1350368559

python队列、线程间通信Queue，多进程模块multiprocessing

python队列

队列是线程间最常用的数据交换形式，Queue是提供队列的操作模块。三种队列：

1、FIFO

2、LIFO

3、Priority

In [3]: import Queue

In [4]: queue= Queue.Queue()

In [5]: queue.empty()
Out[5]: True

In [6]: queue.full()
Out[6]: False

In [7]:

In [7]:

In [7]:

In [7]: queue= Queue.Queue(5)

In [9]: queue.maxsize
Out[9]: 5

In [10]: help(Queue.Queue)

In [11]: queue.empty()
Out[11]: True

In [12]: queue.full()
Out[12]: False

In [13]: queue.maxsize
Out[13]: 5

In [14]: queue.put('aa')

In [15]: queue.empty()
Out[15]: False

In [16]: queue.full()
Out[16]: False

In [17]: queue.maxsize
Out[17]: 5

In [18]: queue.qsize()
Out[18]: 1

In [19]: queue.get()
Out[19]: 'aa'

In [20]: help(queue.put)


In [21]: queue.put(1)

In [22]: queue.put(2)

In [23]: queue.put(3)

In [24]: queue.put(4)

In [25]: queue.put(5)

In [26]: queue.full()
Out[26]: True

In [27]: queue.put(6,1,3)  #保存数据6到队列中，1表示允许阻塞，3表示阻塞3秒后打印报错raise Full
---------------------------------------------------------------------------
Full                                      Traceback (most recent call last)
 in ()
----> 1 queue.put(6,1,3)

/opt/amos/python2.7/lib/python2.7/Queue.pyc in put(self, item, block, timeout)
    132                         remaining = endtime - _time()
    133                         if remaining <= 0.0:
--> 134                             raise Full
    135                         self.not_full.wait(remaining)
    136             self._put(item)

Full:

In [28]:

In [28]:

In [28]: queue.get()
Out[28]: 1

In [29]: queue.get()
Out[29]: 2

In [30]: queue.get()
Out[30]: 3

In [31]: queue.get()
Out[31]: 4

In [32]: queue.get()
Out[32]: 5

In [34]: queue.qsize()
Out[34]: 0

In [35]: queue.get(1,3) ＃1表示允许queue的get阻塞，阻塞3秒表示打印错误raise Empty
---------------------------------------------------------------------------
Empty                                     Traceback (most recent call last)
 in ()
----> 1 queue.get(1,3)

/opt/amos/python2.7/lib/python2.7/Queue.pyc in get(self, block, timeout)
    174                     remaining = endtime - _time()
    175                     if remaining <= 0.0:
--> 176                         raise Empty
    177                     self.not_empty.wait(remaining)
    178             item = self._get()

[root@133 managehosts]# vim queue01.py
#!/usr/bin/env python
import threading
import Queue
import time
import random

class consumer(threading.Thread):＃等号右边的queue是参数，即def __init__(self,queue)这里出现的，把这个参数赋值给self.queue这个属性。
    def __init__(self, queue):
        threading.Thread.__init__(self)＃threading.Thread.__init__(self)这种写法是类的继承，类的继承还有一种写法，回顾一下，看看类继承那个视频。
        self.queue = queue  ＃等号右边的queue是参数，即def __init__(self,queue)这里出现的，把这个参数赋值给self.queue这个属性。

    def run(self):
        while True:
            if self.queue.empty():
                break
            data = self.queue.get()
            print data
            time.sleep(1)

if __name__ == '__main__':
    queue = Queue.Queue(10)
    for i in xrange(10):
        queue.put(random.randint(1,9))#保存1-9的随机数到queue中，保存10次
    for i in range(3):        ＃创建3个线程，这3个线程就像3条河流，会同时向前走的，所以同时会产生3个数字，多线程就是每个线程都会运行的。
        c = consumer(queue)
        c.start()
＃c.start()，是开启一个线程，循环开3个线程与不用循环，开3个线程，是一样的。
＃第一次循环里，c.start()已经执行完了，再执行第二循环，无所谓把对象覆盖了，因为c.start()已经执行完了
＃队列是全局队列，每个线程都可以访问这个队列       
[root@133 managehosts]# python queue01.py
5
8
2
2
6
6
5
6
9
5

例子：开启3个线程去队列取数据，取的结果为空，则推出，由于queue队列的输入是10个随机数（1-9），所以3个线程取到10个数后，就break

[root@133 managehosts]# vim queue02.py
#!/usr/bin/env python
import threading
import Queue
import time
import random

class consumer(threading.Thread):
    def __init__(self, queue):
        threading.Thread.__init__(self)
        self.queue = queue

    def run(self):
        while True:
            data = self.queue.get()
            if data == None:
                break
            print self.name,data,time.ctime()

if __name__ == '__main__':
    queue = Queue.Queue(10)
    for i in range(3):
        c = consumer(queue)
        c.start()

    for i in xrange(10):
        queue.put(random.randint(1,9))
        time.sleep(1)
    queue.put(None)
    queue.put(None)
    queue.put(None)

[root@133 managehosts]# python queue02.py
Thread-1 7 Wed Mar 29 17:43:46 2017
Thread-2 3 Wed Mar 29 17:43:47 2017
Thread-3 7 Wed Mar 29 17:43:48 2017
Thread-1 9 Wed Mar 29 17:43:49 2017
Thread-2 4 Wed Mar 29 17:43:50 2017
Thread-3 1 Wed Mar 29 17:43:51 2017
Thread-1 8 Wed Mar 29 17:43:52 2017
Thread-2 3 Wed Mar 29 17:43:53 2017
Thread-3 1 Wed Mar 29 17:43:54 2017
Thread-1 6 Wed Mar 29 17:43:55 2017

Queue的例子

实现一个线程不断生成一个随机数到一个队列中

实现一个线程从上面的队列中不断的取出奇数

实现另一个线程从上面的队列中不断取出偶数

cat queue03.py
#!/usr/bin/env python
import threading
import random
import Queue
import time


def producer(name,queue):
    for i in xrange(10):
        num = random.randint(1,10)
        th_name = name + '-' +threading.currentThread().getName()
        print "%s: %s ----> %s" % (time.ctime(), th_name,num)
        queue.put(num)
        time.sleep(1)


def odd(name,queue):
    th_name = name + '-' + threading.currentThread().getName()
    while True:
        try:
            val_odd = queue.get(1,5)
            if val_odd % 2 !=0:
                print "%s: %s  ---> %s" %(time.ctime(), th_name, val_odd)
            else:
                queue.put(val_odd)
                time.sleep(1)
        except:
            print "%s: %s finished" % (time.ctime(), th_name)
            break

def even(name,queue):
    th_name = name + '-' + threading.currentThread().getName()
    while True:
        try:
            val_even = queue.get(1,5)
            if val_even % 2 ==0:
                print "%s: %s  ---> %s" %(time.ctime(), th_name, val_even)
                time.sleep(1)
            else:
                queue.put(val_even)
                time.sleep(1)
        except:
            print "%s: %s finished" % (time.ctime(), th_name)
            break
def main():
    q = Queue.Queue(10)
    t_pro = threading.Thread(target=producer,args=('pro',q))
    t_odd = threading.Thread(target=odd,args=('odd',q))
    t_even = threading.Thread(target=even,args=('even',q))
    t_pro.start()
    t_odd.start()
    t_even.start()

if __name__== '__main__':
    main()

[root@133 managehosts]# python queue03.py
Wed Mar 29 19:52:38 2017: pro-Thread-1 ----> 2
Wed Mar 29 19:52:38 2017: even-Thread-3  ---> 2

Wed Mar 29 19:52:39 2017: pro-Thread-1 ----> 6
Wed Mar 29 19:52:39 2017: even-Thread-3  ---> 6
Wed Mar 29 19:52:40 2017: pro-Thread-1 ----> 6
Wed Mar 29 19:52:40 2017: even-Thread-3  ---> 6
Wed Mar 29 19:52:41 2017: pro-Thread-1 ----> 8
Wed Mar 29 19:52:41 2017: even-Thread-3  ---> 8
Wed Mar 29 19:52:42 2017: pro-Thread-1 ----> 8
Wed Mar 29 19:52:42 2017: even-Thread-3  ---> 8
Wed Mar 29 19:52:43 2017: pro-Thread-1 ----> 3
Wed Mar 29 19:52:43 2017: odd-Thread-2  ---> 3
Wed Mar 29 19:52:44 2017: pro-Thread-1 ----> 4
Wed Mar 29 19:52:44 2017: even-Thread-3  ---> 4
Wed Mar 29 19:52:45 2017: pro-Thread-1 ----> 8
Wed Mar 29 19:52:45 2017: even-Thread-3  ---> 8
Wed Mar 29 19:52:46 2017: pro-Thread-1 ----> 8
Wed Mar 29 19:52:46 2017: even-Thread-3  ---> 8
Wed Mar 29 19:52:47 2017: pro-Thread-1 ----> 5
Wed Mar 29 19:52:47 2017: odd-Thread-2  ---> 5
Wed Mar 29 19:52:52 2017: odd-Thread-2 finished
Wed Mar 29 19:52:52 2017: even-Thread-3 finished

python的全局解释性锁GIL，无论有多少个cpu，只有一个cpu能轮训处理多个线程。

multiprocessing可以让多个cpu处理多个进程。（方法和threading差不多）

[root@133 managehosts]# vim multiprocessing01.py
#!/usr/bin/env python

import multiprocessing
import os
import time

def func(i):
    print 'hello',i,os.getpid(),os.getppid()
    time.sleep(1)

for i in xrange(10):
    p = multiprocessing.Process(target=func,args=(i,))
    p.start()
    
[root@133 managehosts]# python multiprocessing01.py #主进程ppid都是31382，子进程pid不同
hello 0 31383 31382
hello 1 31384 31382
hello 2 31385 31382
hello 3 31386 31382
hello 4 31387 31382
hello 5 31388 31382
hello 6 31389 31382
hello 7 31390 31382
hello 8 31391 31382
hello 9 31392 31382

多线程（一个cpu切换运行多个线程）

[root@133 ~]# vim threading-multiprocessing02.py
#!/usr/bin/env python
import threading
import multiprocessing
import os
import time

def func():
    while True:
        1 + 1


for i in range(20):
    t = threading.Thread(target=func,args=())
    t.start()
    print "process id is %s" % os.getpid()

[root@133 managehosts]# python threading-multiprocessing02.py
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994
process id is 31994

[root@133 ~]# top
top - 20:34:53 up 406 days,  1:45,  2 users,  load average: 0.12, 0.08, 0.02
Tasks: 248 total,   2 running, 246 sleeping,   0 stopped,   0 zombie
Cpu0  : 26.5%us, 17.3%sy,  0.0%ni, 56.1%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Cpu1  : 23.3%us, 14.6%sy,  0.0%ni, 62.0%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Cpu2  :  8.4%us, 10.8%sy,  0.0%ni, 80.8%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Cpu3  : 18.2%us, 15.0%sy,  0.0%ni, 66.8%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Cpu4  :  6.1%us,  9.6%sy,  0.0%ni, 84.3%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Cpu5  :  9.6%us,  7.8%sy,  0.0%ni, 82.6%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Cpu6  :  5.0%us,  6.3%sy,  0.0%ni, 88.7%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Cpu7  :  6.5%us,  4.5%sy,  0.0%ni, 89.0%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Mem:  20455792k total, 19930312k used,   525480k free,   315820k buffers
Swap:  8388604k total,   157072k used,  8231532k free, 16260864k cached

  PID USER      PR  NI  VIRT  RES  SHR S %CPU %MEM    TIME+  COMMAND
10303 amos      20   0 7490m 1.1g 8096 S  0.0  5.5  16:57.94 mysqld
20678 qemu      20   0 4862m 644m 4124 R  9.3  3.2  14493:02 qemu-kvm
 3164 qemu      20   0 4685m 328m 1240 S 10.3  1.6  49795:22 qemu-kvm
18481 root      20   0 2797m  48m 3096 S  0.0  0.2   0:05.15 salt-master
18484 root      20   0 2797m  47m 3080 S  0.0  0.2   0:05.03 salt-master
18487 root      20   0 2796m  47m 3088 S  0.0  0.2   0:04.96 salt-master
18477 root      20   0 2797m  47m 3088 S  0.0  0.2   0:05.10 salt-master
18478 root      20   0 2796m  47m 3096 S  0.0  0.2   0:05.30 salt-master
31994 root      20   0 3402m  43m 1944 S 171.6  0.2   1:15.35 python

多进程（多个进程使用多个cpu同时运行程序）

[root@133 managehosts]# vim multiprocessing03.py
#!/usr/bin/env python
import threading
import multiprocessing
import os
import time
from multiprocessing import Process
import os
def func():
    while True:
        1 + 1
for i in range(20):
    t = Process(target=func,args=())
    t.start()
[root@133 managehosts]# python multiprocessing03.py

#同时有多个进程在运行，
[root@133 managehosts]# ps aux | grep python 
root     32591  0.0  0.0 133228  5440 pts/6    S+   20:50   0:00 python multiprocessing03.py
root     32592 34.0  0.0 133228  3936 pts/6    R+   20:50   0:14 python multiprocessing03.py
root     32593 43.4  0.0 133228  3940 pts/6    R+   20:50   0:18 python multiprocessing03.py
root     32594 37.7  0.0 133228  3940 pts/6    R+   20:50   0:16 python multiprocessing03.py
root     32595 40.1  0.0 133228  3940 pts/6    R+   20:50   0:17 python multiprocessing03.py
root     32596 33.8  0.0 133228  3940 pts/6    R+   20:50   0:14 python multiprocessing03.py
root     32597 38.5  0.0 133228  3944 pts/6    R+   20:50   0:16 python multiprocessing03.py
root     32598 40.0  0.0 133228  3948 pts/6    R+   20:50   0:17 python multiprocessing03.py
root     32599 46.0  0.0 133228  3948 pts/6    R+   20:50   0:19 python multiprocessing03.py
root     32600 46.0  0.0 133228  3952 pts/6    R+   20:50   0:19 python multiprocessing03.py
root     32601 37.5  0.0 133228  3952 pts/6    R+   20:50   0:16 python multiprocessing03.py
root     32602 39.9  0.0 133228  3956 pts/6    R+   20:50   0:17 python multiprocessing03.py
root     32603 38.3  0.0 133228  3960 pts/6    R+   20:50   0:16 python multiprocessing03.py
root     32604 37.0  0.0 133228  3964 pts/6    R+   20:50   0:15 python multiprocessing03.py
root     32605 38.3  0.0 133228  3964 pts/6    R+   20:50   0:16 python multiprocessing03.py
root     32606 32.9  0.0 133228  3964 pts/6    R+   20:50   0:14 python multiprocessing03.py
root     32607 37.7  0.0 133228  3968 pts/6    R+   20:50   0:16 python multiprocessing03.py
root     32608 39.2  0.0 133228  3968 pts/6    R+   20:50   0:16 python multiprocessing03.py
root     32609 39.4  0.0 133228  3972 pts/6    R+   20:50   0:16 python multiprocessing03.py
root     32610 37.3  0.0 133228  3972 pts/6    R+   20:50   0:16 python multiprocessing03.py
root     32611 34.3  0.0 133228  3972 pts/6    R+   20:50   0:14 python multiprocessing03.py

＃负载增加，load不断升高，0.0%id空闲cpu为0，全部cpu被使用，
[root@133 managehosts]# top
top - 20:52:18 up 406 days,  2:03,  2 users,  load average: 16.32, 5.79, 2.07
Tasks: 266 total,  21 running, 245 sleeping,   0 stopped,   0 zombie
Cpu0  : 96.4%us,  3.6%sy,  0.0%ni,  0.0%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Cpu1  :100.0%us,  0.0%sy,  0.0%ni,  0.0%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Cpu2  : 97.7%us,  2.3%sy,  0.0%ni,  0.0%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Cpu3  :100.0%us,  0.0%sy,  0.0%ni,  0.0%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Cpu4  :100.0%us,  0.0%sy,  0.0%ni,  0.0%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Cpu5  :100.0%us,  0.0%sy,  0.0%ni,  0.0%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Cpu6  :100.0%us,  0.0%sy,  0.0%ni,  0.0%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Cpu7  :100.0%us,  0.0%sy,  0.0%ni,  0.0%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Mem:  20455792k total, 19900920k used,   554872k free,   315820k buffers
Swap:  8388604k total,   157072k used,  8231532k free, 16260928k cached

  PID USER      PR  NI  VIRT  RES  SHR S %CPU %MEM    TIME+  COMMAND
32599 root      20   0  130m 3948  536 R 47.1  0.0   0:46.09 python
32600 root      20   0  130m 3952  536 R 46.7  0.0   0:46.08 python
32604 root      20   0  130m 3964  536 R 43.8  0.0   0:35.82 python
32605 root      20   0  130m 3964  536 R 42.8  0.0   0:38.77 python
32598 root      20   0  130m 3948  536 R 41.8  0.0   0:39.72 python
32601 root      20   0  130m 3952  536 R 40.4  0.0   0:38.84 python
32610 root      20   0  130m 3972  536 R 40.4  0.0   0:38.91 python
32593 root      20   0  130m 3940  536 R 39.8  0.0   0:40.42 python
32595 root      20   0  130m 3940  536 R 39.8  0.0   0:39.61 python
32607 root      20   0  130m 3968  536 R 39.4  0.0   0:37.95 python
32597 root      20   0  130m 3944  536 R 39.1  0.0   0:38.28 python
32609 root      20   0  130m 3972  536 R 39.1  0.0   0:38.30 python
32611 root      20   0  130m 3972  536 R 37.5  0.0   0:34.07 python
32602 root      20   0  130m 3956  536 R 37.1  0.0   0:41.16 python
32608 root      20   0  130m 3968  536 R 37.1  0.0   0:38.57 python
32603 root      20   0  130m 3960  536 R 36.8  0.0   0:39.07 python
32596 root      20   0  130m 3940  536 R 36.5  0.0   0:36.10 python
32592 root      20   0  130m 3936  532 R 35.8  0.0   0:33.52 python
32606 root      20   0  130m 3964  536 R 33.8  0.0   0:33.52 python
32594 root      20   0  130m 3940  536 R 32.5  0.0   0:35.69 python
20678 qemu      20   0 4862m 644m 4124 S  5.6  3.2  14494:46 qemu-kvm
 3164 qemu      20   0 4685m 328m 1240 S  5.0  1.6  49797:00 qemu-kvm
   35 root      20   0     0    0    0 S  0.3  0.0   2877:33 events/0

进程池Pool

multiprocessing.Pool很方便饿同时处理几百个和上千个并行的操作，脚本的复杂性大大降低。

pool = multiprocessing.Pool(process=3) //设置最大进程数3

pool.close() //会等待池中的worker进程执行结束后再关闭pool

pool.terminate()//直接关闭pool

pool.join() //等待进程池中的worker进程执行完毕，阻塞主进程，但必须使用在pool.close()或则pool.terminate()之后

[root@133 managehosts]# vim multiprocessing-pool.py
#!/usr/bin/env python

import multiprocessing
from subprocess import Popen,PIPE

def run(id):
    p = Popen('vim', stdout=PIPE,stderr=PIPE)
    p.communicate()
    print "Task: %s " %id

pool = multiprocessing.Pool()
for i in xrange(10):
    pool.apply_async(func=run, args=(i,))
print "Wait....."
pool.close()
pool.join()
print "Done"
[root@133 managehosts]# python multiprocessing-pool.py
Wait.....

8核心运行8个进程
[root@133 managehosts]# ps aux | grep vim
root      1068  0.1  0.0 138996  4964 pts/6    S+   21:19   0:00 vim
root      1069  0.1  0.0 138996  4964 pts/6    S+   21:19   0:00 vim
root      1070  0.1  0.0 138996  4964 pts/6    S+   21:19   0:00 vim
root      1071  0.1  0.0 138996  4964 pts/6    S+   21:19   0:00 vim
root      1072  0.1  0.0 138996  4964 pts/6    S+   21:19   0:00 vim
root      1073  0.1  0.0 138996  4964 pts/6    S+   21:19   0:00 vim
root      1074  0.1  0.0 138996  4968 pts/6    S+   21:19   0:00 vim
root      1076  0.1  0.0 138996  4968 pts/6    S+   21:19   0:00 vim
root      1101  0.0  0.0 103316   904 pts/5    S+   21:20   0:00 grep vim

[root@133 managehosts]# ps -ef | grep python
root      1056 32539  0 21:19 pts/6    00:00:00 python multiprocessing-pool.py
root      1057  1056  0 21:19 pts/6    00:00:00 python multiprocessing-pool.py
root      1058  1056  0 21:19 pts/6    00:00:00 python multiprocessing-pool.py
root      1059  1056  0 21:19 pts/6    00:00:00 python multiprocessing-pool.py
root      1060  1056  0 21:19 pts/6    00:00:00 python multiprocessing-pool.py
root      1061  1056  0 21:19 pts/6    00:00:00 python multiprocessing-pool.py
root      1062  1056  0 21:19 pts/6    00:00:00 python multiprocessing-pool.py
root      1063  1056  0 21:19 pts/6    00:00:00 python multiprocessing-pool.py
root      1064  1056  0 21:19 pts/6    00:00:00 python multiprocessing-pool.py

杀掉一个子进程后，又产生一个进程
[root@133 managehosts]# kill 1068 
[root@133 managehosts]# ps aux | grep vim
root      1069  0.0  0.0 138996  4964 pts/6    S+   21:19   0:00 vim
root      1070  0.0  0.0 138996  4964 pts/6    S+   21:19   0:00 vim
root      1071  0.0  0.0 138996  4964 pts/6    S+   21:19   0:00 vim
root      1072  0.0  0.0 138996  4964 pts/6    S+   21:19   0:00 vim
root      1073  0.0  0.0 138996  4964 pts/6    S+   21:19   0:00 vim
root      1074  0.0  0.0 138996  4968 pts/6    S+   21:19   0:00 vim
root      1076  0.0  0.0 138996  4968 pts/6    S+   21:19   0:00 vim
root      1231  0.5  0.0 138996  4968 pts/6    S+   21:24   0:00 vim
root      1234  0.0  0.0 103316   904 pts/5    S+   21:24   0:00 grep vim
[root@133 managehosts]#
[root@133 managehosts]# python multiprocessing-pool.py
Wait.....
Task: 1

理解Gunicorn：Python WSGI服务器的基石范范0825 ipython linux 运维
理解Gunicorn：PythonWSGI服务器的基石介绍Gunicorn，全称GreenUnicorn，是一个为PythonWSGI（WebServerGatewayInterface）应用设计的高效、轻量级HTTP服务器。作为PythonWeb应用部署的常用工具，Gunicorn以其高性能和易用性著称。本文将介绍Gunicorn的基本概念、安装和配置，帮助初学者快速上手。1.什么是Gunico
消息中间件有哪些常见类型 xmh-sxh-1314 java
消息中间件根据其设计理念和用途，可以大致分为以下几种常见类型：点对点消息队列（Point-to-PointMessagingQueues）：在这种模型中，消息被发送到特定的队列中，消费者从队列中取出并处理消息。队列中的消息只能被一个消费者消费，消费后即被删除。常见的实现包括IBM的MQSeries、RabbitMQ的部分使用场景等。适用于任务分发、负载均衡等场景。发布/订阅消息模型（Pub/Sub
Python数据分析与可视化实战指南 William数据分析 python python 数据
在数据驱动的时代，Python因其简洁的语法、强大的库生态系统以及活跃的社区，成为了数据分析与可视化的首选语言。本文将通过一个详细的案例，带领大家学习如何使用Python进行数据分析，并通过可视化来直观呈现分析结果。一、环境准备1.1安装必要库在开始数据分析和可视化之前，我们需要安装一些常用的库。主要包括pandas、numpy、matplotlib和seaborn等。这些库分别用于数据处理、数学
python os.environ 江湖偌大 python 深度学习
os.environ['TF_CPP_MIN_LOG_LEVEL']='0'#默认值，输出所有信息os.environ['TF_CPP_MIN_LOG_LEVEL']='1'#屏蔽通知信息（INFO）os.environ['TF_CPP_MIN_LOG_LEVEL']='2'#屏蔽通知信息和警告信息（INFO\WARNING）os.environ['TF_CPP_MIN_LOG_LEVEL']='
Python中os.environ基本介绍及使用方法鹤冲天Pro #Python python 服务器开发语言
文章目录python中os.environos.environ简介os.environ进行环境变量的增删改查python中os.environ的使用详解1.简介2.key字段详解2.1常见key字段3.os.environ.get()用法4.环境变量的增删改查和判断是否存在4.1新增环境变量4.2更新环境变量4.3获取环境变量4.4删除环境变量4.5判断环境变量是否存在python中os.envi
Pyecharts数据可视化大屏：打造沉浸式数据分析体验我的运维人生信息可视化数据分析数据挖掘运维开发技术共享
Pyecharts数据可视化大屏：打造沉浸式数据分析体验在当今这个数据驱动的时代，如何将海量数据以直观、生动的方式展现出来，成为了数据分析师和企业决策者关注的焦点。Pyecharts，作为一款基于Python的开源数据可视化库，凭借其丰富的图表类型、灵活的配置选项以及高度的定制化能力，成为了构建数据可视化大屏的理想选择。本文将深入探讨如何利用Pyecharts打造数据可视化大屏，并通过实际代码案例
Python教程：一文了解使用Python处理XPath 旦莫 Python进阶 python 开发语言
目录1.环境准备1.1安装lxml1.2验证安装2.XPath基础2.1什么是XPath？2.2XPath语法2.3示例XML文档3.使用lxml解析XML3.1解析XML文档3.2查看解析结果4.XPath查询4.1基本路径查询4.2使用属性查询4.3查询多个节点5.XPath的高级用法5.1使用逻辑运算符5.2使用函数6.实战案例6.1从网页抓取数据6.1.1安装Requests库6.1.2代
python os.environ_python os.environ 读取和设置环境变量 weixin_39605414 python os.environ
>>>importos>>>os.environ.keys()['LC_NUMERIC','GOPATH','GOROOT','GOBIN','LESSOPEN','SSH_CLIENT','LOGNAME','USER','HOME','LC_PAPER','PATH','DISPLAY','LANG','TERM','SHELL','J2REDIR','LC_MONETARY','QT_QPA
使用Faiss进行高效相似度搜索 llzwxh888 faiss python
在现代AI应用中，快速和高效的相似度搜索是至关重要的。Faiss（FacebookAISimilaritySearch）是一个专门用于快速相似度搜索和聚类的库，特别适用于高维向量。本文将介绍如何使用Faiss来进行相似度搜索，并结合Python代码演示其基本用法。什么是Faiss？Faiss是一个由FacebookAIResearch团队开发的开源库，主要用于高维向量的相似性搜索和聚类。Faiss
python是什么意思中文-在python中%是什么意思编程大乐趣
Python中%有两种：1、数值运算：%代表取模，返回除法的余数。如：>>>7%212、%操作符（字符串格式化，stringformatting），说明如下：%[(name)][flags][width].[precision]typecode(name)为命名flags可以有+，-，''或0。+表示右对齐。-表示左对齐。''为一个空格，表示在正数的左侧填充一个空格，从而与负数对齐。0表示使用0填
Day1笔记-Python简介&标识符和关键字&输入输出 ~在杰难逃~ Python python 开发语言大数据数据分析数据挖掘
大家好，从今天开始呢，杰哥开展一个新的专栏，当然，数据分析部分也会不定时更新的，这个新的专栏主要是讲解一些Python的基础语法和知识，帮助0基础的小伙伴入门和学习Python，感兴趣的小伙伴可以开始认真学习啦！一、Python简介【了解】1.计算机工作原理编程语言就是用来定义计算机程序的形式语言。我们通过编程语言来编写程序代码，再通过语言处理程序执行向计算机发送指令，让计算机完成对应的工作，编程
python八股文面试题分享及解析(1) Shawn________ python
#1.'''a=1b=2不用中间变量交换a和b'''#1.a=1b=2a,b=b,aprint(a)print(b)结果：21#2.ll=[]foriinrange(3):ll.append({'num':i})print(11)结果:#[{'num':0},{'num':1},{'num':2}]#3.kk=[]a={'num':0}foriinrange(3):#0,12#可变类型，不仅仅改变
每日算法&面试题，大厂特训二十八天——第二十天（树）肥学 ⚡算法题⚡面试题每日精进 java 算法数据结构
目录标题导读算法特训二十八天面试题点击直接资料领取导读肥友们为了更好的去帮助新同学适应算法和面试题，最近我们开始进行专项突击一步一步来。上一期我们完成了动态规划二十一天现在我们进行下一项对各类算法进行二十八天的一个小总结。还在等什么快来一起肥学进行二十八天挑战吧！！特别介绍小白练手专栏，适合刚入手的新人欢迎订阅编程小白进阶python有趣练手项目里面包括了像《机器人尬聊》《恶搞程序》这样的有趣文章
Python快速入门 —— 第三节：类与对象孤华暗香 Python快速入门 python 开发语言
第三节：类与对象目标：了解面向对象编程的基础概念，并学会如何定义类和创建对象。内容：类与对象：定义类：class关键字。类的构造函数：__init__()。类的属性和方法。对象的创建与使用。示例：classStudent:def__init__(self,name,age,major):self.name&#
pyecharts——绘制柱形图折线图 2224070247 信息可视化 python java 数据可视化
一、pyecharts概述自2013年6月百度EFE(ExcellentFrontEnd）数据可视化团队研发的ECharts1.0发布到GitHub网站以来，ECharts一直备受业界权威的关注并获得广泛好评，成为目前成熟且流行的数据可视化图表工具，被应用到诸多数据可视化的开发领域。Python作为数据分析领域最受欢迎的语言，也加入ECharts的使用行列，并研发出方便Python开发者使用的数据
Python 实现图片裁剪（附代码） | Python工具剑客阿良_ALiang
前言本文提供将图片按照自定义尺寸进行裁剪的工具方法，一如既往的实用主义。环境依赖ffmpeg环境安装，可以参考我的另一篇文章：windowsffmpeg安装部署_阿良的博客-CSDN博客本文主要使用到的不是ffmpeg，而是ffprobe也在上面这篇文章中的zip包中。ffmpy安装：pipinstallffmpy-ihttps://pypi.douban.com/simple代码不废话了，上代码
【华为OD技术面试真题 - 技术面】- python八股文真题题库（4) 算法大师华为od 面试 python
华为OD面试真题精选专栏：华为OD面试真题精选目录:2024华为OD面试手撕代码真题目录以及八股文真题目录文章目录华为OD面试真题精选**1.Python中的`with`**用途和功能自动资源管理示例：文件操作上下文管理协议示例代码工作流程解析优点2.\_\_new\_\_和**\_\_init\_\_**区别__new____init__区别总结3.**切片（Slicing）操作**基本切片语法
python os 环境变量 CV矿工 python 开发语言 numpy
环境变量：环境变量是程序和操作系统之间的通信方式。有些字符不宜明文写进代码里，比如数据库密码，个人账户密码，如果写进自己本机的环境变量里，程序用的时候通过os.environ.get（）取出来就行了。os.environ是一个环境变量的字典。环境变量的相关操作importos"""设置/修改环境变量：os.environ[‘环境变量名称’]=‘环境变量值’#其中key和value均为string类
Python爬虫解析工具之xpath使用详解 eqa11 python 爬虫开发语言
文章目录Python爬虫解析工具之xpath使用详解一、引言二、环境准备1、插件安装2、依赖库安装三、xpath语法详解1、路径表达式2、通配符3、谓语4、常用函数四、xpath在Python代码中的使用1、文档树的创建2、使用xpath表达式3、获取元素内容和属性五、总结Python爬虫解析工具之xpath使用详解一、引言在Python爬虫开发中，数据提取是一个至关重要的环节。xpath作为一门
【华为OD技术面试真题 - 技术面】- python八股文真题题库（1）算法大师华为od 面试 python
华为OD面试真题精选专栏：华为OD面试真题精选目录:2024华为OD面试手撕代码真题目录以及八股文真题目录文章目录华为OD面试真题精选1.数据预处理流程数据预处理的主要步骤工具和库2.介绍线性回归、逻辑回归模型线性回归（LinearRegression）模型形式：关键点：逻辑回归（LogisticRegression）模型形式：关键点：参数估计与评估：3.python浅拷贝及深拷贝浅拷贝（Shal
nosql数据库技术与应用知识点皆过客，揽星河 NoSQL nosql 数据库大数据数据分析数据结构非关系型数据库
Nosql知识回顾大数据处理流程数据采集(flume、爬虫、传感器)数据存储(本门课程NoSQL所处的阶段)Hdfs、MongoDB、HBase等数据清洗(入仓)Hive等数据处理、分析(Spark、Flink等)数据可视化数据挖掘、机器学习应用(Python、SparkMLlib等)大数据时代存储的挑战(三高)高并发(同一时间很多人访问)高扩展(要求随时根据需求扩展存储)高效率(要求读写速度快)
《Python数据分析实战终极指南》 xjt921122 python 数据分析开发语言
对于分析师来说，大家在学习Python数据分析的路上，多多少少都遇到过很多大坑**，有关于技能和思维的**：Excel已经没办法处理现有的数据量了，应该学Python吗？找了一大堆Python和Pandas的资料来学习，为什么自己动手就懵了？跟着比赛类公开数据分析案例练了很久，为什么当自己面对数据需求还是只会数据处理而没有分析思路？学了对比、细分、聚类分析，也会用PEST、波特五力这类分析法，为啥
Python中深拷贝与浅拷贝的区别 yuxiaoyu.
转自：http://blog.csdn.net/u014745194/article/details/70271868定义：在Python中对象的赋值其实就是对象的引用。当创建一个对象，把它赋值给另一个变量的时候，python并没有拷贝这个对象，只是拷贝了这个对象的引用而已。浅拷贝：拷贝了最外围的对象本身，内部的元素都只是拷贝了一个引用而已。也就是，把对象复制一遍，但是该对象中引用的其他对象我不复
Python开发常用的三方模块如下：换个网名有点难 python 开发语言
Python是一门功能强大的编程语言，拥有丰富的第三方库，这些库为开发者提供了极大的便利。以下是100个常用的Python库，涵盖了多个领域：1、NumPy，用于科学计算的基础库。2、Pandas，提供数据结构和数据分析工具。3、Matplotlib，一个绘图库。4、Scikit-learn，机器学习库。5、SciPy，用于数学、科学和工程的库。6、TensorFlow，由Google开发的开源机
ios GCD _Waiting_
1.GCD任务和队列学习GCD之前，先来了解GCD中两个核心概念：任务和队列。任务：就是执行操作的意思，换句话说就是你在线程中执行的那段代码。在GCD中是放在block中的。执行任务有两种方式：同步执行（sync）和异步执行（async）。两者的主要区别是：是否等待队列的任务执行结束，以及是否具备开启新线程的能力。同步执行（sync）：同步添加任务到指定的队列中，在添加的任务执行结束之前，会一直等
Python编译器鹿鹿~ Python编译器 Python python 开发语言后端
嘿嘿嘿我又来了啊有些小盆友可能不知道Python其实是有编译器的，也就是PyCharm。你们可能会问到这个是干嘛的又不可以吃也不可以穿好像没有什么用，其实你还说对了这个还真的不可以吃也不可以穿，但是它用来干嘛的呢。用来编译你所打出的代码进行运行（可能这里说的有点不对但是只是个人认为）现在我们来说说PyCharm是用来干嘛的。PyCharm是一种PythonIDE，带有一整套可以帮助用户在使用Pyt
一文掌握python面向对象魔术方法（二）程序员neil python python 开发语言
接上篇：一文掌握python面向对象魔术方法（一）-CSDN博客目录六、迭代和序列化：1、__iter__(self):定义迭代器，使得类可以被for循环迭代。2、__getitem__(self,key):定义索引操作，如obj[key]。3、__setitem__(self,key,value):定义赋值操作，如obj[key]=value。4、__delitem__(self,key):定义
一文掌握python常用的list（列表）操作程序员neil python python 开发语言
目录一、创建列表1.直接创建列表：2.使用list()构造器3.使用列表推导式4.创建空列表二、访问列表元素1.列表支持通过索引访问元素，索引从0开始：2.还可以使用切片操作访问列表的一部分：三、修改列表元素四、添加元素1.append()：在末尾添加元素2.insert()：在指定位置插入元素五、删除元素1.del：删除指定位置的元素2.remove()：删除指定值的第一个匹配项3.pop()：
Python实现简单的机器学习算法 master_chenchengg python python 办公效率 python开发 IT
Python实现简单的机器学习算法开篇：初探机器学习的奇妙之旅搭建环境：一切从安装开始必备工具箱第一步：安装Anaconda和JupyterNotebook小贴士：如何配置Python环境变量算法初体验：从零开始的Python机器学习线性回归：让数据说话数据准备：从哪里找数据编码实战：Python实现线性回归模型评估：如何判断模型好坏逻辑回归：从分类开始理论入门：什么是逻辑回归代码实现：使用skl
多线程之——ExecutorCompletionService 阿福德
在我们开发中，经常会遇到这种情况，我们起多个线程来执行，等所有的线程都执行完成后，我们需要得到个线程的执行结果来进行聚合处理。我在内部代码评审时，发现了不少这种情况。看很多同学都使用正确，但比较啰嗦，效率也不高。本文介绍一个简单处理这种情况的方法：直接上代码：publicclassExecutorCompletionServiceTest{@TestpublicvoidtestExecutorCo
二分查找排序算法周凡杨 java 二分查找排序算法折半
一：概念二分查找又称折半查找（折半搜索/ 二分搜索），优点是比较次数少，查找速度快，平均性能好；其缺点是要求待查表为有序表，且插入删除困难。因此，折半查找方法适用于不经常变动而查找频繁的有序列表。首先，假设表中元素是按升序排列，将表中间位置记录的关键字与查找关键字比较，如果两者相等，则查找成功；否则利用中间位置记录将表分成前、后两个子表，如果中间位置记录的关键字大于查找关键字，则进一步
java中的BigDecimal bijian1013 java BigDecimal
在项目开发过程中出现精度丢失问题，查资料用BigDecimal解决，并发现如下这篇BigDecimal的解决问题的思路和方法很值得学习，特转载。原文地址：http://blog.csdn.net/ugg/article/de
Shell echo命令详解 daizj echo shell
Shell echo命令 Shell 的 echo 指令与 PHP 的 echo 指令类似，都是用于字符串的输出。命令格式： echo string 您可以使用echo实现更复杂的输出格式控制。 1.显示普通字符串: echo "It is a test" 这里的双引号完全可以省略，以下命令与上面实例效果一致： echo Itis a test 2.显示转义
Oracle DBA 简单操作周凡杨 oracle dba sql
--执行次数多的SQL select sql_text,executions from ( select sql_text,executions from v$sqlarea order by executions desc ) where rownum<81; &nb
画图重绘朱辉辉33 游戏
我第一次接触重绘是编写五子棋小游戏的时候，因为游戏里的棋盘是用线绘制的，而这些东西并不在系统自带的重绘里，所以在移动窗体时，棋盘并不会重绘出来。所以我们要重写系统的重绘方法。在重写系统重绘方法时，我们要注意一定要调用父类的重绘方法，即加上super.paint(g)，因为如果不调用父类的重绘方式，重写后会把父类的重绘覆盖掉，而父类的重绘方法是绘制画布，这样就导致我们
线程之初体验西蜀石兰线程
一直觉得多线程是学Java的一个分水岭，懂多线程才算入门。之前看《编程思想》的多线程章节，看的云里雾里，知道线程类有哪几个方法，却依旧不知道线程到底是什么？书上都写线程是进程的模块，共享线程的资源，可是这跟多线程编程有毛线的关系，呜呜。。。线程其实也是用户自定义的任务，不要过多的强调线程的属性，而忽略了线程最基本的属性。你可以在线程类的run()方法中定义自己的任务，就跟正常的Ja
linux集群互相免登陆配置林鹤霄 linux
配置ssh免登陆 1、生成秘钥和公钥 ssh-keygen -t rsa 2、提示让你输入，什么都不输，三次回车之后会在~下面的.ssh文件夹中多出两个文件id_rsa 和 id_rsa.pub 其中id_rsa为秘钥，id_rsa.pub为公钥，使用公钥加密的数据只有私钥才能对这些数据解密 c
mysql : Lock wait timeout exceeded; try restarting transaction aigo mysql
原文：http://www.cnblogs.com/freeliver54/archive/2010/09/30/1839042.html 原因是你使用的InnoDB 表类型的时候, 默认参数:innodb_lock_wait_timeout设置锁等待的时间是50s, 因为有的锁等待超过了这个时间,所以抱错. 你可以把这个时间加长,或者优化存储
Socket编程基本的聊天实现。 alleni123 socket
public class Server { //用来存储所有连接上来的客户 private List<ServerThread> clients; public static void main(String[] args) { Server s = new Server(); s.startServer(9988); } publi
多线程监听器事件模式(一个简单的例子) 百合不是茶线程监听模式
多线程的事件监听器模式监听器时间模式经常与多线程使用,在多线程中如何知道我的线程正在执行那什么内容,可以通过时间监听器模式得到创建多线程的事件监听器模式思路: 1, 创建线程并启动,在创建线程的位置设置一个标记 2,创建队
spring InitializingBean接口 bijian1013 java spring
spring的事务的TransactionTemplate，其源码如下： public class TransactionTemplate extends DefaultTransactionDefinition implements TransactionOperations, InitializingBean{ ... } TransactionTemplate继承了DefaultT
Oracle中询表的权限被授予给了哪些用户 bijian1013 oracle 数据库权限
Oracle查询表将权限赋给了哪些用户的SQL，以备查用。 select t.table_name as "表名", t.grantee as "被授权的属组", t.owner as "对象所在的属组"
【Struts2五】Struts2 参数传值 bit1129 struts2
Struts2中参数传值的3种情况 1.请求参数绑定到Action的实例字段上 2.Action将值传递到转发的视图上 3.Action将值传递到重定向的视图上一、请求参数绑定到Action的实例字段上以及Action将值传递到转发的视图上 Struts可以自动将请求URL中的请求参数或者表单提交的参数绑定到Action定义的实例字段上，绑定的规则使用ognl表达式语言
【Kafka十四】关于auto.offset.reset[Q/A] bit1129 kafka
I got serveral questions about auto.offset.reset. This configuration parameter governs how consumer read the message from Kafka when there is no initial offset in ZooKeeper or
nginx gzip压缩配置 ronin47 nginx gzip 压缩范例
nginx gzip压缩配置更多 0 nginx gzip 配置随着nginx的发展，越来越多的网站使用nginx，因此nginx的优化变得越来越重要，今天我们来看看nginx的gzip压缩到底是怎么压缩的呢？ gzip(GNU-ZIP)是一种压缩技术。经过gzip压缩后页面大小可以变为原来的30%甚至更小，这样，用
java-13.输入一个单向链表，输出该链表中倒数第 k 个节点 bylijinnan java
two cursors. Make the first cursor go K steps first. /* * 第 13 题：题目：输入一个单向链表，输出该链表中倒数第 k 个节点 */ public void displayKthItemsBackWard(ListNode head,int k){ ListNode p1=head,p2=head;
Spring源码学习-JdbcTemplate queryForObject bylijinnan java spring
JdbcTemplate中有两个可能会混淆的queryForObject方法： 1. Object queryForObject(String sql, Object[] args, Class requiredType) 2. Object queryForObject(String sql, Object[] args, RowMapper rowMapper) 第1个方法是只查
[冰川时代]在冰川时代,我们需要什么样的技术? comsci 技术
看美国那边的气候情况....我有个感觉...是不是要进入小冰期了? 那么在小冰期里面...我们的户外活动肯定会出现很多问题...在室内呆着的情况会非常多...怎么在室内呆着而不发闷...怎么用最低的电力保证室内的温度.....这都需要技术手段... &nb
js 获取浏览器型号 cuityang js 浏览器
根据浏览器获取iphone和apk的下载地址 <!DOCTYPE html> <html> <head> <meta charset="utf-8" content="text/html"/> <meta name=
C# socks5详解转 dalan_123 socket C#
http://www.cnblogs.com/zhujiechang/archive/2008/10/21/1316308.html 这里主要讲的是用.NET实现基于Socket5下面的代理协议进行客户端的通讯，Socket4的实现是类似的，注意的事，这里不是讲用C#实现一个代理服务器，因为实现一个代理服务器需要实现很多协议，头大，而且现在市面上有很多现成的代理服务器用，性能又好，
运维 Centos问题汇总 dcj3sjt126com 云主机
一、sh 脚本不执行的原因 sh脚本不执行的原因只有2个 1.权限不够 2.sh脚本里路径没写完整。二、解决You have new mail in /var/spool/mail/root 修改/usr/share/logwatch/default.conf/logwatch.conf配置文件 MailTo = MailFrom 三、查询连接数
Yii防注入攻击笔记 dcj3sjt126com sql WEB安全 yii
网站表单有注入漏洞须对所有用户输入的内容进行个过滤和检查，可以使用正则表达式或者直接输入字符判断，大部分是只允许输入字母和数字的，其它字符度不允许；对于内容复杂表单的内容，应该对html和script的符号进行转义替换：尤其是<,>,',"",&这几个符号这里有个转义对照表： http://blog.csdn.net/xinzhu1990/articl
MongoDB简介[一] eksliang mongodb MongoDB简介
MongoDB简介转载请出自出处：http://eksliang.iteye.com/blog/2173288 1.1易于使用 MongoDB是一个面向文档的数据库，而不是关系型数据库。与关系型数据库相比，面向文档的数据库不再有行的概念，取而代之的是更为灵活的“文档”模型。另外，不
zookeeper windows 入门安装和测试 greemranqq zookeeper 安装分布式
一、序言以下是我对zookeeper 的一些理解： zookeeper 作为一个服务注册信息存储的管理工具，好吧，这样说得很抽象，我们举个“栗子”。栗子1号：假设我是一家KTV的老板，我同时拥有5家KTV，我肯定得时刻监视
Spring之使用事务缘由(2-注解实现) ihuning spring
Spring事务注解实现 1. 依赖包： 1.1 spring包： spring-beans-4.0.0.RELEASE.jar spring-context-4.0.0.
iOS App Launch Option 啸笑天 option
iOS 程序启动时总会调用application:didFinishLaunchingWithOptions:，其中第二个参数launchOptions为NSDictionary类型的对象，里面存储有此程序启动的原因。 launchOptions中的可能键值见UIApplication Class Reference的Launch Options Keys节。 1、若用户直接
jdk与jre的区别（_） macroli java jvm jdk
简单的说JDK是面向开发人员使用的SDK，它提供了Java的开发环境和运行环境。SDK是Software Development Kit 一般指软件开发包，可以包括函数库、编译程序等。 JDK就是Java Development Kit JRE是Java Runtime Enviroment是指Java的运行环境，是面向Java程序的使用者，而不是开发者。如果安装了JDK，会发同你
Updates were rejected because the tip of your current branch is behind qiaolevip 学习永无止境每天进步一点点众观千象 git
$ git push joe prod-2295-1 To [email protected]:joe.le/dr-frontend.git ! [rejected] prod-2295-1 -> prod-2295-1 (non-fast-forward) error: failed to push some refs to '[email protected]
[一起学Hive]之十四-Hive的元数据表结构详解 superlxw1234 hive hive元数据结构
关键字：Hive元数据、Hive元数据表结构之前在 “[一起学Hive]之一–Hive概述，Hive是什么”中介绍过，Hive自己维护了一套元数据，用户通过HQL查询时候，Hive首先需要结合元数据，将HQL翻译成MapReduce去执行。本文介绍一下Hive元数据中重要的一些表结构及用途，以Hive0.13为例。文章最后面，会以一个示例来全面了解一下，
Spring 3.2.14，4.1.7，4.2.RC2发布 wiselyman Spring 3
Spring 3.2.14、4.1.7及4.2.RC2于6月30日发布。其中Spring 3.2.1是一个维护版本(维护周期到2016-12-31截止)，后续会继续根据需求和bug发布维护版本。此时，Spring官方强烈建议升级Spring框架至4.1.7 或者将要发布的4.2 。其中Spring 4.1.7主要包含这些更新内容。

python队列、线程间通信Queue，多进程模块multiprocessing

你可能感兴趣的:(线程,python,队列,Python)