很全面的Python重点知识汇总，建议收藏！-python知识点汇总

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
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("<h1>I'm Jim</h1>") # output:'&lt;h1&gt;I&#x27;m Jim&lt;/h1&gt;'  
    html.unescape('&lt;h1&gt;I&#x27;m Jim&lt;/h1&gt;') # <h1>I'm Jim</h1>

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:  
    datadata=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, bb = 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 '<h1>Hello, web!</h1>'

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)
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, lenlen_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(p)  
            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

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