = len(_list1),len(_list2) a = b = 0 sort = [] while len_a > a and len_b > b: if _list1[a] > _list2[b]: sort.append(_list2[b]) b += 1 else: sort.append(_list1[a]) a += 1 if len_a > a: sort.append(_list1[a:]) if len_b > b: sort.append(_list2[b:]) return sort
def merge_sort(_list): if len(list1)<2: return list1 else: mid = int(len(list1)/2) left = mergesort(list1[:mid]) right = mergesort(list1[mid:]) return merge_sorted_list(left,right)
堆排序heapq模块 from heapq import nsmallest def heap_sort(_list): return nsmallest(len(_list),_list)
栈 from collections import deque class Stack: def __init__(self): self.s = deque() def peek(self): p = self.pop() self.push(p) return p def push(self, el): self.s.append(el) def pop(self): return self.pop()
队列 from collections import deque class Queue: def __init__(self): self.s = deque() def push(self, el): self.s.append(el) def pop(self): return self.popleft()
二分查找 def binary_search(_list,num): mid = len(_list)//2 if len(_list) < 1: return Flase if num > _list[mid]: BinarySearch(_list[mid:],num) elif num < _list[mid]: BinarySearch(_list[:mid],num) else: return _list.index(num)
面试加强题: 关于数据库优化及设计 https://segmentfault.com/a/1190000018426586 如何使用两个栈实现一个队列 反转链表 合并两个有序链表 删除链表节点 反转二叉树 设计短网址服务?62进制实现 设计一个秒杀系统(feed流)? https://www.jianshu.com/p/ea0259d109f9
为什么mysql数据库的主键使用自增的整数比较好?使用uuid可以吗?为什么? 如果是分布式系统下我们怎么生成数据库的自增id呢? 基于redis实现一个分布式锁,要求一个超时的参数 如果redis单个节点宕机了,如何处理?还有其他业界的方案实现分布式锁码?
缓存算法 服务端性能优化方向 使用数据结构和算法 数据库 索引优化 慢查询消除 批量操作,从而减少io操作 使用NoSQL:比如Redis
网络io 缓存 异步 Asyncio实现异步操作 使用Celery减少io阻塞
并发
(完) 看完本文有收获?请转发分享给更多人
|