你能否推荐一本涵盖最全面Python核心知识的书籍？

本文共计5123个文字，预计阅读时间需要21分钟。

由于总结内容较多，以下是对原文的简写：

总结太多内容，导致篇幅过长，这也是我‘多多补充’总结的原因。Py2 VS Py3：print 变成了函数，Python2 中 print 是关键字，不再有 unicode 对象，默认 str 就是 unicode；Python3 中 print 返回浮点数。

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‘, <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

  segmentfault.com/a/1190000017385799

• python排序操作及heapq模块

  segmentfault.com/a/1190000017383322

• itertools模块超实用方法

  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(创建进程池河线程池)

‘‘‘ 遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006 寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！ ‘‘‘ 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

‘‘‘ 遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006 寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！ ‘‘‘ 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segmentfault.com/a/1190000018371218

Mysql面试总结进阶篇

segmentfault.com/a/1190000018380324

深入浅出Mysql

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

‘‘‘ 遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006 寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！ ‘‘‘ # 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

‘‘‘ 遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006 寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！ ‘‘‘ 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

‘‘‘ 遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006 寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！ ‘‘‘ 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

‘‘‘ 遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006 寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！ ‘‘‘ 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

• 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