Katherine1029的博客

3.域完整性 - 存储的数据都是有效的数据 --数据类型/数据长度/非空约束/检查约束/I-Isolation -- 隔离性 - - 并发的多个事务不知道彼此之间的中间状态。1.实体完整性 - 每一个实体都是独一无二的，没有冗余 --主键/唯一索引。D- Duration - 持久性 - 事务完成后数据要做持久化。C-Consistency -一致性-事务的前后数据状态一致。--文档数据库-MongoDB、ElasticSearch。--键值对数据库-Redis。2.参照完整性 - 外键。

pip list保存所有环境依赖项配置相同的依赖项目。

- select 'x' from dual where exists(select empno from tb_emp where empname like '张%')-- select 'x' from dual where exists(select empno from tb_emp where empname like '赵%')-- explain select empno,empname from tb_emp where empname like '张%';

insert into tb_student values(1003, '张三丰',1,'1982-2-2','湖北十堰');insert into tb_student values(1004, '张二丰',1,'1982-2-2','湖北十堰');insert into tb_student values(1005, '张一丰',1,'1982-2-2','湖北十堰');(1009,'杨不悔',0);(1007,'杨逍',1),(1008,'谢逊',1),-- 删除学生delete。

协程：有耗时操作：网络请求，网络下载，网络上传（爬虫）IO：文件的读写，阻塞time.sleep。由于IO操作非常耗时，经常使程序处于等待状态，有了gevent我们自动切换协程，就保证了。Python还有一个比greenlet更加强大的并且能够自由切换任务的模块gevent。比如网络，文件操作时）比如访问网络，就自动切换到其它的greenlet,等到IO完成，greenlet已实现了协程，但是这个人工切换，是不是觉得太麻烦了，不要着急。总是有greenlet在运行，而不是等待IO。

使用Thread对象的Lock和RLock可以实现简单的线程同步，这两个对象都有acquire方法和release方法。多线程的优势在于可以同时运行多个任务，但是当线程需要共享数据时，可能存在数据不同步的问题。如果多个线程共同对某个数据修改，则可能出现不可预测的结果，为了保证数据的正确性，需要对多个数据进行同步。对于那些需要每次只允许一个线程操作的数据，可以将其操作放到acquire和release方法之间。开发过程中使用线程，在线程间共享多个资源的时候。同步：一个一个的完成，一个做完另一个才能进来。

线程：Thread 耗时操作时使用，爬虫。#状态：新建，就绪，运行，阻塞，结束。#进程：Process 计算密集型。# 线程是可以共享全局变量的。# GIL 全局解释器锁。

但是如果是上百个或者上千个目标，手动去创建进程的工作量很大，此时就可以利用到Multiprocessing模块提供的Pool方法。非阻塞式:全部添加到队列中，立刻返回，并没有等待其它进程执行完毕，但是回调函数是等地啊任务完成之后才调用。那么就会创建一个新的进程来执行该请求；但是如果池中的进程数量已经达到指定的最大值，那么该请求会等待。初始化pool时，可以指定一个最大进程数，当有新的请求提交到Pool中时，如果池还没有满。直到池中有进程结束，才会创建新的进程来执行。好处：设置进程数量，达到进程的复用。

但是如果是上百个或者上千个目标，手动去创建进程的工作量很大，此时就可以利用到Multiprocessing模块提供的Pool方法。当需要创建的子进程数量不多时，可以直接利用multiprocessing中的Process动态生成多个进程。非阻塞式:全部添加到队列中，立刻返回，并没有等待其它进程执行完毕，但是回调函数是等地啊任务完成之后才调用。但是如果池中的进程数量已经达到指定的最大值，那么该请求会等待。初始化pool时，可以指定一个最大进程数，当有新的请求提交到Pool中时，如果池还没有满。

并发：当有多个线程操作时，如果系统只有一个CPU，则它不可能真正同时进行一个以上的线程，它只能把CPU运行时间划分为若干个时间段，再将时间段分配给各个线程执行，在一个时间段的线程代码运行时，其它代码处于挂起状态。当一个CPU执行一个线程时，另一个CPU可以执行另外一个线程，两个线程互补抢占CPU资源，可以同时进行，这种方式我们称之为并行（parallel)单核CPU实现多任务原理：操作系统让多个任务交替进行，QQ执行2us,切到微信，在切到别的，表面看是同时执行，实际是单独执行。

单例模式：只产生一次地址。#开发模式：单例模式。

Python的多态实际是通过instance 实现的。

student 使用computer book。算是自定义的类，都可以将其当成一种类型。一个类中使用了另外一种自定义类的类型。student是一种类型。s是Student的类型。

在开发中看到的一些私有化处理，装饰器@property，可以将私有化改成和非私有化一样的调用。#封装：1.私有化属性部分;2.定义共有的set和get方法。#__属性：就是将属性私有化，访问范围仅仅限于类中。2.也可以修改：通过set方法修改。1.隐藏属性不被外界修改。

触发时机：初始化对象时触发（不是实例化触发，但是和实例化在一个操作中）# 触发时机：把对象当成函数使用时候，会默认调用此函数中的内容。#__init__:初始化魔术方法。#__new__:实例化的魔术方法。#__call__:对象调用方法。#触发时机：实例化时触发。

5.locals()内置函数进行查看，可以看到当前函数中声明的内容有哪些,是一个字典，key时变量名:value变量值。6.globals()全局变量查看，可以看到当前所有全局变量，是一个字典，key时变量名:value变量值。4.内部函数修改外部的不可变的变量时，需要在内部函数中声明：nonlocal 变量名。3.内部函数修改全局变量时，需要在内部函数声明global变量名。2.内部函数可以修改外部函数的可变变量比如：list。4.内部函数引用了外部函数的变量。1.外部函数中定义了内部函数。

生成器:generator 1.通过列表推导式 g=(x for x in range(6)) 2.函数和yield def func(): ... yield g=func() 产生元素 1.next(generator) -->每次调用都会生成一个新的元素，如果元素产生元素完毕，再次调用就会产生异常 2.生成器自己的方法： g.__next__() g.send() 应用：协程。send(value):向每次生成器调用中传值 注意：第一次调用send(None)__next__():获取下一个元素。

点击Run选择EditConfiguration后打开Run/Debug Configurations,找到参数输入你的参数后执行即可。# 检查参数长度，并提示用户输入正确的参数格式。# 以下是你的程序主要逻辑。

1.进入CMD输入jupyter notebook --enter--等待结束，使用Edge打开后出现jupyter的网页。启动终端jupyter notebook。

w:任意文字字符=[a-zA-Z0-9_]\W:非文字字符=[^a-zA-Z0-9_]\s:空字符，如[\t
\r\f\v]\S:非空字符[^\t
\r\f\v]如果是单行模式，表示这个文本的结束位置。如果是多行模式，表示文本每行的结束位置。"*"匹配任意个字符包括0个和任意个。单行模式：表示匹配整个文本的开头位置。多行模式：表示匹配文本每行的开头位置。多行模式：表示匹配文本每行的开头位置。"."匹配任意字符（一个）^表示匹配文本的起始位置。"$"表示文本的结束位置。