你见过的最全面的 Python 重点

点击上方“码农突围”，马上关注

这里是码农充电第一站，回复“666”，获取一份专属大礼包

真爱，请设置“星标”或点个“在看”

来源：二十一    链接：

https://segmentfault.com/a/1190000018737045

由于总结了太多的东西，所以篇幅有点长，这也是我"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', )\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

常用的库

• 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(创建进程池河线程池)

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

• • 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 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
以%开头的like模糊查询
出现隐士类型转换
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) _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
 
 
https://segmentfault.com/a/1190000018426586
 
 
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)？
https://www.jianshu.com/p/ea0259d109f9
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
 
 
 
 
（完）
 
 
看完本文有收获？请转发分享给更多人
 
 
关注「Python技术之巅」，一起学Python