歡迎光臨
每天分享高質量文章

你見過的最全面的 Python 重點

(點擊上方公眾號,可快速關註一起學Python)

來源:二十一    鏈接:

https://segmentfault.com/a/1190000018737045

由於總結了太多的東西,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成為了函式,python2是關鍵字
  • 不再有unicode物件,預設str就是unicode
  • python3除號傳回浮點數
  • 沒有了long型別
  • xrange不存在,range替代了xrange
  • 可以使用中文定義函式名變數名
  • 高級解包 和*解包
  • 限定關鍵字引數 *後的變數必須加入名字=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

    • 不同列舉類間不能進行比較
    • 同一列舉類間只能進行相等的比較
    • 列舉類的使用(編號預設從1開始)
    • 為了避免列舉類中相同列舉值的出現,可以使用@unique裝飾列舉類
#列舉的註意事項
from enum import Enum

class COLOR(Enum):
    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YELLOW
for i in COLOR:#遍歷一下COLOR並不會有GREEN
    print(i)
#COLOR.YELLOW\nCOLOR.BLACK\nCOLOR.RED\n怎麼把別名遍歷出來
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

#列舉轉換
#最好在資料庫存取使用列舉的數值而不是使用標簽名字字串
#在代碼裡面使用列舉類
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(代碼位元組碼分析)
  • inspect(生成器狀態)
  • cProfile(性能分析)
  • bisect(維護有序串列)
  • 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)
    def isLen(strString):
        #還是應該使用三元運算式,更快
        return True if len(strString)>6 else False

    def isLen1(strString):
        #這裡註意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使生成器函式變成一個背景關係管理器
  • types(包含了標準解釋器定義的所有型別的型別物件,可以將生成器函式修飾為異步樣式)
    import types
    types.coroutine #相當於實現了__await__
  • html(實現對html的轉義)
    import html
    html.escape("

I’m Jim

) # output:'

I’m Jim


    html.unescape('

I’m Jim

) #

I’m Jim

 

  • mock(解決測試依賴)
  • concurrent(創建行程池河執行緒池)

from concurrent.futures import ThreadPoolExecutor

pool = ThreadPoolExecutor()
task = pool.submit(函式名,(引數)) #此方法不會阻塞,會立即傳回
task.done()#查看任務執行是否完成
task.result()#阻塞的方法,查看任務傳回值
task.cancel()#取消未執行的任務,傳回True或False,取消成功傳回True
task.add_done_callback()#回呼函式
task.running()#是否正在執行     task就是一個Future物件

for data in pool.map(函式,引數串列):#傳回已經完成的任務結果串列,根據引數順序執行
    print(傳回任務完成得執行結果data)

from concurrent.futures import as_completed
as_completed(任務串列)#傳回已經完成的任務串列,完成一個執行一個

wait(任務串列,return_when=條件)#根據條件進行阻塞主執行緒,有四個條件
  • selector(封裝select,用戶多路復用io編程)
  • asyncio

future=asyncio.ensure_future(協程)  等於後面的方式  future=loop.create_task(協程)
future.add_done_callback()添加一個完成後的回呼函式
loop.run_until_complete(future)
future.result()查看寫成傳回結果

asyncio.wait()接受一個可迭代的協程物件
asynicio.gather(*可迭代物件,*可迭代物件)    兩者結果相同,但gather可以批量取消,gather物件.cancel()

一個執行緒中只有一個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
最後執行finally模塊中 loop.close()

asyncio.Task.all_tasks()拿到所有任務 然後依次迭代並使用任務.cancel()取消

偏函式partial(函式,引數)把函式包裝成另一個函式名  其引數必須放在定義函式的前面

loop.call_soon(函式,引數)
call_soon_threadsafe()執行緒安全    
loop.call_later(時間,函式,引數)
在同一代碼塊中call_soon優先執行,然後多個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,函式,引數)包裝成一個多執行緒,然後放入到一個task串列中,通過wait(task串列)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)
然後list中儲存的就是html

as_completed(tasks)完成一個傳回一個,傳回的是一個可迭代物件    

協程鎖
async with Lock():

Python進階

 

  • 行程間通信:

    • Manager(內置了好多資料結構,可以實現多行程間記憶體共享)
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(適用於兩個行程)
from multiprocessing import Pipe,Process
#pipe的性能高於queue
def producer(pipe):
    pipe.send("bobby")

def consumer(pipe):
    print(pipe.recv())

if __name__ == "__main__":
    recevie_pipe, send_pipe = Pipe()
    #pipe只能適用於兩個行程
    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(不能用於行程池,行程池間通信需要使用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()
    • 行程池
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模塊幾個常用方法

    • argv 命令列引數list,第一個是程式本身的路徑
    • path 傳回模塊的搜索路徑
    • modules.keys() 傳回已經匯入的所有模塊的串列
    • exit(0) 退出程式
  • a in s or b in s or c in s簡寫

    • 採用any方式:all() 對於任何可迭代物件為空都會傳回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]
  • 查看系統預設編碼格式

    import sys
    sys.getdefaultencoding()    # setdefaultencodeing()設置系統編碼方式
  • getattr VS getattribute

class A(dict):
    def __getattr__(self,value):#當訪問屬性不存在的時候傳回
        return 2
    def __getattribute__(self,item):#屏蔽所有的元素訪問
        return item
  • 類變數是不會存入實體__dict__中的,只會存在於類的__dict__中
  • globals/locals(可以變相操作代碼)

    • globals中儲存了當前模塊中所有的變數屬性與值
    • locals中儲存了當前環境中的所有變數屬性與值
  • python變數名的解析機制(LEGB)

    • 本地作用域(Local)
    • 當前作用域被嵌入的本地作用域(Enclosing locals)
    • 全域性/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
    print([[x for x in range(1,101)][i:i+3] for i in range(0,100,3)])
  • 什麼是元類?

    • 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
type.__bases__  #(,)
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
  • 什麼是鴨子型別(即:多型)?

    • Python在使用傳入引數的過程中不會預設判斷引數型別,只要引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(增加取用計數)
    • 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/測試檔案以test_開頭/測試類以Test開頭,並且不能帶有 init 方法)
    • coverage統計測試改寫率
    class MyTest(unittest.TestCase):
        def tearDown(self):# 每個測試用例執行前執行
            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')

        @classmethod
        def tearDownClass(self):# 必須使用 @ classmethod裝飾器, 所有test運行完後運行一次
            print('開始測試')
        @classmethod
        def 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會根據執行的位元組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
  • 什麼是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
  • 什麼是自省(Introspection)?

    • 運行時判斷一個物件的型別的能力,id,type,isinstance
  • python是值傳遞還是取用傳遞?

    • 都不是,python是共享傳參,預設引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全域性解釋器鎖

    • 同一時間只能有一個執行緒執行,CPython(IPython)的特點,其他解釋器不存在
    • cpu密集型:多行程+行程池
    • io密集型:多執行緒/協程
  • 什麼是Cython

    • 將python解釋成C代碼工具
  • 生成器和迭代器

    • 可迭代物件只需要實現__iter__方法
      • 實現__next__和__iter__方法的物件就是迭代器

    • 使用生成器運算式或者yield的生成器函式(生成器是一種特殊的迭代器)
  • 什麼是協程

    • yield
    • async-awiat
      • 比執行緒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複雜度為o(1)
    • CPython解釋器使用二次探查解決哈希衝突問題
  • Hash擴容和Hash衝突解決方案

    • 鏈接法
    • 二次探查(開放尋址法):python使用
      • 迴圈複製到新空間實現擴容
      • 衝突解決:

    for gevent import monkey
    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
    co_flags = func.__code__.co_flags

    # 檢查是否是協程
    if co_flags & 0x180:
        return func

    # 檢查是否是生成器
    if co_flags & 0x20:
        return func
  • 斐波那契解決的問題及變形
#一隻青蛙一次可以跳上1級臺階,也可以跳上2級。求該青蛙跳上一個n級的臺階總共有多少種跳法。
#請問用n個2*1的小矩形無重疊地改寫一個2*n的大矩形,總共有多少種方法?
#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

#一隻青蛙一次可以跳上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數
    import os
    os.getenv(env_name,None)#獲取環境變數如果不存在為None
  • 垃圾回收機制

    • 取用計數
    • 標記清除
    • 分代回收
    #查看分代回收觸發
    import gc
    gc.get_threshold()  #output:(700, 10, 10)
  • True和False在代碼中完全等價於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記憶體,在10gbps的網絡上保持1000萬併發連接
    • C10K:1GHz CPU,2G記憶體,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跟的是一個可迭代物件,而yield後面沒有限制
    • GeneratorExit生成器停止時觸發
  • 單下劃線的幾種使用

    • 在定義變數時,表示為私有變數
    • 在解包時,表示捨棄無用的資料
    • 在交互樣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
    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中元素命名的新串列 A=[],B=[],C=[],D=[]呢
    list1 = ['A', 'B', 'C', 'D']

    # 方法一
    for i in list1:
        globals()[i] = []   # 可以用於實現python版反射

    # 方法二
    for i in list1:
        exec(f'{i} = []')   # exec執行字串陳述句
  • memoryview與bytearray$\color{#000}(不常用,只是看到了記載一下)$
    # bytearray是可變的,bytes是不可變的,memoryview不會產生新切片和物件
    a = 'aaaaaa'
    ma = memoryview(a)
    ma.readonly  # 只讀的memoryview
    mb = ma[:2]  # 不會產生新的字串

    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型別

# 代碼中出現...省略號的現象就是一個Ellipsis物件
L = [1,2,3]
L.append(L)
print(L)    # output:[1,2,3,[…]]
  • lazy惰性計算
    class lazy(object):
        def __init__(self, func):
            self.func = func

        def __get__(self, instance, cls):
            val = self.func(instance)    #其相當於執行的area(c),c為下麵的Circle物件
            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
  • 遍歷檔案,傳入一個檔案夾,將裡面所有檔案的路徑打印出來(遞迴)

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
  • 檔案儲存時,檔案名的處理

#secure_filename將字串轉化為安全的檔案名
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
  • 日期格式化

from datetime import datetime

datetime.now().strftime("%Y-%m-%d")

import time
#這裡只有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

# 會報錯,但是tuple的值會改變,因為t[1]id沒有發生變化
t=(1,[2,3])
t[1]+=[4,5]
# t[1]使用append\extend方法並不會報錯,並可以成功執行
  • __missing__你應該知道

class Mydict(dict):
    def __missing__(self,key): # 當Mydict使用切片訪問屬性不存在的時候傳回的值
        return key
  • +與+=

# +不能用來連接串列和元祖,而+=可以(通過iadd實現,內部實現方式為extends(),所以可以增加元組),+會創建新物件
#不可變物件沒有__iadd__方法,所以直接使用的是__add__方法,因此元祖可以使用+=進行元祖之間的相加
  • 如何將一個可迭代物件的每個元素變成一個字典的所有鍵?

dict.fromkeys(['jim','han'],21) # output:{'jim': 21, 'han': 21}
  • wireshark抓包軟體

 

網絡知識

 

  • 什麼是HTTPS?

    • 安全的HTTP協議,https需要cs證書,資料加密,端口為443,安全,同一網站https seo排名會更高
  • 常見響應狀態碼
    204 No Content //請求成功處理,沒有物體的主體傳回,一般用來表示刪除成功
    206 Partial Content //Get範圍請求已成功處理
    303 See Other //臨時重定向,期望使用get定向獲取
    304 Not Modified //求情快取資源
    307 Temporary Redirect //臨時重定向,Post不會變成Get
    401 Unauthorized //認證失敗
    403 Forbidden //資源請求被拒絕
    400 //請求引數錯誤
    201 //添加或更改成功
    503 //服務器維護或者超負載

  • http請求方法的冪等性及安全性
  • WSGI
    # environ:一個包含所有HTTP請求信息的dict物件
    # start_response:一個發送HTTP響應的函式
    def application(environ, start_response):
        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資料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系統上的一個程式,後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客戶端適用於多種平臺。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/基於位元組流
    • 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)

    • 為什麼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連接請求報文後,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,很可能並不會立即關閉SOCKET,所以只能先回覆一個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。

    • 為什麼TIME_WAIT狀態需要經過2MSL(最大報文段生存時間)才能傳回到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,有可以最後一個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資料型別不能有預設值,查詢時不存在大小寫轉換
  • 什麼時候索引失效

    • 以%開頭的like模糊查詢
    • 出現隱士型別轉換
    • 沒有滿足最左前綴原則

      • 對於多列索引,不是使用的第一部分,則不會使用索引

    • 失效場景:

      • 應儘量避免在 where 子句中使用 != 或 <> 運算子,否則引擎將放棄使用索引而進行全表掃描

      • 儘量避免在 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,這也是為什麼儘量少用 or 的原因

      • 如果列型別是字串,那一定要在條件中將資料使用引號取用起來,否則不會使用索引

      • 應儘量避免在 where 子句中對欄位進行函式操作,這將導致引擎放棄使用索引而進行全表掃描

例如:
select id from t where substring(name,1,3) = 'abc' – name;
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 “=” 左邊進行函式、算術運算或其他運算式運算,否則系統將可能無法正確使用索引
      • 應儘量避免在 where 子句中對欄位進行運算式操作,這將導致引擎放棄使用索引而進行全表掃描

如:
select id from t where num/2 = 100 
應改為:
select id from t where num = 100*2
      • 不適合鍵值較少的列(重覆資料較多的列)比如:set enum列就不適合(列舉型別(enum)可以添加null,並且預設的值會自動過濾空格集合(set)和列舉類似,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

         

  • 什麼是聚集索引

    • B+Tree葉子節點儲存的是資料還是指標
    • MyISAM索引和資料分離,使用非聚集
    • InnoDB資料檔案就是索引檔案,主鍵索引就是聚集索引

 

Redis命令總結

  • 為什麼這麼快?

    • 基於記憶體,由C語言編寫
    • 使用多路I/O復用模型,非阻塞IO
    • 使用單執行緒減少執行緒間切換

      • 因為Redis是基於記憶體的操作,CPU不是Redis的瓶頸,Redis的瓶頸最有可能是機器記憶體的大小或者網絡帶寬。既然單執行緒容易實現,而且CPU不會成為瓶頸,那就順理成章地採用單執行緒的方案了(畢竟採用多執行緒會有很多麻煩!)。

    • 資料結構簡單
    • 自己構建了VM機制,減少呼叫系統函式的時間
  • 優勢

    • 性能高 – Redis能讀的速度是110000次/s,寫的速度是81000次/s
    • 豐富的資料型別
    • 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並後的原子性執行
    • 豐富的特性 – Redis還支持 publish/subscribe(發佈/訂閱), 通知, key 過期等等特性
  • 什麼是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,可以保證資料一致性)
      • bgsave(異步,shutdown時,無AOF則預設使用)
    • AOF(追加日誌)
  • 怎麼實現佇列

    • push
    • rpop
  • 常用的資料型別(Bitmaps,Hyperloglogs,範圍查詢等不常用)

    • String(字串):計數器

      • 整數或sds(Simple Dynamic String)

    • List(串列):用戶的關註,粉絲串列

      • ziplist(連續記憶體塊,每個entry節點頭部儲存前後節點長度信息實現雙向鏈表功能)或double linked list

    • Hash(哈希):
    • Set(集合):用戶的關註者

      • intset或hashtable

    • Zset(有序集合):實時信息排行榜

      • skiplist(跳躍表)

  • 與Memcached區別

    • Memcached只能儲存字串鍵
    • Memcached用戶只能通過APPEND的方式將資料添加到已有的字串的末尾,並將這個字串當做串列來使用。但是在刪除這些元素的時候,Memcached採用的是通過黑名單的方式來隱藏串列里的元素,從而避免了對元素的讀取、更新、刪除等操作
    • Redis和Memcached都是將資料存放在記憶體中,都是記憶體資料庫。不過Memcached還可用於快取其他東西,例如圖片、視頻等等
    • 虛擬記憶體–Redis當物理記憶體用完時,可以將一些很久沒用到的Value 交換到磁盤
    • 儲存資料安全–Memcached掛掉後,資料沒了;Redis可以定期儲存到磁盤(持久化)
    • 應用場景不一樣:Redis出來作為NoSQL資料庫使用外,還能用做訊息佇列、資料堆棧和資料快取等;Memcached適合於快取SQL陳述句、資料集、用戶臨時性資料、延遲查詢資料和Session等
  • Redis實現分佈式鎖

    • 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

    • 快取雪崩

      • 短時間內快取資料過期,大量請求訪問資料庫

    • 快取穿透

      • 請求訪問資料時,查詢快取中不存在,資料庫中也不存在

    • 快取預熱

      • 初始化專案,將部分常用資料加入快取

    • 快取更新

      • 資料過期,進行更新快取資料

    • 快取降級

      • 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資料進行自動降級,也可以配置開關實現人工降級

  • 一致性Hash演算法

    • 使用集群的時候保證資料的一致性
  • 基於redis實現一個分佈式鎖,要求一個超時的引數

    • setnx
  • 虛擬記憶體
  • 記憶體抖動

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

        • 併發不高,連接數很活躍的情況下

      • poll

        • 比select提高的並不多

      • epoll

        • 適用於連接數量較多,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:程式立刻停止/當程式釋放相應資源後再停止/程式可能仍然繼續運行
    • -9:由於-15的不確定性,所以直接使用-9立即殺死行程
  • 分頁機制(邏輯地址和物理地址分離的記憶體分配管理方案):

    • 操作系統為了高效管理記憶體,減少碎片
    • 程式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
    • 資料共享/資料保護/動態鏈接
    • 每個段內部連續記憶體分配,段和段之間是離散分配的
  • 查看cpu記憶體使用情況?

    • top
    • free 查看可用記憶體,排查記憶體泄漏問題

設計樣式

單例樣式

    # 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("單例樣式實現方式二。。。")

    single = Single()
    del Single  # 每次呼叫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

工廠樣式

    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")

構造樣式

 

    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 #為了方便鏈式呼叫
        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

資料結構和演算法內置資料結構和演算法

python實現各種資料結構

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)

選擇排序

    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)

歸併排序

    def merge_sorted_list(_list1,_list2):   #合併有序串列
        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模塊

    from heapq import nsmallest
    def heap_sort(_list):
        return nsmallest(len(_list),_list)

    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()

佇列

    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)

面試加強題:

關於資料庫優化及設計

https://segmentfault.com/a/1190000018426586

  • 如何使用兩個棧實現一個佇列
  • 反轉鏈表
  • 合併兩個有序鏈表
  • 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

  • 為什麼mysql資料庫的主鍵使用自增的整數比較好?使用uuid可以嗎?為什麼?

    • 如果InnoDB表的資料寫入順序能和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。為了儲存和查詢性能應該使用自增長id做主鍵。
    • 對於InnoDB的主索引,資料會按照主鍵進行排序,由於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。為了全域性的唯一性,應該用uuid做索引關聯其他表或做外鍵
  • 如果是分佈式系統下我們怎麼生成資料庫的自增id呢?

    • 使用redis
  • 基於redis實現一個分佈式鎖,要求一個超時的引數

    • 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佈式鎖碼?

    • 使用hash一致演算法

快取演算法

  • LRU(least-recently-used):替換最近最少使用的物件
  • LFU(Least frequently used):最不經常使用,如果一個資料在最近一段時間內使用次數很少,那麼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

  • 使用資料結構和演算法
  • 資料庫

    • 索引優化
    • 慢查詢消除

      • slow_query_log_file開啟並且查詢慢查詢日誌

      • 通過explain排查索引問題

      • 調整資料修改索引

    • 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
  • 快取

    • Redis
  • 異步

    • Asyncio實現異步操作
    • 使用Celery減少io阻塞
  • 併發

    • 多執行緒
    • Gevent

    赞(0)

    分享創造快樂