原文链接


今年去参加了下国内的 PyCon 大会,想着这类活动还是应该多支持下。此次大会的分享者们分享了 Python 的语言特性、Python
创新应用(人工智能,大数据,区块链专场)、Python 工程化应用(架构,Web后端,运维专场)以及一些从业经验。其中还有 CPython 的核心开发者
Ezio Melotti 介绍了 CPython 幕后的开发过程,并分享了如何为 CPython
贡献代码。以下为我在与会过程中做的笔记,内容有些散乱,所涉及的内容也没有详细描述,仅作记录用。

Python 语言特性

三元运算符

在 Python 2.5 之前,没有三元运算符,但可以用 and or 表达式代替:

a = cond and foo or bar

以上语句利用逻辑运算符的短路特性来模仿三元运算符。但这个表达式有一个缺陷,只有 foo 为真时才能达到想要的效果,否则 a 将永远等于 bar。Python
2.5 之后,使用写在一行的 if else 语句实现三元运算符的功能:

a = foo if cond else bar

字符串格式化

Python 最初使用类 C 风格的字符串格式化方式,即使用 % 操作符来支持字符串格式化。之后又加入了 Template 来支持字符串格式化,见
PEP 292,示例:

>>> from string import Template
>>> tpl = Template('$who likes $what')
>>> tpl.substitute(who='I', what='WangQing')
'I likes WangQing'
>>> tpl.substitute(who='I')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python3.6/string.py", line 126, in substitute
    return self.pattern.sub(convert, self.template)
  File "/usr/local/lib/python3.6/string.py", line 119, in convert
    return str(mapping[named])
KeyError: 'what'
>>> tpl.safe_substitute(who='I')
'I likes $what'

再之后,字符串对象有了 format 方法实现更高级的字符串格式化,见 PEP
3101
,示例:

>>> "{0} {1}".format("hello", "world")
'hello world'
>>> "{} {}".format("hello", "world")
'hello world'
>>> "{1} {0} {1}".format("hello", "world")
'world hello world'

Python 3.6 开始对 format 字符串格式化方式进行了增强,即 f-strings
。其支持自动从当前名字空间中查找值,且支持函数调用。见 PEP 498 – Literal String
Interpolation
。示例:

>>> name = "Huoty"
>>> f'My name is {name}'
'My name is Huoty'
>>> width = 10
>>> precision = 4
>>> import decimal
>>> value = decimal.Decimal("12.34567")
>>> f"result: {value:{width}.{precision}}"  # nested fields
'result:      12.35'
>>> import datetime
>>> now = datetime.datetime.now()
>>> f'{now} was on a {now:%A}'
'2018-01-18 11:21:58.444054 was on a Thursday'
>>> def foo():
...     return 18
...
>>> f'result={foo()}'
'result=18'

语言高级特性

增强可读性的特性

代码通常都会被反复阅读(Readability counts),所以在编写代码时应考虑其可读性、可维护性、可持续性。

“工程师要有文化,Write Beautiful Code.”

以下列举了 Python 一些能增强代码可读性的特性,这些特性应该多用:

  • 装饰器
  • 生成器
  • 上下文管理器、
  • 关键字参数
  • f-string、
  • 协程支持(yield)
  • 函数式编程(map、reduce、filter)

提高语言能力的特性

  • inspect
  • metaclass
  • 描述符
  • getattribution
  • import hook

这些特性非常强大,但其会使得代码难以理解,降低了可读性,所以不建议在业务代码中使用,而应该在更为底层的代码中使用。

使用新特性

  • 能增强可读性的特性就大胆去用
  • Know why, know how – Read PEP

架构设计

什么是架构?架构包括:1、动的部分;2、不动的部分。

Python 的骨架:Everything is a
dict
(赋值只是在 dict 中增加 k-v 对)

架构设计的三个关键点:抽象、分层、接口,下层是上层的服务提供者。

架构调整要慎之又慎,选型时要在 保守激进 之间进行权衡,最主要的一点是要保证 易维护性

时下关键词:

  • Cloud
  • SaaS
  • Docker / Kubernetes Microservice
  • FaaS / Serverless

进程调试与监控

对进程的调试和监控主要为了解决如下问题:

  • 为什么我的 Python 进程运行结果不符合预期?
  • 为什么我的 Python 进程卡住了?
  • 为什么我的 Python 进程消耗这么多的内存?
  • 为什么我的 Python 进程占用这么多的 CPU?

基本调试方法

  • print & log
  • pdb,breakpoint(new in python3.7)
  • sys.excepthook and more …
  • gc
  • tracemalloc (new in python3.4)

优点:解释器器⾃自带,完善的⽂文档和社区⽀支持,功能更更强⼤大。缺点:需要添加、删除、重启。

# sys

sys.excepthook
sys.getallocatedblocks
sys.setprofile
sys.settrace
sys.set_asyncgen_hooks
sys.set_coroutine_wrapper
sys._current_frames
sys._getframe
more ...

import sys, traceback
for frames in sys._current_frames().values():
    traceback.print_stack(frames)
def print_stack()
    traceback.print_stack(sys._getframe(1))



# gc

gc.get_objects
gc.get_referrers
gc.get_referents

import gc, greenlet, traceback
for obj in gc.get_objects():
    if instance(obj, greenlet.greenlet):
        traceback.print_stack(obj.gr_frame)



# tracemalloc

import tracemalloc
tracemalloc.start()
# ... run your application ...
snapshot = tracemalloc.take_snapshot()
top_stats = snapshot.statistics('lineno')
print("[ Top 10 ]")
for stat in top_stats[:10]:
    print(stat)

import tracemalloc
tracemalloc.start()
# ... start your application ...
snapshot1 = tracemalloc.take_snapshot()
# ... call the function leaking memory ...
snapshot2 = tracemalloc.take_snapshot()
top_stats = snapshot2.compare_to(snapshot1, 'lineno')
print("[ Top 10 differences ]")
for stat in top_stats[:10]:
    print(stat)

高级调试工具

  • heapy
  • objgraph
  • pyflame
  • py-spy
  • pyrasite
  • pyderd
  • pyrings
  • pytools
  • dtrace、systermtap
  • strace (Linux 命令工具)

元编程

什么是元编程?

维基百科】Metaprogramming is a
programming technique in which computer programs have the ability to treat
programs as their data

即对程序有更高的控制权,可改变代码现有的行为。

元编程在 Python
中,简单的理解就是关于创建操作源代码(比如修改、生成或包装原来的代码)的函数和类。主要技术是使用装饰器、类装饰器和元类。另外还有一些其他技术,如签名对象、使用
exec() 执行代码以及对内部函数和类的反射技术等。

为什么需要元编程?

有人认为“元编程花哨,破坏抽象封装,降低可维护性和可读性”。

在 Python 中存在一些没有元编程就难以解决的问题:

  • 1. 代码热更新
  • 2. 对未知的数据结构做特定优化(regex, json load/dump)
  • 3. 各种高级的抽象方式(generic, trait)
  • 4. 更为全面的静态检查支持

为什么需要安全高效的元编程?

元编程本身并不和“邪恶”挂钩。合理的使用它,能够极大地提高代码的可读性、可靠性、可维护性、执行效率,并增强抽象封装,还能提高开发者的编写效率:

  • 1、支持静态检查。用代码生成扩展 python type hinting,获得强力补全和编译期错误检查,实现面向合同编程
  • 2、支持声明式编程。开发者之处必要信息,用 DSL 对此信息进行分析,生成可读并安全可靠的静态优化程序
  • 3、为运行时增加程序监控器,收集信息,对部分程序进行多种优化。将运行时拆分为过个时期,应用优化技术

其他

GIL

GIL(Global Interpreter Lock),即全局解释器锁。其是进程内的全局锁,用于保护共享变量。常见的 IO 会释放 GIL。

Python 在调用其他语言时会释放 GIL,如 ctypes 调用动态库时会释放 GIL

MRO

MRO(Method Resolution Order),即方法解析顺序。旧式的 MRO 已经很好解决的继承的二义性问题:

>>> class A: pass
>>> class B(A): pass
>>> class C(A): pass
>>> class D(B, C): pass
>>> import inspect
>>> inspect.getmro(D)  # 输出结果经过人工美化
(D, B, A, C)

解决完了二义性问题,那么还有什么问题?

  • 本地优先级:根据声明顺序查找类,比如 D(B, C),那么要先找 B 然后找 C
  • 单调性:如果类 C 的解释顺序在 A 之后,那么在所有子类中也要保证这个顺序

新式的 MRO 采用 C3 线性算法实现 。基于 C3 线性化算法的 MRO 要解决的就是本地优先级和单调性的问题。C3
线性算法的其他应用:singledispatch。

总结与建议:

  • 从 Python 2.3 以后已经完美的解决了二义性、本地优先级、单调性
  • 你需要理解 MRO ,但是不要刻意为了炫技去使用它,除非你在写一个框架
  • 无论在任何时候不要使用多继承,C++ 已经用历史证明,这并不好用
  • 不浪费多继承功能,应该多使用 Mixin 去替代多继承,比如 Django

编程原则

  • 好代码应有的特点:可读性高,逻辑清晰,高内聚,低耦合,易测试
  • 尽量使用组合而不是继承 (如在类中直接使用其他类的实例,尽量使用 Mixin)
  • 使用 abc 模块
  • 每一个代码块、函数、类、模块都只做单一的事情
  • 先把业务模块划分清楚,而不是一上来就考虑技术细节(使用什么设计模式、存储等等)

Huoty 2018.10.14