你見過的最全面的python重點
前端
- span設定margin上下無效果,因為span是行內元素,是沒有寬高的。
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
- rangex不存在,range替代了rangex
- 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', <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: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
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根據系統決定
- fnmatch(string,"*.txt") #win下不區分大小寫
- 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("<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
-
- selectot(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
-
- 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
-
-
getattrVSgetattribute
-
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__#(<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
-
實現__next__和__iter__方法的物件就是迭代器
- 可迭代物件只需要實現__iter__方法
- 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
- 比執行緒更輕量的多工方式
-
實現方式
- yield
- async-awiat
-
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
- 迴圈複製到新空間實現擴容
-
衝突解決:
- 連結法
- 二次探查(開放定址法):python使用
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)+fib(n-3) #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 '<h1>Hello, web!</h1>'
- 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: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
- Mysql面試總結進階篇
- 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:
- 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) ?
-
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()
-
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