python threadpoolexecutor 鎖_這大概是你見過最全面的 Python 重點了
技術標籤:python threadpoolexecutor 鎖python 列舉相等判斷
來源:二十一 連結:
https://segmentfault.com/a/1190000018737045
公眾號「小詹學Python」後臺回覆「1024」
領取超值關注大禮包!
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除號返回浮點數
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
高階解包 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 連結子生成器
asyncio,async/await原生協程支援非同步程式設計
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
#列舉的注意事項
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籤名字字串
#在程式碼裡面使用列舉類
a=1
print(COLOR(a))# output:COLOR.YELLOW
py2/3轉換工具
six模組:相容pyton2和pyton3的模組
2to3工具:改變程式碼語法版本
__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模組
https://segmentfault.com/a/1190000017383322
itertools模組超實用方法
https://segmentfault.com/a/1190000017416590
不常用但很重要的庫
dis(程式碼位元組碼分析)
inspect(生成器狀態)
cProfile(效能分析)
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(程式碼執行時間)
def isLen(strString):
#還是應該使用三元表示式,更快
return True if len(strString)>6 else False
def isLen1(strString):
#這裡注意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使生成器函式變成一個上下文管理器
types(包含了標準直譯器定義的所有型別的型別物件,可以將生成器函式修飾為非同步模式)
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:'>h1/h1
html.unescape('>h1/h1) #
I'm Jim
mock(解決測試依賴)
concurrent(建立程序池河執行緒池)
from concurrent.futures import ThreadPoolExecutor
pool = ThreadPoolExecutor()
task = pool.submit(函式名,(引數)) #此方法不會阻塞,會立即返回
task.done()#檢視任務執行是否完成
task.result()#阻塞的方法,檢視任務返回值
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()#回撥函式
task.running()#是否正在執行 task就是一個Future物件
for data in pool.map(函式,引數列表):#返回已經完成的任務結果列表,根據引數順序執行
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執行緒,有四個條件
selector(封裝select,使用者多路複用io程式設計)
asyncio
future=asyncio.ensure_future(協程) 等於後面的方式 future=loop.create_task(協程)
future.add_done_callback()新增一個完成後的回撥函式
loop.run_until_complete(future)
future.result()檢視寫成返回結果
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模組中 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)
在同一程式碼塊中call_soon優先執行,然後多個later根據時間的升序進行執行
如果非要執行有阻塞的程式碼
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列表中,通過wait(task列表)來執行
通過asyncio實現http
reader,writer=await asyncio.open_connection(host,port)
writer.writer()傳送請求
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)完成一個返回一個,返回的是一個可迭代物件
協程鎖
async with Lock():
Python進階
程序間通訊:
Manager(內建了好多資料結構,可以實現多程序間記憶體共享)
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(適用於兩個程序)
from multiprocessing import Pipe,Process
#pipe的效能高於queue
def producer(pipe):
pipe.send("bobby")
def consumer(pipe):
print(pipe.recv())
if __name__ == "__main__":
recevie_pipe, send_pipe = Pipe()
#pipe只能適用於兩個程序
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(不能用於程序池,程序池間通訊需要使用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()
-
程序池
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模組幾個常用方法
argv 命令列引數list,第一個是程式本身的路徑
path 返回模組的搜尋路徑
modules.keys() 返回已經匯入的所有模組的列表
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
程式碼中中文匹配
[u4E00-u9FA5]匹配中文文字區間[一到龥]
檢視系統預設編碼格式
import sys
sys.getdefaultencoding() # setdefaultencodeing()設定系統編碼方式
getattr VS getattribute
class A(dict):
def __getattr__(self,value):#當訪問屬性不存在的時候返回
return 2
def __getattribute__(self,item):#遮蔽所有的元素訪問
return item
類變數是不會存入例項__dict__中的,只會存在於類的__dict__中
globals/locals(可以變相操作程式碼)
globals中儲存了當前模組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/模組作用域(Global)
內建作用域(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?
即建立類的類,建立類的時候只需要將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(增加引用計數)
copy模組實現神拷貝
單元測試
一般測試類繼承模組unittest下的TestCase
pytest模組快捷測試(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統計測試覆蓋率
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執行完後執行一次
print('開始測試')
@classmethod
def setUpClass(self):# 必須使用@classmethod 裝飾器,所有test執行前執行一次
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,在執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)?
執行時判斷一個物件的型別的能力,id,type,isinstance
python是值傳遞還是引用傳遞?
都不是,python是共享傳參,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全域性直譯器鎖
同一時間只能有一個執行緒執行,CPython(IPython)的特點,其他直譯器不存在
cpu密集型:多程序+程序池
io密集型:多執行緒/協程
什麼是Cython
將python解釋成C程式碼工具
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
使用生成器表示式或者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工方式
實現方式
dict底層結構
為了支援快速查詢使用了雜湊表作為底層結構
雜湊表平均查詢時間複雜度為o(1)
CPython直譯器使用二次探查解決雜湊衝突問題
Hash擴容和Hash衝突解決方案
連結法
二次探查(開放定址法):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() #將程式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的小矩形無重疊地覆蓋一個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)
獲取電腦設定的環境變數
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
引用計數
標記清除
分代回收
#檢視分代回收觸發
import gc
gc.get_threshold() #output:(700, 10, 10)
True和False在程式碼中完全等價於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的網路上保持1000萬併發連線
C10K:1GHz CPU,2G記憶體,1gbps網路環境下保持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
在互動模式中表示上一次程式碼執行結果
可以做數字的拼接(111_222_333)
使用break就不會執行else
10進位制轉2進位制
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] = [] # 可以用於實現python版反射
# 方法二
for i in list1:
exec(f'{i} = []') # exec執行字串語句
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
# 程式碼中出現...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為下面的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,傳入一個資料夾,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,檔名的處理
#secure_filename將字串轉化為安全的檔名
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返回的值
return key
+與+=
# +不能用來連線列表和元祖,而+=可以(通過iadd實現,內部實現方式為extends(),所以可以增加元組),+會建立新物件
#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
網路知識
什麼是HTTPS?
安全的HTTP協議,https需要cs證書,資料加密,埠為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,沒有實體的主體返回,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 //新增或更改成功
503 //伺服器維護或者超負載
http請求方法的冪等性及安全性
WSGI
# environ:一個包含所有HTTP請求資訊的dict物件
# start_response:一個傳送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)是為網路通訊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 的網路小組(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,專為遠端登入會話和其他網路服務提供安全性的協議。利用 SSH 協議可以有效防止遠端管理過程中的資訊洩露問題。SSH最初是UNIX系統上的一個程式,後來又迅速擴充套件到其他操作平臺。SSH在正確使用時可彌補網路中的漏洞。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,都可執行SSH。
TCP/IP
TCP:面向連線/可靠/基於位元組流
UDP:無連線/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)
為什麼連線的時候是三次握手,關閉的時候卻是四次握手?
因為當Server端收到Client端的SYN連線請求報文後,可以直接傳送SYN+ACK報文。其中ACK報文是用來應答的,SYN報文是用來同步的。但是關閉連線時,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,我才能傳送FIN報文,因此不能一起傳送。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路是不可靠的,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指令碼訪問和操作Cookie,可以有效防止XSS
Mysql
索引改進過程
線性結構->二分查詢->hash->二叉查詢樹->平衡二叉樹->多路查詢樹->多路平衡查詢樹(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
沒有滿足最左字首原則
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 <> 操作符,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 來連線條件,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引用起來,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、算術運算或其他表示式運算,否則系統將可能無法正確使用索引
應儘量避免在 where 子句中對欄位進行表示式操作,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(重複資料較多的列)比如:set enum列就不適合(列舉型別(enum)可以新增null,並且預設的值會自動過濾空格集合(set)和列舉類似,但只可以新增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複用模型,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路頻寬。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
效能高 – 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還支援對幾個操作全並後的原子性執行
豐富的特性 – Redis還支援 publish/subscribe(釋出/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(非同步,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(列表):使用者的關注,粉絲列表
ziplist(連續記憶體塊,每個entry節點頭部儲存前後節點長度資訊實現雙向連結串列功能)或double linked list
Hash(雜湊):
Set(集合):使用者的關注者
intset或hashtable
Zset(有序集合):實時資訊排行榜
skiplist(跳躍表)
與Memcached區別
Memcached只能儲存字串鍵
Memcached使用者只能通過APPEND的方式將資料新增到已有的字串的末尾,並將這個字串當做列表來使用。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列表裡的元素,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、視訊等等
虛擬記憶體–Redis當實體記憶體用完時,可以將一些很久沒用到的Value 交換到磁碟
儲存資料安全–Memcached掛掉後,資料沒了;Redis可以定期儲存到磁碟(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、資料堆疊和資料快取等;Memcached適合於快取SQL語句、資料集、使用者臨時性資料、延遲查詢資料和Session等
Redis實現分散式鎖
使用setnx實現加鎖,可以同時通過expire新增超時時間
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效能時,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
使用叢集的時候保證資料的一致性
基於redis實現一個分散式鎖,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
多路複用io(Python下使用selectot實現io多路複用)
select
併發不高,連線數很活躍的情況下
poll
比select提高的並不多
epoll
適用於連線數量較多,但活動連結數少的情況
訊號驅動io
非同步io(Gevent/Asyncio實現非同步)
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/程式可能仍然繼續執行
-9:由於-15的不確定性,所以直接使用-9立即殺死程序
分頁機制(邏輯地址和實體地址分離的記憶體分配管理方案):
作業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
實體地址劃分為同樣大小的幀
通過頁表對應邏輯地址和實體地址
分段機制
為了滿足程式碼的一些邏輯需求
資料共享/資料保護/動態連結
每個段內部連續記憶體分配,段和段之間是離散分配的
檢視cpu記憶體使用情況?
top
free 檢視可用記憶體,排查記憶體洩漏問題
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
@Single
class 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建資料結構和演算法
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模組
from heapq import nsmallest
def heap_sort(_list):
return nsmallest(len(_list),_list)
棧
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()
二分查詢
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
反轉連結串列
合併兩個有序連結串列
刪除連結串列節點
反轉二叉樹
設計短網址服務?62進位制實現
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。為了儲存和查詢效能應該使用自增長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來鍵
如果是分散式系統下我們怎麼生成資料庫的自增id呢?
使用redis
基於redis實現一個分散式鎖,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散式鎖碼?
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,如果一個數據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
服務端效能優化方向
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
網路io
批量操作
pipeline
快取
Redis
非同步
Asyncio實現非同步操作
使用Celery減少io阻塞
併發
多執行緒
Gevent
(完)
⬆️長按圖片 1 秒即可關注推薦閱讀:(點選標題即可跳轉)
Python小知識 | 這些技能你不會?(三)
Python小知識 | 這些技能你不會?(二)
Python小知識 | 這些技能你不會?(一)
27 個問題,告訴你 Python 為什麼如此設計?