python str函數，python中的str方法和repr方法_詳解Python中__str__和__repr__方法的區別

對我當前工程進行全部測試需要花費不少時間。既然有 26 GB 空閑內存，為何不讓其發揮余熱呢? tmpfs 可以通過把文件系統保存在大內存中來加速測試的執行效率。

但優點也是缺點，tmpfs 只把結果保存在內存中，所以你必須自己編寫腳本來把結果回寫到磁盤上進行保留。而且這些腳本必須良好書寫和執行，否則就要失去部分或全部的工作成果了。

一種常見的方法是直接在tmpfs文件夾中工作，然后把工作成果備份到磁盤上的一個文件夾中。當您的機器啟動時你從那個備份文件夾恢復tmpfs文件夾。啟動之后用cron同步tmpfs文件夾和磁盤文件夾。

python str函數。我發現這個設置有點復雜容易出錯。在啟動的時候，或者對于crom，我從沒有真正的相信。現在我用一種簡單得多的設置，根本不用cron。

在我的機器上運行一個單項測試，使用IDE并發布于web服務器，其性能通常是合理的，只有運行全部測試需要許多時間。

我發現最佳之處是在磁盤上設置一個workspace，與/dev/shmand目錄下運行所有測試的tmpfs同步。這或多或少使我的設置無需改變，并消除了可能松散的工作，這些僅僅是因為我在正確設置方面太垃圾了。

性能提升的結果是合理的:

python str、$ nosetests && run_tests.py

........................................................................................................................................................................................................................................................

----------------------------------------------------------------------

Ran 248 tests in 107.070s

__str__。OK

........................................................................................................................................................................................................................................................

----------------------------------------------------------------------

Ran 248 tests in 19.423s

python strip、OK

現在比原來提高了 5 倍速度。

使用 python 來進行設置非常簡單:

#!/bin/bash -e

python eval？WORK=src/py

LOG=$(pwd)/test.log

TARGET=$(hg root)

SHADOW=/dev/shm/shadow/$TARGET

python元祖？date > $LOG

mkdir -p $SHADOW

cd $SHADOW

rsync --update --delete --exclude=".*" --exclude=ENV --archive $TARGET ./..

python list、if [ ! -d ENV ]

then

virtualenv ENV

fi

python編程？. ENV/bin/activate

cd $WORK

python setup.py develop >> $LOG

nosetests $* | tee -a $LOG

exit ${PIPESTATUS[0]}

我只要重復同步到/dev/shm目錄，設置測試環境(virtualenv and python setup.PY)和運行測試(nosetests)。

在tmpfs文件夾里仍可用命令行運行單個測試。也可以把這個從你的IDE中踢走，但你會失去你的測試運行和調試的能力。如我之前所說，我現在不需要這些。

我希望我對tmpfs的這個變通使用能幫助你建立一個更快速的開發環境，而無須遭受所有的腳本麻煩。