python基础随记(一)

文章目录

前言
一、映射
二、集合
三、python中__new__和__init__的区别
四、引用传递和值传递
五、线程池之ThreadPoolExecutor

前言

python基础随记，本文涉及知识点有：映射，集合，python中__new__和__init__的区别，引用传递和值传递，线程池之ThreadPoolExecutor的简介使用。

一、映射

     1）映射类型（Mapping Types）是一种关联式的容器类型，它存储了对象与对象之间的映射关系。
     2）字典（dict）是Python中唯一的映射类型，它是存储了一个个键值对（由键映射到值）的关联容器。其中，键（key）必须是可哈希的Python对象，而值（value）可以是任何Python对象。
     3）字典的键必须是可哈希的。

二、集合

     1）集合（set）是一个无序的不重复元素序列。
     2）可以使用大括号 { } 或者 set() 函数创建集合，注意：创建一个空集合必须用 set() 而不是 { }，因为 { } 是用来创建一个空字典。
     3）python中的set是以元素的哈希值确定位置。

三、python中new和init的区别

     1）__init__方法为初始化方法，是当实例对象创建完成后被调用的，然后设置对象属性的一些初始值。
     2）__new__是在实例创建之前被调用的，因为它的任务就是创建实例然后返回该实例，是个静态方法。
     3）就是__new__在__init__之前被调用，__new__的返回值（实例）将传递给__init__方法的第一个参数，然后__init__给这个实例设置一些参数。

四、引用传递和值传递

     1）Python参数传递统一使用的是引用传递方式。因为Python对象分为可变对象(list,dict,set等)和不可变对象(number,string,tuple等)。
     2）可变对象为引用传递。可变对象的值可以修改，因此可以通过修改参数值而修改原对象。类似于C语言中的引用传递。
     3）不可变对象为值传递。参数变量和原变量都指向同一内存地址，但是不可变对象无法修改，所以参数的重新赋值不会影响原对象，类似于C语言中的值传递。

五、线程池之ThreadPoolExecutor

1）从 Python3.2 开始，标准库为我们提供了 concurrent.futures 模块，这个模块提供了 ThreadPoolExecutor类，这个类作用如下：

可以自动调度线程。
主线程可以获取某一个线程（或者任务的）的状态，以及返回值。
当一个线程完成的时候，主线程能够立即知道。
让多线程和多进程的编码接口一致。

2）ThreadPoolExecutor提供了四个构造方法：
在这里插入图片描述
3）对应上图第四个最全面的参数解释：

名称	类型	含义
corePoolSize	int	核心线程池大小
maximumPoolSize	int	最大线程池大小
keepAliveTime	long	线程最大空闲时间
unit	TimeUnit	时间单位
workQueue	BlockingQueue< Runnable >	线程等待队列
threadFactory	ThreadFactory	线程创建工厂
handler	RejectedExecutionHandler	拒绝策略

     4）使用 ThreadPoolExecutor 来实例化线程池对象。传入max_workers参数来设置线程池中最多能同时运行的线程数目。
     5）submit 函数来提交线程需要执行的任务（函数名和参数）到线程池中，并返回该任务的句柄（类似于文件、画图），注意 submit() 不是阻塞的，而是立即返回。通过 submit 函数返回的任务句柄，能够使用 done() 方法判断任务是否结束。
     6）as_completed() 方法作用，上面虽然提供了判断任务是否结束的方法，但是不能在主线程中一直判断，有时候我们是得知某个任务结束了，就去获取结果，而不是一直判断每个任务有没有结束。这时就可以使用 as_completed() 方法一次取出所有任务的结果。
     7）as_completed() 方法是一个生成器，在没有任务完成的时候，会阻塞，除非设置了 timeout。在有某个任务完成的时候，会 yield(让出当前任务的执行权)这个任务，就能执行for循环下面的语句，然后继续阻塞住，循环到所有的任务结束。从结果也可以看出，先完成的任务会先通知主线程。
     8）常规使用线程池案例。

#!/usr/bin/python3
# -*- coding: utf-8 -*-

#线程组件
from concurrent.futures import ThreadPoolExecutor,as_completed
import time

def pingScan(self):
    time.sleep(self)
    print("heiheihei".format(self))
    return self

executor = ThreadPoolExecutor(max_workers=2)
urls = [1,2,3]
all_task = [executor.submit(pingScan, (url)) for url in urls]
for future in as_completed(all_task):
    data = future.result()
    print('the result is {}'.format(data))

在这里插入图片描述
9）使用 with 语句，通过 ThreadPoolExecutor 构造实例。

#线程组件
from concurrent.futures import ThreadPoolExecutor,as_completed
import time

def pingScan(self):
    time.sleep(self)
    print("heiheihei".format(self))
    return self

with ThreadPoolExecutor(max_workers=5) as executor:  # 创建一个最大容纳数量为5的线程池
    task1 = executor.submit(pingScan, 1)
    task2 = executor.submit(pingScan, 2)  # 通过submit提交执行的函数到线程池中
    task3 = executor.submit(pingScan, 3)

    print(f"task1: {
      
      task1.done()}")  # 通过done来判断线程是否完成
    print(f"task2: {
      
      task2.done()}")
    print(f"task3: {
      
      task3.done()}")

    time.sleep(2)
    print(f"task1: {
      
      task1.done()}")
    print(f"task2: {
      
      task2.done()}")
    print(f"task3: {
      
      task3.done()}")
    print(task1.result())  # 通过result来获取返回值

在这里插入图片描述