name='peter')) # 输出：/user/peter print(url_for('test_url_for')) # 输出：/test # 下面这个调用传入了多余的关键字参数，它们会被作为查询字符串附加到 URL 后面。 print(url_for('test_url_for', num=2)) # 输出：/test?num=2 return 'Test page' 属性调用可选的过滤方法和查询方法，我们就可以获取到 对应的单个或多个记录（记录以模型类实例的形式表示）。查询语句的格式如下： <模型类>.query.<过滤方法（可选）>.<查询方法> 下面是一些常用的过滤方法： 过滤方法 说明 filter() 使用指定的规则过滤记录，返回新产生的查询对象 filter_by() 使用指定规则过滤记录（以关键字表达式的形式），返回新产生 的查询对象 order_by() 根据指定条件对记录进行排序，返回新产生的查询对象 group_by() 根据指定条件对记录进行分组，返回新产生的查询对象 下面是一些常用的查询方法： 第 5 章：数据库 41 查询方法 说明 all() 返回包含所有查询记录的列表 first() 返回查询的第一条记录，如果未找到，则返回None get(id) 传入主键值作为参数，返回指定主键值的记录，如果未找 到，则返回None count() 返回查询结果的数量

之间的映射，实现高效的元素查询。具体而 言，我们向哈希表中输入一个键 key ，则可以在 ?(1) 时间内获取对应的值 value 。 如图 6‑1 所示，给定 ? 个学生，每个学生都有“姓名”和“学号”两项数据。假如我们希望实现“输入一个 学号，返回对应的姓名”的查询功能，则可以采用图 6‑1 所示的哈希表来实现。 图 6‑1 哈希表的抽象表示 除哈希表外，数组和链表也可以实现查询功能，它们的效率对比如表 6‑1 所示。 ‧ 添加元素：仅需将元素添加至数组（链表）的尾部即可，使用 ?(1) 时间。 ‧ 查询元素：由于数组（链表）是乱序的，因此需要遍历其中的所有元素，使用 ?(?) 时间。 ‧ 删除元素：需要先查询到元素，再从数组（链表）中删除，使用 ?(?) 时间。 表 6‑1 元素查询效率对比 数组 链表 哈希表 查找元素 ?(?) ?(?) ?(1) 添加元素 ?(1) ?(1) (1) ?(1) 删除元素 ?(?) ?(?) ?(1) 观察发现，在哈希表中进行增删查改的时间复杂度都是 ?(1) ，非常高效。 6.1.1 哈希表常用操作 哈希表的常见操作包括：初始化、查询操作、添加键值对和删除键值对等，示例代码如下： 第 6 章 哈希表 hello‑algo.com 110 # === File: hash_map.py === # 初始化哈希表 hmap: dict

之间的映射，实现高效的元素查询。具 体而言，我们向哈希表中输入一个键 key ，则可以在 ?(1) 时间内获取对应的值 value 。 如图 6‑1 所示，给定 ? 个学生，每个学生都有“姓名”和“学号”两项数据。假如我们希望实现“输入一个 学号，返回对应的姓名”的查询功能，则可以采用图 6‑1 所示的哈希表来实现。 图 6‑1 哈希表的抽象表示 除哈希表外，数组和链表也可以实现查询功能，它们的效率对比如表 6‑1 所示。 ‧ 添加元素：仅需将元素添加至数组（链表）的尾部即可，使用 ?(1) 时间。 ‧ 查询元素：由于数组（链表）是乱序的，因此需要遍历其中的所有元素，使用 ?(?) 时间。 ‧ 删除元素：需要先查询到元素，再从数组（链表）中删除，使用 ?(?) 时间。 表 6‑1 元素查询效率对比 数组 链表 哈希表 查找元素 ?(?) ?(?) ?(1) 添加元素 ?(1) ?(1) (1) ?(1) 删除元素 ?(?) ?(?) ?(1) 观察发现，在哈希表中进行增删查改的时间复杂度都是 ?(1) ，非常高效。 6.1.1 哈希表常用操作 哈希表的常见操作包括：初始化、查询操作、添加键值对和删除键值对等，示例代码如下： 第 6 章 哈希表 hello‑algo.com 110 # === File: hash_map.py === # 初始化哈希表 hmap: dict

之间的映射，实现高效的元素查询。具体而言，我们向哈 希表输入一个 key ，则可以在 ?(1) 时间内获取对应的 value 。 以一个包含 ? 个学生的数据库为例，每个学生都有“姓名”和“学号”两项数据。假如我们希望实现“输入 一个学号，返回对应的姓名”的查询功能，则可以采用哈希表来实现。 Figure 6‑1. 哈希表的抽象表示 除哈希表外，我们还可以使用数组或链表实现查询功能。若将学生数据看作数组（链表）元素，则有： 看作数组（链表）元素，则有： ‧ 添加元素：仅需将元素添加至数组（链表）的尾部即可，使用 ?(1) 时间。 ‧ 查询元素：由于数组（链表）是乱序的，因此需要遍历其中的所有元素，使用 ?(?) 时间。 ‧ 删除元素：需要先查询到元素，再从数组中删除，使用 ?(?) 时间。 数组 链表 哈希表 查找元素 ?(?) ?(?) ?(1) 添加元素 ?(1) ?(1) ?(1) 删除元素 ?( (1) 观察发现，在哈希表中进行增删查改的时间复杂度都是 ?(1) ，非常高效。 6. 散列表 hello‑algo.com 88 6.1.1. 哈希表常用操作 哈希表的常见操作包括：初始化、查询操作、添加键值对和删除键值对等。 # === File: hash_map.py === # 初始化哈希表 mapp: Dict = {} # 添加操作 # 在哈希表中添加键值对 (key

之间的映射，实现高效的元素查询。具体而 言，我们向哈希表中输入一个键 key ，则可以在 ?(1) 时间内获取对应的值 value 。 如图 6‑1 所示，给定 ? 个学生，每个学生都有“姓名”和“学号”两项数据。假如我们希望实现“输入一个 学号，返回对应的姓名”的查询功能，则可以采用图 6‑1 所示的哈希表来实现。 图 6‑1 哈希表的抽象表示 除哈希表外，数组和链表也可以实现查询功能，它们的效率对比如表 6‑1 所示。 ‧ 添加元素：仅需将元素添加至数组（链表）的尾部即可，使用 ?(1) 时间。 ‧ 查询元素：由于数组（链表）是乱序的，因此需要遍历其中的所有元素，使用 ?(?) 时间。 ‧ 删除元素：需要先查询到元素，再从数组（链表）中删除，使用 ?(?) 时间。 表 6‑1 元素查询效率对比 数组 链表 哈希表 查找元素 ?(?) ?(?) ?(1) 添加元素 ?(1) ?(1) (1) ?(1) 删除元素 ?(?) ?(?) ?(1) 观察发现，在哈希表中进行增删查改的时间复杂度都是 ?(1) ，非常高效。 6.1.1 哈希表常用操作 哈希表的常见操作包括：初始化、查询操作、添加键值对和删除键值对等，示例代码如下： 第 6 章 哈希表 www.hello‑algo.com 110 # === File: hash_map.py === # 初始化哈希表 hmap:

之间的映射，实现高效的元素查询。具 体而言，我们向哈希表输入一个键 key ，则可以在 ?(1) 时间内获取对应的值 value 。 如图 6‑1 所示，给定 ? 个学生，每个学生都有“姓名”和“学号”两项数据。假如我们希望实现“输入一个 学号，返回对应的姓名”的查询功能，则可以采用图 6‑1 所示的哈希表来实现。 图 6‑1 哈希表的抽象表示 除哈希表外，数组和链表也可以实现查询功能，它们的效率对比如表 6‑1 所示。 ‧ 添加元素：仅需将元素添加至数组（链表）的尾部即可，使用 ?(1) 时间。 ‧ 查询元素：由于数组（链表）是乱序的，因此需要遍历其中的所有元素，使用 ?(?) 时间。 ‧ 删除元素：需要先查询到元素，再从数组（链表）中删除，使用 ?(?) 时间。 表 6‑1 元素查询效率对比 数组 链表 哈希表 查找元素 ?(?) ?(?) ?(1) 添加元素 ?(1) ?(1) 观察发现，在哈希表中进行增删查改的时间复杂度都是 ?(1) ，非常高效。 第 6 章 哈希表 hello‑algo.com 105 6.1.1 哈希表常用操作 哈希表的常见操作包括：初始化、查询操作、添加键值对和删除键值对等。 # === File: hash_map.py === # 初始化哈希表 hmap: dict = {} # 添加操作 # 在哈希表中添加键值对 (key

如果从数据结构与算法的角度看，大大小小的「积木」就是数据结构，而「拼装说明书」上的一系列步骤就是 算法。 例二：查字典。在字典中，每个汉字都有一个对应的拼音，而字典是按照拼音的英文字母表顺序排列的。假设 需要在字典中查询任意一个拼音首字母为 ? 的字，一般我们会这样做： 1. 打开字典大致一半页数的位置，查看此页的首字母是什么（假设为 ? ）； 2. 由于在英文字母表中 ? 在 ? 的后面，因此应排除字典前半部分，查找范围仅剩后半部分； key ，在哈 希表中查询并获取 value ，时间复杂度为 ?(1) 。 例如，给定一个包含 ? 个学生的数据库，每个学生有“姓名 name ”和“学号 id ”两项数据，希望实现一个查 询功能：输入一个学号，返回对应的姓名，则可以使用哈希表实现。 Figure 6‑1. 哈希表的抽象表示 6.1.1. 哈希表效率 除了哈希表之外，还可以使用以下数据结构来实现上述查询功能： 1. 无序数组：每个元素为 插入元素 ?(1) ?(?) ?(1) ?(log ?) ?(1) 删除元素 ?(?) ?(?) ?(?) ?(log ?) ?(1) 6.1.2. 哈希表常用操作 哈希表的基本操作包括 初始化、查询操作、添加与删除键值对。 # === File: hash_map.py === """ 初始化哈希表 """ mapp: Dict = {} """ 添加操作 """ # 在哈希表中添加键值对

如果从数据结构与算法的角度看，大大小小的「积木」就是数据结构，而「拼装说明书」上的一系列步骤就是 算法。 例二：查字典。在字典中，每个汉字都有一个对应的拼音，而字典是按照拼音的英文字母表顺序排列的。假设 需要在字典中查询任意一个拼音首字母为 ? 的字，一般我们会这样做： 1. 打开字典大致一半页数的位置，查看此页的首字母是什么（假设为 ? ）； 2. 由于在英文字母表中 ? 在 ? 的后面，因此应排除字典前半部分，查找范围仅剩后半部分； key ，在哈 希表中查询并获取 value ，时间复杂度为 ?(1) 。 例如，给定一个包含 ? 个学生的数据库，每个学生有“姓名 name ”和“学号 id ”两项数据，希望实现一个查 询功能：输入一个学号，返回对应的姓名，则可以使用哈希表实现。 Figure 6‑1. 哈希表的抽象表示 6.1.1. 哈希表效率 除了哈希表之外，还可以使用以下数据结构来实现上述查询功能： 1. 无序数组：每个元素为 插入元素 ?(1) ?(?) ?(1) ?(log ?) ?(1) 删除元素 ?(?) ?(?) ?(?) ?(log ?) ?(1) 6.1.2. 哈希表常用操作 哈希表的基本操作包括 初始化、查询操作、添加与删除键值对。 # === File: hash_map.py === """ 初始化哈希表 """ mapp = {} """ 添加操作 """ # 在哈希表中添加键值对 (key

⽀支持 ⽀支持（效率⼀一般） ⽀支持 ⽇日志 初级 较好 ⽆无 ⽂文本 ⽆无 全⾯面 ⽆无 分析 流式 ⽆无 不不⽀支持 ⽀支持 统计关联 ⼀一般（DSL等） 查询统计强，关联弱 （商业版可部分转SQL） ⼀一般（类SQL查询统计等） 数据 治理理 数据加⼯工 ⽆无 ⽀支持(logstash/reindex) ⽀支持（CQ/TickScript） ⽣生命周期 不不直接⽀支持 ⽀支持 不不直接⽀支持 • 通⽤用的指标类可视化⽅方案 • 近70 数据源（⽀支持混合） • 新推简单⽇日志⽅方案：Promtail+Loki • ⾃自由报表定制与构建 • 30+ 可视化插件 • ⽀支持查询原始指标 prometheus的扩展 - thanos • 全兼容Prometheus，提供全局视图+HA • 扩展⾼高可⽤用 • Sidecar + Query节点 • ⻓长时间备份与归档 • NoSQL，schema灵活 • 全⽂文索引查询强，过滤快、聚集功能强⼤大 • 不不⽀支持外部关联，有SQL适配器器 • 缺点： • 企业特性需要商业License • 内存管理理挑战较⼤大，复杂统计易易失控 • 超过百TB规模后运维成本⾼高 • 存储压缩效率偏低 Kibana核⼼能⼒ • 交互式查询控制台、tail-f • 完整报表中⼼与交互功能 •

数据包 get_group_by_id(openid) 查询用户所在分组 详情请参考 http://mp.weixin.qq.com/wiki/index.php? title=分组管理接口 Parameters: openid – 用户的OpenID Returns: 返回的 JSON 数据包 get_groups() 查询所有分组 详情请参考 http://mp.weixin.qq.com/wiki/index com/wiki/index.php?title= 分组管理接口 Returns: 返回的 JSON 数据包 get_menu() 查询自定义菜单。 详情请参考 http://mp.weixin.qq.com/wiki/index.php? title=自定义菜单查询接口 Returns: 返回的 JSON 数据包 get_user_info(user_id, lang='zh_CN') 获取用户基本信息 deliver_status=”1”, deliver_msg=”ok” ) :param 需要签名的的参数 :return: 支付需要的对象 pay_order_query(out_trade_no) 查询订单状态 一般用于无法确定 订单状态时候补偿 Parameters: out_trade_no – 本地订单号 Returns: 订单信息dict © Copyright 2014, whtsky