python 重点

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:
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21的小矩形无重叠地覆盖一个2n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

# 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, 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(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