eat python 002
目前为止，据我所知，在python中对象持久化有以下几种方法：
1. 使用(dbhash/bsddb, dbm, gdbm, dumbdbm 等）以及它们的"管理器"( anydbm )。只提供了 Python 字
符串的永久性储存. 提供一个类似字典和文件的对象，可以完成字符串的永久性存储。
2. 使用marshal和pickle来序列化python对象，并具备存储到介质上的功能。两者的区别在于：marshal只能处理简单的Python对象，包括数字、序列、映射、以及代码对象；而pickle还可以处理递归对象，被不同地方多次引用的对象，以及用户定义的类和实例。其中，pickle有一个C语言实现的版本——cPickle，具有更高的效率，建议使用cPickle。
3. 虽然pickle提供非常强大的功能了，已经可以满足我们大部分的需求了，但是，人类的需求是无止境的，光序列化不行啊，只用 pickle 不能解决命名和查找 pickle 文件这样的问题，要是可以对序列化的对象提供管理功能，支持并发访问就好了。因此，人们发明了shelve模块，它是前两者的综合。shelve模块使用 anydbm模块寻找合适的DBM模块，然后使用cPickle来完成对象存储转换过程。shelve模块允许对数据库文件进行并发的读访问，但不允许共享读/写访问。
4. 还有一种方案，是在IBM的网站上看到的。那就是ZODB[1]了。ZODB比简单的 pickle 文件更健壮以及更具有可伸缩性。ZODB是一个针对Python的Z对象数据库，是一个健壮的、多用户的和面向对象的数据库系统，它能够存储和管理任意复杂的 Python 对象，并支持事务操作和并发控制。其实，ZODB也依靠Python 的本机序列化能力，而且要有效地使用 ZODB，必须充分了解 pickle。
5. 最后一只知道的解决持久性问题的方法是 Prevayler，PyPerSyst 将整个对象系统保存在内存中，并通过不时地将系统快照 pickle 到磁盘以及维护一个命令日志（通过此日志可以重新应用最新的快照）来提供灾难恢复。所以，尽管使用 PyPerSyst 的应用程序受到可用内存的限制，但好处是本机对象系统可以完全装入到内存中，因而速度极快，而且实现起来要比如 ZODB 这样的数据库简单，ZODB 允许对象的数目比同时在能内存中所保持的对象要多。
背景知识：它最初是用 Java 实现的。后来，一群 Python 程序员将 Prevayler 移植到了 Python 上，另起名为 PyPerSyst，由 SourceForge 托管。Prevayler/PyPerSyst 概念也是建立在 Java 和 Python 语言的本机序列化能力之上。
[1]: http://www.zope.org/Documentation/Articles/ZODB1
相关文档：
import os
import unittest # 包含单元测试模块
import sqlite3 as sqlite # 包含sqlite3模块
def get_db_path():
return "sqlite_testdb"
class TransactionTests(unittest.TestCase): # 单元测试第一步: 由TestCase派生类
def setUp(self): # 单元测试环境配置
......
在项目里面一个解析文本的工具里面用到了这个命令来赋值，开始一直知道意思，呵呵 查了下，找到方法如下：
exec
语句用来执行储存在字符串或文件中的Python语句。例如，我们可以在运行时生成一个包含Python代码的字符串，然后使用
exec
语句执行这些语句。下面是一个简单的例子。
> ......
在Python中可以把property动态的绑定的object的继承类中，并且可以定义带有参数的get和set方法。
比如，我们定义了全局变量g，然后通过两个方法来存取g的内容
def get_g(self):
return g
def set_g(self, _g):
global g
g = _g
定义一个object的继� ......
Python中函数参数的传递是通过“赋值”来传递的。但这条规则只回答了函数参数传递的“战略问题”，并没有回答“战术问题”，也就说没有回答怎么赋值的问题。函数参数的使用可以分为两个方面，一是函数参数如何定义，二是函数在调用时的参数如何解析的。而后者又是由前者决定的。函数参数的定 ......
#!/Library/Frameworks/Python.framework/Versions/2.5/bin/python
# encoding: utf-8
import sys, time
import thread
SLEEP_TIME = 0.0001
def run_benchmark(n, m):
# print(">> Python 2.5.1, stackless 3.1b3 here (N=%d, M=%d)!\n" % (n, m))
lock ......
