python技术面试题(八)
正文共： 3814 字6 图 预计阅读时间： 10 分钟
笔试题
1.python中is和==的区别？
答：is是同一性运算符，是判断两个对象的id地址是否相同，是否指向同一块区域；==是比较操作符，用来判断两个对象的数据类型和值是否相同。
2.Django里QuerySet的get和filter方法的区别？
答：filter返回的是一个对象列表，如果查不到，返回一个空列表。get得到的是一个具体的对象，如果查不到，会报错。
3.列出至少4种HTTP请求返回状态码，并解释其意思。
状态码 | 解释说明 |
|---|---|
302 | 跳转，新的url在响应的location头中给出 |
303 | 浏览器对于POST的响应进行重定向 |
307 | 浏览器对于GET的响应重定向至新的url |
503 | 服务器维护或者负载过重未应答 |
只列出一些特殊的，常见的大家都知道了，此处不做列出。
4.多线程和多进程的区别？
进程是资源分配的单位，线程是操作系统调度的单位。进程切换需要的资源最大，效率低；线程切换需要的资源一般，效率一般（不考虑GIL的情况）。多进程和多线程根据CPU核数不一样可能是并行的。线程是基于进程存在的。
5.Flask中请求钩子的理解和应用？
在客户端和服务器交互的过程中，有些准备工作或扫尾工作需要处理的时候，为了让每个视图函数避免编写重复的代码，Flask提供了通用设施的功能，这就是请求钩子。
我们的项目中，在完善CSRFToken逻辑和拦截普通用户进入管理员页面的时候，用到了请求钩子。
请求钩子是通过装饰器的形式实现的，有4种：
1.before_first_request:在处理第一个请求前执行
2.before_request:在每次请求前执行,在该装饰函数中,一旦return,视图函数不再执行
a.接受一个参数：视图函数作出的响应
b.在此函数中可以对响应值,在返回之前做最后一步处理,再返回
3.after_request:如果没有抛出错误，在每次请求后执行
4.teardown_request：在每次请求后执行
a.接受一个参数:用来接收错误信息
但是我们常用的只有2和3两种，在项目中具体的代码展示一下，方便大家进行回忆：
1 #使用请求钩子拦截所有的请求,通过的在cookie中设置csrf_token
2 @app.after_request
3 def after_request(resp):
4 #调用系统方法,获取csrf_token
5 csrf_token = generate_csrf()
6
7 #将csrf_token设置到cookie中
8 resp.set_cookie("csrf_token",csrf_token)
9
10 #返回响应
11 return resp1# 使用请求钩子,拦截用户的请求,只有访问了admin_blue,所装饰的视图函数需要拦截
2# 1.拦截的是访问了非登录页面
3# 2.拦截的是普通的用户
4@admin_blue.before_request
5def before_request():
6 if not request.url.endswith("/admin/login"):
7 if not session.get("is_admin"):
8 return redirect("/")
intern机制
Python3的解释器中实现了小数字和字符串缓存的机制，小数字的缓存范围是[-5 ~ 256]，字符串的缓存位数默认是20位。
字符串缓存机制实验：
>>> a = 'xx' * 20
>>> b = 'xx' * 20
>>> a is b
False
>>> a = 'x' * 3
>>> b = 'x' * 3
>>> a is b
True可以看出字符串长度没有超过20，两个id是一致的，因为小于20，提前缓存好了，我们赋值操作其实是一个引用，两个都指向同一块内存空间。如果长度超过20，没有缓存，会新开辟内存，所以他们的id地址不一样。
小数字的缓存机制实验：
>>> a = -6
>>> b = -6
>>> a is b
False
>>> a = -5
>>> b = -5
>>> a is b
True可以看出如果是-5的话，两个变量的id是一样的，因为提前缓存好了，他们只是一个引用，指向同一块空间地址。如果是-6的话就相当于重新开辟内存空间。
还有一种情况，就是如果两个字符串中含有除数字、字母下划线的任意一个符号，那么会触发intern机制，他们的内存地址也是不一样的。不论你的字符串多短。
gc模块
一.垃圾回收机制
Python中的垃圾回收是以引用计数为主，分代收集为辅。
1、导致引用计数+1的情况
- 对象被创建，例如a=23
- 对象被引用，例如b=a
- 对象被作为参数，传入到一个函数中，例如func(a)
- 对象作为一个元素，存储在容器中，例如list1=[a,a]
2、导致引用计数-1的情况
- 对象的别名被显式销毁，例如del a
- 对象的别名被赋予新的对象，例如a=24
- 一个对象离开它的作用域，例如f函数执行完毕时，func函数中的局部变量（全局变量不会）
- 对象所在的容器被销毁，或从容器中删除对象
3、查看一个对象的引用计数
import sys
a = "hello world"
sys.getrefcount(a)可以查看a对象的引用计数，但是比正常计数大1，因为调用函数的时候传入a，这会让a的引用计数+1
二.循环引用导致内存泄露
内存泄漏
申请了某些内存，但是忘记了释放，那么这就造成了内存的浪费，久而久之内存就不够用了1. 让程序产生内存泄漏
import gc
class ClassA():
def __init__(self):
print('object born,id:%s'%str(id(self)))
def f2():
while True:
c1 = ClassA()
c2 = ClassA()
c1.t = c2
c2.t = c1
del c1
del c2
#python默认是开启垃圾回收的，可以通过下面代码来将其关闭
gc.disable()
f2()执行f2()，进程占用的内存会不断增大。
- 创建了c1，c2后这两块内存的引用计数都是1，执行
c1.t=c2和c2.t=c1后，这两块内存的引用计数变成2. - 在del c1后，引用计数变为1，由于不是为0，所以c1对象不会被销毁;同理，c2对象的引用数也是1。
- python默认是开启垃圾回收功能的，但是由于以上程序已经将其关闭，因此导致垃圾回收器都不会回收它们，所以就会导致内存泄露。
三.垃圾回收
class ClassA():
def __init__(self):
print('object born,id:%s'%str(id(self)))
def f2():
while True:
c1 = ClassA()
c2 = ClassA()
c1.t = c2
c2.t = c1
del c1
del c2
gc.collect()#手动调用垃圾回收功能，这样在自动垃圾回收被关闭的情况下，也会进行回收
#python默认是开启垃圾回收的，可以通过下面代码来将其关闭
gc.disable()
f2()有三种情况会触发垃圾回收：
- 当gc模块的计数器达到阀值的时候，自动回收垃圾
- 调用gc.collect()，手动回收垃圾
- 程序退出的时候，python解释器来回收垃圾
四. gc模块的自动垃圾回收触发机制
在Python中，采用分代收集的方法。把对象分为三代，一开始，对象在创建的时候，放在一代中，如果在一次一代的垃圾检查中，该对象存活下来，就会被放到二代中，同理在一次二代的垃圾检查中，该对象存活下来，就会被放到三代中。
gc模块里面会有一个长度为3的列表的计数器，可以通过gc.get_count()获取。
例如(488,3,0)，其中488是指距离上一次一代垃圾检查，Python分配内存的数目减去释放内存的数目，注意是内存分配，而不是引用计数的增加。例如：
print gc.get_count() # (590, 8, 0)
a = ClassA()
print gc.get_count() # (591, 8, 0)
del a
print gc.get_count() # (590, 8, 0)3是指距离上一次二代垃圾检查，一代垃圾检查的次数，同理，0是指距离上一次三代垃圾检查，二代垃圾检查的次数。
gc模快有一个自动垃圾回收的 阀值，即通过gc.get_threshold函数获取到的长度为3的元组，例如(700,10,10) 每一次计数器的增加，gc模块就会检查增加后的计数是否达到阀值的数目，如果是，就会执行对应的代数的垃圾检查，然后重置计数器
例如，假设阀值是(700,10,10)：
当计数器从(699,3,0)增加到(700,3,0)，gc模块就会执行gc.collect(0),即检查一代对象的垃圾，并重置计数器为(0,4,0)
当计数器从(699,9,0)增加到(700,9,0)，gc模块就会执行gc.collect(1),即检查一、二代对象的垃圾，并重置计数器为(0,0,1)
当计数器从(699,9,9)增加到(700,9,9)，gc模块就会执行gc.collect(2),即检查一、二、三代对象的垃圾，并重置计数器为(0,0,0)
优质文章推荐: