
这是一份来自于 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。  

**Py2 VS Py3**  

*   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’, <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
    

  

**常用的库**

*   必须知道的collections
* 
*   python排序操作及heapq模块
    
*   itertools模块超实用方法
    

  
**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__ #(<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
    

*   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
    

*   yield
    
*   async-awiat
    

*   比线程更轻量的多任务方式
    
*   实现方式
    

*   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
    

*   链接法
    
*   二次探查(开放寻址法)：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 <= 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n级。求该青蛙跳上一个n级的台阶总共有多少种跳法。
fib = lambda n: n if n < 2 else 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


*   垃圾回收机制
    

*   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)


*   True和False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1000万并发连接
    
*   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跟的是一个可迭代对象，而yield后面没有限制
    
*   GeneratorExit生成器停止时触发
    

*   单下划线的几种使用
    

*   在定义变量时，表示为私有变量
    
*   在解包时，表示舍弃无用的数据
    
*   在交互模式中表示上一次代码执行结果
    
*   可以做数字的拼接(111\_222\_333)
    

*   使用break就不会执行else
    
*   10进制转2进制

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是可变的，bytes是不可变的,memoryview不会产生新切片和对象
a = ‘aaaaaa’
ma = memoryview(a)
ma.readonly # 只读的memoryview
mb = ma[:2] # 不会产生新的字符串

a = bytearray('aaaaaa')  
ma = memoryview(a)  
ma.readonly  \# 可写的memoryview  
mb = ma\[:2\]      \# 不会会产生新的bytearray  
mb\[:2\] = 'bb'    \# 对mb的改动就是对ma的改动


*   Ellipsis类型

# 代码中出现…省略号的现象就是一个Ellipsis对象
L = [1,2,3]
L.append(L)
print(L) # output:[1,2,3,[…]]


*   lazy惰性计算

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

    def \_\_get\_\_(self, instance, cls):  
        val = self.func(instance)    #其相当于执行的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')  
        return 3.14 \* self.radius \*\* 2


*   遍历文件，传入一个文件夹，将里面所有文件的路径打印出来(递归)

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


*   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 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
#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())


*   tuple使用+=奇怪的问题

# 会报错，但是tuple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\extend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使用切片访问属性不存在的时候返回的值
return key


*   +与+=

# +不能用来连接列表和元祖，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
#不可变对象没有__iadd__方法，所以直接使用的是__add__方法，因此元祖可以使用+=进行元祖之间的相加


*   如何将一个可迭代对象的每个元素变成一个字典的所有键？

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


*   wireshark抓包软件
    

**网络知识**

*   什么是HTTPS?
    

*   安全的HTTP协议，https需要cs证书，数据加密，端口为443，安全，同一网站https seo排名会更高
    

*   常见响应状态码

204 No Content //请求成功处理，没有实体的主体返回，一般用来表示删除成功
206 Partial Content //Get范围请求已成功处理
303 See Other //临时重定向，期望使用get定向获取
304 Not Modified //请求缓存资源
307 Temporary Redirect //临时重定向，Post不会变成Get
401 Unauthorized //认证失败
403 Forbidden //资源请求被拒绝
400 //请求参数错误
201 //添加或更改成功
503 //服务器维护或者超负载


*   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’)])
return ‘

Hello, web!

’


*   RPC
    
*   CDN
    
*   SSL(Secure Sockets Layer 安全套接层),及其继任者传输层安全（Transport Layer Security，TLS）是为网络通信提供安全及数据完整性的一种安全协议。
    
*   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泄露问题。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。SSH在正确使用时可弥补网络中的漏洞。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，都可运行SSH。
    
*   TCP/IP
    

*   TCP:面向连接/可靠/基于字节流
    
*   UDP:无连接/不可靠/面向报文
    
*   三次握手四次挥手
    

*   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三次握手，关闭的时候却是四次握手？
    

*   因为当Server端收到Client端的SYN连接请求报文后，可以直接发送SYN+ACK报文。其中ACK报文是用来应答的，SYN报文是用来同步的。但是关闭连接时，当Server端收到FIN报文时，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Client端，"你发的FIN报文我收到了"。只有等到我Server端所有的报文都发送完了，我才能发送FIN报文，因此不能一起发送。故需要四步握手。  
    

*   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？
    

*   虽然按道理，四个报文都发送完毕，我们可以直接进入CLOSE状态了，但是我们必须假象网络是不可靠的，有可以最后一个ACK丢失。所以TIME\_WAIT状态就是用来重发可能丢失的ACK报文。  
    

*   XSS/CSRF
    

*   HttpOnly禁止js脚本访问和操作Cookie,可以有效防止XSS
    

**Mysql**

*   索引改进过程
    

*   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)
    
    
  
    
*   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
    

*   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
    

*   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 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

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？
    

*   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
    

*   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！）。  
    

*   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
    

*   RDB(快照)
    

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

*   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)
    

*   String(字符串):计数器
    

*   整数或sds(Simple Dynamic String)  
    

*   List(列表)：用户的关注，粉丝列表
    

*   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  
    

*   Hash(哈希)：
    
*   Set(集合)：用户的关注者
    

*   intset或hashtable  
    

*   Zset(有序集合)：实时信息排行榜
    

*   skiplist(跳跃表)
    

*   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
    

*   缓存雪崩
    

*   短时间内缓存数据过期，大量请求访问数据库  
    

*   缓存穿透
    

*   请求访问数据时，查询缓存中不存在，数据库中也不存在  
    

*   缓存预热
    

*   初始化项目，将部分常用数据加入缓存
    

*   缓存更新
    

*   数据过期，进行更新缓存数据  
    

*   缓存降级
    

*   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
    

*   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
    

*   阻塞io
    
*   非阻塞io
    
*   多路复用io(Python下使用selectot实现io多路复用)
    

*   select
    

*   并发不高，连接数很活跃的情况下  
    

*   poll
    

*   比select提高的并不多  
    

*   epoll
    

*   适用于连接数量较多，但活动链接数少的情况  
    

*   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)
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)


**归并排序**

def merge_sorted_list(_list1,_list2): #合并有序列表
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§
return p
def push(self, el):
self.s.append(el)
def pop(self):
return self.pop()


**队列**

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)


**面试加强题：**

关于数据库优化及设计



*   如何使用两个栈实现一个队列
    
*   反转链表
    
*   合并两个有序链表
    
*   删除链表节点
    
*   反转二叉树
    
*   设计短网址服务？62进制实现
    
*   设计一个秒杀系统(feed流)？

    
*   为什么mysql数据库的主键使用自增的整数比较好？使用uuid可以吗？为什么？
    

*   如果InnoDB表的数据写入顺序能和B+树索引的叶子节点顺序一致的话，这时候存取效率是最高的。为了存储和查询性能应该使用自增长id做主键。
    
*   对于InnoDB的主索引，数据会按照主键进行排序，由于UUID的无序性，InnoDB会产生巨大的IO压力，此时不适合使用UUID做物理主键，可以把它作为逻辑主键，物理主键依然使用自增ID。为了全局的唯一性，应该用uuid做索引关联其他表或做外键
    

*   如果是分布式系统下我们怎么生成数据库的自增id呢？
    

*   使用redis
    

*   基于redis实现一个分布式锁，要求一个超时的参数
    

*   setnx
    
*   setnx + expire
    

*   如果redis单个节点宕机了，如何处理？还有其他业界的方案实现分布式锁码?
    

*   使用hash一致算法
    

**缓存算法**

*   LRU(least-recently-used):替换最近最少使用的对象
    
*   LFU(Least frequently used):最不经常使用，如果一个数据在最近一段时间内使用次数很少，那么在将来一段时间内被使用的可能性也很小
    

**服务端性能优化方向**

*   使用数据结构和算法
    
*   数据库
    

*   索引优化
    
*   慢查询消除
    

*   slow\_query\_log\_file开启并且查询慢查询日志
    
*   通过explain排查索引问题
    
*   调整数据修改索引  
    

*   批量操作，从而减少io操作
    
*   使用NoSQL:比如Redis
    

*   网络io
    

*   批量操作
    
*   pipeline
    

*   缓存
    

*   Redis
    

*   异步
    

*   Asyncio实现异步操作
    
*   使用Celery减少io阻塞
    

*   并发
    

*   多线程
    
*   Gevent```

---------------------------END---------------------------