


Wie liest und schreibt man die Konfiguration in einem Python-Projekt richtig?
1. Schreiben Sie die Konfiguration in eine Python-Datei
Diese Methode ist sehr einfach, birgt jedoch schwerwiegende Sicherheitsprobleme. Wir alle wissen, dass wir die Konfiguration nicht in den Code schreiben sollten GitHub, die Datenbankkonfiguration ist gleichbedeutend mit der Offenlegung gegenüber der Welt. Natürlich kann diese einfache Methode auch verwendet werden, wenn die Konfigurationsdatei keine vertraulichen Informationen enthält.
2. Verwenden Sie externe Konfigurationsdateien
, um die Konfigurationsdatei und den Code unabhängig zu machen. Zum Speichern der Konfiguration wird normalerweise das Dateiformat json, yaml oder ini verwendet.
Kombinieren Sie Umgebungsvariablen und Python-Bibliotheken, um externe Dateien zu lesen. Erstens kommt die Entwicklung normalerweise nicht mit der Generierungsumgebung in Kontakt, sodass die Konfigurationsdatei der Generierungsumgebung nach Betrieb und Wartung geschrieben wird schreibt die von der Anwendung benötigte Konfiguration und legt sie an der angegebenen Stelle auf dem Produktionsserver ab. Der Code liest die Konfiguration von der angegebenen Stelle.
Um das einheitliche Debuggen des Programms zu erleichtern, kann im Voraus eine Systemumgebungsvariable (XXX_CONFIG_PATH) vereinbart werden, um den Speicherpfad der Konfigurationsdatei anzugeben.
Verwendet keinen Dateispeicher, was den Schutz von Konfigurationsinformationen wie Passwörtern bis zu einem gewissen Grad stärkt, aber auch den Arbeitsaufwand für Betrieb und Wartung erhöht, insbesondere wenn die Konfiguration geändert werden muss.Zum Beispiel: Export Verwenden Sie Systemumgebungsvariablen, um Konfigurationen zu lesen.
Diese Methode verwendet keine Dateien zum Speichern von Konfigurationsinformationen, sondern speichert alle Konfigurationsinformationen in Umgebungsvariablen. Dies ist in der Praxis üblicher Stellt Skripte über Ansible bereit, die vor der Ausführung des Programms erforderlich sind. Die konfigurierten Informationen werden in Umgebungsvariablen importiert.
4. Microservice-Architektur
In einigen Microservice-Architekturen wird speziell ein Konfigurationscenter entwickelt, und das Programm wird auch eine GUI für das Konfigurationsmanagement entwickeln, um die Entwicklung sowie den Betrieb und die Wartung zu erleichtern .
5. Empfohlene Konfigurationsmethoden in allgemeinen Projekten 查看环境变量:
env
设置永久环境变量
1.在/etc/profile 的文件下编辑,所改变的环境变量是面向所有用户的
export CLASSPATH = /../...该路径为绝对路径
2.在当前用户目录下./barsh_profile文件中修改 进行修改的话,仅对当前的用户生效
vim /home/wens/.barshc
export CLASSPATH = /../...该路径为绝对路径
最后使用source命令 可以直接使环境变量生效
source/home/wens/.barshc //直接跟环境变量的文件
__init__.py
fügen Sie eine Beurteilungslogik hinzu, um zu bestimmen, ob die aktuelle Umgebung eine Entwicklungsumgebung oder eine Produktionsumgebung verwendet, wodurch verschiedene Konfigurationsparameter geladen werden.查看环境变量:
set
查看某个环境变量:
set path
修改环境变量
输入 “set 变量名=变量内容”即可。比如将path设置为“d:nmake.exe”,只要输入set path="d:nmake.exe"
注意:所有的在cmd命令行下对环境变量的修改只对当前窗口有效,不是永久性的修改。也就是说当关闭此cmd命令行窗口后,将不再起作用。
永久性修改环境变量的方法有两种:
一种是直接修改注册表
另一种是通过我的电脑-〉属性-〉高级,来设置系统的环境变量(查看详细)
设置了环境变量后,需要重启 pycharm 生效
base.py
einige gängige Konfigurationen speichert und dann die Variablen vonbase.py in die Entwicklungsumgebung dev.py und die Produktionsumgebung prod.py
importiert.-app
-__init.py
-app.py
-settings
-__init__.py
-base.py
-dev.py
-prod.py
where dev.py: # settings/__init__.py
import os
# os.environ.get() 用于获取系统中的环境变量,因为在生产环境中,一般都会把一些关键性的参数写到系统的环境中。
# 所以PROFILE的值其实就是我们配置的环境变量的值。如果没有配这个值,默认走dev的配置。
# PYTHON_PRO_PROFILE = os.environ.get("PYTHON_PRO_PROFILE", "dev")
PYTHON_PRO_PROFILE = os.environ.get("PYTHON_PRO_PROFILE")
print("是开发环境还是生产环境: ", PYTHON_PRO_PROFILE)
if PYTHON_PRO_PROFILE == "dev":
from .dev import *
elif PYTHON_PRO_PROFILE == "prod":
from .prod import *
else:
raise Exception("Not supported runtime profile {}".format(PYTHON_PRO_PROFILE))
where prod.py:
# settings/base.py
import os
import time
# os.path.abspath: 获取完整路径(包含文件名)
current_exec_abspath = os.path.abspath(__file__)
current_exec_dir_name, _ = os.path.split(current_exec_abspath)
current_up_dir, _ = os.path.split(current_exec_dir_name)
current_up2_dir, _ = os.path.split(current_up_dir)
print('------log dir=------', current_up2_dir)
# 日志文件路径设置
log_path = f"{current_up2_dir}/logs"
if not os.path.exists(log_path):
os.makedirs(log_path)
t = time.strftime("%Y_%m_%d")
log_path_file = f"{log_path}/interface_log_{t}.log"
Das obige ist der detaillierte Inhalt vonWie liest und schreibt man die Konfiguration in einem Python-Projekt richtig?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

NumpyarraysarebetterFornumericaloperations und multi-dimensionaldata, whilethearraymoduleiStableforbasic, an Gedächtniseffizienten

NumpyarraysarebetterforeheavynumericalComputing, während der projectwithsimpledatatypes.1) numpyarraysoferversatility und -PerformanceForlargedataSets und Compoxexoperations.2) thearraysoferversStility und Mächnory-Effefef

ctypesallowscreatingandmanipulationsc-stylearraysinpython.1) usectypestoInterfaceWithClibraryForperformance.2) createCec-stylearraysFornumericalComputationen.3) PassarrayStocfunctionsFectionFicecher-Operationen.

Inpython, eine "Liste" iSaverSatile, mutablesquencethatcanholdmixedDatatypes, während "Array" iSamorememory-effizientes, homogenoussequencequiringelementementsOfthesametype.1) ListareidealfordVeredatastorageAndmanipulationDuetothisiflexflexibilität

PythonlistsandArraysarBothmus.1) listsareflexiBleDsupportheterogenDatabUtarelessMemoryeffizient.2) Arraysaremoremory-effizientforhomogenousDatAbutLessvertile, das KorrectTypecodusagetoavoidoVoidERRors erfordert.

Python und C haben jeweils ihre eigenen Vorteile, und die Wahl sollte auf Projektanforderungen beruhen. 1) Python ist aufgrund seiner prägnanten Syntax und der dynamischen Typisierung für die schnelle Entwicklung und Datenverarbeitung geeignet. 2) C ist aufgrund seiner statischen Tipp- und manuellen Speicherverwaltung für hohe Leistung und Systemprogrammierung geeignet.

Die Auswahl von Python oder C hängt von den Projektanforderungen ab: 1) Wenn Sie eine schnelle Entwicklung, Datenverarbeitung und Prototypdesign benötigen, wählen Sie Python. 2) Wenn Sie eine hohe Leistung, eine geringe Latenz und eine schließende Hardwarekontrolle benötigen, wählen Sie C.

Indem Sie täglich 2 Stunden Python -Lernen investieren, können Sie Ihre Programmierkenntnisse effektiv verbessern. 1. Lernen Sie neues Wissen: Lesen Sie Dokumente oder sehen Sie sich Tutorials an. 2. Üben: Schreiben Sie Code und vollständige Übungen. 3. Überprüfung: Konsolidieren Sie den Inhalt, den Sie gelernt haben. 4. Projektpraxis: Wenden Sie an, was Sie in den tatsächlichen Projekten gelernt haben. Ein solcher strukturierter Lernplan kann Ihnen helfen, Python systematisch zu meistern und Karriereziele zu erreichen.


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

Herunterladen der Mac-Version des Atom-Editors
Der beliebteste Open-Source-Editor

MinGW – Minimalistisches GNU für Windows
Dieses Projekt wird derzeit auf osdn.net/projects/mingw migriert. Sie können uns dort weiterhin folgen. MinGW: Eine native Windows-Portierung der GNU Compiler Collection (GCC), frei verteilbare Importbibliotheken und Header-Dateien zum Erstellen nativer Windows-Anwendungen, einschließlich Erweiterungen der MSVC-Laufzeit zur Unterstützung der C99-Funktionalität. Die gesamte MinGW-Software kann auf 64-Bit-Windows-Plattformen ausgeführt werden.

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

WebStorm-Mac-Version
Nützliche JavaScript-Entwicklungstools
