面试题2.20
1.什么是lambda函数?他有什么好处?另外python在函数式编程方面提供了些什么函数和语法? lambda函数就是可以接受任意多个参数(包括可选参数)并且返回单个表达式值得函数 好处: 1.lambda函数比较轻便,即用即扔,适合完成只在一处使用的简单功能 2.匿名函数,一般用来给filter,map这样的函数式编程服务 3.作为回调函数,传递给某些应用,比如消息处理 2.什么是装饰器?写一个装饰器,可以打印输出方法执行时长的信息。 装饰器模式(Decorator Pattern)允许向一个现有的对象添加新的功能,同时又不改变其结构。这种类型的设计模式属于结构型模式,它是作为现有的类的一个包装。 这种模式创建了一个装饰类,用来包装原有的类,并在保持类方法签名完整性的前提下,提供了额外的功能。 我们通过下面的实例来演示装饰器模式的用法。其中,我们将把一个形状装饰上不同的颜色,同时又不改变形状类。 import time def timer(func): def decor(*args): start_time = time.time() func(*args) end_time = time.time() d_time = end_time - start_time print("run the func use : ", d_time) return decor @timer #printSth = timer(printSth) -> printSth = decor def printSth(str, count): for i in range(count): print("%d hello,%s!"%(i,str)) printSth("world", 1000000)#run the func use : 4.414000034332275 3.什么是进程,线程,协程,说一说python对他们的支持? 多进程:进程之间是独立的, python的线程是用的操作系统的原生线程、python的进程也是用的操作系统的原生进程。 原生进程是由操作系统去维护的,python只是通过C代码库去起了一个进程,真正进程的管理还是通过操作系统去完成的。 操作系统的进程管理是没有全局解释器锁的,进程只是是独立的,根本不需要锁的概念。 import multiprocessing import threading import time def thread_run(i,n): print("在进程%s的线程%s"%(i,n)) def run(i): print("进程:%s "%i) time.sleep(1) for n in range(2): t = threading.Thread(target=thread_run,args=(i,n)) t.start() if __name__ == '__main__': # 这个必须要有 for i in range(4): p = multiprocessing.Process(target=run,args=(i,)) p.start() from multiprocessing import Process import os def info(title): # 打印进程信息 print(title) print('module name:', __name__) # 模块名 print('parent process:', os.getppid()) # 父进程ID print('process id:', os.getpid()) # 进程ID print("\n") def f(name): info('\033[31;1mcalled from child process function f\033[0m') # 打印子进程信息 print('hello', name) if __name__ == '__main__': info('\033[32;1mmain process line\033[0m') # 打印当前进程信息 p = Process(target=f, args=('FGF',)) # 子进程 p.start() # p.join() 全局解释器锁的存在让多线程只有一个线程在执行,所以python里的多线程是假的多线程,不管多少核,同一时间只能在一个核上运行。 所有我们利用多线程的优势只是利用了它的什么优势呢?利用了CPU上下文切换的优势,看上去说并发的效果。 什么时候用多线程呢? io操作不占用cpu,计算占用cpu 大量计算,耗cpu的用单线程 python多线程,不适合cpu密集操作型的任务,适合io密集型的任务 IO密集开多线程,计算密集开多进程 #!/usr/bin/env python # -*- coding:utf-8 -*- import threading import time def show(arg): time.sleep(1) print 'thread'+str(arg) for i in range(10): t = threading.Thread(target=show, args=(i,)) t.start() print 'main thread stop' 协程,又称微线程,纤程。英文名Coroutine。协程是一种用户态的轻量级线程。 协程拥有自己的寄存器上下文和栈。协程调度切换时,将寄存器上下文和栈保存到其他地方,在切回来的时候,恢复先前保存的寄存器上下文和栈。因此: 协程能保留上一次调用时的状态(即所有局部状态的一个特定组合),每次过程重入时,就相当于进入上一次调用的状态,换种说法:进入上一次离开时所处逻辑流的位置。 线程的切换,会保存到CPU的寄存器里。 CPU感觉不到协程的存在,协程是用户自己控制的。 之前通过yield做的生产者消费者模型,就是协程,在单线程下实现并发效果。 协程的好处: 无需线程上下文切换的开销 无需数据操作锁定及同步的开销 方便切换控制流,简化编程模型 高并发+高扩展性+低成本:一个CPU支持上万的协程都不是问题。所以很适合用于高并发处理。 缺点: 无法利用多核资源:协程的本质是个单线程,它不能同时将 单个CPU 的多个核用上,协程需要和进程配合才能运行在多CPU上.当然我们日常所编写的绝大部分应用都没有这个必要,除非是cpu密集型应用。 进行阻塞(Blocking)操作(如IO时)会阻塞掉整个程序 import time def consumer(name): print("--->starting eating baozi...") while True: new_baozi = yield print("[%s] is eating baozi %s" % (name,new_baozi)) # time.sleep(1) def producer(): r = con.__next__() r = con2.__next__() n = 0 while n < 5: n +=1 print("\033[32;1m[producer]\033[0m is making baozi %s" %n ) con.send(n) con2.send(n) time.sleep(1) if __name__ == '__main__': con = consumer("c1") # 第一次调用只是生成器,next的时候才回生成 con2 = consumer("c2") p = producer() 4.用python实现"九九乘法表",用两种不同的方式实现 No.1(列表生成式,简单粗暴) print('\n'.join(' '.join(['{}*{}={}'.format(i,j,i*j) for i in range(1,j+1)]) for j in range(1,10))) No.2(递归大法好) def f(i): if i>=1: f(i-1) print(['%dx%d=%d'%(j,i,i*j) for j in range(1,i+1)]) if __name__=='__main__': f(9)