2017/6/9
动态语言
类
分为添加类方法和静态方法
定义类方法需要加@classmethod表示需要添加一个属性，里面必须要有需要传的参数
定义静态方法需要加@staticmethod表示需要添加一个静态方法，不需要参数
限定
为了达到限制的目的，Python允许在定义class的时候，定义一个特殊的__slots__变量，来限制该class实例能添加的属性
在定义完类之后，为了让语言具有严谨性，添加__slots__（）括号里面写允许添加的参数
元类
类也是对象，可以在运行的时候创建它们，就像其他任何对象一样
可以使用type创建一个类
Type（‘类名’，（），{}）
其中里面可以添加方法，（）里面是写继承或者参数{}里面是添加方法的后面加上testStatictestclass这种属于类方法
如果添加静态方法的话后面不必加东西，teststatic
Metaclass
你首先写下class Foo(object)，但是类Foo还没有在内存中创建。Python会在类的定义中寻找__metaclass__属性，如果找到了，Python就会用它来创建类Foo，如果没有找到，就会用内建的type来创建这个类
垃圾回收
·为新生成的对象分配内存
·识别那些垃圾对象，并且
·从垃圾对象那回收内存。
通过频繁的处理零代链表中的新对象，Python的垃圾收集器将把时间花在更有意义的地方：它处理那些很快就可能变成垃圾的新对象。同时只在很少的时候，当满足阈值的条件，收集器才回去处理那些老变量。
·垃圾回收后的对象会放在gc.garbage列表里面
·gc.collect()会返回不可达的对象数目，4等于两个对象以及它们对应的dict
有三种情况出发垃圾回收：
1.调用gc.collect(),
2.当gc模块的计数器达到阀值的时候。
3.程序退出的时候
内建函数
Range（）
Map函数
filter函数
filter函数会对指定序列执行过滤操作
reduce函数
reduce函数，reduce函数会对参数序列中元素进行累积
sorted函数用来排序
Python系统编程
多任务
什么叫“多任务”呢？简单地说，就是操作系统可以同时运行多个任务。打个比方，你一边在用浏览器上网，一边在听MP3，一边在用Word赶作业，这就是多任务，至少同时有3个任务正在运行。还有很多任务悄悄地在后台同时运行着，只是桌面上没有显示而已。
fork( )只能在linux系统里面
Python的os模块封装了常见的系统调用，其中就包括fork，可以在Python程序中轻松创建子进程
Fork为os模块里面的，所以需要先调用os模块
getpid()、getppid()
子进程和父进程的地址号码
多进程修稿全局变量
·多进程中，每个进程中所有数据（包括全局变量）都各有拥有一份，互不影响
在多进程中创建了多个子进程，子进程也会同时运行，互不干涉
如果你打算编写多进程的服务程序，Unix/Linux无疑是正确的选择。由于Windows没有fork调用，难道在Windows上无法用Python编写多进程的程序？
由于Python是跨平台的，自然也应该提供一个跨平台的多进程支持。multiprocessing模块就是跨平台版本的多进程模块。
multiprocessing模块提供了一个Process类来代表一个进程对象
from multiprocessing import Process
import os
·创建子进程时，只需要传入一个执行函数和函数的参数，创建一个Process实例，用start()方法启动，这样创建进程比fork()还要简单。
·join()方法可以等待子进程结束后再继续往下运行，通常用于进程间的同步。
Process语法结构如下：
Process([group [, target [, name [, args [, kwargs]]]]])
·target：表示这个进程实例所调用对象；
·args：表示调用对象的位置参数元组；
·kwargs：表示调用对象的关键字参数字典；
·name：为当前进程实例的别名；
·group：大多数情况下用不到；
Process类常用方法：
·is_alive()：判断进程实例是否还在执行；
·join([timeout])：是否等待进程实例执行结束，或等待多少秒；
·start()：启动进程实例（创建子进程）；
·run()：如果没有给定target参数，对这个对象调用start()方法时，就将执行对象中的run()方法；
·terminate()：不管任务是否完成，立即终止；
Process类常用属性：
·name：当前进程实例别名，默认为Process-N，N为从1开始递增的整数；
·pid：当前进程实例的PID值；
if __name__=="__main__":
运行时必须要加，不然会报错
进程池Pool
当需要创建的子进程数量不多时，可以直接利用multiprocessing中的Process动态成生多个进程，但如果是上百甚至上千个目标，手动的去创建进程的工作量巨大，此时就可以用到multiprocessing模块提供的Pool方法。
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，那么就会创建一个新的进程用来执行该请求；但如果池中的进程数已经达到指定的最大值，那么该请求就会等待，直到池中有进程结束，才会创建新的进程来执行
运行时需要先关闭池子，在开始运行
Xx.close()
Xx.join()
apply_async(func[, args[, kwds]])：使用非阻塞方式调用func（并行执行，堵塞方式必须等待上一个进程退出才能执行下一个进程），args为传递给func的参数列表，kwds为传递给func的关键字参数列表；
apply(func[, args[, kwds]])：使用阻塞方式调用func
close()：关闭Pool，使其不再接受新的任务；
terminate()：不管任务是否完成，立即终止；
join()：主进程阻塞，等待子进程的退出， 必须在close或terminate之后使用；
Queue的使用
可以使用multiprocessing模块的Queue实现多进程之间的数据传递，Queue本身是一个消息列队程序
from multiprocessing import Queue
from multiprocessing import Queue
