python接口自动化九--面对对象编程二,搭建测试环境,多线程与多进程
Posted tudouxifan
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python接口自动化九--面对对象编程二,搭建测试环境,多线程与多进程相关的知识,希望对你有一定的参考价值。
1.面对对象编程
1.1 基本概念
实例方法:在类里面定义的函数都是实例方法,函数内有self变量
类方法:
- 不可以实例化,直接用类名调用
- 类方法可以使用类变量,cls.xxx
- 实例可以通过self.xx使用类方法
类方法里面不能使用实例方法和实例变量
静态方法:
- 定义在类里的普通函数
- 用不了实例方法,实例变量,类方法,类变量
不需要实例化,直接用类名调用
? 属性方法:
- 是实例方法
- 不能有入参
- 用它的时候,直接m.func,把它当做变量来使用,后面不需要加括号
它是获取函数的返回值
析构函数:在实例被回收的时候执行,实例在程序结束时被回收
构造函数:【init】类在实例化的时候,会自动执行
私有函数:【del】两个下划线开头,声明该方法为私有方法,只能在类的内部调用 ,不能在类地外部调用
class My:
def __init__(self):#构造函数,类在实例化的时候,会自动执行
print(‘执行构造函数‘)
def __del__(self): #析构函数,在实例被销毁的时候会自动执行
print(‘执行析构函数‘)
def say(self): #入参里面有self的是实例方法,只有通过实例化才可以调用
print(‘我是牛奶‘)
self.__cry()
def __cry(self): #私有函数,只能在类里面调用
print(‘哇哇哇‘)
@classmethod #类方法,可以实例化调用,通过类名直接调用
def eat(cls):
print("吃饭")
@staticmethod #静态方法,不需要实例化,直接用类名调用
def run():
pass
@property #属性方法,是实例方法,使用的时候直接当做变量来用
def red_pag(self):
return 100
1.2装饰器:他们是修改其他函数的功能的函数
装饰器小例子
import time,requests
def timer(func):
def war(*args,**kwargs):
start = time.time()
res = func(*args,**kwargs)
end_time = time.time()
print(‘运行的时间是%s‘%(end_time-start))
return res
return war
@timer
def down_img(name):
res=requests.get(‘http://www.nnzhp.cn/wp-content/uploads/2018/07/60f2add20f0659e27d26435f28b8472e.png‘)
open(‘a.png‘,‘wb‘).write(res.content)
return name+‘hhh‘
@timer
def eat():
time.sleep(5)
res = down_img(‘xxx‘)
print(res)
eat()
1.3 继承
class Ln: #父类
money=2000
def make_money(self):
print(‘挣钱‘)
class Me(Ln) #子类继承父类
def make_money(self):
print(‘挣更多的钱’)
2.搭建测试环境
第一次搭建
- 安装依赖软件mysql,redis,tomcat,nginx,jdk,数据库,中间件等
- 从SVN,git上获取代码
- 编译(java,c,c#)
- 导入基础数据
- 修改配置文件
- 启动项目
日常部署
- 获取最新代码
- 编译
- 执行sql文件(如果数据库结构有改变的话)
- 修改配置文件
- 重启项目
3.多线程与多进程
进程:一个进程就是一个程序。
线程:线程就是进程里面最小的执行单元。 一个进程里面最少有一个线程,可以有多个线程, 每个线程之间都是互相独立的。
由于python里面的GIL(全局解释器锁)机制,它确保任何时候都只有一个Python线程执行 ,所以python里面的多线程,利用不了多核cpu,只能利用一个核心的cpu。在CPU密集型进程,那多线程并不能带来效率上的提升,相反还可能会因为线程的频繁切换,导致效率下降; 如果是IO密集型进程,多线程进程可以利用IO阻塞等待时的空闲时间执行其他线程,提升效率。
多线程适用于IO密集型任务,多进程适用于CPU密集型任务
import threading,time
all_res=[]
def run():
time.sleep(5)
print(‘%s 哈哈哈‘%name)
all_res.append(name)
threads=[] #存放所有的子线程
for i in range(10) #开10个子线程
t = threading.Thread(target=run,args=(i,))
threads.append(t)
t.start()
#方法一:统计当前线程数量判断所有子线程是否运行完成
while threading.active_count()!=1:
pass #当while=1,说明子线程已经完成,结束循环,程序向下执行
#方法二:主线程循环等待所有的子线程结束后再结束
for t in threads:
t.join()#等待子进程运行完以后再运行
print(all_res)
守护线程:当主线程结束后,守护进程也会结束
import threading,time
def run():
time.sleep(8)
print(‘run。。‘)
for i in range(10):
t=threading.Thread(target=run)
t.setDaemon(True) #设置子线程为一个守护进程
t.start()
print(‘over‘)
#主线程结束后,子线程就结束了,run函数不会执行
锁
import threading
from threading import Lock
num = 0
Lock = Lock()
def run():
global num
lock.acquire() #加锁
num+=1
lock.release() #解锁
with lock: #自动加解锁
num+=1
for i in range(100):
t=threading.Thread(target=run)
t.start()
while threading.active_count()!=1:
pass
print(num)
线程池
可以控制最多允许多少个线程同时进行,超出的部分自动等待。解决了线程运行分配任务不均,比如一个线程还在苦苦工作,而另一个线程已经完成,却无法帮助前一个线程分担的情况 。
import threadpool,pymongo,requests
client = pymongo.MongoClient(host=‘118.24.3.40‘,port=27017)
table=client[‘liken‘][‘qq_group_likun‘]
all_table=[i.get(‘qq‘) for i in table.find()]
url = ‘http://q4.qlogo.cn/g?b=qq&nk=%s&s=140‘
def down_img(qq_num):
res=requests.get(url%qq_num).content
with open(‘%s.jpg‘%qq_num,‘wb‘) as fw:
fw.write(res)
pool = threadpool.ThreadPool(200) #定义线程池的大小
all_requests=threadpool.makeRequests(down_img,all_qq) #分配数据
for i in all_requests:
pool,putRequest(r) #发请求
#[pool.putReques(r) for r in all_requests]
pool.wait() #等待所有线程运行完成
print(‘done!下载完成。‘)
以上是关于python接口自动化九--面对对象编程二,搭建测试环境,多线程与多进程的主要内容,如果未能解决你的问题,请参考以下文章