很全面的Python重点知识总结，建议收藏！
发布时间：2021-11-06 03:09:14 所属栏目：编程 来源：互联网
导读：这是一份来自于 SegmentFault 上的开发者 @二十一 总结的 Python 重点。由于总结了太多的东西，所以篇幅有点长，这也是作者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
|
这是一份来自于 SegmentFault 上的开发者 @二十一 总结的 Python 重点。由于总结了太多的东西，所以篇幅有点长，这也是作者"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 不同枚举类间不能进行比较 同一枚举类间只能进行相等的比较 枚举类的使用(编号默认从1开始) 为了避免枚举类中相同枚举值的出现，可以使用@unique装饰枚举类 #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.YELLOWnCOLOR.BLACKnCOLOR.REDn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:YELLOWnGREENnBLACKnRED #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 fnmatch(string,"*.txt") #win下不区分大小写 fnmatch根据系统决定 fnmatchcase完全区分大小写 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")) contextlib @contextlib.contextmanager使生成器函数变成一个上下文管理器 types(包含了标准解释器定义的所有类型的类型对象,可以将生成器函数修饰为异步模式) import types types.coroutine #相当于实现了__await__ html(实现对html的转义) 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(创建进程池和线程池) 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 selector(封装select,用户多路复用io编程) asyncio 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: datadata=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 进程间通信： Manager(内置了好多数据结构，可以实现多进程间内存共享) 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) Pipe(适用于两个进程) 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() Queue(不能用于进程池,进程池间通信需要使用Manager().Queue()) 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() 进程池 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() sys模块几个常用方法 argv 命令行参数list,第一个是程序本身的路径 path 返回模块的搜索路径 modules.keys() 返回已经导入的所有模块的列表 exit(0) 退出程序 a in s or b in s or c in s简写 采用any方式：all() 对于任何可迭代对象为空都会返回True # 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 [u4E00-u9FA5]匹配中文文字区间[一到龥] 查看系统默认编码格式 import sys sys.getdefaultencoding() # setdefaultencodeing()设置系统编码方式 getattr VS getattribute 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 类变量是不会存入实例__dict__中的，只会存在于类的__dict__中 globals/locals(可以变相操作代码) globals中保存了当前模块中所有的变量属性与值 locals中保存了当前环境中的所有变量属性与值 python变量名的解析机制(LEGB) 本地作用域(Local) 当前作用域被嵌入的本地作用域(Enclosing locals) 全局/模块作用域(Global) 内置作用域(Built-in) 实现从1-100每三个为一组分组 print([[x for x in range(1,101)][i:i+3] for i in range(0,100,3)]) 什么是元类？ 即创建类的类，创建类的时候只需要将metaclass=元类，元类需要继承type而不是object,因为type就是元类 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)？ Python在使用传入参数的过程中不会默认判断参数类型，只要参数具备执行条件就可以执行 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 一般测试类继承模块unittest下的TestCase pytest模块快捷测试(方法以test_开头/测试文件以test_开头/测试类以Test开头，并且不能带有 init 方法) coverage统计测试覆盖率 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 gil会根据执行的字节码行数以及时间片释放gil，gil在遇到io的操作时候主动释放 什么是monkey patch? 猴子补丁，在运行的时候替换掉会阻塞的语法修改为非阻塞的方法 什么是自省(Introspection)？ 运行时判断一个对象的类型的能力，id,type,isinstance python是值传递还是引用传递？ 都不是，python是共享传参，默认参数在执行时只会执行一次 try-except-else-finally中else和finally的区别 else在不发生异常的时候执行，finally无论是否发生异常都会执行 except一次可以捕获多个异常，但一般为了对不同异常进行不同处理，我们分次捕获处理 GIL全局解释器锁 同一时间只能有一个线程执行，CPython(IPython)的特点，其他解释器不存在 cpu密集型：多进程+进程池 io密集型：多线程/协程 什么是Cython 将python解释成C代码工具 生成器和迭代器 可迭代对象只需要实现__iter__方法 实现__next__和__iter__方法的对象就是迭代器 使用生成器表达式或者yield的生成器函数(生成器是一种特殊的迭代器) 什么是协程 yield async-awiat 比线程更轻量的多任务方式 实现方式 dict底层结构 为了支持快速查找使用了哈希表作为底层结构 哈希表平均查找时间复杂度为o(1) CPython解释器使用二次探查解决哈希冲突问题 Hash扩容和Hash冲突解决方案 链接法 二次探查(开放寻址法)：python使用 循环复制到新空间实现扩容 冲突解决： 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 判断是否为生成器或者协程 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 斐波那契解决的问题及变形 #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, bb = 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) 获取电脑设置的环境变量 import os os.getenv(env_name,None)#获取环境变量如果不存在为None 垃圾回收机制 引用计数 标记清除 分代回收 #查看分代回收触发 import gc gc.get_threshold() #output:(700, 10, 10) True和False在代码中完全等价于1和0,可以直接和数字进行计算，inf表示无穷大 C10M/C10K C10M:8核心cpu，64G内存，在10gbps的网络上保持1000万并发连接 C10K：1GHz CPU,2G内存，1gbps网络环境下保持1万个客户端提供FTP服务 yield from与yield的区别： yield from跟的是一个可迭代对象，而yield后面没有限制 GeneratorExit生成器停止时触发 单下划线的几种使用 在定义变量时，表示为私有变量 在解包时，表示舍弃无用的数据 在交互模式中表示上一次代码执行结果 可以做数字的拼接(111_222_333) 使用break就不会执行else 10进制转2进制 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 memoryview与bytearray$color{#000}(不常用，只是看到了记载一下)$ # 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 Ellipsis类型 # 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,[…]] lazy惰性计算 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 遍历文件，传入一个文件夹，将里面所有文件的路径打印出来(递归) 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 文件存储时，文件名的处理 #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 xfcmlxe4uts.txt') # output:i_contain_cool_umlauts.txt 日期格式化 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()) tuple使用+=奇怪的问题 # 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appendextend方法并不会报错，并可以成功执行 __missing__你应该知道 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 +与+= # +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 如何将一个可迭代对象的每个元素变成一个字典的所有键？ dict.fromkeys(['jim','han'],21) # output:{'jim': 21, 'han': 21} wireshark抓包软件 网络知识 什么是HTTPS? 安全的HTTP协议，https需要cs证书，数据加密，端口为443，安全，同一网站https seo排名会更高 常见响应状态码 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 //请求缓存资源 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 http请求方法的幂等性及安全性 WSGI # 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 TCP:面向连接/可靠/基于字节流 UDP:无连接/不可靠/面向报文 三次握手四次挥手 三次握手(SYN/SYN+ACK/ACK) 四次挥手(FIN/ACK/FIN/ACK) 为什么连接的时候是三次握手，关闭的时候却是四次握手？ 因为当Server端收到Client端的SYN连接请求报文后，可以直接发送SYN+ACK报文。其中ACK报文是用来应答的，SYN报文是用来同步的。但是关闭连接时，当Server端收到FIN报文时，很可能并不会立即关闭SOCKET，所以只能先回复一个ACK报文，告诉Client端，"你发的FIN报文我收到了"。只有等到我Server端所有的报文都发送完了，我才能发送FIN报文，因此不能一起发送。故需要四步握手。 为什么TIME_WAIT状态需要经过2MSL(最大报文段生存时间)才能返回到CLOSE状态？ 虽然按道理，四个报文都发送完毕，我们可以直接进入CLOSE状态了，但是我们必须假象网络是不可靠的，有可以最后一个ACK丢失。所以TIME_WAIT状态就是用来重发可能丢失的ACK报文。 XSS/CSRF HttpOnly禁止js脚本访问和操作Cookie,可以有效防止XSS MySQL 索引改进过程 线性结构->二分查找->hash->二叉查找树->平衡二叉树->多路查找树->多路平衡查找树(B-Tree) 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://ningning.today/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 出现隐式类型转换 没有满足最左前缀原则 对于多列索引，不是使用的第一部分，则不会使用索引 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: 不要在 where 子句中的 “=” 左边进行函数、算术运算或其他表达式运算，否则系统将可能无法正确使用索引 应尽量避免在 where 子句中对字段进行表达式操作，这将导致引擎放弃使用索引而进行全表扫描 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 B+Tree叶子节点保存的是数据还是指针 MyISAM索引和数据分离，使用非聚集 InnoDB数据文件就是索引文件，主键索引就是聚集索引 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 因为Redis是基于内存的操作，CPU不是Redis的瓶颈，Redis的瓶颈最有可能是机器内存的大小或者网络带宽。既然单线程容易实现，而且CPU不会成为瓶颈，那就顺理成章地采用单线程的方案了（毕竟采用多线程会有很多麻烦！）。 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 RDB(快照) save(同步，可以保证数据一致性) bgsave(异步，shutdown时，无AOF则默认使用) AOF(追加日志) 怎么实现队列 push rpop 常用的数据类型(Bitmaps,Hyperloglogs,范围查询等不常用) String(字符串):计数器 整数或sds(Simple Dynamic String) List(列表)：用户的关注，粉丝列表 ziplist(连续内存块，每个entry节点头部保存前后节点长度信息实现双向链表功能)或double linked list Hash(哈希)： Set(集合)：用户的关注者 intset或hashtable Zset(有序集合)：实时信息排行榜 skiplist(跳跃表) 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 缓存雪崩 短时间内缓存数据过期，大量请求访问数据库 缓存穿透 请求访问数据时，查询缓存中不存在，数据库中也不存在 缓存预热 初始化项目，将部分常用数据加入缓存 缓存更新 数据过期，进行更新缓存数据 缓存降级 当访问量剧增、服务出现问题（如响应时间慢或不响应）或非核心服务影响到核心流程的性能时，仍然需要保证服务还是可用的，即使是有损服务。系统可以根据一些关键数据进行自动降级，也可以配置开关实现人工降级 一致性Hash算法 使用集群的时候保证数据的一致性 基于redis实现一个分布式锁，要求一个超时的参数 setnx 虚拟内存 内存抖动 Linux Unix五种i/o模型 阻塞io 非阻塞io 多路复用io(Python下使用selectot实现io多路复用) select 并发不高，连接数很活跃的情况下 poll 比select提高的并不多 epoll 适用于连接数量较多，但活动链接数少的情况 信号驱动io 异步io(Gevent/Asyncio实现异步) 比man更好使用的命令手册 tldr:一个有命令示例的手册 kill -9和-15的区别 -15：程序立刻停止/当程序释放相应资源后再停止/程序可能仍然继续运行 -9：由于-15的不确定性，所以直接使用-9立即杀死进程 分页机制（逻辑地址和物理地址分离的内存分配管理方案）： 操作系统为了高效管理内存，减少碎片 程序的逻辑地址划分为固定大小的页 物理地址划分为同样大小的帧 通过页表对应逻辑地址和物理地址 分段机制 为了满足代码的一些逻辑需求 数据共享/数据保护/动态链接 每个段内部连续内存分配，段和段之间是离散分配的 查看cpu内存使用情况？ top free 查看可用内存，排查内存泄漏问题 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, lenlen_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InnoDB表的数据写入顺序能和B+树索引的叶子节点顺序一致的话，这时候存取效率是最高的。为了存储和查询性能应该使用自增长id做主键。 对于InnoDB的主索引，数据会按照主键进行排序，由于UUID的无序性，InnoDB会产生巨大的IO压力，此时不适合使用UUID做物理主键，可以把它作为逻辑主键，物理主键依然使用自增ID。为了全局的唯一性，应该用uuid做索引关联其他表或做外键 如果是分布式系统下我们怎么生成数据库的自增id呢？ 使用redis 基于redis实现一个分布式锁，要求一个超时的参数 setnx setnx + expire 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? 使用hash一致算法 缓存算法 LRU(least-recently-used):替换最近最少使用的对象 LFU(Least frequently used):最不经常使用，如果一个数据在最近一段时间内使用次数很少，那么在将来一段时间内被使用的可能性也很小 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 slow_query_log_file开启并且查询慢查询日志 通过explain排查索引问题 调整数据修改索引 批量操作，从而减少io操作 使用NoSQL:比如Redis 网络io 批量操作 pipeline 缓存 Redis 异步 Asyncio实现异步操作 使用Celery减少io阻塞 并发 多线程 Gevent （编辑：厦门网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐
热点阅读