Python 从业十年是种什么体验？老程序员的一篇万字经验分享！
我“接触” Python 已有十年了，当初我们要做一个网站，有个学弟只花两天，就用 Django 开发好了后台。那是我第一次感受到了 Python 的强大魅力。不过，我正式学习和使用它，才仅有两年时间……
标题中说的“从业十年”，并不是指我，而是指文章的作者。像他拥有这么长的 Python 经验的程序员并不多见，写成文章分享出来的就更少见了。所以这篇文章还挺有价值的，内容很丰富，特分享给大家，建议收藏。
一、概述
本文起源于我在 Twitter 上发布的关于 Python 经历的一系列话题。
出于某些原因，想记录一下我过去数年使用 Python 的经验和一些感悟。毕竟算是一门把我带入互联网行业的语言，而我近期已经几乎不再写 Py 代码， 做一个记录，也许会对他人起到些微的帮助，也算是纪念与感恩了。
二、摘录
推文地址：https://twitter.com/ppcelery/status/1159620182089728000
最早接触 py 是 2010 年左右，那之前主要是使用 c、fortran 和 matlab 做数值运算。当时在做一些文件文本处理时觉得很麻烦，后来看到 NASA 说要用 py 取代 matlab，就去接触了 py。
python 那极为简洁与优美的语法给了当时的我极大的震撼，时至今日，写 py 代码对我而言依然是一种带有艺术意味的享受。
私信博主001 领取完整代码！
首先开宗明义的说一句：python 并不慢，至少不够慢。拿一个 web 后端来说，一台垃圾 4 核虚机，跑 4 个同步阻塞的 django，假设 django 上合理利用线程分担了阻塞操作，假设每节点每秒可以处理 50 个请求（超低估），在白天的 10 小时内就可以处理 720 万请求。而这种机器跑一天仅需要 20 块钱。
在学习 Python 以前需要强调的是：基础语法非常重要。虽然我们都不推崇过多的死记硬背，但是少量必要的死背是以后所有复杂思维活动的基础，就像五十音对于日语，通假字和常用动名词对于文言文，你不会就是不行。
一般认为，这包括数据类型（值/引用）、作用域（scope）、keyword、builtin 函数等
关于 Python 版本的选择，很多公司老项目依然在用 2.6、2.7，新项目的话建议至少选择 3.6（拥有稳定的 asyncio）。
- 从 2.7 到 3.4 https://blog.laisky.com/p/whats-new-in-python3-4/
- 从 3.4 到 3.5 https://blog.laisky.com/p/whats-new-in-python3-5/
- 从 3.5 到 3.6 https://blog.laisky.com/p/whats-new-in-python3-6/
- 从 3.6 到 3.7 https://docs.python.org/zh-cn/3/whatsnew/3.7.html
关于版本最后在说几点，建议在本地和服务器上都通过 pyenv 来管理版本，而不要去动系统自带的 python（以免引起额外的麻烦） https://blog.laisky.com/p/pyenv/
另外一点就是，如果你想写一个兼容 2、3 的工具包，你可以考虑使用 future http://python-future.org/compatible_idioms.html
最后提醒一下，2to3 这个脚本是有可能出错的。
学完基础就可以开始动手写代码了，这时候应该谨记遵守一些“通行规范”，几年前给公司内分享时做过一个摘要：
- 风格指引 https://laisky.github.io/style-guide-cn/style-guides/source-code-style-guides/
- 一些注意事项 https://laisky.github.io/style-guide-cn/style-guides/consensuses/
有了一定的实践经验后，你应该学习更多的包来提高自己的代码水平。
- 值得学习的内建包 https://pymotw.com/3/
- 值得了解的第三方包 https://github.com/vinta/awesome-python
因为 py 的哲学（import this）建议应该有且仅有一个完美的方式做一件事，所以建议优先采用且完善既有项目而不建议过多的造轮子。
一个小插曲，写这段的 Tim Peters 就是发明 timsort 的那位。
https://en.wikipedia.org/wiki/Tim_Peters_(software_engineer)
有空时候，建议尽可能的完整读教材和文档，建立系统性的知识体系，这可以极大的提升你的眼界和思维能力。我自己读过且觉得值得推荐的针对 py 的书籍有：
- https://docs.python.org/3/
- learning python
- 核心编程
- 改进Python的91个建议
- Python高手之路
- Python源码剖析
- 数据结构与算法：Python语言描述
如果你真的很喜欢 Python 的话，那我觉得你应该也会喜欢阅读 PEP，记得几年前我只要有空就会去翻阅 PEP，这相当于是 Py 的 RFC，里面记录了几乎每一项语法的设计理念与目的。我特别喜欢的 PEP 有：
- 8
- 3148
- 380
- 484 & 3107
- 492: async
- 440
- 3132
- 495 你甚至能学到历史知识
以前听别人讲过一个比喻，静态语言是吃冒菜，一次性烫好。而动态语言是涮火锅，吃一点涮一点。
那么我觉得，GIL 就是仅有一双筷子的火锅，即使你菜很多，一次也只能涮一个。
但是，对于 I/O bound 的操作，你不必一直夹着菜，而是可以夹一些扔到锅里，这样就可以同时涮很多，提高并行效率。
GIL 在一个进程内，解释器仅能同时解释执行一条语句，这为 py 提供了天然的语句级线程安全，从很多意义上说，这都极大的简化了并行编程的难度。对于 I/O 型应用，多线程并不会受到多大影响。对于 CPU 型应用，编写一个基于 Queue 的多进程 worker 其实也就是几行的事。
(订正：应为伪指令级的线程安全)
from time import sleep
from concurrent.futures import ProcessPoolExecutor, wait
from multiprocessing import Manager, Queue
N_PARALLEL = 5
def worker(i: int, q: Queue) -> None:
print(f'worker {i} start')
while 1:
data = q.get()
if data is None: # 采用毒丸（poison pill）方式来结束进程池
q.put(data)
print(f'worker {i} exit')
return
print(f'dealing with data {data}...')
sleep(1)
def main():
executor = ProcessPoolExecutor(max_workers=N_PARALLEL) # 控制并发量
with Manager() as manager:
queue = manager.Queue(maxsize=50) # 控制缓存量
workers = [executor.submit(worker, i, que