python有着强大的表达式语法和函数特性，其中一个我的最爱便是装饰器。 在设计模式中，装饰器能够在不使用子类的情况下动态的修改函数、方法或类的功能。
当你需要扩展某个函数的功能却不想直接修改这个函数的时候，装饰器就可以派上用场了。 实现装饰器模式有很多种方法，但是python通过强大的语法支持来让这个变得相当容易。
在这篇文章中我将深入讲解Python的函数装饰器，并通过一系列的源码示例来彻底讲清楚这个东西。 所有例子都在Python2.7下运行通过，不过只需要稍作改变就可以运行在Python3上了， 甚至我猜测什么都不用改变都可以的，读者可以自己去试试。
本质上来讲，装饰器是以包装器形式工作的，其实就是在执行目标函数之前或之后加入自己的逻辑， 而不需要改变目标函数本身就可以增强它的功能，也就是说装饰了它。
在讲生成器之前，先讲讲python里面常用的几个常见的推导式：
列表推导式（list comprehension）
1 | my_list = [f(x) for x in sequence if cond(x)] |
字典推导式（dictionary comprehension）
1 | my_dict = {k(x): v(x) for x in sequence if cond(x)} |
集合推导式（set comprehension）
1 | my_set = {f(x) for x in sequence if cond(x)} |
生成器表达式（generator expression）
1 | my_generator = (f(x) for x in sequence if cond(x)) |
对于大部分的python初学者而言，生成器和yield关键字比较难以理解。很多文章解释的不清楚，
这篇文章我想深入的讲解这个yield关键字，它到底是个什么东西，为什么它如此的重要，以及我们该如何去使用它。
注意：近些年来，随着越来越多的特性被加入到PEP中，生成器变得越来越强大。我在下一篇文章会深入讲解协程、多任务协作和异步I/O这些高阶知识，来见识下yield
的威力。
迭代(iteration)指的是去获取元素的一种方式，一个接一个。当你显式或隐式的使用循环来遍历某个元素集的时候，那就是迭代。
在Python里面，可迭代对象(iterable)和迭代器(iterator)有着特殊的含义。
iterable是实现了__iter__()方法的对象，该方法会返回一个iterator对象iterator是实现了__iter__()和__next__()方法的对象，__iter__()方法返回的是iterator对象本身由此可见，iterable和iterator的本质区别就是后者多了一个__next__()方法。
也就是说一个iterator对象必定是一个iterable对象。
模块和包都是用来组织代码用的，在python中一个模块就是一个.py文件，而一个包就是一个包含了__init__.py的文件夹。
使用模块最大的好处就是提高代码可维护性，我们在编写代码的时候通常会引用内置模块或第三方模块。
引入包是为了解决命名冲突问题，你可以把包当成是命名空间，比如你写的abc.py模块和其他人写的abc.py模块只要在不同的包中就不会冲突。
只要顶层的包名不与别人冲突，那所有模块都不会与别人冲突。
当需要将写的程序打包分发出去的时候，就要使用到setuptools工具了，这里我通过一个实际例子来介绍它的使用方法。 之前写过一个rpc模块叫xnrpc：
字符串也是一种数据类型，但是，字符串比较特殊的是还有一个编码问题。
Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。Unicode标准也在不断发展， 但最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。
现在，捋一捋ASCII编码和Unicode编码的区别：ASCII编码是1个字节，而Unicode编码通常是2个字节。
但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。
函数式编程就是一种抽象程度很高的编程范式，纯粹的函数式编程语言编写的函数没有变量(或者说不能给变量重新赋值)， 因此，任意一个函数，只要输入是确定的，输出就是确定的，这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言， 由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出，因此，这种函数是有副作用的。
函数式编程（请注意多了一个”式”字）——Functional Programming，虽然也可以归结到面向过程的程序设计，但其思想更接近数学计算。 它的一个特点就是，允许把函数本身作为参数传入另一个函数，还允许返回一个函数！
Python对函数式编程提供部分支持。由于Python允许使用变量，因此，Python不是纯函数式编程语言。
操作系统：CentOS 6.5_x86_64
前提：提前准备好编译环境，防火墙和selinux都关闭
主机IP：两台机器，192.168.203.103、192.168.203.104
安装软件：jdk-8u51-linux-x64, apache-tomcat-8.0.24, tomcat-connectors-1.2.41, httpd-2.2.15, httpd-devel-2.2.15
纯归并排序的复杂度为O(nlgn)，而纯插入排序的时间复杂度为O(n^2)。数据量很大的时候采用归并排序。
但是在n较小的时候插入排序可能运行的会更快点。因此在归并排序中当子问题变得足够小时， 采用插入排序来使得递归的叶子变粗可以加快排序速度。那么这个足够小到底怎么去衡量呢？ 请看下面：
这么几个我不证明了，比较简单：
那么，O(nk+nlg(n/k))=O(nlgn).只能最大是k=O(lgn).等式左边中第一项是高阶项。 k如果大于lgn,则比归并排序复杂度大了。 左边可以写成nk+nlgn-nlgk，k等于lgn时，就是2nlgn-nlglgn.忽略恒定系数，则与归并排序是一样的。 最后结论： k < lg(n)的时候，使用插入排序。
我们不仅要知其然，而且要知其所以然，所以先给大家准备一些理论知识课，这样对以后的应用将会事半功倍。
1、什么是LVS？
请阅读作者章文嵩博士自己的研究报告，共计4部分，看完后对集群和LVS就有了初步的了解，不懂时可以翻翻。