Py2 VS Py3

• 打印成为函数，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
• 没有了长类型
• 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
• 从
• 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
• 添加 enum、mock、ipaddress、concurrent.futures、asyncio urllib、selector
  • 不同类间不能进行比较
  • 同一枚举类之间只能进行相同的比较
  • 枚举类的使用(编号默认从1开始)
  • 为了避免枚举类中相同的枚举值的出现，可以使用@unique装饰枚举类

# 的注意事项
from enum import Enum

class COLOREnum ):
YELLOW= 1
#YELLOW=2#会
GREEN= 1不会报错,GREEN 枚举可以是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怎么把另类遍历出来
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

#枚举转换
#最好在数据库访问使用枚举的数值而不是使用标签
姓名字符串#在代码里面使用张举类
a= 1
print(COLOR(a)) # output:COLOR.YELLOW

py2/3 转换工具

• 六模块：pyton2和pyton3的模块
• 2to3工具：修改代码语法版本
• __future__：使用下一个版本的功能

常用的库

• 必须知道的收藏

  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)
• 检查(生成器状态)
• cProfile(性能分析)
• bisect(维护有序列表)
• 匹配
  • fnmatch(string,”*.txt”) #win下不离散大小写
  • fnmatch根据系统决定
  • fnmatchcase 完全变量大小写
• 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= “从 __main__ 导入 isLen” ))

• 上下文库
  • @contextlib.contextmanager使生成器函数变成一个上下文管理器
• 类型（包含标准了器定义的所有类型的对象，可以将生成器功能解释为异步模式）

import types
types.coroutine #相当于实现了__await__

• html(实现对html的转义)

import html
html.escape( “<h1>I’m Jim</h1>” ) # output:'<h1>I’m Jim</h1>’
html.unescape( ‘<h1>我是吉姆</h1>’ ) # <h1>我是吉姆</h1>

• mock(解决测试依赖)
• 并发（创建线程池和线程池）

from concurrent.futures import ThreadPoolExecutor

pool = ThreadPoolExecutor()
task = pool.submit(函数名，（参数）) #此方法不会申请，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，返回真或假，取消成功返回真
task.add_done_callback（） ＃回调函数
task.running（） ＃是否正在执行的任务就是一个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数据)

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) #根据条件进行主线程，有四个条件

• selector(封装select,用户多路圆周io编程)
• 异步

future=asyncio.ensure_future(协程) 未来=loop.create_task(协程)
future.add_done_callback() 添加一个完成后的功能函数
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，但聚集可以批量取消，收集对象.cancel（）

一个线程中只有一个环

在loop.stop时一定要loop.run_forever()否则会报错
loop.run_forever()可以执行辅助非程
最后执行finally模块中loopclose.()

asyncioTask.all_tasks()所有任务然后完成并并任务.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，然后多个根据时间的升序进行

如果执行非要运行有视频的代码
使用loop.run_in_executor(executor,函数，参数)包装成一个多线程，然后通过动态到一个任务列表中，通过wait来(task

list ) 运行通过asyncio实现
reader,writer=await_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()：

蟒蛇进阶

• 过程间通信：
  • Manager（内置了多种数据结构，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()

打印（progress_dict）

• • 管道（适用于两个进程）

from multiprocessing import Pipe,Process
#pipe 的性能优于queue
def producer (pipe) :
pipe.send( ” pipe ” )

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（不能用于流程池，流程池间通信需要使用Manager().Queue()）

从多处理进口队列，过程
DEF 生产者（队列）：
queue.put（“A” ）
time.sleep（2）

DEF 消费者（队列）：
time.sleep（2）
数据= queue.get（）
打印（数据）

，如果__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()

• • 画池

DEF 生产者（队列）：
queue.put（ “A” ）
time.sleep（ 2）

DEF 消费者（队列）：
time.sleep（ 2）
数据= queue.get（）
打印（数据）

如果__name__ == “__main__” :
queue = Manager().Queue( 10 )
pool = Pool( 2 )

pool.apply_async(producer, args=(queue,))
pool.apply_async(consumer, args=(queue,))

pool.close()
pool.加入（）

• sys模块常用方法
  • argv 命令行参数列表,第一个是程序制作的路径
  • 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()： 任何可替换对象为空返回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)在s,[a,b,c]))

• 集合集合造型
  • {1,2}.issubset({1,2,3})#判断是否是其子集
  • {1,2,3}.issuperset({1,2})
  • {}.isdisjoint({})#判断两个集合交集是否为空，是空集则为真
• 代码中文匹配
  • [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

• 获取属性 VS 获取属性

class A(dict):
def __getattr__ (self,value) : #当访问属性不存在的时候返回
return 2
def __getattribute__ (,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，未来存在于类的__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
  • 全局/模块作用域(Global)
  • √ 作用域（内置）
• 实现从1-100每三个为一组成绩

打印([[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，创建类的时候很喜欢metaclass=元类，元类需要继承类型而不是对象，因为类型就是元类

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

• 什么是鸭子类型（即：多态）？
  • Python在使用参数的过程中不会默认判断参数类型，只要参数有执行条件就可以执行
• 浅拷贝和浅拷贝
  • 浅拷贝拷贝内容，浅拷贝拷贝地址(增加引用计数)
  • 复制模块实现神复制
• 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/测试类以测试开头，并且不能带着init方法)
  • 覆盖率统计测试覆盖率

class MyTest(unittest.TestCase):
def tearDown (self) : #六测试用例执行前执行
print(本方法开始测试了’ )

def setUp (self) : #测试用例执行之前的操作
print( ‘本方法测试结束’ )

@classmethod
def tearDownClass (self) : # 必须使用@classmethod装饰器,所有测试运行完后运行一次
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的时候操作主动释放
• 什么是猴子补丁？
  • 猴子打补丁，在运行的修改替换掉会发生的语法为非日常的方法
• 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，默认参数在执行时间执行一次
• try-except-else-finally中else和finally的区别
  • 否则在不发生异常的时候执行，终于有没有发生异常异常执行
  • 除了一次可以多一些不同的异常，但一般是为了对异常进行不同的处理，我们分次食品处理
• GIL解释器锁
  • 同一时间唯一有一个线程执行，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
  • 可迭代对象只需要实现__iter__方法
    • 实现__next__和__iter__方法的对象就是迭代器
  • 使用生成器表达式或yield的生成器函数(生成器是一种特殊的迭代器)
• 什么是协程
  • 屈服
  • async-awiat
    • 比线程更轻量的多任务方式
    • 实现方式
• 字典结构
  • 为了支持快速查找使用了哈希表作为结构
  • 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
• 哈希扩容和哈希冲突解决方案
  • 链接法
  • 二次探查（开放访问法）：python使用
    • 循环复制到新空间实现扩容
    • 冲突解决：

for gevent import monkey
monkey.patch_all() #将代码中所有的发布方法都进行修改，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

#三只青蛙一次可以跳上1级，也可以跳上2级。求该青蛙跳上一个级的台阶。有多少种跳法。
#求n个2*1的小椭圆无重叠地覆盖一个2*n的大椭圆，方式有多少种方法？
#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

#一只青蛙一次可以跳上1级台阶，也可以跳上2级……它也可以跳上ñ级求该青蛙跳上一个ñ级的台阶总共有多少种跳法。
FIB =拉姆达N：N如果ñ< 2 别的 2 * FIB（N –1 )

• 获取电脑设置的环境变量

import os
os.getenv(env_name, None ) #获取环境变量如果不存在为None

• 垃圾回收利用
  • 引用计数
  • 标记清除
  • 分代回收

#查看分代回收触发
import gc
gc.get_threshold() #output:(700,10,10)

• 真和假在代码中完全等价于1和0，可以直接和数字进行计算，inf表示无穷大
• C10M/C10K
  • C10M：8核心cpu，64G内存，在10gbps的网络上保持1000同时连接
  • C10K：1GHz CPU，2G内存，1gbps网络环境下保持1万个客户端提供FTP服务
• yield from与yield的区别：
  • yield from 是一个可迭代对象，而yield 没有限制
  • GeneratorExit生成器停止时触发
• 单下划线的几种用法
  • 在定义变量时，表示为变量
  • 在解包时，表示舍弃无用的数据
  • 在交互模式中显示上一次代码执行结果
  • 可以做数字的数字(111_222_333)
• 使用break就不会执行else
• 10 件转2位

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] = [] # 可以用于实现python版反射

#方法二
for i in list1:
exec(f ‘{i} = []’ ) # exec执行字符串语句

• memoryview与bytearray$\color{#000}(不常用，只是看到了记载一下)$

#bytearray是不会呼吸的，bytes是产生不呼吸的，memoryview新和新对象
a = ‘aaaaaa’
ma = memoryview(a)
ma.readonly #只读的memoryview
mb = ma[: 2 ] #不会新的字符串

a = bytearray( ‘aaaaaa’ )
ma = memoryview(a)
ma.readonly # 可写的memoryview
mb = ma[: 2 ] # 不会产生新的bytearray
mb[: 2 ] = ‘bb ‘ # 对mb的改变就是对ma的改变

• 省略号类型

# 代码中出现…省略号对象的食欲就是一个EllipsisL
= [ 1 , 2 , 3 ]
L.append(L)
print(L) # output:[1,2,3,[…]]

• 懒惰计算

class lazy(object):
def __init__ (self, func) :
self.func = func

def __get__ (self, instance, cls) :
val = self.func(instance) #其等效执行的area(c),c为下面的Circle对象
setattr(instance, self.func.__name__, val)
return val`

class Circle(object):
def __init__ (self, radius) :
self.radius = radius

@lazy
def area (self) :
print( ‘evalute ‘ )
返回 3.14 * self.radius ** 2

• 遍历文件，一个文件夹，将里面所有文件的路径打印出来（）

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)
返回all_files

• 文件存储时，文件名的处理

#secure_filename将字符串转化为安全的文件名
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 contains cool \xfcml\xe4uts.txt’ ) # output:i_contain_cool_umlauts.txt

• 日期订

from datetime import datetime

datetime.now().strftime( “%Y-%m-%d” )

import time
#这里只有localtime可以被格式化，time是不能格式化的
time.strftime( “%Y-%m -%d” ,time.localtime())

• 元组使用+=相同的问题

# 会报错，但是元组的值会改变，因为 t[1]id 没有发生变化
t=( 1 ,[ 2 , 3 ])
t[ 1 ]+=[ 4 , 5 ]
# t[1]使用append\扩展方法并不会报错，并可以成功执行

• __missing__你应该知道

class Mydict(dict):
def __missing__ (self,key) : # 当Mydict使用访问访问属性不存在的时候返回值
return key

• +与+=

#+不能使用连接列表和元祖，而+=可以（通过iadd实现，内部实现方式为extends()，所以可以增加元组），+会创建新对象
#不添加对象没有__iadd__，直接使用是__add__方法，因此元祖可以使用+=进行元祖之间的相加

• 如何将一个可访问对象的所有键变成一个可访问对象的所有键？

dict.fromkeys([ ‘jim’ , ‘han’ ], 21 ) # 输出：{‘jim’: 21, ‘han’: 21}

• wireshark抓包软件

网络知识

• 什么是HTTPS？
  • 安全的HTTP协议，需要https证书，数据智能，端口为443，安全，同一网站httpsseo学生会上升
• 常见响应状态码

204无内容 // 请求成功处理，没有实体的主体返回，一般表示删除成功
206部分内容 //获取范围请求已成功处理
303查看其他 // 临时寻找，期望使用获取定向获取
304未修改/ /请求缓存资源
307 Temporary Redirect //参数目标，发布不会Get
401 Unauthorized //认证失败
403 Forbidden //资源请求被拒绝
400 //请求错误
201 //添加或更改成功
503 //服务器维护或超载

• http请求方法的幂等性及安全性
• WSGI

#environ：一个包含所有HTTP请求信息的dict对象
# start_response：一个发送HTTP响应的函数
def application (environ, start_response) :
start_response( ‘200 OK’ , [( ‘Content-Type’ , ‘text/html’ ) ])
返回 ‘<h1>Hello, web!</h1>’

• RPC
• CDN
• SSL（Secure Sockets Layer 安全套层）及其继任者接层安全（Transport Layer Security，TLS）是为网络通信提供安全及数据注册的一种安全协议。
• SSH（安全外壳协议）为 Secure Shell 的缩写，由 IETF 的网络小组（Network Working Group）所制定；SSH 为建立在应用层基础上的安全协议。SSH 是目前较可靠，专为远程登录会话和其他网络服务提供安全性的协议。利用 SSH 协议可以有效防止远程管理过程中的信息使用问题。SSH 最初是 UNIX 系统上的一个程序，后来又迅速扩展到其他操作平台正确。SSH 在时可结网络中的漏洞。SSH客户端适用于多种平台。几乎所有UNIX平台——包括HP-UX、Linux、AIX、Solaris、Digital UNIX、Irix，以及其他平台，都可以运行SSH。
• TCP/IP
  • TCP：连接/依赖/基于字节流
  • UDP:无连接/不可靠/一篇报道文
  • 第三次招手四次挥手
    • 第三次握手(SYN/SYN+ACK/ACK)
    • 四次挥手(FIN/ACK/FIN/ACK)
  • 为什么连接的时候是第三次握手，关闭的时候是四次握手？
    • 因为当Server端客户端的SYN连接请求报文后，可以直接发送SYN+ACK报文。其中ACK报文是收到收到的，SYN报文是同步的。但是关闭连接时，当Server端收到FIN报时，很可能并不会立即关闭SOCKET，所以只能先回复一个ACK报文，告诉客户端，“你发的FIN报文我收到了”。只有等我服务器端所有的报文都发送完毕，我不能发送文报，因此不能一起发送。所以需要四步招呼。
  • 为什么TIME_WAIT状态需要经过2MSL（最大报文段生存时间）才能返回到CLOSE状态？
    • 既然按了循规蹈矩，四报文都已经发送完毕，我们可以直接进入关闭状态了，但是我们必须要进入象网是不可靠的，有可能最后一次遗失。文。
• XSS/CSRF
  • HttpOnly禁止js脚本访问和操作Cookie，可以有效防止XSS

mysql

• 改进方法
  • 线性结构->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 规范从新删除建表
• text/blob 数据类型不能有默认值，时不存在大小写转换
• 什么时候失效
  • 以%开头的喜欢模糊查询
  • 出现隐式类型转换
  • 没有满足最左边的原则
    • 对于多列索引，不是使用的第一部分，则不会使用索引
  • 失效场景：
    • 应尽量避免在子句中使用!=或<>操作符，否则引擎将脱离使用索引而进行全表扫描
    • 尽量避免在子句中使用或来连接条件的地方，否则将导致引擎放弃使用索引而进行全表扫描，即使有条件带索引也不会使用，也是为了减少或这的原因
    • 如果一列类型是字符串，那一定要在条件中将数据引用起来，否则不会使用索引
    • 应尽量避免在子句中对字段进行函数操作，这将导致引擎脱离使用而进行全表扫描

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：

• • • 不要在子中的“=”的地方
    • 应尽量避免在子句中对字段进行表达式操作，这将导致发动机脱离使用而进行全表扫描

如：
select id from t where num/ 2 = 100
应改为：
select id from t where num = 100 * 2；

• • • 不适合键值具体列（重复数据可能的列）例如：set enum 适合（枚举类型（enum）可以添加null，并且默认的值会自动过滤分组集合（set）和枚举）类似，但只能添加64个值）
    • 如果MySQL估计使用全表扫描使用索引快，则不使用索引
• 什么是地方
  • B+Tree 叶子节点保存的是数据还是路径
  • MyISAM 索引和数据分离，使用非集中
  • InnoDB数据文件就是文件，主键索引就是索引

Redis命令总结

• 为什么这么快？
  • 基于内存，由C语言写
  • 使用多路I/O悉尼模型，非现场IO
  • 使用单线程线程间切换
    • 因为Redis是基于内存的，CPU最有可能是内存机器的大小网络网络操作。了（出现了很多问题！）。
  • 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
  • 大量的数据类型
  • 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 还支持发布/订阅（发布/订阅）、通知、关键更新等等特性
• 什么是redis事务？
  • 将有一些请求包裹，按顺序执行一些命令的机制
  • 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
  • RDB(截图)
    • save(同步，可以保证数据)
    • bgsave(异步，关机时，无AOF则默认使用)
  • AOF(追加日志)
• 怎么实现
  • 推
  • 流行音乐
• 常用的数据类型(Bitmaps,Hyperlogs, Range Discovery等不常用)
  • String(字符串): 遥控器
    • 唱或sds(Simple Dynamic String)
  • 列表（列表）：用户的关注，粉丝列表
    • ziplist（连续内存块，入口节点隐匿持续时间长度信息或实现链表功能）
  • 哈希(哈希)：
  • Set(集合)：用户的关注者
    • 集合或哈希表
  • Zset(顺序集合)：实时信息排行榜
    • skiplist(跳跃表)
• 与Memcached的区别
  • Memcached 唯一存储字符串键
  • Memcached 用户只能通过 APPEND 的方式将数据添加到现有的字符串的隐藏列表中，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，Memcache 则采用了通过黑列表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 和缓存都将数据全部存储在内存中，都是内存数据库。不过内存缓存用于缓存其他，例如图片视频等等
  • 虚拟内存——当物理内存用完，可以将一些没有时的Redis的价值交换到磁盘
  • 存储数据安全——Memcached挂掉后，数据没了；Redis可以随时保存到磁盘（持久化）
  • 应用场景不一样：Redis 出来作为 NoSQL 数据库使用外，还可以做消息数据库、数据查询和数据缓存等；Memcached 适合于查看 SQL 语句、数据集、用户临时性数据、延迟数据查询和 Session 等
• Redis实现应用锁
  • 使用setnx实现加锁，同时可以通过expire超时时间
  • 锁的值可以是一个随机的uuid或者特定的一种
  • 释放锁的时候，通过uuid判断是否是该锁，是则执行删除释放锁
• 常见问题
  • 缓存雪崩
    • 修改数据过期，大量请求访问数据库
  • 缓存刷新
    • 请求访问数据时，查询中不存在，数据库中也不存在
  • 紧急注意
    • 初始化项目，将部分常用数据加入审核
  • 有更新
    • 数据更新，进行更新修正数据
  • 及时降级
    • 当访问量剧增加、服务出现问题（如响应时间缓慢或不响应）或非核心服务影响到核心流程的时间，仍然需要保证服务仍然可用，即使是有损数据服务。进行自动降级，也可以配置开关自动降级
• 一致性算法
  • 使用时间的时候保证数据的一致性
• 基于redis实现一个应用锁，要求一个超时的参数
  • 设置
• 虚拟内存
• 内存擦

Linux

• Unix 情感/o 模型
  • 电竞
  • 非她io
  • 多路美食（Python下使用selectot实现io多路美食）
    • 选择
      • 并发不高，连接数很正常的情况下
    • 轮询
      • 比选择提高的不多
    • 民意调查
      • 适用于连接数量的情况，但活动链接数少的情况
  • 信号灯
  • 异步io(Gevent/Asyncio实现异步)
• 比人更好的使用命令手册
  • tldr：一本命令示例的手册
• kill -9和-15的区别
  • -15：程序立即停止/当程序释放所有资源之后停止/程序可能继续运行
  • -9：由于-15的本质性，所以直接使用-9立即创作过程
• 分页机制（逻辑地址和物理地址的内存分配管理方案）：
  • 为了高效管理内存，减少一点
  • 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
  • 通过页表对应的逻辑地址和物理地址
• 翻译对应
  • 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
  • 若干段内部连续分配，段和段之间是离散分配的
• 查看cpu内存使用情况？
  • 最佳
  • 免费查看内存，排查内存问题

设计模式

单例模式

＃方式一
DEF 单（CLS，*指定参数时，** kwargs） ：
实例= {}
DEF get_instance （*指定参数时，** kwargs） ：
如果CLS未 在实例：
实例[CLS] = CLS（*指定参数时，** kwargs )
return instances[cls]
return get_instance
@Single
class B :
pass
# 方式
二类 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)
返回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 constructor_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

数据结构和算法内置数据结构和算法

python实现各种数据结构

快速排序

def quick_sort (_list) :
if len(_list) < 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)

选择排序

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）
用于我在范围（ 1，N）：
值= _list [I]
POS = I
，而POS> 0 和值<_list [POS – 1 ]
_list [POS] = _list [pos – 1 ]
pos -= 1
_list[pos] = value
print(sql)

归并排序

def merge_sorted_list (_list1,_list2) : #合并
排序列表len_a, len_b = len(_list1),len(_list2)
a = b = 0
sort = []
while len_ > 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(左右）

堆叠排序heapq模块

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

栈

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()

雷

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)

面试题：

关于数据库优化及设计

https://segmentfault.com/a/1190000018426586

• 如何使用两个栈实现一个方法
• 联链表
• 合并两个链表
• 删除链表节点
• 似二叉树
• 设计短网址服务？62种方式实现
• 设计一个秒杀系统(feed流)？

  https://www.jianshu.com/p/ea0259d109f9

• 为什么mysql数据库的键使用自增的能比较好？使用uuid可以吗？为什么？
  • 如果 InnoDB 的数据写入顺序能和 B+树索引的起始节点顺序一致的话，这时候表访问吞吐量是最高的。为了存储和性能应该使用自增长 ID 做主查询。
  • 对于InnoDB的主索引，数据会按照主键进行自排序，因为UUID的无性，InnoDB会产生产生的IO压力，不适合使用UUID做物理主键，可以把它当作逻辑主键，物理主键仍然使用增ID。为了其他的唯一性，应该用uuid做索引关联其他表或做外键
• 如果是民间系统下我们怎么生成数据库的自增id呢？
  • 使用redis
• 基于redis实现一个应用锁，要求一个超时的参数
  • 设置
  • setnx + 过期
• 如果redis个别处理事件发生了，如何？还有其他的解决方案实现了锁码？
  • 使用hash协议

即时算法

• LRU(least-recent-used):最近最少使用的对象
• LFU（Least 经常使用）：最不经常使用，如果有一个数据在近期内使用次数很少，那么在以后可能内被使用的问题也能保证

服务端性能优化方向

• 使用数据结构和算法
• 数据库
  • 优化优化
  • 慢查询删除
    • slow_query_log_file开启并且查询慢查询日志
    • 通过解释排查索引问题
    • 调整数据修改索引
  • 操作，从而减少操作
  • 使用NoSQL：例如Redis
• 网络
  • 示范操作
  • 管道
• 此刻
  • Redis
• 异步
  • Asyncio 实现异步操作
  • 使用Celery减少io流量
• ……
  • 多线程
  • 万事达