all any 或 此运算符后面必须跟_好好跟大家聊聊，最全面的 Python 重点
來源：二十一? ??
鏈接：https://segmentfault.com/a/1190000018737045
由于總結了太多的東西，所以篇幅有點長，這也是我"縫縫補補"總結了好久的東西。
Py2 VS Py3
print成為了函數，python2是關鍵字
不再有unicode對象，默認str就是unicode
python3除號返回浮點數
沒有了long類型
xrange不存在，range替代了xrange
可以使用中文定義函數名變量名
高級解包 和*解包
限定關鍵字參數 *后的變量必須加入名字=值
raise from
iteritems移除變成items()
yield from 鏈接子生成器
asyncio,async/await原生協程支持異步編程
新增enum,mock,ipaddress,concurrent.futures,asyncio urllib，selector
- 不同枚舉類間不能進行比較
- 同一枚舉類間只能進行相等的比較
- 枚舉類的使用(編號默認從1開始)
- 為了避免枚舉類中相同枚舉值的出現，?可以使用@unique裝飾枚舉類
YELLOW=1#YELLOW=2#會報錯
GREEN=1#不會報錯,GREEN可以看作是YELLOW的別名
BLACK=3
RED=4
print(COLOR.GREEN)#COLOR.YELLOW,還是會打印出YELLOWfor i in COLOR:#遍歷一下COLOR并不會有GREEN
print(i)#COLOR.YELLOW\nCOLOR.BLACK\nCOLOR.RED\n怎么把別名遍歷出來for i in COLOR.__members__.items():
print(i)# output:('YELLOW', )\n('GREEN', )\n('BLACK', )\n('RED', )for i in COLOR.__members__:
print(i)# output:YELLOW\nGREEN\nBLACK\nRED#枚舉轉換#最好在數據庫存取使用枚舉的數值而不是使用標簽名字字符串#在代碼里面使用枚舉類
a=1
print(COLOR(a))# output:COLOR.YELLOW
py2/3轉換工具
six模塊：兼容pyton2和pyton3的模塊
2to3工具：改變代碼語法版本
__future__：使用下一版本的功能
常用的庫
必須知道的collections
https://segmentfault.com/a/1190000017385799
python排序操作及heapq模塊
https://segmentfault.com/a/1190000017383322
itertools模塊超實用方法
https://segmentfault.com/a/1190000017416590
不常用但很重要的庫
dis(代碼字節碼分析)
inspect(生成器狀態)
cProfile(性能分析)
bisect(維護有序列表)
fnmatch
fnmatch(string,"*.txt") #win下不區分大小寫
fnmatch根據系統決定
fnmatchcase完全區分大小寫
timeit(代碼執行時間)
print(timeit.timeit('isLen1("5fsdfsdfsaf")',setup="from __main__ import isLen1"))
print(timeit.timeit('isLen("5fsdfsdfsaf")',setup="from __main__ import isLen"))
contextlib
@contextlib.contextmanager使生成器函數變成一個上下文管理器
types(包含了標準解釋器定義的所有類型的類型對象,可以將生成器函數修飾為異步模式)
types.coroutine #相當于實現了__await__
html(實現對html的轉義)
html.escape("
I'm Jim
") # output:'>h1/h1html.unescape('>h1/h1) #
I'm Jim
mock(解決測試依賴)
concurrent(創建進程池河線程池)
pool = ThreadPoolExecutor()
task = pool.submit(函數名，(參數)) #此方法不會阻塞，會立即返回
task.done()#查看任務執行是否完成
task.result()#阻塞的方法，查看任務返回值
task.cancel()#取消未執行的任務，返回True或False,取消成功返回True
task.add_done_callback()#回調函數
task.running()#是否正在執行 task就是一個Future對象for data in pool.map(函數，參數列表):#返回已經完成的任務結果列表，根據參數順序執行
print(返回任務完成得執行結果data)from concurrent.futures import as_completed
as_completed(任務列表)#返回已經完成的任務列表，完成一個執行一個
wait(任務列表,return_when=條件)#根據條件進行阻塞主線程，有四個條件
selector(封裝select,用戶多路復用io編程)
asyncio
future.add_done_callback()添加一個完成后的回調函數
loop.run_until_complete(future)
future.result()查看寫成返回結果
asyncio.wait()接受一個可迭代的協程對象
asynicio.gather(*可迭代對象,*可迭代對象) 兩者結果相同，但gather可以批量取消，gather對象.cancel()
一個線程中只有一個loop
在loop.stop時一定要loop.run_forever()否則會報錯
loop.run_forever()可以執行非協程
最后執行finally模塊中 loop.close()
asyncio.Task.all_tasks()拿到所有任務 然后依次迭代并使用任務.cancel()取消
偏函數partial(函數，參數)把函數包裝成另一個函數名 其參數必須放在定義函數的前面
loop.call_soon(函數,參數)
call_soon_threadsafe()線程安全
loop.call_later(時間,函數,參數)
在同一代碼塊中call_soon優先執行，然后多個later根據時間的升序進行執行
如果非要運行有阻塞的代碼
使用loop.run_in_executor(executor,函數，參數)包裝成一個多線程，然后放入到一個task列表中，通過wait(task列表)來運行
通過asyncio實現http
reader,writer=await asyncio.open_connection(host,port)
writer.writer()發送請求
async for data in reader:
data=data.decode("utf-8")
list.append(data)
然后list中存儲的就是html
as_completed(tasks)完成一個返回一個,返回的是一個可迭代對象
協程鎖
async with Lock():
Python進階
進程間通信：
Manager(內置了好多數據結構，可以實現多進程間內存共享)
p_dict[key] = valueif __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(適用于兩個進程)
pipe.send("bobby")def consumer(pipe):
print(pipe.recv())if __name__ == "__main__":
recevie_pipe, send_pipe = Pipe()#pipe只能適用于兩個進程
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(不能用于進程池,進程池間通信需要使用
Manager().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()
進程池
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模塊幾個常用方法
argv 命令行參數list,第一個是程序本身的路徑
path 返回模塊的搜索路徑
modules.keys() 返回已經導入的所有模塊的列表
exit(0) 退出程序
a in s or b in s or c in s簡寫
采用any方式：all() 對于任何可迭代對象為空都會返回True
any(i in s for i in [a,b,c])# 方法三
list(filter(lambda x:x in s,[a,b,c]))
set集合運用
{1,2}.issubset({1,2,3})#判斷是否是其子集
{1,2,3}.issuperset({1,2})
{}.isdisjoint({})#判斷兩個set交集是否為空,是空集則為True
代碼中中文匹配
[u4E00-u9FA5]匹配中文文字區間[一到龥]
查看系統默認編碼格式
sys.getdefaultencoding() # setdefaultencodeing()設置系統編碼方式
getattr VS getattribute
類變量是不會存入實例__dict__中的，只會存在于類的__dict__中
globals/locals(可以變相操作代碼)
globals中保存了當前模塊中所有的變量屬性與值
locals中保存了當前環境中的所有變量屬性與值
python變量名的解析機制(LEGB)
本地作用域(Local)
當前作用域被嵌入的本地作用域(Enclosing locals)
全局/模塊作用域(Global)
內置作用域(Built-in)
實現從1-100每三個為一組分組
什么是元類？
即創建類的類，創建類的時候只需要將metaclass=元類，元類需要繼承type而不是object,因為type就是元類
object.__bases__ #()
type(object) # class Yuan(type):def __new__(cls,name,base,attr,*args,**kwargs):return type(name,base,attr,*args,**kwargs)class MyClass(metaclass=Yuan):pass
什么是鴨子類型(即:多態)？
Python在使用傳入參數的過程中不會默認判斷參數類型，只要參數具備執行條件就可以執行
深拷貝和淺拷貝
深拷貝拷貝內容，淺拷貝拷貝地址(增加引用計數)
copy模塊實現神拷貝
單元測試
一般測試類繼承模塊unittest下的TestCase
pytest模塊快捷測試(方法以test_開頭/測試文件以test_開頭/測試類以Test開頭，并且不能帶有 init 方法)
coverage統計測試覆蓋率
print('本方法開始測試了')def setUp(self):# 每個測試用例執行之前做操作
print('本方法測試結束')@classmethoddef tearDownClass(self):# 必須使用 @ classmethod裝飾器, 所有test運行完后運行一次
print('開始測試')@classmethoddef setUpClass(self):# 必須使用@classmethod 裝飾器,所有test運行前運行一次
print('結束測試')def test_a_run(self):
self.assertEqual(1, 1) # 測試用例
gil會根據執行的字節碼行數以及時間片釋放gil，gil在遇到io的操作時候主動釋放
什么是monkey patch?
猴子補丁，在運行的時候替換掉會阻塞的語法修改為非阻塞的方法
什么是自省(Introspection)？
運行時判斷一個對象的類型的能力，id,type,isinstance
python是值傳遞還是引用傳遞？
都不是，python是共享傳參，默認參數在執行時只會執行一次
try-except-else-finally中else和finally的區別
else在不發生異常的時候執行，finally無論是否發生異常都會執行
except一次可以捕獲多個異常，但一般為了對不同異常進行不同處理，我們分次捕獲處理
GIL全局解釋器鎖
同一時間只能有一個線程執行，CPython(IPython)的特點，其他解釋器不存在
cpu密集型：多進程+進程池
io密集型：多線程/協程
什么是Cython
將python解釋成C代碼工具
生成器和迭代器
可迭代對象只需要實現__iter__方法
實現__next__和__iter__方法的對象就是迭代器
使用生成器表達式或者yield的生成器函數(生成器是一種特殊的迭代器)
什么是協程
yield
async-awiat
比線程更輕量的多任務方式
實現方式
dict底層結構
為了支持快速查找使用了哈希表作為底層結構
哈希表平均查找時間復雜度為o(1)
CPython解釋器使用二次探查解決哈希沖突問題
Hash擴容和Hash沖突解決方案
鏈接法
二次探查(開放尋址法)：python使用
循環復制到新空間實現擴容
沖突解決：
monkey.patch_all() #將代碼中所有的阻塞方法都進行修改，可以指定具體要修改的方法
判斷是否為生成器或者協程
斐波那契解決的問題及變形
fib = lambda n: n if n <= 2 else fib(n - 1) + fib(n - 2)#方式二：def fib(n):
a, b = 0, 1for _ in range(n):
a, b = b, a + breturn b#一只青蛙一次可以跳上1級臺階，也可以跳上2級……它也可以跳上n級。求該青蛙跳上一個n級的臺階總共有多少種跳法。
fib = lambda n: n if n < 2 else 2 * fib(n - 1)
獲取電腦設置的環境變量
os.getenv(env_name,None)#獲取環境變量如果不存在為None
垃圾回收機制
引用計數
標記清除
分代回收
gc.get_threshold() #output:(700, 10, 10)
True和False在代碼中完全等價于1和0,可以直接和數字進行計算，inf表示無窮大
C10M/C10K
C10M:8核心cpu，64G內存，在10gbps的網絡上保持1000萬并發連接
C10K：1GHz CPU,2G內存，1gbps網絡環境下保持1萬個客戶端提供FTP服務
yield from與yield的區別：
yield from跟的是一個可迭代對象，而yield后面沒有限制
GeneratorExit生成器停止時觸發
單下劃線的幾種使用
在定義變量時，表示為私有變量
在解包時，表示舍棄無用的數據
在交互模式中表示上一次代碼執行結果
可以做數字的拼接(111_222_333)
使用break就不會執行else
10進制轉2進制
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
globals()[i] = [] # 可以用于實現python版反射# 方法二for i in list1:
exec(f'{i} = []') # exec執行字符串語句
memoryview
與bytearray$\color{#000}(不常用，只是看到了記載一下)$
a = 'aaaaaa'
ma = memoryview(a)
ma.readonly # 只讀的memoryview
mb = ma[:2] # 不會產生新的字符串
a = bytearray('aaaaaa')
ma = memoryview(a)
ma.readonly # 可寫的memoryview
mb = ma[:2] # 不會會產生新的bytearray
mb[:2] = 'bb' # 對mb的改動就是對ma的改動
Ellipsis類型
L = [1,2,3]
L.append(L)
print(L) # output:[1,2,3,[…]]
lazy惰性計算
self.func = funcdef __get__(self, instance, cls):
val = self.func(instance) #其相當于執行的area(c),c為下面的Circle對象
setattr(instance, self.func.__name__, val)return val`class Circle(object):def __init__(self, radius):
self.radius = radius@lazydef area(self):
print('evalute')return 3.14 * self.radius ** 2
遍歷文件，傳入一個文件夾，將里面所有文件的路徑打印出來(遞歸)
sChildPath = os.path.join(directory_path,sChild)if os.path.isdir(sChildPath):
getAllFiles(sChildPath)else:
all_files.append(sChildPath)return all_files
文件存儲時，文件名的處理
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
日期格式化
datetime.now().strftime("%Y-%m-%d")import time#這里只有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+=奇怪的問題
t=(1,[2,3])
t[1]+=[4,5]# t[1]使用append\extend方法并不會報錯，并可以成功執行
__missing__你應該知道
+與+=
如何將一個可迭代對象的每個元素變成一個字典的所有鍵？
wireshark抓包軟件
網絡知識
什么是HTTPS?
安全的HTTP協議，https需要cs證書，數據加密，端口為443，安全，同一網站https seo排名會更高
常見響應狀態碼
http請求方法的冪等性及安全性
WSGI
start_response('200 OK', [('Content-Type', 'text/html')])return '
Hello, web!
'RPC
CDN
SSL(Secure Sockets Layer 安全套接層),及其繼任者傳輸層安全(Transport Layer Security，TLS)是為網絡通信提供安全及數據完整性的一種安全協議。
SSH(安全外殼協議) 為 Secure Shell 的縮寫，由 IETF 的網絡小組(Network Working Group)所制定；SSH 為建立在應用層基礎上的安全協議。SSH 是目前較可靠，專為遠程登錄會話和其他網絡服務提供安全性的協議。利用 SSH 協議可以有效防止遠程管理過程中的信息泄露問題。SSH最初是UNIX系統上的一個程序，后來又迅速擴展到其他操作平臺。SSH在正確使用時可彌補網絡中的漏洞。SSH客戶端適用于多種平臺。幾乎所有UNIX平臺—包括HP-UX、Linux、AIX、Solaris、Digital UNIX、Irix，以及其他平臺，都可運行SSH。
TCP/IP
TCP:面向連接/可靠/基于字節流
UDP:無連接/不可靠/面向報文
三次握手四次揮手
三次握手(SYN/SYN+ACK/ACK)
四次揮手(FIN/ACK/FIN/ACK)
為什么連接的時候是三次握手，關閉的時候卻是四次握手？
因為當Server端收到Client端的SYN連接請求報文后，可以直接發送SYN+ACK報文。其中ACK報文是用來應答的，SYN報文是用來同步的。但是關閉連接時，當Server端收到FIN報文時，很可能并不會立即關閉SOCKET，所以只能先回復一個ACK報文，告訴Client端，"你發的FIN報文我收到了"。只有等到我Server端所有的報文都發送完了，我才能發送FIN報文，因此不能一起發送。故需要四步握手。
為什么TIME_WAIT狀態需要經過2MSL(最大報文段生存時間)才能返回到CLOSE狀態？
雖然按道理，四個報文都發送完畢，我們可以直接進入CLOSE狀態了，但是我們必須假象網絡是不可靠的，有可以最后一個ACK丟失。所以TIME_WAIT狀態就是用來重發可能丟失的ACK報文。
XSS/CSRF
HttpOnly禁止js腳本訪問和操作Cookie,可以有效防止XSS
Mysql
索引改進過程
線性結構->二分查找->hash->二叉查找樹->平衡二叉樹->多路查找樹->多路平衡查找樹(B-Tree)
Mysql面試總結基礎篇
https://segmentfault.com/a/1190000018371218
Mysql面試總結進階篇
https://segmentfault.com/a/1190000018380324
深入淺出Mysql
http://ningning.today/2017/02/13/database/深入淺出mysql/
清空整個表時，InnoDB是一行一行的刪除，而MyISAM則會從新刪除建表
text/blob數據類型不能有默認值，查詢時不存在大小寫轉換
什么時候索引失效
以%開頭的like模糊查詢
出現隱士類型轉換
沒有滿足最左前綴原則
對于多列索引，不是使用的第一部分，則不會使用索引
失效場景：
應盡量避免在 where 子句中使用 != 或 <> 操作符，否則引擎將放棄使用索引而進行全表掃描
盡量避免在 where 子句中使用 or 來連接條件，否則將導致引擎放棄使用索引而進行全表掃描，即使其中有條件帶索引也不會使用，這也是為什么盡量少用 or 的原因
如果列類型是字符串，那一定要在條件中將數據使用引號引用起來，否則不會使用索引
應盡量避免在 where 子句中對字段進行函數操作，這將導致引擎放棄使用索引而進行全表掃描
以abc開頭的，應改成：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';
應改為:
不要在 where 子句中的 “=” 左邊進行函數、算術運算或其他表達式運算，否則系統將可能無法正確使用索引
應盡量避免在 where 子句中對字段進行表達式操作，這將導致引擎放棄使用索引而進行全表掃描
應改為:select id from t where num = 100*2；
不適合鍵值較少的列(重復數據較多的列)比如：set enum列就不適合(枚舉類型(enum)可以添加null,并且默認的值會自動過濾空格集合(set)和枚舉類似，但只可以添加64個值)
如果MySQL估計使用全表掃描要比使用索引快，則不使用索引
什么是聚集索引
B+Tree葉子節點保存的是數據還是指針
MyISAM索引和數據分離，使用非聚集
InnoDB數據文件就是索引文件，主鍵索引就是聚集索引
Redis命令總結
為什么這么快？
基于內存，由C語言編寫
使用多路I/O復用模型，非阻塞IO
使用單線程減少線程間切換
因為Redis是基于內存的操作，CPU不是Redis的瓶頸，Redis的瓶頸最有可能是機器內存的大小或者網絡帶寬。既然單線程容易實現，而且CPU不會成為瓶頸，那就順理成章地采用單線程的方案了(畢竟采用多線程會有很多麻煩！)。
數據結構簡單
自己構建了VM機制，減少調用系統函數的時間
優勢
性能高 – Redis能讀的速度是110000次/s,寫的速度是81000次/s
豐富的數據類型
原子 – Redis的所有操作都是原子性的，同時Redis還支持對幾個操作全并后的原子性執行
豐富的特性 – Redis還支持 publish/subscribe(發布/訂閱), 通知, key 過期等等特性
什么是redis事務？
將多個請求打包，一次性、按序執行多個命令的機制
通過multi,exec,watch等命令實現事務功能
Python redis-py pipeline=conn.pipeline(transaction=True)
持久化方式
RDB(快照)
save(同步，可以保證數據一致性)
bgsave(異步，shutdown時，無AOF則默認使用)
AOF(追加日志)
怎么實現隊列
push
rpop
常用的數據類型(Bitmaps,Hyperloglogs,范圍查詢等不常用)
String(字符串):計數器
整數或sds(Simple Dynamic String)
List(列表)：用戶的關注，粉絲列表
ziplist(連續內存塊，每個entry節點頭部保存前后節點長度信息實現雙向鏈表功能)或double linked list
Hash(哈希)：
Set(集合)：用戶的關注者
intset或hashtable
Zset(有序集合)：實時信息排行榜
skiplist(跳躍表)
與Memcached區別
Memcached只能存儲字符串鍵
Memcached用戶只能通過APPEND的方式將數據添加到已有的字符串的末尾，并將這個字符串當做列表來使用。但是在刪除這些元素的時候，Memcached采用的是通過黑名單的方式來隱藏列表里的元素，從而避免了對元素的讀取、更新、刪除等操作
Redis和Memcached都是將數據存放在內存中，都是內存數據庫。不過Memcached還可用于緩存其他東西，例如圖片、視頻等等
虛擬內存–Redis當物理內存用完時，可以將一些很久沒用到的Value 交換到磁盤
存儲數據安全–Memcached掛掉后，數據沒了；Redis可以定期保存到磁盤(持久化)
應用場景不一樣：Redis出來作為NoSQL數據庫使用外，還能用做消息隊列、數據堆棧和數據緩存等；Memcached適合于緩存SQL語句、數據集、用戶臨時性數據、延遲查詢數據和Session等
Redis實現分布式鎖
使用setnx實現加鎖，可以同時通過expire添加超時時間
鎖的value值可以是一個隨機的uuid或者特定的命名
釋放鎖的時候，通過uuid判斷是否是該鎖，是則執行delete釋放鎖
常見問題
緩存雪崩
短時間內緩存數據過期，大量請求訪問數據庫
緩存穿透
請求訪問數據時，查詢緩存中不存在，數據庫中也不存在
緩存預熱
初始化項目，將部分常用數據加入緩存
緩存更新
數據過期，進行更新緩存數據
緩存降級
當訪問量劇增、服務出現問題(如響應時間慢或不響應)或非核心服務影響到核心流程的性能時，仍然需要保證服務還是可用的，即使是有損服務。系統可以根據一些關鍵數據進行自動降級，也可以配置開關實現人工降級
一致性Hash算法
使用集群的時候保證數據的一致性
基于redis實現一個分布式鎖，要求一個超時的參數
setnx
虛擬內存
內存抖動
Linux
Unix五種i/o模型
阻塞io
非阻塞io
多路復用io(Python下使用selectot實現io多路復用)
select
并發不高，連接數很活躍的情況下
poll
比select提高的并不多
epoll
適用于連接數量較多，但活動鏈接數少的情況
信號驅動io
異步io(Gevent/Asyncio實現異步)
比man更好使用的命令手冊
tldr:一個有命令示例的手冊
kill -9和-15的區別
-15：程序立刻停止/當程序釋放相應資源后再停止/程序可能仍然繼續運行
-9：由于-15的不確定性，所以直接使用-9立即殺死進程
分頁機制(邏輯地址和物理地址分離的內存分配管理方案)：
操作系統為了高效管理內存，減少碎片
程序的邏輯地址劃分為固定大小的頁
物理地址劃分為同樣大小的幀
通過頁表對應邏輯地址和物理地址
分段機制
為了滿足代碼的一些邏輯需求
數據共享/數據保護/動態鏈接
每個段內部連續內存分配，段和段之間是離散分配的
查看cpu內存使用情況？
top
free 查看可用內存，排查內存泄漏問題
設計模式
單例模式
# 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@Singleclass B:pass# 方式二class Single:def __init__(self):
print("單例模式實現方式二。。。")
single = Single()del Single # 每次調用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
工廠模式
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("對不起，必須是：dog,cat")
構造模式
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 #為了方便鏈式調用
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
數據結構和算法內置數據結構和算法
python實現各種數據結構
快速排序
def quick_sort(_list):if len(_list) < 2:return _listpivot_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)
選擇排序
def select_sort(seq):n = len(seq)for i in range(n-1)
min_idx = ifor j in range(i+1,n):if seq[j] < seq[min_inx]:
min_idx = jif 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 = iwhile pos > 0 and value < _list[pos - 1]
_list[pos] = _list[pos - 1]
pos -= 1
_list[pos] = value
print(sql)
歸并排序
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 += 1else:
sort.append(_list1[a])
a += 1if len_a > a:
sort.append(_list1[a:])if len_b > b:
sort.append(_list2[b:])return sortdef merge_sort(_list):if len(list1)<2:return list1else:
mid = int(len(list1)/2)
left = mergesort(list1[:mid])
right = mergesort(list1[mid:])return merge_sorted_list(left,right)
堆排序heapq模塊
from heapq import nsmallestdef heap_sort(_list):return nsmallest(len(_list),_list)棧
from collections import dequeclass Stack:def __init__(self):self.s = deque()def peek(self):
p = self.pop()
self.push(p)return pdef push(self, el):
self.s.append(el)def pop(self):return self.pop()
隊列
from collections import dequeclass 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)//2if len(_list) < 1:return Flaseif num > _list[mid]:
BinarySearch(_list[mid:],num)elif num < _list[mid]:
BinarySearch(_list[:mid],num)else:return _list.index(num)
面試加強題：
關于數據庫優化及設計
https://segmentfault.com/a/1190000018426586
如何使用兩個棧實現一個隊列
反轉鏈表
合并兩個有序鏈表
刪除鏈表節點
反轉二叉樹
設計短網址服務？62進制實現
設計一個秒殺系統(feed流)？
https://www.jianshu.com/p/ea0259d109f9
為什么mysql數據庫的主鍵使用自增的整數比較好？使用uuid可以嗎？為什么？
如果InnoDB表的數據寫入順序能和B+樹索引的葉子節點順序一致的話，這時候存取效率是最高的。為了存儲和查詢性能應該使用自增長id做主鍵。
對于InnoDB的主索引，數據會按照主鍵進行排序，由于UUID的無序性，InnoDB會產生巨大的IO壓力，此時不適合使用UUID做物理主鍵，可以把它作為邏輯主鍵，物理主鍵依然使用自增ID。為了全局的唯一性，應該用uuid做索引關聯其他表或做外鍵
如果是分布式系統下我們怎么生成數據庫的自增id呢？
使用redis
基于redis實現一個分布式鎖，要求一個超時的參數
setnx
setnx + expire
如果redis單個節點宕機了，如何處理？還有其他業界的方案實現分布式鎖碼?
使用hash一致算法
緩存算法
LRU(least-recently-used):替換最近最少使用的對象
LFU(Least frequently used):最不經常使用，如果一個數據在最近一段時間內使用次數很少，那么在將來一段時間內被使用的可能性也很小
服務端性能優化方向
使用數據結構和算法
數據庫
索引優化
慢查詢消除
slow_query_log_file開啟并且查詢慢查詢日志
通過explain排查索引問題
調整數據修改索引
批量操作，從而減少io操作
使用NoSQL:比如Redis
網絡io
批量操作
pipeline
緩存
Redis
異步
Asyncio實現異步操作
使用Celery減少io阻塞
并發
多線程
Gevent
總結
以上是生活随笔為你收集整理的all any 或 此运算符后面必须跟_好好跟大家聊聊，最全面的 Python 重点的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： python标准库（二）
- 下一篇： 各种排序的时间复杂度比较