小知識：

1、子類繼承父類的三種方式

class Dog(Animal): #子類  派生類
    def __init__(self,name,breed, life_value,aggr):
        # Animal.__init__(self,name,breed, life_value,aggr)#讓子類執行父類的方法 就是父類名.方法名（參數），連self都得傳
        super().__init__(name,life_value,aggr) #super關鍵字  ，都不用傳self了，在新式類裏的
        # super(Dog,self).__init__(name,life_value,aggr)  #上面super是簡寫
        self.breed = breed
    def bite(self,person):   #狗的派生方法
        person.life_value -= self.aggr
    def eat(self):  #父類方法的重寫
        super().eat()
        print(‘dog is eating‘)

2、對象通過索引設置值的三種方式

方式一：重寫__setitem__方法

class Foo(object):
    def __setitem__(self, key, value):
        print(key,value)

obj = Foo()
obj["xxx"] = 123   #給對象賦值就會去執行__setitem__方法

方式二：繼承dict

class Foo(dict):
    pass

obj = Foo()
obj["xxx"] = 123
print(obj)

方式三：繼承dict,重寫__init__方法的時候，記得要繼承父類的__init__方法

class Foo(dict):
    def __init__(self,val):
        # dict.__init__(self, val)#繼承父類方式一
        # super().__init__(val)  #繼承父類方式二
        super(Foo,self).__init__(val)#繼承父類方式三
obj = Foo({"xxx":123})
print(obj)

總結：如果遇到obj["xxx"] = xx ,　

- 重寫了__setitem__方法
- 繼承dict

3、測試__name__方法

示例：

app1中：
    import app2
    print(‘app1‘, __name__)


app2中：
    print(‘app2‘, __name__)

現在app1是主程序，運行結果截圖

總結：如果是在自己的模塊中運行，__name__就是__main__，如果是從別的文件中導入進來的，就不是__name__了

一、設置配置文件的幾種方式

==========方式一：============
 app.config[‘SESSION_COOKIE_NAME‘] = ‘session_lvning‘  #這種方式要把所有的配置都放在一個文件夾裏面，看起來會比較亂，所以選擇下面的方式
==========方式二：==============
app.config.from_pyfile(‘settings.py‘)  #找到配置文件路徑，創建一個模塊，打開文件，並獲取所有的內容，再將配置文件中的所有值，都封裝到上一步創建的配置文件模板中

print(app.config.get("CCC"))

=========方式三：對象的方式============
 import os 
 os.environ[‘FLAKS-SETTINGS‘] = ‘settings.py‘
 app.config.from_envvar(‘FLAKS-SETTINGS‘) 

===============方式四（推薦）：字符串的方式，方便操作，不用去改配置，直接改變字符串就行了 ==============
app.config.from_object(‘settings.DevConfig‘)

----------settings.DevConfig----------

from app import app
class BaseConfig(object):
    NNN = 123  #註意是大寫
    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"

要想在視圖函數中獲取配置文件的值，都是通過app.config來拿。但是如果視圖函數和Flask創建的對象app不在一個模塊。就得

導入來拿。可以不用導入，。直接導入一個current_app，這個就是當前的app對象，用current_app.config就能查看到了當前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)   #當前的app的所有配置
    session["xx"] = "fdvbn"
    return "index"

二、藍圖（flask中多py文件拆分都要用到藍圖）

如果代碼非常多，要進行歸類。不同的功能放在不同的文件，吧相關的視圖函數也放進去。藍圖也就是對flask的目錄結構進行分配（應用於小，中型的程序），

小中型：

manage.py

import fcrm
if __name__ == ‘__main__‘:
    fcrm.app.run()

__init__.py(只要一導入fcrm就會執行__init__.py文件)

from flask import Flask
#導入accout 和order
from fcrm.views import accout
from fcrm.views import order
app = Flask(__name__)
print(app.root_path)  #根目錄

app.register_blueprint(accout.accout)  #吧藍圖註冊到app裏面，accout.accout是創建的藍圖對象
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():   #註意視圖函數的名字不能和藍圖對象的名字一樣
    return "order

使用藍圖時需要註意的

大型：

三、數據庫連接池

flask中是沒有ORM的，如果在flask裏面連接數據庫有兩種方式

一：pymysql
二：SQLAlchemy
        是python 操作數據庫的一個庫。能夠進行 orm 映射官方文檔 sqlchemy
        SQLAlchemy“采用簡單的Python語言，為高效和高性能的數據庫訪問設計，實現了完整的企業級持久模型”。SQLAlchemy的理念是，SQL數據庫的量級和性能重要於對象集合；而對象集合的抽象又重要於表和行。

鏈接池原理

    - BDUtils數據庫鏈接池  
                - 模式一：基於threaing.local實現為每一個線程創建一個連接，關閉是
                  偽關閉，當前線程可以重復
                - 模式二：連接池原理
                        - 可以設置連接池中最大連接數    9
                        - 默認啟動時，連接池中創建連接  5
                        
                        - 如果有三個線程來數據庫中獲取連接：
                            - 如果三個同時來的，一人給一個鏈接
                            - 如果一個一個來，有時間間隔，用一個鏈接就可以為三個線程提供服務
                                - 說不準
                                    有可能:1個鏈接就可以為三個線程提供服務
                                    有可能:2個鏈接就可以為三個線程提供服務
                                    有可能:3個鏈接就可以為三個線程提供服務
                         PS、：maxshared在使用pymysql中均無用。鏈接數據庫的模塊：只有threadsafety>1的時候才有用

那麽我們用pymysql來做。

為什麽要使用數據庫連接池呢？不用連接池有什麽不好的地方呢？

方式一、每次操作都要鏈接數據庫，鏈接次數過多

#!usr/bin/env python
# -*- coding:utf-8 -*-
import pymysql
from  flask import Flask

app = Flask(__name__)

# 方式一：這種方式每次請求，反復創建數據庫鏈接，多次鏈接數據庫會非常耗時
#        解決辦法：放在全局，單例模式
@app.route(‘/index‘)
def index():
    # 鏈接數據庫
    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()  # 獲取數據
    cursor.close()
    conn.close()  # 關閉鏈接
    print(result)
    return  "執行成功"

if __name__ == ‘__main__‘:
    app.run(debug=True)

方式二、不支持並發

#!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，如果是單線程，這樣就可以，但是如果是多線程，就得加把鎖。這樣就成串行的了
#        不支持並發，也不好。所有我們選擇用數據庫連接池
@app.route(‘/index‘)
def index():
    with RLock:
        cursor = CONN.cursor()
        cursor.execute("select * from td where id=%s", [5, ])
        result = cursor.fetchall()  # 獲取數據
        cursor.close()
        print(result)
        return  "執行成功"
if __name__ == ‘__main__‘:
    app.run(debug=True)

方式三：由於上面兩種方案都不完美，所以得把方式一和方式二聯合一下（既讓減少鏈接次數，也能支持並發）所有了方式三，需要

導入一個DButils模塊

基於DButils實現的數據庫連接池有兩種模式：

模式一：為每一個線程創建一個鏈接（是基於本地線程來實現的。thread.local），每個線程獨立使用自己的數據庫鏈接，該線程關閉不是真正的關閉，本線程再次調用時，還是使用的最開始創建的鏈接，直到線程終止，數據庫鏈接才關閉

註： 模式一：如果線程比較多還是會創建很多連接，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,  # 使用鏈接數據庫的模塊
    maxusage=None,  # 一個鏈接最多被重復使用的次數，None表示無限制
    setsession=[],  # 開始會話前執行的命令列表。如：["set datestyle to ...", "set time zone ..."]
    ping=0,
    # ping MySQL服務端，檢查是否服務可用。# 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,
    # 如果為False時， conn.close() 實際上被忽略，供下次使用，再線程關閉時，才會自動關閉鏈接。如果為True時， conn.close()則關閉鏈接，那麽再次調用pool.connection時就會報錯，因為已經真的關閉了連接（pool.steady_connection()可以獲取一個新的鏈接）
    threadlocal=None,  # 本線程獨享值得對象，用於保存鏈接對象，如果鏈接對象被重置
    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() # 不是真的關閉，而是假的關閉。 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：創建一個鏈接池，為所有線程提供連接，使用時來進行獲取，使用完畢後在放回到連接池。

　　　　PS：假設最大鏈接數有10個，其實也就是一個列表，當你pop一個，人家會在append一個，鏈接池的所有的鏈接都是按照排隊的這樣的方式來鏈接的。

　　　　　鏈接池裏所有的鏈接都能重復使用，共享的， 即實現了並發，又防止了鏈接次數太多

import time
import pymysql
import threading
from DBUtils.PooledDB import PooledDB, SharedDBConnection
POOL = PooledDB(
    creator=pymysql,  # 使用鏈接數據庫的模塊
    maxconnections=6,  # 連接池允許的最大連接數，0和None表示不限制連接數
    mincached=2,  # 初始化時，鏈接池中至少創建的空閑的鏈接，0表示不創建


    maxcached=5,  # 鏈接池中最多閑置的鏈接，0和None不限制
    maxshared=3,  # 鏈接池中最多共享的鏈接數量，0和None表示全部共享。PS: 無用，因為pymysql和MySQLdb等模塊的 threadsafety都為1，所有值無論設置為多少，_maxcached永遠為0，所以永遠是所有鏈接都共享。
    blocking=True,  # 連接池中如果沒有可用連接後，是否阻塞等待。True，等待；False，不等待然後報錯
    maxusage=None,  # 一個鏈接最多被重復使用的次數，None表示無限制
    setsession=[],  # 開始會話前執行的命令列表。如：["set datestyle to ...", "set time zone ..."]
    ping=0,
    # ping MySQL服務端，檢查是否服務可用。# 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():
    # 檢測當前正在運行連接數的是否小於最大鏈接數，如果不小於則：等待或報raise TooManyConnections異常
    # 否則
    # 則優先去初始化時創建的鏈接中獲取鏈接 SteadyDBConnection。
    # 然後將SteadyDBConnection對象封裝到PooledDedicatedDBConnection中並返回。
    # 如果最開始創建的鏈接沒有鏈接，則去創建一個SteadyDBConnection對象，再封裝到PooledDedicatedDBConnection中並返回。
    # 一旦關閉鏈接後，連接就返回到連接池讓後續線程繼續使用。

    # PooledDedicatedDBConnection
    conn = POOL.connection()

    # print(th, ‘鏈接被拿走了‘, conn1._con)
    # print(th, ‘池子裏目前有‘, pool._idle_cache, ‘\r\n‘)

    cursor = conn.cursor()
    cursor.execute(‘select * from tb1‘)
    result = cursor.fetchall()
    conn.close()





    conn = POOL.connection()

    # print(th, ‘鏈接被拿走了‘, conn1._con)
    # print(th, ‘池子裏目前有‘, pool._idle_cache, ‘\r\n‘)

    cursor = conn.cursor()
    cursor.execute(‘select * from tb1‘)
    result = cursor.fetchall()
    conn.close()


func()

四、本地線程：保證每個線程都只有自己的一份數據，在操作時不會影響別人的，即使是多線程，自己的值也是互相隔離的

沒用線程之前

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=‘線程%s‘ % i)
    th.start()

打印結果：

1 線程1
0 線程0
2 線程2
3 線程3
4 線程4

用了本地線程之後

import threading
import time
# 本地線程對象
local_values = threading.local()
def func(num):

    """
    # 第一個線程進來，本地線程對象會為他創建一個
    # 第二個線程進來，本地線程對象會為他創建一個
    {
        線程1的唯一標識：{name:1},
        線程2的唯一標識：{name:2},
    }
    :param num:
    :return:
    """
    local_values.name = num # 4
    # 線程停下來了
    time.sleep(2)
    # 第二個線程： local_values.name，去local_values中根據自己的唯一標識作為key，獲取value中name對應的值
    print(local_values.name, threading.current_thread().name)


for i in range(5):
    th = threading.Thread(target=func, args=(i,), name=‘線程%s‘ % i)
    th.start()

打印結果：

1 線程1
2 線程2
0 線程0
4 線程4
3 線程3

五、上下文管理

a、類似於本地線程
            創建Local類：
            {
                線程或協程唯一標識: { ‘stack‘:[request],‘xxx‘:[session,] },
                線程或協程唯一標識: { ‘stack‘:[] },
                線程或協程唯一標識: { ‘stack‘:[] },
                線程或協程唯一標識: { ‘stack‘:[] },
            }
        b、上下文管理的本質
            每一個線程都會創建一個上面那樣的結構，
            當請求進來之後，將請求相關數據添加到列表裏面[request，]，以後如果使用時，就去讀取
            列表中的數據，請求完成之後，將request從列表中移除
        c、關系
            local = 小華={
                線程或協程唯一標識: { ‘stack‘:[] },
                線程或協程唯一標識: { ‘stack‘:[] },
                線程或協程唯一標識: { ‘stack‘:[] },
                線程或協程唯一標識: { ‘stack‘:[] },
            }
            stack = 強哥 = {
                push
                pop
                top
            }
            存取東西時都要基於強哥來做
        d、最近看過一些flask源碼，flask還是django有些區別
            - Flask和Django區別？
                - 請求相關數據傳遞的方式
                    - django：是通過傳request參數實現的
                    - Flask：基於local對象和，localstark對象來完成的
                             當請求剛進來的時候就給放進來了，完了top取值就行了,取完之後pop走就行了
                             
                    問題：多個請求過來會不會混淆
                        -答： 不會，因為，不僅是線程的，還是協程，每一個協程都是有唯一標識的：
                            from greenlent import getcurrentt as get_ident  #這個就是來獲取唯一標識的        

flask的request和session設置方式比較新穎，如果沒有這種方式，那麽就只能通過參數的傳遞。

flask是如何做的呢？

        - 本地線程：是Flask自己創建的一個線程（猜想：內部是不是基於本地線程做的？）
           vals = threading.local()
           def task(arg):
                vals.name = num
            - 每個線程進來都是打印的自己的，只有自己的才能修改，
            - 通過他就能保證每一個線程裏面有一個數據庫鏈接，通過他就能創建出數據庫鏈接池的第一種模式
        - 上下文原理
            -  類似於本地線程
        - 猜想：內部是不是基於本地線程做的？不是，是一個特殊的字典

#!/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‘)) # 當請求進來時，放入
print(session) # 視圖函數使用
print(session) # 視圖函數使用
ls.pop() # 請求結束pop
 
 
ls.push(RequestContext(‘c2‘))
print(session)
 
ls.push(RequestContext(‘c3‘))
print(session)

3. Flask內部實現

#!/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)

Flask 【第三篇】使用DBUtils實現數據庫連接池和藍圖