蒙珣的博客

简单工厂设计模式

内容：不直接向客户端暴露对象创建的实现细节，而是通过一个工厂类来负责创建产品类的实例

角色：

• 抽象工厂角色（Creator）
• 具体工厂角色（Concrete Creator）
• 具体产品角色（Concrete Product）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

from abc import ABCMeta, abstractmethod

class Payment(metaclass=ABCMeta):
    @abstractmethod
    def pay(self, money):
        pass
    
class Alipay(Payment):
    def __init__(self, use_huabei=False):
        self.use_huabei = use_huabei
        
    def pay(self, money):
        if self.use_huabei:
            print("花呗支付%d元" % money)
        else:
            print("支付宝支付%d元" % money)
        
class WechatPay(Payment):
    def pay(self, money):
        print("微信支付%d元" % money)
        
class BankPay(Payment):
    def pay(self, money):
        print("银行卡支付%d元" % money)
        
class PaymentFactory:
    def create_payment(self, method):
        if method == 'alipay':
            return Alipay(use_huabei=True)
        elif method == 'wechat':
            return WechatPay()
        elif method == 'bankpay':
            return BankPay()
        else:
            raise TypeError("No such payment named %s" % method)
        
pf = PaymentFactory()
p = pf.create_payment('alipay')
p.pay(100)

在Python中，所有以双下划线__包起来的方法，统称为Magic Method（魔术方法），它是一种的特殊方法，普通方法需要调用，而魔术方法不需要调用就可以自动执行。

魔术方法在类或对象的某些事件出发后会自动执行，让类具有神奇的“魔力”。如果希望根据自己的程序定制自己特殊功能的类，那么就需要对这些方法进行重写。

Python中常用的运算符、for循环、以及类操作等都是运行在魔术方法之上的。

__doc__

• 表示类的描述信息

1
2
3
4
5
6

class Foo:
  """描述类信息，这个是工具类"""
  def func(self):
    pass
  
print(Foo.__doc__)		# 输出：类的描述信息

• 类对象与实例对象
• 实例方法、静态方法、类方法、特性方法
• 特性方法
• 抽象类和抽象方法

类对象与实例对象

他们在定义和使用中有所区别，而本质的区别是内存中保存的位置不同

• 实例属性属于实例对象
• 类属性属于类

1
2
3
4
5
6
7
8
9
10
11
12
13
14

class Province:
  # 类属性
  country = "中国"
  
  def __init__(self, name):
    # 实例属性
    self.name = name
    
# 创建一个实例对象
obj = Province("山东省")
# 直接访问实例属性
print(obj.name)
# 直接访问类属性
Province.country

由上述代码可以看出【实例属性需要通过对象来访问】【类属性通过类访问】，在使用上可以看出实例属性和类属性的归属是不同的

Python的引用计数

首先我们要知道，Python 内不可变对象的内存管理方式是引用计数。因此，我们在谈论浅拷贝时，其实谈论的主要特点都是基于可变对象的。

1
2
3
4
5
6
7
8
9
10
11

import copy

a = 'hello'  # python的不可变对象：元组，数值，字符串
b = a
c = copy.copy(a)
d = copy.deepcopy(c)

print(id(a))
print(id(b))
print(id(c))
print(id(d))

Logging库日志级别

默认的日志级别是warning

• Python并发编程简介
• 怎样选择多线程、多进程、多协程？
• GIL锁
• 多线程使用
• 生产者-消费者模式
• 线程安全问题和解决
• 线程池
• 线程池在web服务中实现加速
• 多进程使用
• 异步IO：anyncio

Python并发编程简介

因为CPU和IO是可以同时并行执行的，IO的执行，比如读取内存、磁盘、网络他的过程中是不需要CPU的参与的。这样的话使用多线程CPU可以释放出来，来执行其他Task，实现并发加速

同理加入多进程就可以同时使用多个CPU来执行多个Task，来为我们的程序提速

Allure报告结构

• Overview:整体数据显示。

• Suites:用例集合,按照套件和类分组的已执行测试的标准结构表示形式。

• Behaviors：对于行为驱动的方法，此选项卡根据Epic、Feature和Story标记对测试结果进行分组。

• Categories：“类别”选项卡提供了创建自定义缺陷分类以应用测试结果的方法。

• Graphs：用图表显示测试数据中收集的不同统计数据，状态分解或严重性和持续时间图。

• Packages：软件包选项卡表示测试结果的树状布局，按不同的包名分组。

• Timeline：时间轴选项卡可视化测试执行的回顾，allure适配器收集测试的精确时间，在这个选项卡上，它们相应地按照顺序或并行的时间结构排列。

• functools.wraps
• functools.lru_cache（待补充）
• functools.total_ordering（待补充）
• functools.total_ordering（待补充）
• functools.singledispatch（待补充）
• functools.partial（待补充）
• functools.partialmethod（待补充）
• functools.reduce（待补充）

functools.wraps

functools.wraps 是一个 Python 的装饰器工厂函数，用于更新一个函数对象，将另一个函数对象的元信息（如名称、文档字符串、注解和模块）复制到它上面。这通常用于创建装饰器，以确保被装饰的函数在装饰之后仍然保持其原始的元信息。

当你创建一个装饰器时，你通常会定义一个接受函数作为参数的函数，并返回一个新的函数对象。这会导致原始函数的元信息（如函数名）丢失，因为返回的是一个全新的函数对象。使用 functools.wraps 可以帮助解决这个问题。

这个脚本是不值得单写一篇文章的，但是我怕哪一天脑子一抽就忘了，还是记录一下吧

反正周末在家闲着没事，也算是终于有时间写写文档和书评了

• Docker多实例一键换包
• Docker监控容器并输出到文件

YAML 是 “YAML Ain’t a Markup Language”（YAML 不是一种标记语言）的递归缩写

YAML 的配置文件后缀为 .yml，如：runoob.yml 。

YAML基本语法

• 大小写敏感

• 使用缩进表示层级关系

• 缩进不允许使用tab，只允许空格

• 缩进的空格数不重要，只要相同层级的元素左对齐即可

• ‘#’表示注释