python提高

#python操作数据库的时候使用参数化
cs1.execute(sql语句,(参数...)) 参数他会加上单引号当做一个字符

#以后密码全部都使用加密方式加密******


#以后数据库一定不要远程可以登陆******


#了解帐户管理
1晚上去感受一下就行了
帐户管理用来限制用户的权限,或者操作 %远程,localhost本地
#了解主从的作用
1.主从就是两台数据库的实时备份
2.作用:实时备份,用来某一台数据库出错了(就是不能操作)
3.配置步骤是一定,

change master to master_host='172.16.251.137', master_user='slave', master_password='slave',master_log_file='mysql-bin.000084', master_log_pos=6746;
#了解gil产生的原因
1.是什么:全局解释器锁
2.有什么用:单核下实现多任务
3.在开发cPython解析器的时候是单核的情况下,用程序去切换线程,使用gil锁来控制线程的切换.
4.解析方案,使用进程实现并发多任务,(换javapython解析器) 使用其他语言实现多线程的多任务,
5.如果是有堵塞的那么多线程会比单线程快,但是可以说一般不用我们使用多进程加协程,如果科学计算那么单线程会比多线程快.
#拷贝
###引用
a = [1,2,3]
b = a
c = a

引用就是多个对象指向同一个内存的地址
###理解赋值
a = 1
id(a)
a = 2
id(a)

因为1是int类型,所以是不可变的,每次赋值都会重新创建这个值
###深拷贝与浅拷贝理解
深拷贝:递归所有的数据,全部复制一份,
浅拷贝:复制的是第一层


#可变类型不可变类型拷贝(元组,数字,字符串)
深拷贝与浅拷贝与引用地址都是同一个


#了解常见的系统拷贝
 d = c[:]
 
 a = [1,2,3]
 aa = {'key':a}
 bb = aa.copy()
 

 一般的copy都是浅拷贝,因为性能的问题

并发和并行
###什么是并发什么是并行,他们的区别是什么?
你吃饭吃到一半，电话来了，你一直到吃完了以后才去接，这就说明你不支持并发也不支持并行.

你吃饭吃到一半，电话来了，你停了下来接了电话，接完后电话以后继续吃饭，这说明你支持并发。

你吃饭吃到一半，电话来了，你一边打电话一边吃饭，这说明你支持并行。
###并行与并发的理解
并发：交替处理多个任务的能力
并行：同时处理多个任务的能力
并发的关键是你有处理多个任务的能力，不一定要同时。

并行的关键是你有同时处理多个任务的能力,强调的是同时.

所以它们最大的区别就是：是否是『同时』处理任务。

Erlang 之父 Joe Armstrong 用一张5岁小孩都能看懂的图解释了并发与并行的区别


###经典图


两队人排队使用一个咖啡机, 就像两个任务使用一个单核cup,他们只能实现交替使用, 也就是说单核cup只能实现并发.

两队人排队使用两个咖啡机, 就像两个任务分别使用一个双核cpu的两个核,他们可以同时使用, 也就是说双核cup可以实现并行

对于一个多核cpu来说并行显然要比并发快的多


由此我们可以知道一个多核cpu在处理多个任务的时候如果想要发挥最大功效就要实现并行

那我们在使用多线程和多进程来写程序的时候就是为了让多核cup发挥他最大的功效实现并行, 也就是我们面试题参考答案的结果
###代码验证多进程,多线程对cpu的使用情况
###多线程
import threading


###子线程死循环
def test():
   while True:
       pass


t1 = threading.Thread(target=test)
t1.start()


###主线程死循环
while True:
   pass
###多进程
import multiprocessing

def deadLoop():
   while True:
       pass


###子进程死循环
p1 = multiprocessing.Process(target=deadLoop)
p1.start()


###主进程死循环
deadLoop()
通过代码可以发现 多进程可以充分使用cpu的两个内核 而多线程却不能充分使用cpu的两个内核


###问题 : 通过验证我们发现多线程并不能真正的让多核cpu实现并行
###原因 : 
cpython解释器中存在一个GIL(全局解释器锁),他的作用就是保证同一时刻只有一个线程可以执行代码,因此造成了我们使用多线程的时候无法实现并行


###解决方案法 :
1:更换解释器 比如使用jpython(java实现的python解释器)
2:使用多进程完成多任务的处理
##GIL（全局解释器锁）
###GIL面试题如下
描述Python GIL的概念， 以及它对python多线程的影响？编写一个多线程抓取网页的程序，并阐明多线程抓取程序是否可比单线程性能有提升，并解释原因。


Guido的声明：http://www.artima.com/forums/flat.jsp?forum=106&thread=214235

he language doesn't require the GIL -- it's only the CPython virtual machine that has historically been unable to shed it.


###参考答案:
Python语言和GIL没有半毛钱关系。仅仅是由于历史原因在Cpython虚拟机(解释器)，难以移除GIL。
GIL：全局解释器锁。每个线程在执行的过程都需要先获取GIL，保证同一时刻只有一个线程可以执行代码。
线程释放GIL锁的情况： 在IO操作等可能会引起阻塞的system call之前,可以暂时释放GIL,但在执行完毕后,必须重新获取GIL Python 3.x使用计时器（执行时间达到阈值后，当前线程释放GIL）或Python 2.x，tickets计数达到100
Python使用多进程是可以利用多核的CPU资源的。
多线程爬取比单线程性能有提升，因为遇到IO阻塞会自动释放GIL锁
#结论:
1. 在 处理像科学计算 这类需要持续使用cpu的任务的时候 单线程会比多线程快
2. 在 处理像IO操作等可能引起阻塞的这类任务的时候 多线程会比单线程快