做最具实战的
数据科学职业社区

Python 代码实践小结

最近写了较多的 Python 脚本,将最近自己写的脚本进行一个总结,其中有些是 Python 独有的,有些是所有程序设计中共有的:

  1. 考虑使用 Logger(logger 怎么配置,需要输出哪些信息 — 可以反向考虑,自己看到这个 logger 的时候想了解什么信息)
  2. 传递的数据结构如何考虑(是否对调用方有先验知识的要求,比如返回一个 Tuple,则需要用户了解 tuple 中元素的顺序,这样情况是否应该进行封装;),数据结构定义清楚了,很多东西也就清楚了。
  3. 如何操作数据库(可以学习 sqlalchemy,包括 core 和 orm 两种 api)
  4. 异常如何处理(异常应该分开捕获 — 可以清楚的知道什么情况下导致的,异常之后应该打印日志说明出现什么问题,如果情况恶劣需要进行异常再次抛出或者报警)
  5. 所有获取资源的地方都应该做 check(a. 没有获取到会怎么办;b.获取到异常的怎么办)
  6. 所有操作资源的地方都应该检查是否操作成功
  7. 每个函数都应该简短,如果函数过长应该进行拆分(有个建议值,函数包含的行数应该在 20-30 行之间,具体按照这个规范做过一次之后就会发现这样真好)
  8. 使用 class 之后,考虑重构 __str__ 函数,用户打印输出(如果不实现 __str__ ,会调用 __repr__ ),如果对象放到 collection 中之后,需要实现 __repr__ 函数,用于打印整个 collection 的时候,直观显示
  9. 如果有些资源会发生变化,可以单独抽取出来,做成函数,这样后续调用就可以不用改变了

上述总结肯定有片面的地方,也有不全的地方,欢迎指出

Python 代码实践小结

附上一份 Python2.7 代码(将一些私有的东西进行了修改)

# -*- coding:utf-8 -*-
 
from sqlalchemy import create_engine
import logging
from logging.config import fileConfig
import requests
import Clinet # 私有的模块
 
fileConfig("logging_config.ini")
logger = logging.getLogger("killduplicatedjob")
 
#配置可以单独放到一个模块中
DB_USER = "xxxxxxx"
DB_PASSWORD = "xxxxxxxx"
DB_PORT = 111111
DB_HOST_PORT = "xxxxxxxxxx"
DB_DATA_BASE = "xxxxxxxxxxx"
 
REST_API_URL = "http://sample.com"
 
engine = create_engine("mysql://%s:%s@%s:%s/%s" % (DB_USER, DB_PASSWORD, DB_HOST_PORT, DB_PORT, DB_DATA_BASE))
 
# 这个 class 是为了在函数间传递时,不需要使用方了解属性的具体顺序而写的,也可以放到一个单独的模块中
class DuplicatedJobs(object):
 def __init__(self, app_id, app_name, user):
 self.app_id = app_id
 self.app_name = app_name
 self.user = user
 
def __repr__(self):
 return '[appid:%s, app_name:%s, user:%s]' % (self.app_id, self.app_name, self.user)
 
def find_duplicated_jobs():
 logger.info("starting find duplicated jobs")
 (running_apps, app_name_to_user) = get_all_running_jobs()
 all_apps_on_yarn = get_apps_from_yarn_with_queue(get_resource_queue())
 
duplicated_jobs = []
 for app in all_apps_on_yarn:
 (app_id, app_name) = app
 
if app_id not in running_apps:
 if not app_name.startswith("test"):
 logger.info("find a duplicated job, prefixed_name[%s] with appid[%s]" % (app_name, app_id))
 user = app_name_to_user[app_name]
 duplicated_jobs.append(DuplicatedJobs(app_id, app_name, user))
 else:
 logger.info("Job[%s] is a test job, would not kill it" % app_name)
 
logger.info("Find duplicated jobs [%s]" % duplicated_jobs)
 
return duplicated_jobs
 
def get_apps_from_yarn_with_queue(queue):
 param = {"queue": queue}
 r = requests.get(REST_API_URL, params=param)
 apps_on_yarn = []
 try:
 jobs = r.json().get("apps")
 app_list = jobs.get("app", [])
 for app in app_list:
 app_id = app.get("id")
 name = app.get("name")
 apps_on_yarn.append((app_id, name))
 
except Exception as e: #Exception 最好进行单独的分开,针对每一种 Exception 进行不同的处理
 logger.error("Get apps from Yarn Error, message[%s]" % e.message)
 
logger.info("Fetch all apps from Yarn [%s]" % apps_on_yarn)
 
return apps_on_yarn
 
def get_all_running_jobs():
 job_infos = get_result_from_mysql("select * from xxxx where xx=yy")
 
app_ids = []
 app_name_to_user = {}
 for (topology_id, topology_name) in job_infos:
 status_set = get_result_from_mysql("select * from xxxx where xx=yy")
 application_id = status_set[0][0]
 if "" != application_id:
 configed_resource_queue = get_result_from_mysql(
 "select * from xxxx where xx=yy")
 app_ids.append(application_id)
 app_name_to_user[topology_name] = configed_resource_queue[0][0].split(".")[1]
 
logger.info("All running jobs appids[%s] topology_name2user[%s]" % (app_ids, app_name_to_user))
 return app_ids, app_name_to_user
 
def kill_duplicated_jobs(duplicated_jobs):
 for job in duplicated_jobs:
 app_id = job.app_id
 app_name = job.app_name
 user = job.user
 logger.info("try to kill job[%s] with appid[%s] for user[%s]" % (app_name, app_id, user))
 try:
 Client.kill_job(app_id, user)
 logger.info("Job[%s] with appid[%s] for user[%s] has been killed" % (app_name, app_id, user))
 except Exception as e:
 logger.error("Can't kill job[%s] with appid[%s] for user[%s]" % (app_name, app_id, user))
 
def get_result_from_mysql(sql):
 a = engine.execute(sql)
 return a.fetchall()
 
# 因为下面的资源可能发生变化,而且可能包含一些具体的逻辑,因此单独抽取出来,独立成一个函数
def get_resource_queue():
 return "xxxxxxxxxxxxx"
 
if __name__ == "__main__":
 kill_duplicated_jobs(find_duplicated_jobs())

其中 logger 配置文件如下(对于 Python 的 logger,官方文档写的非常好,建议读一次,并且实践一次)

[loggers]
keys=root, simpleLogger
 
[handlers]
keys=consoleHandler, logger_handler
 
[formatters]
keys=formatter
 
[logger_root]
level=WARN
handlers=consoleHandler
 
[logger_simpleLogger]
level=INFO
handlers=logger_handler
propagate=0
qualname=killduplicatedjob
 
[handler_consoleHandler]
class=StreamHandler
level=WARN
formatter=formatter
args=(sys.stdout,)
 
[handler_logger_handler]
class=logging.handlers.RotatingFileHandler
level=INFO
formatter=formatter
args=("kill_duplicated_streaming.log", "a", 52428800, 3,)
 
[formatter_formatter]
format=%(asctime)s %(name)-12s %(levelname)-5s %(message)s

来源:36大数据

End.

注:数据科学网遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏,请联系主编邮箱:admin@idatacamp.com
数据科学 » Python 代码实践小结
分享到: 更多 (0)

吐槽 抢沙发

评论前必须登录!