㈠ ubuntu|linux下 如何用python 模擬按鍵
ubuntu下，也就是linux下，通常會用kill -事件編號實現。 你查一下LINUX下的事件就明白了。
kill 進程號 實現上是發了一個信號給指定的進程。 在python里，也可以載入事件處理模塊，處理來自其它程序發過來的信號， 當然你可以用KILL工具發信號過來。
ctrl+d也是一個信號，ctrl+c也是一個。具體信號編碼我不記得了。不過以前我做多進程管理時就是使用這個方法。 好象信號還可以帶參數過來。
你打開python的幫助。看看signal這個模塊。我把它的例子拿過來。對你有用不
importsignal,os
defhandler(signum,frame):
print'Signalhandlercalledwithsignal',signum
raiseIOError("Couldn'topendevice!")
#Setthesignalhandleranda5-secondalarm
signal.signal(signal.SIGALRM,handler)
signal.alarm(5)
#Thisopen()mayhangindefinitely
fd=os.open('/dev/ttyS0',os.O_RDWR)
signal.alarm(0)#Disablethealarm
下面是我找到的一些資料。也許有用。
信號的概念
信號（signal）--進程之間通訊的方式，是一種軟體中斷。一個進程一旦接收到信號就會打斷原來的程序執行流程來處理信號。
幾個常用信號:
SIGINT終止進程中斷進程(control+c)
SIGTERM終止進程軟體終止信號
SIGKILL終止進程殺死進程
SIGALRM鬧鍾信號
進程結束信號SIGTERM和SIGKILL的區別
SIGTERM比較友好，進程能捕捉這個信號，根據您的需要來關閉程序。在關閉程序之前，您可以結束打開的記錄文件和完成正在做的任務。在某些情況下，假如進程正在進行作業而且不能中斷，那麼進程可以忽略這個SIGTERM信號。
對於SIGKILL信號，進程是不能忽略的。這是一個「我不管您在做什麼,立刻停止」的信號。假如您發送SIGKILL信號給進程，Linux就將進程停止在那裡。
發送信號一般有兩種原因:
1(被動式)內核檢測到一個系統事件.例如子進程退出會像父進程發送SIGCHLD信號.鍵盤按下control+c會發送SIGINT信號
2(主動式)通過系統調用kill來向指定進程發送信號
linux操作系統提供的信號
[100003@oss235 myppt]$ kill -l
1) SIGHUP2) SIGINT3) SIGQUIT4) SIGILL
5) SIGTRAP6) SIGABRT7) SIGBUS8) SIGFPE
9) SIGKILL10) SIGUSR111) SIGSEGV12) SIGUSR2
13) SIGPIPE14) SIGALRM15) SIGTERM16) SIGSTKFLT
17) SIGCHLD18) SIGCONT19) SIGSTOP20) SIGTSTP
21) SIGTTIN22) SIGTTOU23) SIGURG24) SIGXCPU
25) SIGXFSZ26) SIGVTALRM27) SIGPROF28) SIGWINCH
29) SIGIO30) SIGPWR31) SIGSYS34) SIGRTMIN
35) SIGRTMIN+136) SIGRTMIN+237) SIGRTMIN+338) SIGRTMIN+4
39) SIGRTMIN+540) SIGRTMIN+641) SIGRTMIN+742) SIGRTMIN+8
43) SIGRTMIN+944) SIGRTMIN+10 45) SIGRTMIN+11 46) SIGRTMIN+12
47) SIGRTMIN+13 48) SIGRTMIN+14 49) SIGRTMIN+15 50) SIGRTMAX-14
51) SIGRTMAX-13 52) SIGRTMAX-12 53) SIGRTMAX-11 54) SIGRTMAX-10
55) SIGRTMAX-956) SIGRTMAX-857) SIGRTMAX-758) SIGRTMAX-6
59) SIGRTMAX-560) SIGRTMAX-461) SIGRTMAX-362) SIGRTMAX-2
63) SIGRTMAX-164) SIGRTMAX
Python提供的信號
Python 2.4.3 (#1, Jun 11 2009, 14:09:58)
[GCC 4.1.2 20080704 (Red Hat 4.1.2-44)] on linux2
Type "help", "right", "credits" or "license" for more information.
>>> import signal
>>> dir(signal)
['NSIG', 'SIGABRT', 'SIGALRM', 'SIGBUS', 'SIGCHLD', 'SIGCLD',
'SIGCONT', 'SIGFPE', 'SIGHUP', 'SIGILL', 'SIGINT', 'SIGIO', 'SIGIOT',
'SIGKILL', 'SIGPIPE', 'SIGPOLL', 'SIGPROF', 'SIGPWR', 'SIGQUIT',
'SIGRTMAX', 'SIGRTMIN', 'SIGSEGV', 'SIGSTOP', 'SIGSYS', 'SIGTERM',
'SIGTRAP', 'SIGTSTP', 'SIGTTIN', 'SIGTTOU', 'SIGURG', 'SIGUSR1',
'SIGUSR2', 'SIGVTALRM', 'SIGWINCH', 'SIGXCPU', 'SIGXFSZ', 'SIG_DFL',
'SIG_IGN', '__doc__', '__name__', 'alarm', 'default_int_handler',
'getsignal', 'pause', 'signal']
操作系統規定了進程收到信號以後的默認行為
但是，我們可以通過綁定信號處理函數來修改進程收到信號以後的行為
有兩個信號是不可更改的SIGTOP和SIGKILL
綁定信號處理函數
import os
import signal
from time import sleep
def onsignal_term(a,b):
print '收到SIGTERM信號'
#這里是綁定信號處理函數，將SIGTERM綁定在函數onsignal_term上面
signal.signal(signal.SIGTERM,onsignal_term)
def onsignal_usr1(a,b):
print '收到SIGUSR1信號'
#這里是綁定信號處理函數，將SIGUSR1綁定在函數onsignal_term上面
signal.signal(signal.SIGUSR1,onsignal_usr1)
while 1:
print '我的進程id是',os.getpid()
sleep(10)
運行該程序。然後通過另外一個進程來發送信號。
發送信號
發送信號的代碼如下：
import os
import signal
#發送信號，16175是前面那個綁定信號處理函數的pid，需要自行修改
os.kill(16175,signal.SIGTERM)
#發送信號，16175是前面那個綁定信號處理函數的pid，需要自行修改
os.kill(16175,signal.SIGUSR1)
㈡ python常用包及主要功能
Python常用包：NumPy數值計算、pandas數據處理、matplotlib數據可視化、sciPy科學計算、Scrapy爬蟲、scikit-learn機器學習、Keras深度學習、statsmodels統計建模計量經濟。
NumPy是使用Python進行科學計算的基礎包，Numpy可以提供數組支持以及相應的高效處理函數，是Python數據分析的基礎，也是SciPy、Pandas等數據處理和科學計算庫最基本的函數功能庫，且其數據類型對Python數據分析十分有用。
pandas 是python的一個數據分析包,是基於NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。pandas提供了大量能使我們快速便捷地處理數據的函數和方法。
Matplotlib是強大的數據可視化工具和作圖庫，是主要用於繪制數據圖表的Python庫，提供了繪制各類可視化圖形的命令字型檔、簡單的介面，可以方便用戶輕松掌握圖形的格式，繪制各類可視化圖形。
SciPy是一組專門解決科學計算中各種標准問題域的包的集合，包含的功能有最優化、線性代數、積分、插值、擬合、特殊函數、快速傅里葉變換、信號處理和圖像處理、常微分方程求解和其他科學與工程中常用的計算等，這些對數據分析和挖掘十分有用。
Scrapy是專門為爬蟲而生的工具，具有URL讀取、HTML解析、存儲數據等功能，可以使用Twisted非同步網路庫來處理網路通訊，架構清晰，且包含了各種中間件介面，可以靈活地完成各種需求。
Scikit-Learn是Python常用的機器學習工具包，提供了完善的機器學習工具箱，支持數據預處理、分類、回歸、聚類、預測和模型分析等強大機器學習庫，其依賴於Numpy、Scipy和Matplotlib等。
Keras是深度學習庫，人工神經網路和深度學習模型，基於Theano之上，依賴於Numpy和Scipy，利用它可以搭建普通的神經網路和各種深度學習模型，如語言處理、圖像識別、自編碼器、循環神經網路、遞歸審計網路、卷積神經網路等。
Statsmodels是Python的統計建模和計量經濟學工具包，包括一些描述統計、統計模型估計和推斷。
㈢ python 怎麼讓程序接受ctrl + c終止信號
花了一天時間用python為服務寫了個壓力測試。很簡單，多線程向伺服器發請求。但寫完之後發現如果中途想停下來，按Ctrl+C達不到效果，自然想到要用信號處理函數捕捉信號，使線程都停下來，問題解決的方法請往下看：
復制代碼代碼如下:
#!/bin/env python
# -*- coding: utf-8 -*-
#filename: peartest.py
import threading, signal
is_exit = False
def doStress(i, cc):
global is_exit
idx = i
while not is_exit:
if (idx < 10000000):
print "thread[%d]: idx=%d"%(i, idx)
idx = idx + cc
else:
break
print "thread[%d] complete."%i
def handler(signum, frame):
global is_exit
is_exit = True
print "receive a signal %d, is_exit = %d"%(signum, is_exit)
if __name__ == "__main__":
signal.signal(signal.SIGINT, handler)
signal.signal(signal.SIGTERM, handler)
cc = 5
for i in range(cc):
t = threading.Thread(target=doStress, args=(i,cc))
t.start()
上面是一個模擬程序，並不真正向服務發送請求，而代之以在一千萬以內，每個線程每隔並發數個（cc個）列印一個整數。很明顯，當所有線程都完成自己的任務後，進程會正常退出。但如果我們中途想退出（試想一個壓力測試程序，在中途已經發現了問題，需要停止測試），該腫么辦？你當然可以用ps查找到進程號，然後kill -9殺掉，但這樣太繁瑣了，捕捉Ctrl+C是最自然的想法。上面示常式序中已經捕捉了這個信號，並修改全局變數is_exit，線程中會檢測這個變數，及時退出。
但事實上這個程序並不work，當你按下Ctrl+C時，程序照常運行，並無任何響應。網上搜了一些資料，明白是python的子線程如果不是daemon的話，主線程是不能響應任何中斷的。但設為daemon後主線程會隨之退出，接著整個進程很快就退出了，所以還需要在主線程中檢測各個子線程的狀態，直到所有子線程退出後自己才退出，因此上例29行之後的代碼可以修改為：
復制代碼代碼如下:
threads=[]
for i in range(cc):
t = threading.Thread(target=doStress, args=(i, cc))
t.setDaemon(True)
threads.append(t)
t.start()
for i in range(cc):
threads[i].join()
重新試一下，問題依然沒有解決，進程還是沒有響應Ctrl+C，這是因為join()函數同樣會waiting在一個鎖上，使主線程無法捕獲信號。因此繼續修改，調用線程的isAlive()函數判斷線程是否完成：
復制代碼代碼如下:
while 1:
alive = False
for i in range(cc):
alive = alive or threads[i].isAlive()
if not alive:
break
這樣修改後，程序完全按照預想運行了：可以順利的列印每個線程應該列印的所有數字，也可以中途用Ctrl+C終結整個進程。完整的代碼如下：
復制代碼代碼如下:
#!/bin/env python
# -*- coding: utf-8 -*-
#filename: peartest.py
import threading, signal
is_exit = False
def doStress(i, cc):
global is_exit
idx = i
while not is_exit:
if (idx < 10000000):
print "thread[%d]: idx=%d"%(i, idx)
idx = idx + cc
else:
break
if is_exit:
print "receive a signal to exit, thread[%d] stop."%i
else:
print "thread[%d] complete."%i
def handler(signum, frame):
global is_exit
is_exit = True
print "receive a signal %d, is_exit = %d"%(signum, is_exit)
if __name__ == "__main__":
signal.signal(signal.SIGINT, handler)
signal.signal(signal.SIGTERM, handler)
cc = 5
threads = []
for i in range(cc):
t = threading.Thread(target=doStress, args=(i,cc))
t.setDaemon(True)
threads.append(t)
t.start()
while 1:
alive = False
for i in range(cc):
alive = alive or threads[i].isAlive()
if not alive:
break
其實，如果用python寫一個服務，也需要這樣，因為負責服務的那個線程是永遠在那裡接收請求的，不會退出，而如果你想用Ctrl+C殺死整個服務，跟上面的壓力測試程序是一個道理。總結一下，python多線程中要響應Ctrl+C的信號以殺死整個進程，需要：
1.把所有子線程設為Daemon；
2.使用isAlive()函數判斷所有子線程是否完成，而不是在主線程中用join()函數等待完成；
3.寫一個響應Ctrl+C信號的函數，修改全局變數，使得各子線程能夠檢測到，並正常退出。
㈣ Python 數字信號處理程序實現求解
數字信號處理是把信號用數字或符號表示成序列，通過計算機或通用（專用）信號處理設備，用數值計算方法進行各種處理，達到提取有用信息便於應用的目的。例如：濾波、檢測、變換、增強、估計、識別、參數提取、頻譜分析等。
一般地講，數字信號處理涉及三個步驟：
⑴模數轉換(A/D轉換)：把模擬信號變成數字信號，是一個對自變數和幅值同時進行離散化的過程，基本的理論保證是采樣定理。
⑵數字信號處理(DSP)：包括變換域分析(如頻域變換)、數字濾波、識別、合成等。
⑶數模轉換(D/A轉換)：把經過處理的數字信號還原為模擬信號。通常，這一步並不是必須的。 作為DSP的成功例子有很多，如醫用CT斷層成像掃描儀的發明。它是利用生物體的各個部位對X射線吸收率不同的現象，並利用各個方向掃描的投影數據再構造出檢測體剖面圖的儀器。這種儀器中fft(快速傅里葉變換)起到了快速計算的作用。以後相繼研製出的還有：採用正電子的CT機和基於核磁共振的CT機等儀器，它們為醫學領域作出了很大的貢獻。
信號處理的目的是：削弱信號中的多餘內容；濾出混雜的雜訊和干擾；或者將信號變換成容易處理、傳輸、分析與識別的形式，以便後續的其它處理。 下面的示意圖說明了信號處理的概念。
㈤ python web 怎麼部署
學過php的都了解，php的正式環境部署非常簡單，改幾個文件就OK，用FastCgi方式也是分分鍾的事情。相比起來，Python在web應用上的部署就繁雜的多，主要是工具繁多，主流伺服器支持不足，在了解Python的生產環境部署方式之前，先明確一些概念！很重要！
CGI：
CGI即通用網關介面(Common Gateway Interface)，是外部應用程序（CGI程序）與Web伺服器之間的介面標准，是在CGI程序和Web伺服器之間傳遞信息的規程。CGI規范允許Web伺服器執行外部程序，並將它們的輸出發送給Web瀏覽器，CGI將Web的一組簡單的靜態超媒體文檔變成一個完整的新的互動式媒體。通俗的講CGI就像是一座橋，把網頁和WEB伺服器中的執行程序連接起來，它把HTML接收的指令傳遞給伺服器的執行程序，再把伺服器執行程序的結果返還給HTML頁。CGI的跨平台性能極佳，幾乎可以在任何操作系統上實現。
CGI方式在遇到連接請求（用戶請求）先要創建cgi的子進程，激活一個CGI進程，然後處理請求，處理完後結束這個子進程。這就是fork-and-execute模式。所以用cgi方式的伺服器有多少連接請求就會有多少cgi子進程，子進程反復載入是cgi性能低下的主要原因。當用戶請求數量非常多時，會大量擠占系統的資源如內存，CPU時間等，造成效能低下。
CGI腳本工作流程：
瀏覽器通過HTML表單或超鏈接請求指向一個CGI應用程序的URL。
伺服器執行務器收發到請求。所指定的CGI應用程序。
CGI應用程序執行所需要的操作，通常是基於瀏覽者輸入的內容。
CGI應用程序把結果格式化為網路伺服器和瀏覽器能夠理解的文檔（通常是HTML網頁）。
網路伺服器把結果返回到瀏覽器中。
python有cgi模塊可支持原生cgi程序
FastCGI：
FastCGI是一個可伸縮地、高速地在HTTP server和動態腳本語言間通信的介面。多數流行的HTTP server都支持FastCGI，包括Apache、Nginx和lighttpd等，同時，FastCGI也被許多腳本語言所支持，其中就有Python。FastCGI是從CGI發展改進而來的。傳統CGI介面方式的主要缺點是性能很差，因為每次HTTP伺服器遇到動態程序時都需要重新啟動腳本解析器來執行解析，然後結果被返回給HTTP伺服器。這在處理高並發訪問時，幾乎是不可用的。FastCGI像是一個常駐(long-live)型的CGI，它可以一直執行著，只要激活後，不會每次都要花費時間去fork一次(這是CGI最為人詬病的fork-and-execute 模式)。CGI 就是所謂的短生存期應用程序，FastCGI 就是所謂的長生存期應用程序。由於 FastCGI 程序並不需要不斷的產生新進程，可以大大降低伺服器的壓力並且產生較高的應用效率。它的速度效率最少要比CGI 技術提高 5 倍以上。它還支持分布式的運算, 即 FastCGI 程序可以在網站伺服器以外的主機上執行並且接受來自其它網站伺服器來的請求。
FastCGI是語言無關的、可伸縮架構的CGI開放擴展，其主要行為是將CGI解釋器進程保持在內存中並因此獲得較高的性能。眾所周知，CGI解釋器的反復載入是CGI性能低下的主要原因，如果CGI解釋器保持在內存中並接受FastCGI進程管理器調度，則可以提供良好的性能、伸縮性、Fail-Over特性等等。FastCGI介面方式採用C/S結構，可以將HTTP伺服器和腳本解析伺服器分開，同時在腳本解析伺服器上啟動一個或者多個腳本解析守護進程。當HTTP伺服器每次遇到動態程序時，可以將其直接交付給FastCGI進程來執行，然後將得到的結果返回給瀏覽器。這種方式可以讓HTTP伺服器專一地處理靜態請求或者將動態腳本伺服器的結果返回給客戶端，這在很大程度上提高了整個應用系統的性能。
FastCGI的工作流程:
Web Server啟動時載入FastCGI進程管理器（PHP-CGI或者PHP-FPM或者spawn-cgi)
FastCGI進程管理器自身初始化，啟動多個CGI解釋器進程(可見多個php-cgi)並等待來自Web Server的連接。
當客戶端請求到達Web Server時，FastCGI進程管理器選擇並連接到一個CGI解釋器。Web server將CGI環境變數和標准輸入發送到FastCGI子進程php-cgi。
FastCGI子進程完成處理後將標准輸出和錯誤信息從同一連接返回Web Server。當FastCGI子進程關閉連接時，請求便告處理完成。FastCGI子進程接著等待並處理來自FastCGI進程管理器(運行在Web Server中)的下一個連接。 在CGI模式中，php-cgi在此便退出。
FastCGI 的特點：
打破傳統頁面處理技術。傳統的頁面處理技術，程序必須與 Web 伺服器或 Application 伺服器處於同一台伺服器中。這種歷史已經早N年被FastCGI技術所打破，FastCGI技術的應用程序可以被安裝在伺服器群中的任何一台伺服器，而通過 TCP/IP 協議與 Web 伺服器通訊，這樣做既適合開發大型分布式 Web 群，也適合高效資料庫控制。
明確的請求模式。CGI 技術沒有一個明確的角色，在 FastCGI 程序中，程序被賦予明確的角色（響應器角色、認證器角色、過濾器角色）。
WSGI：
PythonWeb伺服器網關介面（Python Web Server Gateway Interface，縮寫為WSGI）是為Python語言定義的Web伺服器和Web應用程序或框架之間的一種簡單而通用的介面。自從WSGI被開發出來以後，許多其它語言中也出現了類似介面。WSGI是作為Web伺服器與Web應用程序或應用框架之間的一種低級別的介面，以提升可移植Web應用開發的共同點。WSGI是基於現存的CGI標准而設計的。
WSGI區分為兩個部份：一為「伺服器」或「網關」，另一為「應用程序」或「應用框架」。在處理一個WSGI請求時，伺服器會為應用程序提供環境上下文及一個回調函數（Callback Function）。當應用程序完成處理請求後，透過先前的回調函數，將結果回傳給伺服器。所謂的 WSGI 中間件同時實現了API的兩方，因此可以在WSGI服務和WSGI應用之間起調解作用：從WSGI伺服器的角度來說，中間件扮演應用程序，而從應用程序的角度來說，中間件扮演伺服器。「中間件」組件可以執行以下功能：
重寫環境變數後，根據目標URL，將請求消息路由到不同的應用對象。
允許在一個進程中同時運行多個應用程序或應用框架。
負載均衡和遠程處理，通過在網路上轉發請求和響應消息。
進行內容後處理，例如應用XSLT樣式表。
以前，如何選擇合適的Web應用程序框架成為困擾Python初學者的一個問題，這是因為，一般而言，Web應用框架的選擇將限制可用的Web伺服器的選擇，反之亦然。那時的Python應用程序通常是為CGI，FastCGI，mod_python中的一個而設計，甚至是為特定Web伺服器的自定義的API介面而設計的。WSGI沒有官方的實現, 因為WSGI更像一個協議。只要遵照這些協議,WSGI應用(Application)都可以在任何伺服器(Server)上運行, 反之亦然。WSGI就是Python的CGI包裝，相對於Fastcgi是PHP的CGI包裝。
WSGI將 web 組件分為三類： web伺服器，web中間件,web應用程序， wsgi基本處理模式為 ： WSGI Server -> (WSGI Middleware)* -> WSGI Application 。
uwsgi：
uwsgi協議是一個uWSGI伺服器自有的協議，它用於定義傳輸信息的類型（type of information），每一個uwsgi packet前4byte為傳輸信息類型描述，它與WSGI相比是兩樣東西。據稱其效率是fcgi的10倍。具體的協議內容請參考：the uwsgi protocol
以上四者都可以理解為協議！協議！協議！實現了這樣的協議，就可以實現Web伺服器與Web應用程序相關聯的web服務！
uWSGI：
uWSGI項目旨在為部署分布式集群的網路應用開發一套完整的解決方案。uWSGI主要面向web及其標准服務，已經成功的應用於多種不同的語言。由於uWSGI的可擴展架構，它能夠被無限制的擴展用來支持更多的平台和語言。目前，你可以使用C，C++和Objective-C來編寫插件。項目名稱中的「WSGI」是為了向同名的Python Web標准表示感謝，因為WSGI為該項目開發了第一個插件。uWSGI是一個Web伺服器，它實現了WSGI協議、uwsgi、http等協議。uWSGI，既不用wsgi協議也不用FastCGI協議，而是自創了上文說將的uwsgi協議。
uWSGI的主要特點如下：
超快的性能。
低內存佔用（實測為apache2的mod_wsgi的一半左右）。
多app管理。
詳盡的日誌功能（可以用來分析app性能和瓶頸）。
高度可定製（內存大小限制，服務一定次數後重啟等）。
Gunicorn：
和uWSGi類似的工具，從rails的部署工具(Unicorn)移植過來的。但是它使用的協議是前文所講的WSGI，這是python2.5時定義的官方標准(PEP 333)，根紅苗正，而且部署比較簡單，詳細的使用教程請點擊這里。Gunicorn採用prefork模式，Gunicorn 伺服器與各種 Web 框架兼容，只需非常簡單的執行，輕量級的資源消耗，以及相當迅速。它的特點是與 Django 結合緊密，部署特別方便。 缺點也很多，不支持 HTTP 1.1，並發訪問性能不高，與 uWSGI，Gevent 等有一定的性能差距。
1. Gunicorn設計
Gunicorn 是一個 master進程，spawn 出數個工作進程的 web 伺服器。master 進程式控制制工作進程的產生與消亡，工作進程只需要接受請求並且處理。這樣分離的方式使得 reload 代碼非常方便，也很容易增加或減少工作進程。 工作進程這塊作者給了很大的擴展餘地，它可以支持不同的IO方式，如 Gevent,Sync 同步進程，Asyc 非同步進程，Eventlet 等等。master 跟 worker 進程完全分離，使得 Gunicorn 實質上就是一個控制進程的服務。
2. Gunicorn源碼結構
從 Application.run() 開始，首先初始化配置，從文件讀取，終端讀取等等方式完成 configurate。然後啟動 Arbiter，Arbiter 是實質上的 master 進程的核心，它首先從配置類中讀取並設置，然後初始化信號處理函數，建立 socket。然後就是開始 spawn 工作進程，根據配置的工作進程數進行 spawn。然後就進入了輪詢狀態，收到信號，處理信號然後繼續。這里喚醒進程的方式是建立一個 PIPE，通過信號處理函數往 pipe 里 write，然後 master 從 select.select() 中喚醒。
工作進程在 spawn 後，開始初始化，然後同樣對信號進行處理，並且開始輪詢，處理 HTTP 請求，調用 WSGI 的應用端，得到 resopnse 返回。然後繼續。
Sync 同步進程的好處在於每個 request 都是分離的，每個 request 失敗都不會影響其他 request，但這樣導致了性能上的瓶頸。
Tornado：
Tornado即使一款python 的開發框架，也是一個非同步非阻塞的http伺服器，它本身的數據產出實現沒有遵從上文所說的一些通用協議，因為自身就是web伺服器，所以動態請求就直接通過內部的機制，輸出成用戶所請求的動態內容。如果把它作為一個單獨伺服器，想用它來配合其他的框架如Flask來部署，則需要採用WSGI協議，Tornado內置了該協議，tornado.wsgi.WSGIContainer。
wsgiref：
Python自帶的實現了WSGI協議的的wsgi server。wsgi server可以理解為一個符合wsgi規范的web server，接收request請求，封裝一系列環境變數，按照wsgi規范調用注冊的wsgi app，最後將response返回給客戶端。Django的自帶伺服器就是它了。
以上都可以理解為實現！實現！實現！實現了協議的工具！
註：mod_wsgi（apache的模塊）其實也是實現了wsgi協議的一個模塊，現在幾乎不廢棄了，所以也不多說了，感興趣的自己查一下吧。
所以如果你採用Django框架開發了應用之後，想部署到生產環境，肯定不能用Django自帶的，可以用使用uwsgi協議的uWSGI伺服器，也可以採用實現了WSGI協議的gunicorn或者Tornado，亦可以用FastCGI、CGI模式的Nginx、lighttpd、apache伺服器。其他框架亦如此！明白了這些概念在部署的時候就可以做到心中有數，各種工具之間的搭配也就「知其然，並知其所以然」了。
在我們組的項目中有兩種框架Django和Tornado，生產環境也用到了兩種部署方式。uWSGI和Gunicorn：
Django項目用Nginx+uWSGI方式部署，Tornado項目用Nginx+Gunicorn方式部署：
Nginx都作為負載均衡以及靜態內容轉發。Tornado項目用supervisord來管理Gunicorn，用Gunicorn管理Tornado。眾所周知，由於Python的GIL存在，所以Python的並發都採用多進程模式，所以我們部署的方式是一個核心兩個進程。
㈥ Python需要disconnect信號嗎
在使用信號調用disconnect（）方法斷開信號和槽的連接時，信號可以帶簽名也可不帶簽名，參數可以沒有也可以有一個，這些組合情況下disconnect的處理是不同的，具體情況如下：
?1.PyQt5.14的官網上介紹說如果參數為空，表示信號連接的所有槽都會斷開，這句話是有歧義的，只是斷開所有與信號簽名匹配的槽，如果調用時信號不帶簽名，則默認斷開第一個簽名對應的所有槽；
?2.如果斷開時信號帶簽名，參數為槽函數，但二者不匹配時則會引發異常；
?3.如果斷開時信號帶簽名，參數為connection對象，斷開的是與簽名匹配的連接信號和槽，不按參數進行連接斷開；
?4.如果斷開時信號不帶簽名，參數為connection對象，則按connection對象斷開連接。
㈦ 如何使用python處理心音信號
在了解了Linux的信號基礎之 後，Python標准庫中的signal包就很容易學習和理解。signal包負責在Python程序內部處理信號，典型的操作包括預設信號處理函數，暫 停並等待信號，以及定時發出SIGALRM等。要注意，signal包主要是針對UNIX平台(比如Linux, MAC OS)，而Windows內核中由於對信號機制的支持不充分，所以在Windows上的Python不能發揮信號系統的功能。
信號（signal）-- 進程之間通訊的方式，是一種軟體中斷。一個進程一旦接收到信號就會打斷原來的程序執行流程來處理信號。
定義信號名
signal包定義了各個信號名及其對應的整數，比如：
import signal
print(signal.SIGABRT)
print(signal.SIG_DFL)
Python所用的信號名與Linux一致，可以通過$ man 7 signal 查詢
預設信號處理函數
signal包的核心是使用signal.signal()函數來預設(register)信號處理函數，如下所示：
singnal.signal(signalnum, handler)
signalnum為某個信號，handler為該信號的處理函數。我們在信號基礎里提到，進程可以無視信號，可以採取默認操作，還可以自定義操作。當handler為signal.SIG_IGN時，信號被無視(ignore)。當handler為singal.SIG_DFL，進程採取默認操作(default)。當handler為一個函數名時，進程採取函數中定義的操作。
import signal
# Define signal handler function
def myHandler(signum, frame):
print('I received: ', signum)
# register signal.SIGTSTP's handler
signal.signal(signal.SIGTSTP, myHandler)
signal.pause()
print('End of Signal Demo')
# 有問題待測試
在主程序中，我們首先使用signal.signal()函數來預設信號處理函數。然後我們執行signal.pause()來讓該進程暫停以等待信號， 以等待信號。當信號SIGUSR1被傳遞給該進程時，進程從暫停中恢復，並根據預設，執行SIGTSTP的信號處理函數myHandler()。 myHandler的兩個參數一個用來識別信號(signum)，另一個用來獲得信號發生時，進程棧的狀況(stack frame)。這兩個參數都是由signal.singnal()函數來傳遞的。
上面的程序可以保存在一個文件中(比如test.py)。我們使用如下方法運行:
$python test.py
以便讓進程運行。當程序運行到signal.pause()的時候，進程暫停並等待信號。此時，通過按下CTRL+Z向該進程發送SIGTSTP信號。我們可以看到，進程執行了myHandle()函數, 隨後返回主程序，繼續執行。(當然，也可以用$ps查詢process ID, 再使用$kill來發出信號。)
(進程並不一定要使用signal.pause()暫停以等待信號，它也可以在進行工作中接受信號，比如將上面的signal.pause()改為一個需要長時間工作的循環。)
我們可以根據自己的需要更改myHandler()中的操作，以針對不同的信號實現個性化的處理。
定時發出SIGALRM信號
一個有用的函數是signal.alarm()，它被用於在一定時間之後，向進程自身發送SIGALRM信號:
import signal
# Define signal handler function
def myHandler(signum, frame):
print("Now, it's the time")
exit()
# register signal.SIGALRM's handler
signal.signal(signal.SIGALRM, myHandler)
signal.alarm(5)
while True:
print('not yet')
我們這里用了一個無限循環以便讓進程持續運行。在signal.alarm()執行5秒之後，進程將向自己發出SIGALRM信號，隨後，信號處理函數myHandler開始執行。
發送信號
signal包的核心是設置信號處理函數。除了signal.alarm()向自身發送信號之外，並沒有其他發送信號的功能。但在os包中，有類似於linux的kill命令的函數，分別為
os.kill(pid, sid)
os.killpg(pgid, sid)
分別向進程和進程組(見Linux進程關系)發送信號。sid為信號所對應的整數或者singal.SIG*。
實際上signal, pause，kill和alarm都是Linux應用編程中常見的C庫函數，在這里，我們只不過是用Python語言來實現了一下。實際上，Python 的解釋器是使用C語言來編寫的，所以有此相似性也並不意外。此外，在Python 3.4中，signal包被增強，信號阻塞等功能被加入到該包中。我們暫時不深入到該包中。
總結
signal.SIG*
signal.signal()
signal.pause()
signal.alarm()
㈧ python 判斷腳本中斷問題
通過信號量來處理，python 提供signal模塊。當用戶按Ctrl+C結束進程時，會執行特定代碼。
信號的概念
信號（signal）--進程之間通訊的方式，是一種軟體中斷。一個進程一旦接收到信號就會打斷原來的程序執行流程來處理信號。
幾個常用信號:
SIGINT終止進程中斷進程(control+c)
SIGQUIT 退出進程
SIGTERM終止進程軟體終止信號 (默認信號)
SIGKILL終止進程殺死進程
SIGALRM鬧鍾信號
當直接寫kill PID，默認是SIGTERM
代碼示例：
importtime
fromsignalimportsignal,SIGINT
defctlc(a,b):
print('ctrk+c')
exit(2)
signal(SIGINT,ctlc)
whileTrue:
time.sleep(1)
㈨ python常用到哪些庫
Python作為一個設計優秀的程序語言，現在已廣泛應用於各種領域，依靠其強大的第三方類庫，Python在各個領域都能發揮巨大的作用。
下面我們就來看一下python中常用到的庫：
數值計算庫：
1. NumPy
支持多維數組與矩陣運算，也針對數組運算提供大量的數學函數庫。通常與SciPy和Matplotlib一起使用，支持比Python更多種類的數值類型，其中定義的最重要的對象是稱為ndarray的n維數組類型，用於描述相同類型的元素集合，可以使用基於0的索引訪問集合中元素。
2. SciPy
在NumPy庫的基礎上增加了眾多的數學、科學及工程計算中常用的庫函數，如線性代數、常微分方程數值求解、信號處理、圖像處理、稀疏矩陣等，可進行插值處理、信號濾波，以及使用C語言加速計算。
3. Pandas
基於NumPy的一種工具，為解決數據分析任務而生。納入大量庫和一些標準的數據模型，提供高效地操作大型數據集所需的工具及大量的能快速便捷處理數據的函數和方法，為時間序列分析提供很好的支持，提供多種數據結構，如Series、Time-Series、DataFrame和Panel。
數據可視化庫：
4. Matplotlib
第一個Python可視化庫，有許多別的程序庫都是建立在其基礎上或者直接調用該庫，可以很方便地得到數據的大致信息，功能非常強大，但也非常復雜。
5. Seaborn
利用了Matplotlib，用簡潔的代碼來製作好看的圖表。與Matplotlib最大的區別為默認繪圖風格和色彩搭配都具有現代美感。
6. ggplot
基於R的一個作圖庫ggplot2，同時利用了源於《圖像語法》（The Grammar of Graphics）中的概念，允許疊加不同的圖層來完成一幅圖，並不適用於製作非常個性化的圖像，為操作的簡潔度而犧牲了圖像的復雜度。
7. Bokeh
跟ggplot一樣，Bokeh也基於《圖形語法》的概念。與ggplot不同之處為它完全基於Python而不是從R處引用。長處在於能用於製作可交互、可直接用於網路的圖表。圖表可以輸出為JSON對象、HTML文檔或者可交互的網路應用。
8. Plotly
可以通過Python notebook使用，與Bokeh一樣致力於交互圖表的製作，但提供在別的庫中幾乎沒有的幾種圖表類型，如等值線圖、樹形圖和三維圖表。
9. pygal
與Bokeh和Plotly一樣，提供可直接嵌入網路瀏覽器的可交互圖像。與其他兩者的主要區別在於可將圖表輸出為SVG格式，所有的圖表都被封裝成方法，且默認的風格也很漂亮，用幾行代碼就可以很容易地製作出漂亮的圖表。
10. geoplotlib
用於製作地圖和地理相關數據的工具箱。可用來製作多種地圖，比如等值區域圖、熱度圖、點密度圖。必須安裝Pyglet（一個面向對象編程介面）方可使用。
11. missingno
用圖像的方式快速評估數據缺失的情況，可根據數據的完整度對數據進行排序或過濾，或者根據熱度圖或樹狀圖對數據進行修正。
web開發庫：
12. Django
一個高級的Python Web框架，支持快速開發，提供從模板引擎到ORM所需的一切東西，使用該庫構建App時，必須遵循Django的方式。
13. Socket
一個套接字通訊底層庫，用於在伺服器和客戶端間建立TCP或UDP連接，通過連接發送請求與響應。
14. Flask
一個基於Werkzeug、Jinja 2的Python輕量級框架（microframework），默認配備Jinja模板引擎，也包含其他模板引擎或ORM供選擇，適合用來編寫API服務（RESTful rervices）。
15. Twisted
一個使用Python實現的基於事件驅動的網路引擎框架，建立在deferred object之上，一個通過非同步架構實現的高性能的引擎，不適用於編寫常規的Web Apps，更適用於底層網路。
資料庫管理：
16. MySQL-python
又稱MySQLdb，是Python連接MySQL最流行的一個驅動，很多框架也基於此庫進行開發。只支持Python 2.x，且安裝時有許多前置條件。由於該庫基於C語言開發，在Windows平台上的安裝非常不友好，經常出現失敗的情況，現在基本不推薦使用，取代品為衍生版本。
17. mysqlclient
完全兼容MySQLdb，同時支持Python 3.x，是Django ORM的依賴工具，可使用原生SQL來操作資料庫，安裝方式與MySQLdb一致。
18. PyMySQL
純Python實現的驅動，速度比MySQLdb慢，最大的特點為安裝方式簡潔，同時也兼容MySQL-python。
19. SQLAlchemy
一種既支持原生SQL，又支持ORM的工具。ORM是Python對象與資料庫關系表的一種映射關系，可有效提高寫代碼的速度，同時兼容多種資料庫系統，如SQLite、MySQL、PostgreSQL，代價為性能上的一些損失。
自動化運維：
20. jumpsever跳板機
一種由Python編寫的開源跳板機（堡壘機）系統，實現了跳板機的基本功能，包含認證、授權和審計，集成了Ansible、批量命令等。
支持WebTerminal Bootstrap編寫，界面美觀，自動收集硬體信息，支持錄像回放、命令搜索、實時監控、批量上傳下載等功能，基於SSH協議進行管理，客戶端無須安裝agent。主要用於解決可視化安全管理，因完全開源，容易再次開發。
21. Mage分布式監控系統
一種用Python開發的自動化監控系統，可監控常用系統服務、應用、網路設備，可在一台主機上監控多個不同服務，不同服務的監控間隔可以不同，同一個服務在不同主機上的監控間隔、報警閾值可以不同，並提供數據可視化界面。
22. Mage的CMDB
一種用Python開發的硬體管理系統，包含採集硬體數據、API、頁面管理3部分功能，主要用於自動化管理筆記本、路由器等常見設備的日常使用。由伺服器的客戶端採集硬體數據，將硬體信息發送至API，API負責將獲取的數據保存至資料庫中，後台管理程序負責對伺服器信息進行配置和展示。
23. 任務調度系統
一種由Python開發的任務調度系統，主要用於自動化地將一個服務進程分布到其他多個機器的多個進程中，一個服務進程可作為調度者依靠網路通信完成這一工作。
24. Python運維流程系統
一種使用Python語言編寫的調度和監控工作流的平台，內部用於創建、監控和調整數據管道。允許工作流開發人員輕松創建、維護和周期性地調度運行工作流，包括了如數據存儲、增長分析、Email發送、A/B測試等諸多跨多部門的用例。
GUI編程：
25. Tkinter
一個Python的標准GUI庫，可以快速地創建GUI應用程序，可以在大多數的UNIX平台下使用，同樣可以應用在Windows和Macintosh系統中，Tkinter 8.0的後續版本可以實現本地窗口風格，並良好地運行在絕大多數平台中。
26. wxPython
一款開源軟體跨平台GUI庫wxWidgets的Python封裝和Python模塊，是Python語言的一套優秀的GUI圖形庫，允許程序員很方便地創建完整的、功能健全的GUI用戶界面。
27. PyQt
一個創建GUI應用程序的工具庫，是Python編程語言和Qt的成功融合，可以運行在所有主要操作系統上，包括UNIX、Windows和Mac。PyQt採用雙許可證，開發人員可以選擇GPL和商業許可，從PyQt的版本4開始，GPL許可證可用於所有支持的平台。
28. PySide
一個跨平台的應用程式框架Qt的Python綁定版本，提供與PyQt類似的功能，並相容API，但與PyQt不同處為其使用LGPL授權。
更多Python知識請關注Python自學網。
㈩ 用Python做一個信號分析處理軟體
做信號處理，開源的著名軟體是scilab，octave等，用C寫的
用python寫的，比較少，速度慢，做信號處理不好。
如果用他調用信號處理的庫，做一些前期或後期的處理工作，還是又有優勢的。