特别提醒：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。

　　3.2.2 关键字搜索；

　　3.2.4 使用豆瓣的API（访问频率控制的API）；

　　3.2.5 编写网站和编写API几乎差不多，本质是返回的什么；

3.4.1 将部分功能逻辑拆分至其他模块下；

3.4.2 视图函数中不能编写过长逻辑的代码，降低耦合性，提交可阅读性；

3.4.3 不要写过多的注释；

3.4.4 阅读源代码的原则，大体浏览，阅读骨干；

3.4.5 不仅仅将项目，更是讲解编程思维；

3.5.2 requests模块发送HTTP请求方法的使用以及通过状态码判断返回结果；

3.5.4 简化代码的几种方法；

3.9.2 文件拆分后路由无法注册的问题思考；

3.10.3 学习源码的优秀编程思想；

4.1.1 蓝图不能独立存在，比如插入到flask核心对象；

4.1.2 通常只有一个flask核心对象，但是可以实例化多个；

4.1.3 在apps目录下，新建__init__.py文件，将flask的核心对象在此处创建，其他位置通过引用导入；

4.2.1 蓝图有很多与Flask核心对象一致，但是它不等价于flask核心对象；

4.3.1 运行报错处理；

4.3.2 通过不断的重构进行代码的拆分处理，来更深层次的了解Flask；

4.5.2 业务驱动逻辑，在课程中学习编程的思想；

4.6.1 自定义错误信息；

4.6.2 将独立的功能拆分编写，提高程序可灵活性；

4.6.3 是否封装为函数不是由代码的行数决定的，重用的是其本质；

4.7.2 创建数据表的方式；

• CodeFirst（程序员推荐使用）；

4.7.3 调整项目的目录结构；

5.1.1 通过编写测试代码引出Flask的上下文管理机制；

5.3.2 栈和队列（后进先出，先进先出）；

5.4.1 实现了上下文协议的对象使用with；

5.4.4 上下文表达式必须要返回一个上下文管理器；

5.6.1 Flask的文档适合于有编程经验的人来看；

5.6.2 出现问题，联想原理，进行排错；

6.1.1 什么是线程？不单单是讲Flask，更讲一些通用的理论及技巧；

• 计算机上的资源（CPU、MEM、DISK）是稀缺的；

• apps竞争计算机资源；

• 每个应用至少有一个进程；

• 进程是竞争计算机资源的基本单位；

• 单核CPU，是否永远只能执行一个应用程序呢？理论上是的，但是计算机CPU速度快，可以在不同的应用程序之间切换，给予我们造成了假象；

• 单核多核心，多核心理论上可以同时执行多个app；

• 进程调度算法完成进程调度；

• 进程、线程之间切换，CPU开销非常大，涉及上下文，即需要保存那一时刻的状态；

6.2.1 什么是线程？线程重要性高于线程；

• 线程是进程的一部分，一个进程可以开多个线程；
• 进程管理CPU粒度太大，需要更小的单元来管理CPU资源的利用；
• 线程之间消耗的CPU小很多；
• 线程与进程最重要的作用是分工不同：线程——分配资源、内存资源；线程——利用CPU执行代码；
• 代码-指令-CPU来执行，资源；
• 线程不能够拥有资源，但是并不代表线程不能访问资源；
• 线程必须从属于一个进程，访问进程的资源；

6.3.1 线程是进程的一部分；

6.3.2 多线程编程有必要；

6.3.3 多线程编程的目的，更加充分的利用CPU的性能优势；

6.3.4 异步编程，不要盲目使用，毕竟成本太高；

6.5.1 如何理解鸡肋？食之无味，弃之可惜；

6.5.2 为什么Python不能充分利用多核CPU，因为全局解释器锁GIL的存在，会让Python代码只能在同一时刻执行一个线程；

6.5.3 为什么Python具备GIL呢？锁的作用是为了线程安全，一个进程里面有多个线程，即多个线程共享一个进程，即不安全；

6.5.4 什么线程不安全？多线程的环境下，线程的执行顺序不由我们决定，取决于CPU调度和Python解释器的协作；

6.5.5 线程不安全，如何解决，加锁处理！锁的机制，保证了同一时刻只有一个线程执行；

6.5.6 细粒度的锁和粗粒度的锁，前者是程序员主动加的锁，后者是在解释器Interpreter的层面加锁，即GIL；

6.5.7 GIL存在，同一时刻只有一个线程被CPU执行，一定程度上保证了线程安全，不是绝对保证线程安全；线程操作切换，以bytecode来处理，也会出现不安全，即安全是相对的；

6.5.8 Python一般只是Cpython语言的规范，只在Cpython解释器中存在，但是在其他解释器，如PyPI中就不存在；

• 每个语言都是优缺并存的，使用其长处；
• 非常严重依赖CPU计算的程序，需要使用多线程，即CPU密集型程序；
• IO密集型的程序，比如查询数据库，请求网络资源，读写文件；
• Python适合IO密集型的场景；
• 我们写的大多数程序当前都是IO密集型的，所以说Python的多线程一定程度上不算是鸡肋；

6.7.2 Flask内置Web服务器，单线程单进程，目的是为了调试代码，生产环境使用uWSGI；

6.7.3 兑现是保存状态的地方；

6.9.1 字典用来保存数据；

6.10.2 编程也是一种艺术，要含蓄不要平铺直叙；

6.12.1 栈中的结构中，只能后进先出，不能按照序号查找数据；

6.12.1 体会线程隔离的特性；

6.13.1 LocalStack对象的两大特性——线程隔离、实现栈的结构；

6.13.2 多线程情况下，要有多线程隔离；

6.14.4 没有人一遍就能懂得，反复是常态；多讨论有可能豁然开朗，反反复复学习的过程，更重要的是养成一个思维习惯，不要养成思考的惰性！

7.1.1 通过产品经理和设计的原型进行开发；

7.1.2 API和数据库中的数据可以看做是元数据；

7.1.3 将原始数据改变后，显示到前端页面；

7.4.1 类中应该既有描述特征（类变量、实例变量）又有描述行为（方法）；

7.4.1 如果只有行为没有特征，那就是面向过程；

7.5.1 使用面向对象的写法进行YuShuBook类的重构；

7.7.1 使用空行分割代码片段；

7.7.2 不仅仅会调用其他API，学会自行开发；

7.8.2 js+css属于静态文件，html属于动态渲染，叫做模板；

7.8.3 数据当前比较流行使用json，以前是xml；

7.8.4 前端渲染和后端渲染，Ajax技术；

7.8.5 单页面和多页面的区别，前者在客户端，多页面在服务端；前端代码复杂，需要依赖Vue等框架；

8.1.4 templates可以放在apps根目录，也可以放在蓝图web下面，需要单独配置；

8.4.1 双花括号向页面展示数据；

8.4.2 对象的访问方式；

8.4.3 Jinja中模糊了对象和字典的概念；

8.4.4 模板的方式也可以做到前后端分离；

8.7.2继承的用法；

8.8.1 如果不是前端开发，了解基础的模板语言即可；

8.8.2 filter的默认值，使用Jinja的默认值功能；（注意管道）

8.8.3 Jinja2中的竖线，相当于管道符的作用，将前面的结果，交给后面进行处理；

8.8.4 Jinja2中可以使用多级管道符，即多个竖线；

8.9.2 静态文件的访问本质，还是ULR和视图；

9.10.2 消息闪现的使用；