小知识：
1、子类继承父类的三种方式
class Dog(Animal): #子类 派生类
def __init__(self,name,breed, life_value,aggr):
# Animal.__init__(self,name,breed, life_value,aggr)#让子类执行父类的方法 就是父类名.方法名（参数），连self都得传
super().__init__(name,life_value,aggr) #super关键字 ，都不用传self了，在新式类里的
# super(Dog,self).__init__(name,life_value,aggr) #上面super是简写
self.breed = breed
def bite(self,person): #狗的派生方法
person.life_value -= self.aggr
def eat(self): #父类方法的重写
super().eat()
print(\'dog is eating\')
2、对象通过索引设置值的三种方式
方式一：重写__setitem__方法
class Foo(object):
def __setitem__(self, key, value):
print(key,value)
obj = Foo()
obj["xxx"] = 123 #给对象赋值就会去执行__setitem__方法
方式二：继承dict
class Foo(dict):
pass
obj = Foo()
obj["xxx"] = 123
print(obj)
方式三：继承dict,重写__init__方法的时候，记得要继承父类的__init__方法
class Foo(dict):
def __init__(self,val):
# dict.__init__(self, val)#继承父类方式一
# super().__init__(val) #继承父类方式二
super(Foo,self).__init__(val)#继承父类方式三
obj = Foo({"xxx":123})
print(obj)
总结：如果遇到obj["xxx"] = xx ,
- 重写了__setitem__方法
- 继承dict
3、测试__name__方法
示例：
app1中：
import app2
print(\'app1\', __name__)
app2中：
print(\'app2\', __name__)
现在app1是主程序，运行结果截图
总结：如果是在自己的模块中运行，__name__就是__main__，如果是从别的文件中导入进来的，就不是__name__了
一、设置配置文件的几种方式
==========方式一：============ app.config[\'SESSION_COOKIE_NAME\'] = \'session_lvning\' #这种方式要把所有的配置都放在一个文件夹里面，看起来会比较乱，所以选择下面的方式 ==========方式二：============== app.config.from_pyfile(\'settings.py\') #找到配置文件路径，创建一个模块，打开文件，并获取所有的内容，再将配置文件中的所有值，都封装到上一步创建的配置文件模板中
print(app.config.get("CCC"))
=========方式三：对象的方式============
import os
os.environ[\'FLAKS-SETTINGS\'] = \'settings.py\'
app.config.from_envvar(\'FLAKS-SETTINGS\')
===============方式四（推荐）：字符串的方式，方便操作，不用去改配置，直接改变字符串就行了 ==============
app.config.from_object(\'settings.DevConfig\')
----------settings.DevConfig----------
from app import app
class BaseConfig(object):
NNN = 123 #注意是大写
SESSION_COOKIE_NAME = "session_sss"
class TestConfig(BaseConfig):
DB = "127.0.0.1"
class DevConfig(BaseConfig):
DB = "52.5.7.5"
class ProConfig(BaseConfig):
DB = "55.4.22.4"
要想在视图函数中获取配置文件的值，都是通过app.config来拿。但是如果视图函数和Flask创建的对象app不在一个模块。就得
导入来拿。可以不用导入，。直接导入一个current_app，这个就是当前的app对象，用current_app.config就能查看到了当前app的所有的配置文件
from flask import Flask,current_app
@app.route(\'/index\',methods=["GET","POST"])
def index():
print(current_app.config) #当前的app的所有配置
session["xx"] = "fdvbn"
return "index"
二、蓝图（flask中多py文件拆分都要用到蓝图）
如果代码非常多，要进行归类。不同的功能放在不同的文件，吧相关的视图函数也放进去。蓝图也就是对flask的目录结构进行分配（应用于小，中型的程序），
小中型：
manage.py
import fcrm
if __name__ == \'__main__\':
fcrm.app.run()
__init__.py(只要一导入fcrm就会执行__init__.py文件)
from flask import Flask #导入accout 和order from fcrm.views import accout from fcrm.views import order app = Flask(__name__) print(app.root_path) #根目录 app.register_blueprint(accout.accout) #吧蓝图注册到app里面，accout.accout是创建的蓝图对象 app.register_blueprint(order.order)
accout.py
from flask import Blueprint,render_template
accout = Blueprint("accout",__name__)
@accout.route(\'/accout\')
def xx():
return "accout"
@accout.route("/login")
def login():
return render_template("login.html")
order.py
from flask import Blueprint
order = Blueprint("order",__name__)
@order.route(\'/order\')
def register(): #注意视图函数的名字不能和蓝图对象的名字一样
return "order
使用蓝图时需要注意的
大型：
三、数据库连接池
flask中是没有ORM的，如果在flask里面连接数据库有两种方式
一：pymysql 二：SQLAlchemy 是python 操作数据库的一个库。能够进行 orm 映射官方文档 sqlchemy SQLAlchemy“采用简单的Python语言，为高效和高性能的数据库访问设计，实现了完整的企业级持久模型”。SQLAlchemy的理念是，SQL数据库的量级和性能重要于对象集合；而对象集合的抽象又重要于表和行。
链接池原理
- BDUtils数据库链接池
- 模式一：基于threaing.local实现为每一个线程创建一个连接，关闭是
伪关闭，当前线程可以重复
- 模式二：连接池原理
- 可以设置连接池中最大连接数 9
- 默认启动时，连接池中创建连接 5
- 如果有三个线程来数据库中获取连接：
- 如果三个同时来的，一人给一个链接
- 如果一个一个来，有时间间隔，用一个链接就可以为三个线程提供服务
- 说不准
有可能:1个链接就可以为三个线程提供服务
有可能:2个链接就可以为三个线程提供服务
有可能:3个链接就可以为三个线程提供服务
PS、：maxshared在使用pymysql中均无用。链接数据库的模块：只有threadsafety>1的时候才有用
那么我们用pymysql来做。
为什么要使用数据库连接池呢？不用连接池有什么不好的地方呢？
方式一、每次操作都要链接数据库，链接次数过多
#!usr/bin/env python
# -*- coding:utf-8 -*-
import pymysql
from flask import Flask
app = Flask(__name__)
# 方式一：这种方式每次请求，反复创建数据库链接，多次链接数据库会非常耗时
# 解决办法：放在全局，单例模式
@app.route(\'/index\')
def index():
# 链接数据库
conn = pymysql.connect(host="127.0.0.1",port=3306,user=\'root\',password=\'123\', database=\'pooldb\',charset=\'utf8\')
cursor = conn.cursor()
cursor.execute("select * from td where id=%s", [5, ])
result = cursor.fetchall() # 获取数据
cursor.close()
conn.close() # 关闭链接
print(result)
return "执行成功"
if __name__ == \'__main__\':
app.run(debug=True)
方式二、不支持并发
#!usr/bin/env python
# -*- coding:utf-8 -*-
import pymysql
from flask import Flask
from threading import RLock
app = Flask(__name__)
CONN = pymysql.connect(host="127.0.0.1",port=3306,user=\'root\',password=\'123\', database=\'pooldb\',charset=\'utf8\')
# 方式二：放在全局，如果是单线程，这样就可以，但是如果是多线程，就得加把锁。这样就成串行的了
# 不支持并发，也不好。所有我们选择用数据库连接池
@app.route(\'/index\')
def index():
with RLock:
cursor = CONN.cursor()
cursor.execute("select * from td where id=%s", [5, ])
result = cursor.fetchall() # 获取数据
cursor.close()
print(result)
return "执行成功"
if __name__ == \'__main__\':
app.run(debug=True)
方式三：由于上面两种方案都不完美，所以得把方式一和方式二联合一下（既让减少链接次数，也能支持并发）所有了方式三，需要
导入一个DButils模块
基于DButils实现的数据库连接池有两种模式：
模式一：为每一个线程创建一个链接（是基于本地线程来实现的。thread.local），每个线程独立使用自己的数据库链接，该线程关闭不是真正的关闭，本线程再次调用时，还是使用的最开始创建的链接，直到线程终止，数据库链接才关闭
注： 模式一：如果线程比较多还是会创建很多连接，模式二更常用
#!usr/bin/env python
# -*- coding:utf-8 -*-
from flask import Flask
app = Flask(__name__)
from DBUtils.PersistentDB import PersistentDB
import pymysql
POOL = PersistentDB(
creator=pymysql, # 使用链接数据库的模块
maxusage=None, # 一个链接最多被重复使用的次数，None表示无限制
setsession=[], # 开始会话前执行的命令列表。如：["set datestyle to ...", "set time zone ..."]
ping=0,
# ping MySQL服务端，检查是否服务可用。# 如：0 = None = never, 1 = default = whenever it is requested, 2 = when a cursor is created, 4 = when a query is executed, 7 = always
closeable=False,
# 如果为False时， conn.close() 实际上被忽略，供下次使用，再线程关闭时，才会自动关闭链接。如果为True时， conn.close()则关闭链接，那么再次调用pool.connection时就会报错，因为已经真的关闭了连接（pool.steady_connection()可以获取一个新的链接）
threadlocal=None, # 本线程独享值得对象，用于保存链接对象，如果链接对象被重置
host=\'127.0.0.1\',
port=3306,
user=\'root\',
password=\'123\',
database=\'pooldb\',
charset=\'utf8\'
)
@app.route(\'/func\')
def func():
conn = POOL.connection()
cursor = conn.cursor()
cursor.execute(\'select * from tb1\')
result = cursor.fetchall()
cursor.close()
conn.close() # 不是真的关闭，而是假的关闭。 conn = pymysql.connect() conn.close()
conn = POOL.connection()
cursor = conn.cursor()
cursor.execute(\'select * from tb1\')
result = cursor.fetchall()
cursor.close()
conn.close()
if __name__ == \'__main__\': app.run(debug=True)
模式二：创建一个链接池，为所有线程提供连接，使用时来进行获取，使用完毕后在放回到连接池。
PS：假设最大链接数有10个，其实也就是一个列表，当你pop一个，人家会在append一个，链接池的所有的链接都是按照排队的这样的方式来链接的。
链接池里所有的链接都能重复使用，共享的， 即实现了并发，又防止了链接次数太多
import time
import pymysql
import threading
from DBUtils.PooledDB import PooledDB, SharedDBConnection
POOL = PooledDB(
creator=pymysql, # 使用链接数据库的模块
maxconnections=6, # 连接池允许的最大连接数，0和None表示不限制连接数
mincached=2, # 初始化时，链接池中至少创建的空闲的链接，0表示不创建
maxcached=5, # 链接池中最多闲置的链接，0和None不限制
maxshared=3, # 链接池中最多共享的链接数量，0和None表示全部共享。PS: 无用，因为pymysql和MySQLdb等模块的 threadsafety都为1，所有值无论设置为多少，_maxcached永远为0，所以永远是所有链接都共享。
blocking=True, # 连接池中如果没有可用连接后，是否阻塞等待。True，等待；False，不等待然后报错
maxusage=None, # 一个链接最多被重复使用的次数，None表示无限制
setsession=[], # 开始会话前执行的命令列表。如：["set datestyle to ...", "set time zone ..."]
ping=0,
# ping MySQL服务端，检查是否服务可用。# 如：0 = None = never, 1 = default = whenever it is requested, 2 = when a cursor is created, 4 = when a query is executed, 7 = always
host=\'127.0.0.1\',
port=3306,
user=\'root\',
password=\'123\',
database=\'pooldb\',
charset=\'utf8\'
)
def func():
# 检测当前正在运行连接数的是否小于最大链接数，如果不小于则：等待或报raise TooManyConnections异常
# 否则
# 则优先去初始化时创建的链接中获取链接 SteadyDBConnection。
# 然后将SteadyDBConnection对象封装到PooledDedicatedDBConnection中并返回。
# 如果最开始创建的链接没有链接，则去创建一个SteadyDBConnection对象，再封装到PooledDedicatedDBConnection中并返回。
# 一旦关闭链接后，连接就返回到连接池让后续线程继续使用。
# PooledDedicatedDBConnection
conn = POOL.connection()
# print(th, \'链接被拿走了\', conn1._con)
# print(th, \'池子里目前有\', pool._idle_cache, \'\\r\\n\')
cursor = conn.cursor()
cursor.execute(\'select * from tb1\')
result = cursor.fetchall()
conn.close()
conn = POOL.connection()
# print(th, \'链接被拿走了\', conn1._con)
# print(th, \'池子里目前有\', pool._idle_cache, \'\\r\\n\')
cursor = conn.cursor()
cursor.execute(\'select * from tb1\')
result = cursor.fetchall()
conn.close()
func()
四、本地线程：保证每个线程都只有自己的一份数据，在操作时不会影响别人的，即使是多线程，自己的值也是互相隔离的
没用线程之前
import threading
import time
class Foo(object):
def __init__(self):
self.name = None
local_values = Foo()
def func(num):
time.sleep(2)
local_values.name = num
print(local_values.name,threading.current_thread().name)
for i in range(5):
th = threading.Thread(target=func, args=(i,), name=\'线程%s\' % i)
th.start()
打印结果：
1 线程1 0 线程0 2 线程2 3 线程3 4 线程4
用了本地线程之后
import threading
import time
# 本地线程对象
local_values = threading.local()
def func(num):
"""
# 第一个线程进来，本地线程对象会为他创建一个
# 第二个线程进来，本地线程对象会为他创建一个
{
线程1的唯一标识：{name:1},
线程2的唯一标识：{name:2},
}
:param num:
:return:
"""
local_values.name = num # 4
# 线程停下来了
time.sleep(2)
# 第二个线程： local_values.name，去local_values中根据自己的唯一标识作为key，获取value中name对应的值
print(local_values.name, threading.current_thread().name)
for i in range(5):
th = threading.Thread(target=func, args=(i,), name=\'线程%s\' % i)
th.start()
打印结果：
1 线程1 2 线程2 0 线程0 4 线程4 3 线程3
五、上下文管理
a、类似于本地线程
创建Local类：
{
线程或协程唯一标识: { \'stack\':[request],\'xxx\':[session,] },
线程或协程唯一标识: { \'stack\':[] },
线程或协程唯一标识: { \'stack\':[] },
线程或协程唯一标识: { \'stack\':[] },
}
b、上下文管理的本质
每一个线程都会创建一个上面那样的结构，
当请求进来之后，将请求相关数据添加到列表里面[request，]，以后如果使用时，就去读取
列表中的数据，请求完成之后，将request从列表中移除
c、关系
local = 小华={
线程或协程唯一标识: { \'stack\':[] },
线程或协程唯一标识: { \'stack\':[] },
线程或协程唯一标识: { \'stack\':[] },
线程或协程唯一标识: { \'stack\':[] },
}
stack = 强哥 = {
push
pop
top
}
存取东西时都要基于强哥来做
d、最近看过一些flask源码，flask还是django有些区别
- Flask和Django区别？
- 请求相关数据传递的方式
- django：是通过传request参数实现的
- Flask：基于local对象和，localstark对象来完成的
当请求刚进来的时候就给放进来了，完了top取值就行了,取完之后pop走就行了
问题：多个请求过来会不会混淆
-答： 不会，因为，不仅是线程的，还是协程，每一个协程都是有唯一标识的：
from greenlent import getcurrentt as get_ident #这个就是来获取唯一标识的
flask的request和session设置方式比较新颖，如果没有这种方式，那么就只能通过参数的传递。
flask是如何做的呢？
- 本地线程：是Flask自己创建的一个线程（猜想：内部是不是基于本地线程做的？）
vals = threading.local()
def task(arg):
vals.name = num
- 每个线程进来都是打印的自己的，只有自己的才能修改，
- 通过他就能保证每一个线程里面有一个数据库链接，通过他就能创建出数据库链接池的第一种模式
- 上下文原理
- 类似于本地线程
- 猜想：内部是不是基于本地线程做的？不是，是一个特殊的字典
#!/usr/bin/env python
# -*- coding:utf-8 -*-
from functools import partial
from flask.globals import LocalStack, LocalProxy
ls = LocalStack()
class RequestContext(object):
def __init__(self, environ):
self.request = environ
def _lookup_req_object(name):
top = ls.top
if top is None:
raise RuntimeError(ls)
return getattr(top, name)
session = LocalProxy(partial(_lookup_req_object, \'request\'))
ls.push(RequestContext(\'c1\')) # 当请求进来时，放入
print(session) # 视图函数使用
print(session) # 视图函数使用
ls.pop() # 请求结束pop
ls.push(RequestContext(\'c2\'))
print(session)
ls.push(RequestContext(\'c3\'))
print(session)
3. Flask内部实现
#!/usr/bin/env python
# -*- coding:utf-8 -*-
from greenlet import getcurrent as get_ident
def release_local(local):
local.__release_local__()
class Local(object):
__slots__ = (\'__storage__\', \'__ident_func__\')
def __init__(self):
# self.__storage__ = {}
# self.__ident_func__ = get_ident
object.__setattr__(self, \'__storage__\', {})
object.__setattr__(self, \'__ident_func__\', get_ident)
def __release_local__(self):
self.__storage__.pop(self.__ident_func__(), None)
def __getattr__(self, name):
try:
return self.__storage__[self.__ident_func__()][name]
except KeyError:
raise AttributeError(name)
def __setattr__(self, name, value):
ident = self.__ident_func__()
storage = self.__storage__
try:
storage[ident][name] = value
except KeyError:
storage[ident] = {name: value}
def __delattr__(self, name):
try:
del self.__storage__[self.__ident_func__()][name]
except KeyError:
raise AttributeError(name)
class LocalStack(object):
def __init__(self):
self._local = Local()
def __release_local__(self):
self._local.__release_local__()
def push(self, obj):
"""Pushes a new item to the stack"""
rv = getattr(self._local, \'stack\', None)
if rv is None:
self._local.stack = rv = []
rv.append(obj)
return rv
def pop(self):
"""Removes the topmost item from the stack, will return the
old value or `None` if the stack was already empty.
"""
stack = getattr(self._local, \'stack\', None)
if stack is None:
return None
elif len(stack) == 1:
release_local(self._local)
return stack[-1]
else:
return stack.pop()
@property
def top(self):
"""The topmost item on the stack. If the stack is empty,
`None` is returned.
"""
try:
return self._local.stack[-1]
except (AttributeError, IndexError):
return None
stc = LocalStack()
stc.push(123)
v = stc.pop()
print(v)