docker-R语言多版本安装，在python中使用R容器执行脚本 .env# 新增R版本 4.2.1 R_NAME_421=r_4_2_1 # 容器/镜像 名称 R_VERSION_421=4.2.1 # 版本号 R_PORT_421=8780 # 新增R版本 4.3.0 R_NAME_430=r_4_3_0 R_VERSION_430=4.3.0 R_PORT_430=8781 # 新增R版本 4.4.2 R_NAME_442=r_4_4_2 R_VERSION_442=4.4.2 R_PORT_442=8782docker-compose.yml # R 服务 4.2.1 r_4_2_1: build: context: . dockerfile: ${R_DOCKERFILE} # dockerfile公共文件 args: FROM_IMAGE: rocker/r-ver:${R_VERSION_421} # 指定镜像版本 R_BIOC_MIRROR: ${R_BIOC_MIRROR} # 公共 镜像源 R_CRAN: ${R_CRAN} container_name: ${R_NAME_421} # 指定版本名称 image: ${R_NAME_421}-image # 指定镜像名称 ports: - "${R_PORT_421}:${R_PORT_421}" # 指定端口 volumes: - ./R:/workspace/R - ./static/matrix:/workspace/static/matrix - .env:/workspace/.env # 挂载 .env 文件 #- ./store/docker/r-library/${R_NAME_442}:/usr/local/lib/R/site-library # 持久化 R 包的安装位置 environment: - R_HOME=/usr/local/lib/R command: Rscript R/http/start.R # 启动API服务 restart: unless-stopped networks: - backend # R 服务 4.3.0 r_4_3_0: build: context: . dockerfile: ${R_DOCKERFILE} # dockerfile公共文件 args: FROM_IMAGE: rocker/r-ver:${R_VERSION_430} # 指定镜像版本 R_BIOC_MIRROR: ${R_BIOC_MIRROR} # 公共 镜像源 R_CRAN: ${R_CRAN} container_name: ${R_NAME_430} # 指定版本名称 image: ${R_NAME_430}-image # 指定镜像名称 ports: - "${R_PORT_430}:${R_PORT_430}" # 指定端口 volumes: - ./R:/workspace/R - ./static/matrix:/workspace/static/matrix - .env:/workspace/.env # 挂载 .env 文件 #- ./store/docker/r-library/${R_NAME_430}:/usr/local/lib/R/site-library # 持久化 R 包的安装位置 environment: - R_HOME=/usr/local/lib/R command: Rscript R/http/start.R # 启动API服务 restart: unless-stopped networks: - backend # R 服务 4.4.2 r_4_4_2: build: context: . dockerfile: ${R_DOCKERFILE} # dockerfile公共文件 args: FROM_IMAGE: rocker/r-ver:${R_VERSION_442} # 指定镜像版本 R_BIOC_MIRROR: ${R_BIOC_MIRROR} # 公共 镜像源 R_CRAN: ${R_CRAN} container_name: ${R_NAME_442} # 指定版本名称 image: ${R_NAME_442}-image # 指定镜像名称 ports: - "${R_PORT_442}:${R_PORT_442}" # 指定端口 volumes: - ./R:/workspace/R - ./static/matrix:/workspace/static/matrix - .env:/workspace/.env # 挂载 .env 文件 #- ./store/docker/r-library/${R_VERSION_442}:/usr/local/lib/R/site-library # 持久化 R 包的安装位置 environment: - R_HOME=/usr/local/lib/R command: Rscript R/http/start.R # 启动API服务 restart: unless-stopped networks: - backend dockerfileARG FROM_IMAGE=rocker/r-ver:4.4.1 FROM ${FROM_IMAGE} ARG R_BIOC_MIRROR=https://mirrors.tuna.tsinghua.edu.cn/bioconductor ARG R_CRAN=https://mirrors.tuna.tsinghua.edu.cn/CRAN/ # 设置镜像源为清华大学的 CRAN 镜像和 Bioconductor 镜像 RUN echo "options(BioC_mirror = '${R_BIOC_MIRROR}')" >> /usr/local/lib/R/etc/Rprofile.site RUN echo "options(repos = c(CRAN = '${R_CRAN}'))" >> /usr/local/lib/R/etc/Rprofile.site ## 安装系统依赖包 RUN sed -i 's|http://archive.ubuntu.com/ubuntu/|https://mirrors.tuna.tsinghua.edu.cn/ubuntu/|' /etc/apt/sources.list && \ apt-get update && \ apt-get install -y \ libcurl4-openssl-dev \ libssl-dev \ libxml2-dev \ libfontconfig1-dev \ libharfbuzz-dev \ libfribidi-dev \ libpango1.0-dev \ libx11-dev \ libxt-dev \ libjpeg-dev \ libpng-dev \ libtiff-dev \ libbz2-dev \ libsodium-dev \ && rm -rf /var/lib/apt/lists/* \ # 安装中文字体 RUN apt-get update && apt-get install -y fonts-wqy-zenhei fonts-wqy-microhei ttf-mscorefonts-installer fontconfig # 查看系统中的中文字体：fc-list :lang=zh # 报错：dpkg 进程被中断了； 修复：dpkg --configure -a ## 设定工作目录 WORKDIR /workspace ## 常用包安装脚本 COPY R/docker/install_packages.R /workspace/install_packages.R # 验证文件是否被成功复制 RUN ls -l /workspace/install_packages.R ## 执行(耗时) RUN Rscript /workspace/install_packages.R ## 设定工作目录 WORKDIR /workspace # ## 保持容器在后台运行 CMD ["tail", "-f", "/dev/null"] install_packages.R # 安装常用的包 install.packages('pheatmap') install.packages('BiocManager') options(timeout = 600) install_missing_packages <- function(packages) { if (!requireNamespace("BiocManager", quietly = TRUE)) { install.packages("BiocManager") } for (package in packages) { if (!requireNamespace(package, quietly = TRUE)) { cat(paste("开始安装", package, "...\n")) BiocManager::install(package, ask = FALSE) } else { cat(paste( packageVersion(package), package, "已安装.\n" )) } } } # 安装常用的包 packages <- c('GEOquery', 'ggplot2', 'readxl', 'readr', 'openxlsx', 'dplyr', 'clusterProfiler', 'limma', 'DESeq2', 'ggtree', 'org.Hs.eg.db','org.Mm.eg.db','org.Rn.eg.db','GOplot','stringr', 'enrichplot', 'treeio', 'WGCNA', 'igraph','plumber','jsonlite','dotenv','remotes') # 安装缺失的 R 包 install_missing_packages(packages) # 针对某个版本中的某些包进行检测安装 r_version <- getRversion() cat(paste("检测R版本", r_version , "...\n")) if(r_version == "4.2.1"){ if (!requireNamespace("ggtree", quietly = TRUE)) { remotes::install_github("YuLab-SMU/ggtree") } if (!requireNamespace("clusterProfiler", quietly = TRUE)) { remotes::install_github("ctlab/fgsea") BiocManager::install("clusterProfiler") } } if(r_version == "4.3.0"){ if (!requireNamespace("ggtree", quietly = TRUE) && !requireNamespace("limma", quietly = TRUE) && !requireNamespace("org.Hs.eg.db", quietly = TRUE) ) { options(BioC_mirror = "https://bioconductor.org") install_missing_packages(packages) } if (!requireNamespace("ggtree", quietly = TRUE)) { remotes::install_github("YuLab-SMU/ggtree") } if (!requireNamespace("clusterProfiler", quietly = TRUE)) { remotes::install_github("ctlab/fgsea") BiocManager::install("clusterProfiler") } } 如何在Python中使用R容器，执行R脚本？搭建好后可以通过接口的方式运行R脚本也可以使用py-docker操作容器（线上可能需要挂载docker守护进程）接口服务http.R if (!requireNamespace("plumber", quietly = TRUE)) { cat(paste("开始安装", "plumber", "...\n")) BiocManager::install("plumber", ask = FALSE) } if (!requireNamespace("jsonlite", quietly = TRUE)) { cat(paste("开始安装", "jsonlite", "...\n")) BiocManager::install("jsonlite", ask = FALSE) } if (!requireNamespace("dotenv", quietly = TRUE)) { cat(paste("开始安装", "dotenv", "...\n")) BiocManager::install("dotenv", ask = FALSE) } cat("当前工作目录",getwd(),"\n") # 加载 dotenv 包 library(dotenv) library(plumber) # 读取 .env 文件 load_dot_env(".env") #print(Sys.getenv()) # 获取 R 版本号 r_version <- getRversion() cat("R版本:", as.character(r_version), "\n") # 将 R 版本号转换为 .env 文件中的键名格式 例如：4.2.1 -> 421 r_version_key <- gsub("\\.", "", as.character(r_version)) # 构建端口号的键名 port_key <- paste0("R_PORT_", r_version_key) # 从 .env 文件中获取端口号 port <- as.integer(Sys.getenv(port_key)) if (is.na(port)) { # 如果端口号不存在，使用默认端口 port <- 8006 # 默认端口 warning("未找到当前R版本的端口配置(",port_key,") 使用默认端口：", port) }else{ cat("找到当前 R 版本的端口配置：", port, "\n") } # 创建 plumber API pr <- plumb("R/http/app.R") # 启动 plumber 服务 pr$run(host = "0.0.0.0", port = port) app.Rlibrary(jsonlite) # 定义一个 API 端点，执行 R 脚本 #* 执行 R 脚本 #* @post /run_r_script function(req, script = "", param = "") { # 调用执行脚本的函数 result <- run_script(script, param) return(result) } #* 执行系统命令 post #* @post /run_command function(req, command = "") { if (command == "") { return(list(code = unbox(0),msg = unbox("未提供命令") )) } # 执行系统命令 result <- tryCatch({ output <- system(command, intern = TRUE) list(code = unbox(1), msg = unbox("命令执行成功"), data = output) }, error = function(e) { list(code = unbox(0), msg = unbox(e$message) ) }) return(result) } # 执行 R 脚本的函数 run_script <- function(script_path, params) { setwd("/workspace") # 检查脚本文件是否存在 if (!file.exists(script_path)) { return( list( code = unbox(0), msg = unbox("脚本文件不存在"), data = getwd() )) } # 将参数转换为 R 对象 #params <- jsonlite::fromJSON(params) # 构造命令行 command <- paste("Rscript", script_path, shQuote(params)) # 在独立环境中执行脚本 result <- tryCatch({ #run_result <- source(script_path) # 执行结果 run_result <- system(command, intern = TRUE) print(run_result) # 获取退出状态 exit_status <- attr(run_result, "status") exit_status <- ifelse(is.null(exit_status), 0, exit_status) print(cat("退出状态：",exit_status,"\n")) if(exit_status == 1){ # 将 run_result 转换为字符串 result_string <- paste(run_result, collapse = "\n") #print(result_string) list( code = unbox(0), # 使用 unbox() 将 code 转换为标量值 msg = unbox(result_string), data = run_result, # 捕获的输出 output = params ) }else{ #run_result <- capture.output(source(script_path)) list( code = unbox(1), # 使用 unbox() 将 code 转换为标量值 msg = unbox("脚本执行成功"), data = run_result, # 捕获的输出 output = params ) } }, error = function(e) { print(e) list( code = unbox(0), msg = unbox("脚本执行失败"), data = NULL, output = unbox(e$message) ) }) return(result) }

docker中安装Python和R语言，并指定版本和R包 最近开发的一个项目，用到了R语言脚本。因为开发环境版本是4.4.2，所以生产环境也要装4.4.2。本来是这样写的，R语言版本指定不了。不管怎么写版本号 r-base=xxx 都安装不上，说不存在。# 安装R语言环境（默认是安装的4.2，但是我要装4.4） RUN apt-get update && apt-get install -y \ --fix-missing \ r-base \ r-cran-devtools \ build-essential \ libcurl4-openssl-dev \ libssl-dev \ libxml2-dev && \ rm -rf /var/lib/apt/lists/*搞不懂，换个思路，直接下载4.2.2版本安装# 使用 python 3.12 作为基础镜像 FROM python:3.12 # 设置工作目录 WORKDIR /app # 安装系统依赖和编译工具 RUN apt-get update && apt-get install -y --no-install-recommends \ build-essential \ wget \ libcurl4-openssl-dev \ libssl-dev \ libxml2-dev \ ca-certificates \ gfortran \ && rm -rf /var/lib/apt/lists/* # 下载并安装 R 4.4.2 源代码 RUN wget https://cran.r-project.org/src/base/R-4/R-4.4.2.tar.gz && \ tar -xvzf R-4.4.2.tar.gz && \ cd R-4.4.2 && \ ./configure && \ make && \ make install && \ cd .. && rm -rf R-4.4.2 R-4.4.2.tar.gz \ R --version # 设置 CRAN 镜像源为清华镜像并安装 R 包 RUN echo "options(repos = c(CRAN = 'https://mirrors.tuna.tsinghua.edu.cn/CRAN/'))" > /usr/local/lib/R/etc/Rprofile.site && \ Rscript -e "install.packages('pheatmap')" && \ Rscript -e "install.packages('BiocManager')" && \ echo "options(BioC_mirror = 'https://mirrors.tuna.tsinghua.edu.cn/bioconductor')" >> /usr/local/lib/R/etc/Rprofile.site && \ Rscript -e "BiocManager::install(version = '3.20')" && \ Rscript -e "BiocManager::install(c('GEOquery', 'ggplot2', 'readxl', 'readr', 'openxlsx', 'dplyr', 'clusterProfiler', 'limma', 'DESeq2'), ask = FALSE)" # 进入容器 # 查看R的安装目录：which R # 查看R版本：R --version 或 Rscript -e "R.version$version.string" # 查看R镜像：Rscript -e "print(getOption('repos'))" # 查看BiocManager版本： Rscript -e "packageVersion("BiocManager")" （BiocManager包的版本号。根据你当前的环境，它可能是通过 CRAN 安装的版本，通常在 1.x 系列） # 查看Bioconductor版本： Rscript -e "BiocManager::version()" （Bioconductor的版本。BiocManager 会根据你所安装的 Bioconductor 版本返回一个版本号。Bioconductor 的版本通常是以 3.x 开头的，例如 3.20。Bioconductor 版本是根据 R 版本来决定的，与 CRAN 上的 BiocManager 版本号是分开的。） # 查看BiocManager镜像： Rscript -e "options('BioC_mirror')" # 将当前目录的内容复制到容器中 COPY . /app # 安装 Python 项目所需的依赖 RUN pip install --no-cache-dir -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

WxPython可视化编辑器1.3 免安装桌面开发工具 介绍WxPython可视化编辑器是一款可视化的Python桌面应用开发工具，界面风格类似易语言。拖拽控件就可以实现页面布局，还能实时查看源代码。展示源代码：写过易语言的是不是很熟悉。这个工具不需要安装，解压即用，用来辅助开发还是很香的。下载地址（附带1.2版本和1.3版本）隐藏内容，请前往内页查看详情

Mac下 Python 使用Py2app编译wxpthon程序 介绍Py2app是一个用于将Python脚本转换为可执行应用程序的工具,可用于Mac OS 操作系统上它允许您将Python应用程序和所有依赖项捆绑在一起,创建一个独立的应用程序,而无需安装Python或任何其他库.使用Py2app,您可以将Python编写的应用程序转换为Mac应用程序,这样用户就可以像使用其他应用程序一样使用您的应用程序安装pip3 install py2app可能下载其它依赖包,如:altgraph>=0.17.3, modulegraph>=0.19.3,以及macholib>=1.16.2和setuptools等使用py2applet --make-setup 1.py1.py 是你的程序文件import wx class MyFrame(wx.Frame): def __init__(self, parent, title): wx.Frame.__init__(self, parent, title=title, size=(300, 200)) self.panel = wx.Panel(self) self.button = wx.Button(self.panel, label="Click Me") self.Bind(wx.EVT_BUTTON, self.on_button_click, self.button) self.Show(True) def on_button_click(self, event): wx.MessageBox('Hello wxPython', 'Message', wx.OK | wx.ICON_INFORMATION) app = wx.App(False) frame = MyFrame(None, 'Hello wxPython') app.MainLoop()这时,控制台会出现 Wrote setup.py 。这就代表.py文件的设置文件写成功了目录下出现 setup.py 编译python3 setup.py py2app -A成功后会出现 build 和 dist 文件夹打开 dist 文件夹，即可看到我们的程序 1.app 。双击运行就可以了运行成功

Python 闭包函数与装饰器 闭包函数''' 闭包函数是函数内部定义函数 构成条件 1 函数中嵌套一个函数 2 内存嵌套函数 对外部作用域有一个非全局变量的引用 3 外出函数的返回值是内层函数的函数名 作用 保证局部信息不被销毁 数据的安全性 应用 1 保存一些非全局变量 但是不易被销毁、改变的数据 2 装饰器 3 实现数据锁定 ''' # def outF(): # sum = 2 # 定一个非全局变量 # def inF(n): # return sum+1 # # #外出函数返回值是内层函数的函数名 # return inF # def outer(): # n = 10 # def inner(): # n = 20 # print("in",n) # print("ou",n) # inner() # outer() # 闭包函数 def outer(m): n = 10 def inner(): print("in",(n+m)) return inner ot = outer(9) # 调用 ot() #>>> in 19 def a(a): def b(): nonlocal a # 给外层函数变量声明 a += 1 print(a) return b fn_a = a(20) fn_a() #>>> 21 装饰器{tabs}{tabs-pane label="装饰器"} ''' 装饰器的功能 1 函数执行时间统计 2 可以用在框架的路由传参上 3 插入日志 4 事物处理 5 权限娇艳 6 缓存 ''' ''' 装饰器的使用方法 1 先定一个装饰函数(帽子) 2 再定义一个业务函数(类) 3 把帽子带上 装饰器的语法糖用法： @装饰器名称 @intro 相当于 hello = intro(eat) 为eat函数装饰并返回 ''' # 标准装饰器模版 def wrapper(func): # func 业务函数 def inner(*args,**kwargs): res = func(*args,*kwargs) return res return inner{/tabs-pane}{tabs-pane label="使用装饰器(1)"}# 装饰器 def logger(func): def wrapper(*args): print('我准备开始计算{}函数了'.format(func.__name__)) # 真正执行的业务函数 func(*args) print("计算完类") return wrapper # 第一种方法 def add(x,y): print("{} + {} = {}".format(x,y,x+y)) # 使用装饰器来装饰函数 # 把函数名add作为参数传入装饰器 fun = logger(add) fun(1,2) ''' >>> 我准备开始计算add函数了 1 + 2 = 3 计算完类 '''{/tabs-pane}{tabs-pane label="使用装饰器(2)"}# 装饰器 def logger(func): def wrapper(*args): print('我准备开始计算{}函数了'.format(func.__name__)) # 真正执行的业务函数 func(*args) print("计算完类") return wrapper # 第二种方法 # 使用语法糖 @logger def add(x,y): print("{} + {} = {}".format(x,y,x+y)) add(11,4) ''' >>> 我准备开始计算add函数了 11 + 4 = 15 计算完类 ''' {/tabs-pane}{/tabs}

Python 安装使用Django创建项目 1. 安装Djangopip install Django -i https://pypi.tuna.tsinghua.edu.cn/simple/2.1 使用Pycharm创建项目2.2 使命令创建项目（不推荐）django-admin startproject test3. 编辑一个路由在 urls.py 文件中添加一个路由# urls.py # ... from django.shortcuts import HttpResponse def login(request): return HttpResponse("test4 login") urlpatterns = [ path('admin/', admin.site.urls), path('login/', login), ] 4. 启动运行1.点击右上角的运行按钮 运行 manage.py 2.访问 http://127.0.0.1:8000 可以访问到项目首页3.访问 http://127.0.0.1:8000/login/ 可以访问到自定义的路由5. 在项目中创建APP一个项目中不能的功能区分，可以创建不能的Apppython manage.py startapp app名称 python manage.py startapp admin python manage.py startapp user python manage.py startapp buy文件目录解析├── app │   ├── __init__.py │   ├── admin.py 内置后台管理的配置 │   ├── apps.py App的名字 不要动 │   ├── migrations 迁移记录 自动生成 │   ├── models.py 数据库 类-〉Sql【经常使用】 │   ├── tests.py 单元测试 │   └── views.py 视图函数【经常使用】 ├── db.sqlite3 ├── manage.py 项目管理文件 ├── templates └── test4 ├── __init__.py ├── asgi.py 异步运行项目 ├── settings.py 项目配置文件 ├── urls.py 根路由 URL和函数对应关系 └── wsgi.py 同步运行项目{lamp/}

Python 进程 ''' 进程之间相对独立，不共享全局变量 进程常用方法 start() 启动进程实例 is_alive() 判断子进程是否活着 True/False join([timeout]) 是否等待子进程结束(阻塞主进程) timeout = 时间 terminate() 立即终止子进程 进程与线程对比 进程能够完成多任务，如一台电脑可以运行多个软件 线程能够完成多任务，如一个软件打开多个窗口 1。进程资源不共享，线程资源可共享 2。一个程序至少有一个进程，一个进程至少有一个线程 3。线程的划分尺度小于进程，多线程程序并发性高 4。进程在执行过程中拥有独立的内存单元 5。线程不能独立执行 必须依赖在进程中 6。线程执行开销小，但不理由资源的管理和保护。进程相反 计算密集型 计算量比较大时，用多进程 IO密集型 如爬虫、文件读写 用多线程 ''' import os from multiprocessing import Process # print( os.getpid() ) # 查看当前进程 # print( os.getppid() ) # 查看当前进程父进程 def one(): print("one 子进程ID：%s，父进程id：%s" % (os.getpid(),os.getppid())) def two(): print("two 子进程ID：%s，父进程id：%s" % (os.getpid(),os.getppid())) if __name__ == '__main__': # 创建子进程 p1 = Process(target=one) p2 = Process(target=two) # 启动进程 p1.start() p2.start() # 修改进程名称 p1.name = "亦" p2.name = "尔" print("主进程ID：%s，父进程id：%s" % (os.getpid(), os.getppid())) ''' >>> 主进程ID：12834，父进程id：2918 one 子进程ID：12836，父进程id：12834 two 子进程ID：12837，父进程id：12834 '''

Python 多线程 互斥锁 {tabs}{tabs-pane label="使用Lock 互斥锁解决共享资源"}''' 1. threading 模块中定义 Lock() 锁 2. acquire 加锁 release 释放锁 3. 如果在调用acquire方法时，其他线程已经使用六这个互斥锁，那么此时acquire方法会堵塞，知道这个互斥锁释放后才能再次上锁 4. Lock有 acquire() 和 release()。成对出现， 先释放锁后才能加锁 否则会造成死锁 ''' from threading import Thread,Lock a = 0 b = 1000000 #创建全局互斥锁 lock = Lock() def sum1(): for i in range(b): global a a += 1 print("第1次:",a) def sum2(): for i in range(b): global a a += 1 print("第2次:",a) def sum3(): lock.acquire() for i in range(b): global a a += 1 print("第1次:",a) lock.release() def sum4(): lock.acquire() for i in range(b): global a a += 1 print("第2次:",a) lock.release() if __name__ == '__main__': # 没有加互斥锁 # t1 = Thread(target=sum1) # t2 = Thread(target=sum2) ''' 第1次: 1348006 第2次: 1522249 ''' # 加 互斥锁 t1 = Thread(target=sum3) t2 = Thread(target=sum4) ''' 第1次: 1000000 第2次: 2000000 ''' t1.start() t2.start(){/tabs-pane}{tabs-pane label="阻塞主线程，实现同步"} from threading import Thread a = 0 b = 1000000 def sum1(): for i in range(b): global a a += 1 print("第1次:",a) def sum2(): for i in range(b): global a a += 1 print("第2次:",a) if __name__ == '__main__': # 没有加互斥锁 t1 = Thread(target=sum1) t2 = Thread(target=sum2) t1.start() t1.join() # 阻塞主线程，等待子线程执行完 t2.start() ''' 第1次: 1000000 第2次: 2000000 '''{/tabs-pane}{/tabs}

Python 多线程 模拟10个人吃饭需要多少时间{tabs}{tabs-pane label="单线程"}import time t1 = time.time() def eat(name): print("%s 吃饭" % str(name)) time.sleep(1) if __name__ == '__main__': # 模拟10个人吃饭 for i in range(10): # 单线程调用 eat(i) t2 = time.time() print('执行的时间：',t2-t1) #>>> 执行的时间： 10.00459885597229 ''' 等上一个人吃完饭，下一个才能吃 '''{/tabs-pane}{tabs-pane label="多线程"}import time t1 = time.time() def eat(name): print("%s 吃饭" % str(name)) time.sleep(1) if __name__ == '__main__': # 模拟10个人吃饭 for i in range(10): #多线程调用 t = threading.Thread(target=eat,args=(i,)) t.start() # 启动线程 t2 = time.time() print('执行的时间：',t2-t1) #>>> 执行的时间： 0.0031862258911132812 ''' 10个人可以同时吃饭 '''{/tabs-pane}{/tabs}多线程 线程守护与阻塞import time from threading import Thread def funa(): print("学习") time.sleep(1) print("看鲁迅的书呢") def funb(): print("休息") time.sleep(2) print("闭目养神呢") if __name__ == '__main__': f1 = Thread(target=funa) f2 = Thread(target=funb) # 守护线程 f1.daemon = True f2.daemon = True # 开启子线程 f1.start() f2.start() # 阻塞主线程 等待子线程执行完 f1.join() f2.join() print("这是主线程") ''' >>> 学习 休息 看鲁迅的书呢 闭目养神呢 这是主线程 如果没有 join() 阻塞主线程 >>> 学习 休息 这是主线程 '''线程封装 , start()和run()的区别''' 1. 继承Thread 2. 重构run方法 线程执行是 无序的，他是有cpu来决定的。 start() 启动线程。声明子线程的函数已经就绪，等待被cpu执行 run() 允许线程。执行到这个子线程时，自动调用的方法 ''' import threading from threading import Thread import time class Ourthrad(Thread): # 重构run方法 def run(self): print(f"当前线程 {threading.current_thread().name}") #time.sleep(2) #print("啦啦啦") if __name__ == '__main__': # 创建线程实例 t1 = Ourthrad() t2 = Ourthrad() t1.start() #>>> 当前线程 Thread-1 t2.start() #>>> 当前线程 Thread-2 t1.run() #>>> 当前线程 MainThread t2.run() #>>> 当前线程 MainThread

Python 中间件 定义中间件在 根目录 下，创建 midd文件夹，在 midd文件夹 下创建 md.py 文件，写入 类为 MyMd 的中间件''' 自定义一个中间件 继承 MiddlewareMixin ''' from django.utils.deprecation import MiddlewareMixin class MyMd(MiddlewareMixin): def process_request(self, request): ''' 前置中间件 :param request: 请求数据 :return: 无发返回值或返回None，放行 不放行 返回 redirect、render、http... ''' # 【例如】如果是登录页面放行,不是登录页面判断cookie if request.path_info == '/login/': return else: pass print("前置中间件") pass def process_response(self, request, response): ''' 后置中间件 :param request: 请求数据 :param response: 响应返回数据 :return: ''' print("后置中间件") return response注册中间件在配置文件中的 settings.py 中 注册中间件# 中间件 按顺序执行 MIDDLEWARE = [ 'django.middleware.security.SecurityMiddleware', 'django.contrib.sessions.middleware.SessionMiddleware', 'django.middleware.common.CommonMiddleware', # csrf认证 'django.middleware.csrf.CsrfViewMiddleware', 'django.contrib.auth.middleware.AuthenticationMiddleware', 'django.contrib.messages.middleware.MessageMiddleware', 'django.middleware.clickjacking.XFrameOptionsMiddleware', # 自定中间件 'midd.md.MyMd' ] 执行结果先执行 前置中间件 ，再执行 业务代码 ，最后执行 后置中间件前置中间件 index 后置中间件