SegmentFault开发者的Python重点知识总结，太全面！

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，强烈建议收藏再慢慢看~

Py2 VS Py3

Py2 和 Py3 的差别

• • 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.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', )\n('GREEN', )\n('BLACK', )\n('RED', )
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

类库相关

常用库

• 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("I'm Jim") # output:'<h1>I'm Jim</h1>'
html.unescape('<h1>I'm Jim</h1>') # I'm Jim

• 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:
    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

• • 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__  #(,)
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

• 实现__next__和__iter__方法的对象就是迭代器
• 可迭代对象只需要实现__iter__方法
• 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

• 比线程更轻量的多任务方式
• 实现方式
• yield
• async-awiat

• • 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

• 循环复制到新空间实现扩容
• 冲突解决：
• 链接法
• 二次探查(开放寻址法)：python使用

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 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
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
对于多列索引，不是使用的第一部分，则不会使用索引
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
失效场景：
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？




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！）。
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




save(同步，可以保证数据一致性)
bgsave(异步，shutdown时，无AOF则默认使用)
RDB(快照)
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)




skiplist(跳跃表)
intset或hashtable
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
整数或sds(Simple Dynamic String)
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




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
数据过期，进行更新缓存数据
初始化项目，将部分常用数据加入缓存
请求访问数据时，查询缓存中不存在，数据库中也不存在
短时间内缓存数据过期，大量请求访问数据库
缓存雪崩
缓存穿透
缓存预热
缓存更新
缓存降级




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




select
poll
epoll
并发不高，连接数很活跃的情况下
比select提高的并不多
适用于连接数量较多，但活动链接数少的情况
阻塞io
非阻塞io
多路复用io(Python下使用selectot实现io多路复用)
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
python实现各种数据结构
快速排序
def quick_sort(_list):

    if len(_list)  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)