yongjian_luo的专栏

# -*-coding:utf-8-*- import sys, os '''将当前进程fork为一个守护进程 注意：如果你的守护进程是由inetd启动的，不要这样做！inetd完成了 所有需要做的事情，包括重定向标准文件描述符，需要做的事情只有 chdir() 和 umask()了 ''' def daemonize(stdin='/dev/null',stdout=

转自：http://tkang.blogspot.com/2010/07/thrift-server-client-in-python.html 在编写python的thrift代码时，需要先安装thrift module $ cd thrift-root/lib/py/ $ sudo python setup.py install 下面是一个python的例子 helloworl

Thrift官网上的文档很少，从网上搜到的也大都千篇一律，即使是《Thrift: the missing guide》对如何构建python的server和client也没有进行详尽讲述。本博特意看了下thrift提供的python lib，对书写相应的server和client进行了简单的总结，如有错误，欢迎大家指正。 1. Thrift network stack Transpor

安装这个是为了更方便的使用python操作hive。 获取thrift， 在linux命令下： wget http://labs.renren.com/apache-mirror/thrift/0.8.0/thrift-0.8.0.tar.gz tar -xvf thrift-0.8.0.tar.gz cd thrift-0.8.0 ./configure

Python多线程学习  一．创建线程  1．通过thread模块中的start_new_thread(func,args)创建线程： 在Eclipse+pydev中敲出以下代码： Python代码   # -*- coding: utf-8 -*-    import thread     def run_thread(n):             for 

1. 线程基础 1.1. 线程状态 线程有5种状态，状态转换的过程如下图所示： 1.2. 线程同步（锁） 多线程的优势在于可以同时运行多个任务（至少感觉起来是这样）。但是当线程需要共享数据时，可能存在数据不同步的问题。考虑这样一种情况：一个列表里所有元素都是0，线程"set"从后向前把所有元素改成1，而线程"print"负责从前往后读取列表并打印。那么，可能线程"s

第一章, 原理 本章仅作了解就可以了, 因为这些细节性的东西实在是无聊, 所以我强烈推荐你直接跳到第二章。    当然, 如果你有足够的耐心和能力, 还是看下去吧 …… 通常我们把后台进程叫做 "守护进程"、"精灵进程", 或者 daemon。 在 Unix 下, 我们使用 fork 实现。    import os    def daemonize():       # 首先 fork

最近在项目中使用了python，还好吧，基本上语法什么的还可以很快理解，但是在调试的时候还感觉很麻烦，看到了一个文章，关于pdb的，感觉还很方便，记录下   用PDB库调试Python程序     如果使用过微软技术的朋友应该体会过微软的Visual Studio系列IDE给debug程序带来的方便，换了个工作就没有Visual Studio了，对于我这种从未在非GU

Pool相关函数 1、apply(func[, args[, kwds]])  apply用于传递不定参数，同python中的apply函数一致（不过内置的apply函数从2.3以后就不建议使用了），主进程会阻塞于函数。 主进程的执行流程同单进程一致。   2、apply_async(func[, args[, kwds[, callback]]])  与apply用法

什么是json： JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式。易于人阅读和编写。同时也易于机器解析和生成。它基于JavaScript Programming Language, Standard ECMA-262 3rd Edition - December 1999的一个子集。JSON采用完全独立于语言的文本格式，但是也使用了类似于C语言家

1.python实现堆栈，可先将Stack类写入文件stack.py，在其它程序文件中使用from stack import Stack，然后就可以使用堆栈了。stack.py的程序如下： class Stack():  def __init__(self,size):   self.size=size;   self.stack=[];   self.top=-1;  def p

python自2.6开始提供了多进程模块multiprocessing，这里主要是介绍multiprocessing下的Pool的几个函数 一 apply(func[, args[, kwds]])     apply用于传递不定参数，同python中的apply函数一致（不过内置的apply函数从2.3以后就不建议使用了），主进程会阻塞于函数。 for x in gen_list(l)

在利用Python进行系统管理的时候，特别是同时操作多个文件目录，或者远程控制多台主机，并行操作可以节约 大量的时间。当被操作对象数目不大时，可以直接利用multiprocessing中的Process动态成生多个进程，10几个 还好，但如果是上百个，上千个目标，手动的去限制进程数量却又太过繁琐，这时候进程池Pool发挥作用的时候 就到了。       Pool可以提供指定

在Python中，文件操作主要来自os模块，主要方法如下： os.listdir(dirname)：列出dirname下的目录和文件 os.getcwd()：获得当前工作目录 os.curdir:返回当前目录（'.') os.chdir(dirname):改变工作目录到dirname os.path.isdir(name):判断name是不是一个目录，name不是目录就返回fal

import sys, os   def main():      """ A demo daemon main routine, write a datestamp to          /tmp/daemon-log every 10 seconds.     """      import time      f = open("/tmp/daemon-log", "w")       w

#-*- encoding=utf-8 -*-      import operator   #按字典值排序（默认为升序）   x = {1:2, 3:4, 4:3, 2:1, 0:0}   sorted_x = sorted(x.iteritems(), key=operator.itemgetter(1))   print sorted_x   #[(0, 0), (2, 1),