金三銀四-python常見面試題（基本必考）
1.大數(shù)據(jù)的文件讀?。?/span>
①利用生成器generator；
②迭代器進(jìn)行迭代遍歷：for line in file;
2.迭代器和生成器的區(qū)別：
答：（1）迭代器是一個(gè)更抽象的概念，任何對(duì)象，如果它的類有next方法和iter方法返回自己本身。對(duì)于string、list、dict、tuple等這類容器對(duì)象，使用for循環(huán)遍歷是很方便的。在后臺(tái)for語句對(duì)容器對(duì)象調(diào)用iter()函數(shù)，iter()是python的內(nèi)置函數(shù)。iter()會(huì)返回一個(gè)定義了next()方法的迭代器對(duì)象，它在容器中逐個(gè)訪問容器內(nèi)元素，next()也是python的內(nèi)置函數(shù)。在沒有后續(xù)元素時(shí)，next()會(huì)拋出一個(gè)StopIteration異常更多精彩文章請(qǐng)關(guān)注公眾號(hào)『Pythonnote』或者『全棧技術(shù)精選』
（2）生成器（Generator）是創(chuàng)建迭代器的簡(jiǎn)單而強(qiáng)大的工具。它們寫起來就像是正規(guī)的函數(shù)，只是在需要返回?cái)?shù)據(jù)的時(shí)候使用yield語句。每次next()被調(diào)用時(shí)，生成器會(huì)返回它脫離的位置（它記憶語句最后一次執(zhí)行的位置和所有的數(shù)據(jù)值）
區(qū)別：生成器能做到迭代器能做的所有事,而且因?yàn)樽詣?dòng)創(chuàng)建了__iter__()和next()方法,生成器顯得特別簡(jiǎn)潔,而且生成器也是高效的，使用生成器表達(dá)式取代列表解析可以同時(shí)節(jié)省內(nèi)存。除了創(chuàng)建和保存程序狀態(tài)的自動(dòng)方法,當(dāng)發(fā)生器終結(jié)時(shí),還會(huì)自動(dòng)拋出StopIteration異常
3.裝飾器的作用和功能：
①引入日志；函數(shù)執(zhí)行時(shí)間統(tǒng)計(jì)；執(zhí)行函數(shù)前預(yù)備處理；執(zhí)行函數(shù)后的清理功能；權(quán)限校驗(yàn)等場(chǎng)景；緩存；
4.談?wù)勀銓?duì)同步異步阻塞非阻塞的理解：
同步：一個(gè)線程只監(jiān)聽一個(gè)套接字，可以用于udp
異步：使用io模型中的一種，如select ,event，一個(gè)線程監(jiān)聽多套接字
阻塞：套接字的send recv 等操作再執(zhí)行完成以前會(huì)阻塞
非阻塞：操作不會(huì)阻塞，所以函數(shù)的返回值也不再準(zhǔn)確更多精彩文章請(qǐng)關(guān)注公眾號(hào)『Pythonnote』
5.簡(jiǎn)單談下GIL：
Global Interpreter Lock(全局解釋器鎖)
Python代碼的執(zhí)行由Python 虛擬機(jī)(也叫解釋器主循環(huán)，CPython版本)來控制，Python 在設(shè)計(jì)之初就考慮到要在解釋器的主循環(huán)中，同時(shí)只有一個(gè)線程在執(zhí)行，即在任意時(shí)刻，只有一個(gè)線程在解釋器中運(yùn)行。對(duì)Python 虛擬機(jī)的訪問由全局解釋器鎖（GIL）來控制，正是這個(gè)鎖能保證同一時(shí)刻只有一個(gè)線程在運(yùn)行。更多精彩文章請(qǐng)關(guān)注公眾號(hào)『Pythonnote』
在多線程環(huán)境中，Python 虛擬機(jī)按以下方式執(zhí)行：
1. 設(shè)置GIL
2. 切換到一個(gè)線程去運(yùn)行
3. 運(yùn)行：指定數(shù)量的字節(jié)碼指令，或者線程主動(dòng)讓出控制（可以調(diào)用time.sleep(0)）
4. 把線程設(shè)置為睡眠狀態(tài)
5. 解鎖GIL
6. 再次重復(fù)以上所有步驟
在調(diào)用外部代碼（如C/C++擴(kuò)展函數(shù)）的時(shí)候，GIL 將會(huì)被鎖定，直到這個(gè)函數(shù)結(jié)束為止（由于在這期間沒有Python 的字節(jié)碼被運(yùn)行，所以不會(huì)做線程切換）。『全棧技術(shù)精選』
6.簡(jiǎn)單談下python2和python3的區(qū)別：
1 Py3默認(rèn)使用utf-8編碼，python2使用ascill碼
2 去除了<>，全部改用!=
3 整型除法返回浮點(diǎn)數(shù)，要得到整型結(jié)果，請(qǐng)使用//
4 去除print語句，加入print()函數(shù)實(shí)現(xiàn)相同的功能。同樣的還有 exec語句，已經(jīng)改為exec()函數(shù)
5 改變了順序操作符的行為，例如x<y，當(dāng)x和y類型不匹配時(shí)拋出TypeError而不是返回隨即的 bool值
6 輸入函數(shù)改變了，刪除了raw_input，用input代替
7 去除元組參數(shù)解包。不能def(a, (b, c)):pass這樣定義函數(shù)了『Pythonnote』
8 Py3.X去除了long類型，現(xiàn)在只有一種整型——int，但它的行為就像2.X版本的long
9 新增了bytes類型，對(duì)應(yīng)于2.X版本的八位串
10 迭代器的next()方法改名為__next__()，并增加內(nèi)置函數(shù)next()，用以調(diào)用迭代器的__next__()方法『Pythonnote』小閆同學(xué)
11 增加了@abstractmethod和 @abstractproperty兩個(gè) decorator，編寫抽象方法（屬性）更加方便。
12 所以異常都從 BaseException繼承，并刪除了StardardError
13 去除了異常類的序列行為和.message屬性
14 用 raise Exception(args)代替 raise Exception, args語法小閆同學(xué)
15 移除了cPickle模塊，可以使用pickle模塊代替。最終我們將會(huì)有一個(gè)透明高效的模塊。
16 移除了imageop模塊
17 移除了 audiodev, Bastion, bsddb185, exceptions, linuxaudiodev, md5, MimeWriter, mimify, popen2,
rexec, sets, sha, stringold, strop, sunaudiodev, timing和xmllib模塊
18 移除了bsddb模塊(單獨(dú)發(fā)布，可以從http://www.jcea.es/programacion/pybsddb.htm獲取)
19 移除了new模塊
20 xrange() 改名為range()
7.find和grep?：
grep命令是一種強(qiáng)大的文本搜索工具，grep搜索內(nèi)容串可以是正則表達(dá)式，允許對(duì)文本文件進(jìn)行模式查找。如果找到匹配模式，grep打印包含模式的所有行。
find通常用來再特定的目錄下搜索符合條件的文件，也可以用來搜索特定用戶屬主的文件。
8.線上服務(wù)可能因?yàn)榉N種原因?qū)е聮斓粼趺崔k？
linux下的后臺(tái)進(jìn)程管理利器 supervisor
每次文件修改后再linux執(zhí)行 service supervisord restart
9 如何提高python的運(yùn)行效率
使用生成器；關(guān)鍵代碼使用外部功能包（Cython，pylnlne，pypy，pyrex）；針對(duì)循環(huán)的優(yōu)化--盡量避免在循環(huán)中訪問變量的屬性
10.常用Linux命令：
ls,help,cd,more,clear,mkdir,pwd,rm,grep,find,mv,su,date
11.python簡(jiǎn)單的列表去重
set() 集合去重
12. python 中 yield 的用法？
答：yield簡(jiǎn)單說來就是一個(gè)生成器，這樣函數(shù)它記住上次返 回時(shí)在函數(shù)體中的位置。對(duì)生成器第 二次（或n 次）調(diào)用跳轉(zhuǎn)至該函 次）調(diào)用跳轉(zhuǎn)至該函 數(shù)。
13. python是如何進(jìn)行內(nèi)存管理的？
一、垃圾回收：python不像C++，Java等語言一樣，他們可以不用事先聲明變量類型而直接對(duì)變量進(jìn)行賦值。對(duì)Python語言來講，對(duì)象的類型和內(nèi)存都是在運(yùn)行時(shí)確定的。這也是為什么我們稱Python語言為動(dòng)態(tài)類型的原因（這里我們把動(dòng)態(tài)類型可以簡(jiǎn)單的歸結(jié)為對(duì)變量?jī)?nèi)存地址的分配是在運(yùn)行時(shí)自動(dòng)判斷變量類型并對(duì)變量進(jìn)行賦值）。請(qǐng)關(guān)注公眾號(hào)『Pythonnote』或者『全棧技術(shù)精選』
二、引用計(jì)數(shù)：Python采用了類似Windows內(nèi)核對(duì)象一樣的方式來對(duì)內(nèi)存進(jìn)行管理。每一個(gè)對(duì)象，都維護(hù)這一個(gè)對(duì)指向該對(duì)對(duì)象的引用的計(jì)數(shù)。當(dāng)變量被綁定在一個(gè)對(duì)象上的時(shí)候，該變量的引用計(jì)數(shù)就是1，(還有另外一些情況也會(huì)導(dǎo)致變量引用計(jì)數(shù)的增加),系統(tǒng)會(huì)自動(dòng)維護(hù)這些標(biāo)簽，并定時(shí)掃描，當(dāng)某標(biāo)簽的引用計(jì)數(shù)變?yōu)?的時(shí)候，該對(duì)就會(huì)被回收。
三、內(nèi)存池機(jī)制Python的內(nèi)存機(jī)制以金字塔型，-1，-2層主要有操作系統(tǒng)進(jìn)行操作，
第0層是C中的malloc，free等內(nèi)存分配和釋放函數(shù)進(jìn)行操作；
第1層和第2層是內(nèi)存池，有Python的接口函數(shù)PyMem_Malloc函數(shù)實(shí)現(xiàn)，當(dāng)對(duì)象小于256K時(shí)有該層直接分配內(nèi)存；
第3層是最上層，也就是我們對(duì)Python對(duì)象的直接操作；
在 C 中如果頻繁的調(diào)用 malloc 與 free 時(shí),是會(huì)產(chǎn)生性能問題的.再加上頻繁的分配與釋放小塊的內(nèi)存會(huì)產(chǎn)生內(nèi)存碎片. Python 在這里主要干的工作有:
如果請(qǐng)求分配的內(nèi)存在1~256字節(jié)之間就使用自己的內(nèi)存管理系統(tǒng),否則直接使用 malloc.
這里還是會(huì)調(diào)用 malloc 分配內(nèi)存,但每次會(huì)分配一塊大小為256k的大塊內(nèi)存.
經(jīng)由內(nèi)存池登記的內(nèi)存到最后還是會(huì)回收到內(nèi)存池,并不會(huì)調(diào)用 C 的 free 釋放掉.以便下次使用.對(duì)于簡(jiǎn)單的Python對(duì)象，例如數(shù)值、字符串，元組（tuple不允許被更改)采用的是復(fù)制的方式(深拷貝?)，也就是說當(dāng)將另一個(gè)變量B賦值給變量A時(shí)，雖然A和B的內(nèi)存空間仍然相同，但當(dāng)A的值發(fā)生變化時(shí)，會(huì)重新給A分配空間，A和B的地址變得不再相同
14.描述數(shù)組、鏈表、隊(duì)列、堆棧的區(qū)別？
數(shù)組與鏈表是數(shù)據(jù)存儲(chǔ)方式的概念，數(shù)組在連續(xù)的空間中存儲(chǔ)數(shù)據(jù)，而鏈表可以在非連續(xù)的空間中存儲(chǔ)數(shù)據(jù)；
隊(duì)列和堆棧是描述數(shù)據(jù)存取方式的概念，隊(duì)列是先進(jìn)先出，而堆棧是后進(jìn)先出；隊(duì)列和堆?？梢杂脭?shù)組來實(shí)現(xiàn)，也可以用鏈表實(shí)現(xiàn)。
15.你知道幾種排序,講一講你最熟悉的一種?
Web框架部分
1.django 中當(dāng)一個(gè)用戶登錄 A 應(yīng)用服務(wù)器（進(jìn)入登錄狀態(tài)），然后下次請(qǐng)求被 nginx 代理到 B 應(yīng)用服務(wù)器會(huì)出現(xiàn)什么影響？
如果用戶在A應(yīng)用服務(wù)器登陸的session數(shù)據(jù)沒有共享到B應(yīng)用服務(wù)器，那么之前的登錄狀態(tài)就沒有了。
2.跨域請(qǐng)求問題django怎么解決的（原理）
啟用中間件
post請(qǐng)求
驗(yàn)證碼
表單中添加{%csrf_token%}標(biāo)簽
3.請(qǐng)解釋或描述一下Django的架構(gòu)
對(duì)于Django框架遵循MVC設(shè)計(jì)，并且有一個(gè)專有名詞：MVT
M全拼為Model，與MVC中的M功能相同，負(fù)責(zé)數(shù)據(jù)處理，內(nèi)嵌了ORM框架
V全拼為View，與MVC中的C功能相同，接收HttpRequest，業(yè)務(wù)處理，返回HttpResponse
T全拼為Template，與MVC中的V功能相同，負(fù)責(zé)封裝構(gòu)造要返回的html，內(nèi)嵌了模板引擎
4.django對(duì)數(shù)據(jù)查詢結(jié)果排序怎么做，降序怎么做，查詢大于某個(gè)字段怎么做
排序使用order_by()
降序需要在排序字段名前加-
查詢字段大于某個(gè)值：使用filter(字段名_gt=值)
5.說一下Django，MIDDLEWARES中間件的作用？
答：中間件是介于request與response處理之間的一道處理過程，相對(duì)比較輕量級(jí)，并且在全局上改變django的輸入與輸出。請(qǐng)關(guān)注公眾號(hào)『全棧技術(shù)精選』
6.你對(duì)Django的認(rèn)識(shí)？
Django是走大而全的方向，它最出名的是其全自動(dòng)化的管理后臺(tái)：只需要使用起ORM，做簡(jiǎn)單的對(duì)象定義，它就能自動(dòng)生成數(shù)據(jù)庫結(jié)構(gòu)、以及全功能的管理后臺(tái)。
Django內(nèi)置的ORM跟框架內(nèi)的其他模塊耦合程度高。應(yīng)用程序必須使用Django內(nèi)置的ORM，否則就不能享受到框架內(nèi)提供的種種基于其ORM的便利；理論上可以切換掉其ORM模塊，但這就相當(dāng)于要把裝修完畢的房子拆除重新裝修，倒不如一開始就去毛胚房做全新的裝修。請(qǐng)關(guān)注公眾號(hào)『Pythonnote』或者『全棧技術(shù)精選』
Django的賣點(diǎn)是超高的開發(fā)效率，其性能擴(kuò)展有限；采用Django的項(xiàng)目，在流量達(dá)到一定規(guī)模后，都需要對(duì)其進(jìn)行重構(gòu)，才能滿足性能的要求。
Django適用的是中小型的網(wǎng)站，或者是作為大型網(wǎng)站快速實(shí)現(xiàn)產(chǎn)品雛形的工具。
Django模板的設(shè)計(jì)哲學(xué)是徹底的將代碼、樣式分離；Django從根本上杜絕在模板中進(jìn)行編碼、處理數(shù)據(jù)的可能。
7. Django重定向你是如何實(shí)現(xiàn)的？用的什么狀態(tài)碼？
使用HttpResponseRedirect
redirect和reverse
狀態(tài)碼：302,301
8.ngnix的正向代理與反向代理？
答：正向代理 是一個(gè)位于客戶端和原始服務(wù)器(origin server)之間的服務(wù)器，為了從原始服務(wù)器取得內(nèi)容，客戶端向代理發(fā)送一個(gè)請(qǐng)求并指定目標(biāo)(原始服務(wù)器)，然后代理向原始服務(wù)器轉(zhuǎn)交請(qǐng)求并將獲得的內(nèi)容返回給客戶端?？蛻舳吮仨氁M(jìn)行一些特別的設(shè)置才能使用正向代理。
反向代理正好相反，對(duì)于客戶端而言它就像是原始服務(wù)器，并且客戶端不需要進(jìn)行任何特別的設(shè)置?？蛻舳讼蚍聪虼淼拿臻g中的內(nèi)容發(fā)送普通請(qǐng)求，接著反向代理將判斷向何處(原始服務(wù)器)轉(zhuǎn)交請(qǐng)求，并將獲得的內(nèi)容返回給客戶端，就像這些內(nèi)容原本就是它自己的一樣。請(qǐng)關(guān)注公眾號(hào)『Pythonnote』
9. Tornado 的核是什么？
Tornado 的核心是 ioloop 和 iostream 這兩個(gè)模塊，前者提供了一個(gè)高效的 I/O 事件循環(huán)，后者則封裝了 一個(gè)無阻塞的 socket 。通過向 ioloop 中添加網(wǎng)絡(luò) I/O 事件，利用無阻塞的 socket ，再搭配相應(yīng)的回調(diào) 函數(shù)，便可達(dá)到夢(mèng)寐以求的高效異步執(zhí)行。
10.Django 本身提供了 runserver，為什么不能用來部署？
runserver 方法是調(diào)試 Django 時(shí)經(jīng)常用到的運(yùn)行方式，它使用 Django 自帶的WSGI Server 運(yùn)行，主要在測(cè)試和開發(fā)中使用，并且 runserver 開啟的方式也是單進(jìn)程 。
uWSGI 是一個(gè) Web 服務(wù)器，它實(shí)現(xiàn)了 WSGI 協(xié)議、uwsgi、http 等協(xié)議。注意 uwsgi 是一種通信協(xié)議，而 uWSGI 是實(shí)現(xiàn) uwsgi 協(xié)議和 WSGI 協(xié)議的 Web 服務(wù)器。uWSGI 具有超快的性能、低內(nèi)存占用和多 app 管理等優(yōu)點(diǎn)，并且搭配著 Nginx請(qǐng)關(guān)注公眾號(hào)『Pythonnote』或者『全棧技術(shù)精選』就是一個(gè)生產(chǎn)環(huán)境了，能夠?qū)⒂脩粼L問請(qǐng)求與應(yīng)用 app 隔離開，實(shí)現(xiàn)真正的部署 。相比來講，支持的并發(fā)量更高，方便管理多進(jìn)程，發(fā)揮多核的優(yōu)勢(shì)，提升性能。
網(wǎng)絡(luò)編程和前端部分
1.AJAX是什么，如何使用AJAX？
ajax(異步的javascript 和xml) 能夠刷新局部網(wǎng)頁數(shù)據(jù)而不是重新加載整個(gè)網(wǎng)頁。
第一步，創(chuàng)建xmlhttprequest對(duì)象，var xmlhttp =new XMLHttpRequest（);XMLHttpRequest對(duì)象用來和服務(wù)器交換數(shù)據(jù)。
第二步，使用xmlhttprequest對(duì)象的open()和send()方法發(fā)送資源請(qǐng)求給服務(wù)器。
第三步，使用xmlhttprequest對(duì)象的responseText或responseXML屬性獲得服務(wù)器的響應(yīng)。
第四步，onreadystatechange函數(shù)，當(dāng)發(fā)送請(qǐng)求到服務(wù)器，我們想要服務(wù)器響應(yīng)執(zhí)行一些功能就需要使用onreadystatechange函數(shù)，每次xmlhttprequest對(duì)象的readyState發(fā)生改變都會(huì)觸發(fā)onreadystatechange函數(shù)。請(qǐng)關(guān)注公眾號(hào)『全棧技術(shù)精選』
2. 常見的HTTP狀態(tài)碼有哪些？
200 OK
301 Moved Permanently
302 Found
304 Not Modified
307 Temporary Redirect
400 Bad Request
401 Unauthorized
403 Forbidden
404 Not Found
410 Gone
500 Internal Server Error
501 Not Implemented
3. Post和get區(qū)別？
1、GET請(qǐng)求，請(qǐng)求的數(shù)據(jù)會(huì)附加在URL之后，以?分割URL和傳輸數(shù)據(jù)，多個(gè)參數(shù)用&連接。URL的編碼格式采用的是ASCII編碼，而不是uniclde，即是說所有的非ASCII字符都要編碼之后再傳輸。請(qǐng)關(guān)注公眾號(hào)『全棧技術(shù)精選』
POST請(qǐng)求：POST請(qǐng)求會(huì)把請(qǐng)求的數(shù)據(jù)放置在HTTP請(qǐng)求包的包體中。上面的item=bandsaw就是實(shí)際的傳輸數(shù)據(jù)。
因此，GET請(qǐng)求的數(shù)據(jù)會(huì)暴露在地址欄中，而POST請(qǐng)求則不會(huì)。
2、傳輸數(shù)據(jù)的大小
在HTTP規(guī)范中，沒有對(duì)URL的長(zhǎng)度和傳輸?shù)臄?shù)據(jù)大小進(jìn)行限制。但是在實(shí)際開發(fā)過程中，對(duì)于GET，特定的瀏覽器和服務(wù)器對(duì)URL的長(zhǎng)度有限制。因此，在使用GET請(qǐng)求時(shí)，傳輸數(shù)據(jù)會(huì)受到URL長(zhǎng)度的限制。對(duì)于POST，由于不是URL傳值，理論上是不會(huì)受限制的，但是實(shí)際上各個(gè)服務(wù)器會(huì)規(guī)定對(duì)POST提交數(shù)據(jù)大小進(jìn)行限制，Apache、IIS都有各自的配置。
3、安全性
POST的安全性比GET的高。這里的安全是指真正的安全，而不同于上面GET提到的安全方法中的安全，上面提到的安全僅僅是不修改服務(wù)器的數(shù)據(jù)。比如，在進(jìn)行登錄操作，通過GET請(qǐng)求，用戶名和密碼都會(huì)暴露再URL上，因?yàn)榈卿涰撁嬗锌赡鼙粸g覽器緩存以及其他人查看瀏覽器的歷史記錄的原因，此時(shí)的用戶名和密碼就很容易被他人拿到了。除此之外，GET請(qǐng)求提交的數(shù)據(jù)還可能會(huì)造成Cross-site request frogery攻擊。請(qǐng)關(guān)注公眾號(hào)『全棧技術(shù)精選』
4.cookie 和session 的區(qū)別？
1、cookie數(shù)據(jù)存放在客戶的瀏覽器上，session數(shù)據(jù)放在服務(wù)器上。
2、cookie不是很安全，別人可以分析存放在本地的COOKIE并進(jìn)行COOKIE欺騙考慮到安全應(yīng)當(dāng)使用session。請(qǐng)關(guān)注公眾號(hào)『全棧技術(shù)精選』
3、session會(huì)在一定時(shí)間內(nèi)保存在服務(wù)器上。當(dāng)訪問增多，會(huì)比較占用服務(wù)器的性能考慮到減輕服務(wù)器性能方面，應(yīng)當(dāng)使用COOKIE。
4、單個(gè)cookie保存的數(shù)據(jù)不能超過4K，很多瀏覽器都限制一個(gè)站點(diǎn)最多保存20個(gè)cookie。
5、建議：將登陸信息等重要信息存放為SESSION；其他信息如果需要保留，可以放在COOKIE中
5.創(chuàng)建一個(gè)簡(jiǎn)單tcp服務(wù)器需要的流程
1.socket創(chuàng)建一個(gè)套接字
2.bind綁定ip和port
3.listen使套接字變?yōu)榭梢员粍?dòng)鏈接
4.accept等待客戶端的鏈接
5.recv/send接收發(fā)送數(shù)據(jù)
6.請(qǐng)簡(jiǎn)單說一下三次握手和四次揮手？什么是2msl？為什么要這樣做？
Python后端技術(shù)棧(五)--網(wǎng)絡(luò)編程
2MSL即兩倍的MSL，TCP的TIME_WAIT狀態(tài)也稱為2MSL等待狀態(tài)，當(dāng)TCP的一端發(fā)起主動(dòng)關(guān)閉，在發(fā)出最后一個(gè)ACK包后，即第3次握 手完成后發(fā)送了第四次握手的ACK包后就進(jìn)入了TIME_WAIT狀態(tài)，必須在此狀態(tài)上停留兩倍的MSL時(shí)間，等待2MSL時(shí)間主要目的是怕最后一個(gè) ACK包對(duì)方?jīng)]收到，那么對(duì)方在超時(shí)后將重發(fā)第三次握手的FIN包，請(qǐng)關(guān)注公眾號(hào)『全棧技術(shù)精選』主動(dòng)關(guān)閉端接到重發(fā)的FIN包后可以再發(fā)一個(gè)ACK應(yīng)答包。在TIME_WAIT狀態(tài) 時(shí)兩端的端口不能使用，要等到2MSL時(shí)間結(jié)束才可繼續(xù)使用。當(dāng)連接處于2MSL等待階段時(shí)任何遲到的報(bào)文段都將被丟棄。不過在實(shí)際應(yīng)用中可以通過設(shè)置 SO_REUSEADDR選項(xiàng)達(dá)到不必等待2MSL時(shí)間結(jié)束再使用此端口。
爬蟲和數(shù)據(jù)庫部分
1.scrapy和scrapy-redis有什么區(qū)別？為什么選擇redis數(shù)據(jù)庫？
1) scrapy是一個(gè)Python爬蟲框架，爬取效率極高，具有高度定制性，但是不支持分布式。而scrapy-redis一套基于redis數(shù)據(jù)庫、運(yùn)行在scrapy框架之上的組件，可以讓scrapy支持分布式策略，Slaver端共享Master端redis數(shù)據(jù)庫里的item隊(duì)列、請(qǐng)求隊(duì)列和請(qǐng)求指紋集合。
2) 為什么選擇redis數(shù)據(jù)庫，因?yàn)閞edis支持主從同步，而且數(shù)據(jù)都是緩存在內(nèi)存中的，所以基于redis的分布式爬蟲，對(duì)請(qǐng)求和數(shù)據(jù)的高頻讀取效率非常高。
2. 你用過的爬蟲框架或者模塊有哪些？談?wù)勊麄兊膮^(qū)別或者優(yōu)缺點(diǎn)？
Python自帶：urllib，urllib2
第三方：requests
框架：Scrapy
urllib和urllib2模塊都做與請(qǐng)求URL相關(guān)的操作，但他們提供不同的功能。
urllib2.urlopen可以接受一個(gè)Request對(duì)象或者url，（在接受Request對(duì)象時(shí)候，并以此可以來設(shè)置一個(gè)URL 的headers），urllib.urlopen只接收一個(gè)url。urllib有urlencode,urllib2沒有，因此總是urllib，urllib2常會(huì)一起使用的原因。
scrapy是封裝起來的框架，他包含了下載器，解析器，日志及異常處理，基于多線程， twisted的方式處理，對(duì)于固定單個(gè)網(wǎng)站的爬取開發(fā)，有優(yōu)勢(shì)，但是對(duì)于多網(wǎng)站爬取 100個(gè)網(wǎng)站，并發(fā)及分布式處理方面，不夠靈活，不便調(diào)整與擴(kuò)展。
request 是一個(gè)HTTP庫， 它只是用來，進(jìn)行請(qǐng)求，對(duì)于HTTP請(qǐng)求，他是一個(gè)強(qiáng)大的庫，下載，解析全部自己處理，靈活性更高，高并發(fā)與分布式部署也非常靈活，對(duì)于功能可以更好實(shí)現(xiàn).
Scrapy優(yōu)缺點(diǎn)：
優(yōu)點(diǎn)：scrapy 是異步的
采取可讀性更強(qiáng)的xpath代替正則
強(qiáng)大的統(tǒng)計(jì)和log系統(tǒng)
同時(shí)在不同的url上爬行
支持shell方式，方便獨(dú)立調(diào)試
寫middleware,方便寫一些統(tǒng)一的過濾器
通過管道的方式存入數(shù)據(jù)庫
缺點(diǎn)：基于python的爬蟲框架，擴(kuò)展性比較差
基于twisted框架，運(yùn)行中的exception是不會(huì)干掉reactor，并且異步框架出錯(cuò)后是不會(huì)停掉其他任務(wù)的，數(shù)據(jù)出錯(cuò)后難以察覺。
3.你常用的mysql引擎有哪些？各引擎間有什么區(qū)別？
主要 MyISAM 與 InnoDB 兩個(gè)引擎，其主要區(qū)別如下：
一、InnoDB 支持事務(wù)，MyISAM 不支持，這一點(diǎn)是非常之重要。事務(wù)是一種高級(jí)的處理方式，如在一些列增刪改中只要哪個(gè)出錯(cuò)還可以回滾還原，而 MyISAM就不可以了；
二、MyISAM 適合查詢以及插入為主的應(yīng)用，InnoDB 適合頻繁修改以及涉及到安全性較高的應(yīng)用；
三、InnoDB 支持外鍵，MyISAM 不支持；
四、MyISAM 是默認(rèn)引擎，InnoDB 需要指定；
五、InnoDB 不支持 FULLTEXT 類型的索引；請(qǐng)關(guān)注公眾號(hào)『全棧技術(shù)精選』
六、InnoDB 中不保存表的行數(shù)，如 select count(*) from table 時(shí)，InnoDB；需要掃描一遍整個(gè)表來計(jì)算有多少行，但是 MyISAM 只要簡(jiǎn)單的讀出保存好的行數(shù)即可。注意的是，當(dāng) count(*)語句包含 where 條件時(shí) MyISAM 也需要掃描整個(gè)表；
七、對(duì)于自增長(zhǎng)的字段，InnoDB 中必須包含只有該字段的索引，但是在 MyISAM表中可以和其他字段一起建立聯(lián)合索引；
八、清空整個(gè)表時(shí)，InnoDB 是一行一行的刪除，效率非常慢。MyISAM 則會(huì)重建表；
九、InnoDB 支持行鎖（某些情況下還是鎖整表，如 update table set a=1 where user like '%lee%'
4.描述下scrapy框架運(yùn)行的機(jī)制？
答：從start_urls里獲取第一批url并發(fā)送請(qǐng)求，請(qǐng)求由引擎交給調(diào)度器入請(qǐng)求隊(duì)列，獲取完畢后，調(diào)度器將請(qǐng)求隊(duì)列里的請(qǐng)求交給下載器去獲取請(qǐng)求對(duì)應(yīng)的響應(yīng)資源，并將響應(yīng)交給自己編寫的解析方法做提取處理：1. 如果提取出需要的數(shù)據(jù)，則交給管道文件處理；2. 如果提取出url，則繼續(xù)執(zhí)行之前的步驟（發(fā)送url請(qǐng)求，并由引擎將請(qǐng)求交給調(diào)度器入隊(duì)列...)，直到請(qǐng)求隊(duì)列里沒有請(qǐng)求，程序結(jié)束。
5.什么是關(guān)聯(lián)查詢，有哪些？
答：將多個(gè)表聯(lián)合起來進(jìn)行查詢，主要有內(nèi)連接、左連接、右連接、全連接（外連接）
6.寫爬蟲是用多進(jìn)程好？還是多線程好？為什么？
答：IO密集型代碼(文件處理、網(wǎng)絡(luò)爬蟲等)，多線程能夠有效提升效率(單線程下有IO操作會(huì)進(jìn)行IO等待，造成不必要的時(shí)間浪費(fèi)，而開啟多線程能在線程A等待時(shí)，自動(dòng)切換到線程B，可以不浪費(fèi)CPU的資源，從而能提升程序執(zhí)行效率)。在實(shí)際的數(shù)據(jù)采集過程中，既考慮網(wǎng)速和響應(yīng)的問題，也需要考慮自身機(jī)器的硬件情況，來設(shè)置多進(jìn)程或多線程請(qǐng)關(guān)注公眾號(hào)『全棧技術(shù)精選』
7.數(shù)據(jù)庫的優(yōu)化？
1. 優(yōu)化索引、SQL 語句、分析慢查詢；
2. 設(shè)計(jì)表的時(shí)候嚴(yán)格根據(jù)數(shù)據(jù)庫的設(shè)計(jì)范式來設(shè)計(jì)數(shù)據(jù)庫；
3. 使用緩存，把經(jīng)常訪問到的數(shù)據(jù)而且不需要經(jīng)常變化的數(shù)據(jù)放在緩存中，能節(jié)約磁盤IO；
4. 優(yōu)化硬件；采用SSD，使用磁盤隊(duì)列技術(shù)(RAID0,RAID1,RDID5)等；
5. 采用MySQL 內(nèi)部自帶的表分區(qū)技術(shù)，把數(shù)據(jù)分層不同的文件，能夠提高磁盤的讀取效率；
6. 垂直分表；把一些不經(jīng)常讀的數(shù)據(jù)放在一張表里，節(jié)約磁盤I/O；
7. 主從分離讀寫；采用主從復(fù)制把數(shù)據(jù)庫的讀操作和寫入操作分離開來；
8. 分庫分表分機(jī)器（數(shù)據(jù)量特別大），主要的的原理就是數(shù)據(jù)路由；
9. 選擇合適的表引擎，參數(shù)上的優(yōu)化；
10. 進(jìn)行架構(gòu)級(jí)別的緩存，靜態(tài)化和分布式；
11. 不采用全文索引；
12. 采用更快的存儲(chǔ)方式，例如 NoSQL存儲(chǔ)經(jīng)常訪問的數(shù)據(jù)
8.常見的反爬蟲和應(yīng)對(duì)方法？
1）通過Headers反爬蟲
從用戶請(qǐng)求的Headers反爬蟲是最常見的反爬蟲策略。很多網(wǎng)站都會(huì)對(duì)Headers的User-Agent進(jìn)行檢測(cè)，還有一部分網(wǎng)站會(huì)對(duì)Referer進(jìn)行檢測(cè)（一些資源網(wǎng)站的防盜鏈就是檢測(cè)Referer）。如果遇到了這類反爬蟲機(jī)制，可以直接在爬蟲中添加Headers，將瀏覽器的User-Agent復(fù)制到爬蟲的Headers中；或者將Referer值修改為目標(biāo)網(wǎng)站域名。對(duì)于檢測(cè)Headers的反爬蟲，在爬蟲中修改或者添加Headers就能很好的繞過。請(qǐng)關(guān)注公眾號(hào)『全棧技術(shù)精選』
2）基于用戶行為反爬蟲
還有一部分網(wǎng)站是通過檢測(cè)用戶行為，例如同一IP短時(shí)間內(nèi)多次訪問同一頁面，或者同一賬戶短時(shí)間內(nèi)多次進(jìn)行相同操作。大多數(shù)網(wǎng)站都是前一種情況，對(duì)于這種情況，使用IP代理就可以解決。可以專門寫一個(gè)爬蟲，爬取網(wǎng)上公開的代理ip，檢測(cè)后全部保存起來。這樣的代理ip爬蟲經(jīng)常會(huì)用到，最好自己準(zhǔn)備一個(gè)。有了大量代理ip后可以每請(qǐng)求幾次更換一個(gè)ip，這在requests或者urllib2中很容易做到，這樣就能很容易的繞過第一種反爬蟲。對(duì)于第二種情況，可以在每次請(qǐng)求后隨機(jī)間隔幾秒再進(jìn)行下一次請(qǐng)求。有些有邏輯漏洞的網(wǎng)站，可以通過請(qǐng)求幾次，退出登錄，重新登錄，繼續(xù)請(qǐng)求來繞過同一賬號(hào)短時(shí)間內(nèi)不能多次進(jìn)行相同請(qǐng)求的限制。
3）動(dòng)態(tài)頁面的反爬蟲
上述的幾種情況大多都是出現(xiàn)在靜態(tài)頁面，還有一部分網(wǎng)站，我們需要爬取的數(shù)據(jù)是通過ajax請(qǐng)求得到，或者通過JavaScript生成的。首先用Fiddler對(duì)網(wǎng)絡(luò)請(qǐng)求進(jìn)行分析。如果能夠找到ajax請(qǐng)求，也能分析出具體的參數(shù)和響應(yīng)的具體含義，我們就能采用上面的方法，直接利用requests或者urllib2模擬ajax請(qǐng)求，對(duì)響應(yīng)的json進(jìn)行分析得到需要的數(shù)據(jù)。能夠直接模擬ajax請(qǐng)求獲取數(shù)據(jù)固然是極好的，但是有些網(wǎng)站把a(bǔ)jax請(qǐng)求的所有參數(shù)全部加密了。我們根本沒辦法構(gòu)造自己所需要的數(shù)據(jù)的請(qǐng)求。這種情況下就用selenium+phantomJS，調(diào)用瀏覽器內(nèi)核，并利用phantomJS執(zhí)行js來模擬人為操作以及觸發(fā)頁面中的js腳本。從填寫表單到點(diǎn)擊按鈕再到滾動(dòng)頁面，全部都可以模擬，不考慮具體的請(qǐng)求和響應(yīng)過程，只是完完整整的把人瀏覽頁面獲取數(shù)據(jù)的過程模擬一遍。請(qǐng)關(guān)注公眾號(hào)『全棧技術(shù)精選』用這套框架幾乎能繞過大多數(shù)的反爬蟲，因?yàn)樗皇窃趥窝b成瀏覽器來獲取數(shù)據(jù)（上述的通過添加 Headers一定程度上就是為了偽裝成瀏覽器），它本身就是瀏覽器，phantomJS就是一個(gè)沒有界面的瀏覽器，只是操控這個(gè)瀏覽器的不是人。利selenium+phantomJS能干很多事情，例如識(shí)別點(diǎn)觸式（12306）或者滑動(dòng)式的驗(yàn)證碼，對(duì)頁面表單進(jìn)行暴力破解等。
9.分布式爬蟲主要解決什么問題？
1）ip
2）帶寬
3）cpu
4）io
10.爬蟲過程中驗(yàn)證碼怎么處理？
1.scrapy自帶（但是成功率不高）
2.付費(fèi)接口（若快http://www.ruokuai.com/home/pricetype）
文章來源：https://blog.csdn.net/t8116189520/article/details/80165589
-----------------------
微信公眾號(hào)：全棧技術(shù)精選 (ID: Pythonnote)
個(gè)人博客：https://www.pythonnote.cn
點(diǎn)擊關(guān)注下方賬號(hào)，每天了解一些奇奇怪怪小知識(shí)
-----------------------