如何選擇NoSQL數(shù)據(jù)庫(kù)

NoSQL，指的是非關(guān)系型的數(shù)據(jù)庫(kù)。隨著互聯(lián)網(wǎng)web2.0網(wǎng)站的興起，傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)在應(yīng)付web2.0網(wǎng)站，特別是超大規(guī)模和高并發(fā)的

在鐘山等地區(qū)，都構(gòu)建了全面的區(qū)域性戰(zhàn)略布局，加強(qiáng)發(fā)展的系統(tǒng)性、市場(chǎng)前瞻性、產(chǎn)品創(chuàng)新能力，以專注、極致的服務(wù)理念，為客戶提供成都網(wǎng)站建設(shè)、網(wǎng)站制作 網(wǎng)站設(shè)計(jì)制作按需定制制作,公司網(wǎng)站建設(shè),企業(yè)網(wǎng)站建設(shè),高端網(wǎng)站設(shè)計(jì),成都全網(wǎng)營(yíng)銷,成都外貿(mào)網(wǎng)站建設(shè),鐘山網(wǎng)站建設(shè)費(fèi)用合理。

SNS類型的web2.0純動(dòng)態(tài)網(wǎng)站已經(jīng)顯得力不從心，暴露了很多難以克服的問(wèn)題，而非關(guān)系型的數(shù)據(jù)庫(kù)則由于其本身的特點(diǎn)得到了非常迅速的發(fā)展。

NoSQL(NoSQL

= Not Only SQL

)，意即“不僅僅是SQL”，是一項(xiàng)全新的數(shù)據(jù)庫(kù)革命性運(yùn)動(dòng)，早期就有人提出，發(fā)展至2009年趨勢(shì)越發(fā)高漲。NoSQL的擁護(hù)者們提倡運(yùn)用非關(guān)系型的數(shù)

據(jù)存儲(chǔ)，相對(duì)于鋪天蓋地的關(guān)系型數(shù)據(jù)庫(kù)運(yùn)用，這一概念無(wú)疑是一種全新的思維的注入。

從這一新興技術(shù)中選擇一款正確的NoSQL數(shù)據(jù)庫(kù)是非常具有挑戰(zhàn)性的。比一下網(wǎng)建議在選擇時(shí)考慮以下因素：

并發(fā)控制

并

發(fā)控制指的是當(dāng)多個(gè)用戶同時(shí)更新運(yùn)行時(shí)，用于保護(hù)數(shù)據(jù)庫(kù)完整性的各種技術(shù)。并發(fā)機(jī)制不正確可能導(dǎo)致臟讀、幻讀和不可重復(fù)讀等此類問(wèn)題。并發(fā)控制的目的是保

證一個(gè)用戶的工作不會(huì)對(duì)另一個(gè)用戶的工作產(chǎn)生不合理的影響。在某些情況下，這些措施保證了當(dāng)用戶和其他用戶一起操作時(shí)，所得的結(jié)果和她單獨(dú)操作時(shí)的結(jié)果是

一樣的。在另一些情況下，這表示用戶的工作按預(yù)定的方式受其他用戶的影響。

封鎖

就是事務(wù)T在對(duì)某個(gè)數(shù)據(jù)對(duì)象（例如表、記錄等）操作之前，先向系統(tǒng)發(fā)出請(qǐng)求，對(duì)其加鎖。加鎖后事務(wù)T就對(duì)該數(shù)據(jù)對(duì)象有了一定的控制，在事務(wù)T釋放它的鎖之前，其它的事務(wù)不能更新此數(shù)據(jù)對(duì)象。

封鎖是一次只允許一個(gè)用戶讀取或修改的一種機(jī)制，是實(shí)現(xiàn)并發(fā)控制的一個(gè)非常重要的技術(shù)。

MVCC

Multi-Version Concurrency Control多版本并發(fā)控制，維持一個(gè)數(shù)據(jù)的多個(gè)版本使讀寫操作沒(méi)有沖突。MVCC優(yōu)化了數(shù)據(jù)庫(kù)并發(fā)系統(tǒng)，使系統(tǒng)在有大量并發(fā)用戶時(shí)得到最高的性能，并且可以不用關(guān)閉服務(wù)器就直接進(jìn)行熱備份。

ACID

指

數(shù)據(jù)庫(kù)事務(wù)正確執(zhí)行的四個(gè)基本要素的縮寫。包含：原子性(Atomicity）、一致性（Consistency）、隔離性（Isolation）、持久

性（Durability）。一個(gè)支持事務(wù)（Transaction）的數(shù)據(jù)庫(kù)系統(tǒng)，必需要具有這四種特性，否則在事務(wù)過(guò)程（Transaction

processing）當(dāng)中無(wú)法保證數(shù)據(jù)的正確性，交易過(guò)程極可能達(dá)不到交易方的要求。

None

一些系統(tǒng)不提供原子性。

鏡像

數(shù)據(jù)庫(kù)鏡像是DBMS根據(jù)DBA的要求，自動(dòng)把整個(gè)數(shù)據(jù)庫(kù)或其中的關(guān)鍵數(shù)據(jù)復(fù)制到另一個(gè)磁盤上，每當(dāng)主數(shù)據(jù)庫(kù)更新時(shí)，DBMS會(huì)自動(dòng)把更新后的數(shù)據(jù)復(fù)制過(guò)去，即DBMS自動(dòng)保證鏡像數(shù)據(jù)與主數(shù)據(jù)的一致性。

鏡像分為同步和異步。

數(shù)據(jù)存儲(chǔ)

指的是數(shù)據(jù)的物理特性怎樣被存儲(chǔ)在數(shù)據(jù)庫(kù)中。

磁盤 數(shù)據(jù)被存儲(chǔ)在硬盤驅(qū)動(dòng)器里；

GFS或谷歌文件系統(tǒng)是一個(gè)由谷歌開(kāi)發(fā)的專有的分布式文件系統(tǒng)；

Hadoop是Apache軟件框架，免費(fèi)許可下支持?jǐn)?shù)據(jù)密集型分布式應(yīng)用程序；

RAM隨機(jī)存儲(chǔ)器；

插件 可以添加外部插件；

Amazon S3通過(guò)Web服務(wù)接口提供存儲(chǔ)；

BDB：BDB

全稱是 “Berkeley DB”，它是MySQL具有事務(wù)能力的表類型，由Sleepycat

Software開(kāi)發(fā)。BDB表類型提供了MySQL用戶長(zhǎng)久期盼的功能，即事務(wù)控制能力。在任何RDBMS中，事務(wù)控制能力都是一種極其重要和寶貴的功

能。事務(wù)控制能力使得我們能夠確保一組命令確實(shí)已經(jīng)全部執(zhí)行成功，或者確保當(dāng)任何一個(gè)命令出現(xiàn)錯(cuò)誤時(shí)所有命令的執(zhí)行結(jié)果均被退回。

實(shí)現(xiàn)語(yǔ)言

實(shí)現(xiàn)語(yǔ)言會(huì)影響數(shù)據(jù)庫(kù)的發(fā)展速度。典型的NoSQL數(shù)據(jù)庫(kù)是用低級(jí)語(yǔ)言如C / C + +編寫的。另一方面，那些更高層次的語(yǔ)言如Java，使自定義更容易。

實(shí)現(xiàn)語(yǔ)言有：C, C++, Erlang, Java, Python

特性

考慮下列哪一個(gè)特點(diǎn)對(duì)你的數(shù)據(jù)庫(kù)是最重要的：

持久性

可用性

一致性

分區(qū)容忍性

證書類型

下面這些許可證是一個(gè)不同的開(kāi)放源碼許可的形式：

GPL：通用公共許可證

BSD：伯克利軟件分發(fā)

MPL：Mozilla公共許可證

EPL：Eclipse公共許可證

IDPL：最初的開(kāi)發(fā)者的公共許可證

LGPL：較寬松通用公共許可證

存儲(chǔ)類型

存儲(chǔ)類型是NoSQL數(shù)據(jù)庫(kù)最大的不同，是決定使用哪款數(shù)據(jù)庫(kù)的一個(gè)首要指標(biāo)。

關(guān)鍵字：支持get、put和刪除操作

按列存儲(chǔ)：相對(duì)于傳統(tǒng)的按行存儲(chǔ)，數(shù)據(jù)集成容易多了

面向文件系統(tǒng)：存儲(chǔ)像是JSON或XML這樣的結(jié)構(gòu)化文件，很容易就能從面向?qū)ο筌浖蝎@取數(shù)據(jù)。

python怎么樣好學(xué)嗎？

謝謝邀請(qǐng)，學(xué)習(xí)選擇很重要！?。?/p>

從未接觸過(guò)編程，首先應(yīng)該選擇一門語(yǔ)言那么我推薦python

學(xué)習(xí)重要是選對(duì)方法！?。?/p>

python之所以火是因?yàn)槿斯ぶ悄艿陌l(fā)展，個(gè)人整理學(xué)習(xí)經(jīng)驗(yàn)僅供參考！

感覺(jué)有本書《Python3破冰人工智能從入門到實(shí)戰(zhàn)》你學(xué)的差不多了就基本具備了一名合格的python編程工程師,不過(guò)可惜的是這本書沒(méi)有電子版，只有紙質(zhì)的。

第 1章　從數(shù)學(xué)建模到人工智能

1.1　數(shù)學(xué)建模

1.1.1　數(shù)學(xué)建模與人工智能1.1.2　數(shù)學(xué)建模中的常見(jiàn)問(wèn)題1.2　人工智能下的數(shù)學(xué)1.2.1　統(tǒng)計(jì)量1.2.2　矩陣概念及運(yùn)算1.2.3　概率論與數(shù)理統(tǒng)計(jì)1.2.4　高等數(shù)學(xué)——導(dǎo)數(shù)、微分、不定積分、定積分

第2章 Python快速入門

2.1　安裝Python

2.1.1　Python安裝步驟2.1.2　IDE的選擇2.2　Python基本操作2.2.1　第 一個(gè)小程序2.2.2　注釋與格式化輸出2.2.3　列表、元組、字典2.2.4　條件語(yǔ)句與循環(huán)語(yǔ)句2.2.5　break、continue、pass2.3　Python高級(jí)操作2.3.1　lambda2.3.2　map2.3.3　filter

第3章　Python科學(xué)計(jì)算庫(kù)NumPy

3.1　NumPy簡(jiǎn)介與安裝

3.1.1　NumPy簡(jiǎn)介3.1.2　NumPy安裝3.2　基本操作3.2.1　初識(shí)NumPy3.2.2　NumPy數(shù)組類型3.2.3　NumPy創(chuàng)建數(shù)組3.2.4　索引與切片3.2.5　矩陣合并與分割3.2.6　矩陣運(yùn)算與線性代數(shù)3.2.7　NumPy的廣播機(jī)制3.2.8　NumPy統(tǒng)計(jì)函數(shù)3.2.9　NumPy排序、搜索3.2.10　NumPy數(shù)據(jù)的保存

第4章　常用科學(xué)計(jì)算模塊快速入門

4.1　Pandas科學(xué)計(jì)算庫(kù)

4.1.1　初識(shí)Pandas4.1.2　Pandas基本操作4.2　Matplotlib可視化圖庫(kù)4.2.1　初識(shí)Matplotlib4.2.2　Matplotlib基本操作4.2.3　Matplotlib繪圖案例4.3　SciPy科學(xué)計(jì)算庫(kù)4.3.1　初識(shí)SciPy4.3.2　SciPy基本操作4.3.3　SciPy圖像處理案例第5章　Python網(wǎng)絡(luò)爬蟲5.1　爬蟲基礎(chǔ)5.1.1　初識(shí)爬蟲5.1.2　網(wǎng)絡(luò)爬蟲的算法5.2　爬蟲入門實(shí)戰(zhàn)5.2.1　調(diào)用API5.2.2　爬蟲實(shí)戰(zhàn)5.3　爬蟲進(jìn)階—高效率爬蟲5.3.1　多進(jìn)程5.3.2　多線程5.3.3　協(xié)程5.3.4　小結(jié)

第6章　Python數(shù)據(jù)存儲(chǔ)

6.1　關(guān)系型數(shù)據(jù)庫(kù)MySQL

6.1.1　初識(shí)MySQL6.1.2　Python操作MySQL6.2　NoSQL之MongoDB6.2.1　初識(shí)NoSQL6.2.2　Python操作MongoDB6.3　本章小結(jié)6.3.1　數(shù)據(jù)庫(kù)基本理論6.3.2　數(shù)據(jù)庫(kù)結(jié)合6.3.3　結(jié)束語(yǔ)

第7章　Python數(shù)據(jù)分析

7.1　數(shù)據(jù)獲取

7.1.1　從鍵盤獲取數(shù)據(jù)7.1.2　文件的讀取與寫入7.1.3　Pandas讀寫操作7.2　數(shù)據(jù)分析案例7.2.1　普查數(shù)據(jù)統(tǒng)計(jì)分析案例7.2.2　小結(jié)

第8章　自然語(yǔ)言處理

8.1　Jieba分詞基礎(chǔ)

8.1.1　Jieba中文分詞8.1.2　Jieba分詞的3種模式8.1.3　標(biāo)注詞性與添加定義詞8.2　關(guān)鍵詞提取8.2.1　TF-IDF關(guān)鍵詞提取8.2.2　TextRank關(guān)鍵詞提取8.3　word2vec介紹8.3.1　word2vec基礎(chǔ)原理簡(jiǎn)介8.3.2　word2vec訓(xùn)練模型8.3.3　基于gensim的word2vec實(shí)戰(zhàn)

第9章　從回歸分析到算法基礎(chǔ)

9.1　回歸分析簡(jiǎn)介

9.1.1　“回歸”一詞的來(lái)源9.1.2　回歸與相關(guān)9.1.3　回歸模型的劃分與應(yīng)用9.2　線性回歸分析實(shí)戰(zhàn)9.2.1　線性回歸的建立與求解9.2.2　Python求解回歸模型案例9.2.3　檢驗(yàn)、預(yù)測(cè)與控制

第10章 從K-Means聚類看算法調(diào)參

10.1　K-Means基本概述

10.1.1　K-Means簡(jiǎn)介10.1.2　目標(biāo)函數(shù)10.1.3　算法流程10.1.4　算法優(yōu)缺點(diǎn)分析10.2　K-Means實(shí)戰(zhàn)

第11章 從決策樹(shù)看算法升級(jí)

11.1　決策樹(shù)基本簡(jiǎn)介

11.2　經(jīng)典算法介紹11.2.1　信息熵11.2.2　信息增益11.2.3　信息增益率11.2.4　基尼系數(shù)11.2.5　小結(jié)11.3　決策樹(shù)實(shí)戰(zhàn)11.3.1　決策樹(shù)回歸11.3.2　決策樹(shù)的分類

第12章 從樸素貝葉斯看算法多變　193

12.1　樸素貝葉斯簡(jiǎn)介

12.1.1　認(rèn)識(shí)樸素貝葉斯12.1.2　樸素貝葉斯分類的工作過(guò)程12.1.3　樸素貝葉斯算法的優(yōu)缺點(diǎn)12.2　3種樸素貝葉斯實(shí)戰(zhàn)

第13章 從推薦系統(tǒng)看算法場(chǎng)景

13.1　推薦系統(tǒng)簡(jiǎn)介

13.1.1　推薦系統(tǒng)的發(fā)展13.1.2　協(xié)同過(guò)濾13.2　基于文本的推薦13.2.1　標(biāo)簽與知識(shí)圖譜推薦案例13.2.2　小結(jié)

第14章 從TensorFlow開(kāi)啟深度學(xué)習(xí)之旅

14.1　初識(shí)TensorFlow

14.1.1　什么是TensorFlow14.1.2　安裝TensorFlow14.1.3　TensorFlow基本概念與原理14.2　TensorFlow數(shù)據(jù)結(jié)構(gòu)14.2.1　階14.2.2　形狀14.2.3　數(shù)據(jù)類型14.3　生成數(shù)據(jù)十二法14.3.1　生成Tensor14.3.2　生成序列14.3.3　生成隨機(jī)數(shù)14.4　TensorFlow實(shí)戰(zhàn)

希望對(duì)你有幫助?。?！

貴在堅(jiān)持，自己掌握一些，在工作中不斷打磨，高薪不是夢(mèng)！??！

python工程師需要掌握什么知識(shí)

1、Python基礎(chǔ)與Linux數(shù)據(jù)庫(kù)

技能達(dá)標(biāo)要求：掌握Python基礎(chǔ)語(yǔ)法，具備基礎(chǔ)的編程能力;掌握Linux基本操作命令，掌握MySQL進(jìn)階內(nèi)容。知識(shí)點(diǎn)包括Python基本語(yǔ)法規(guī)則及變量、邏輯控制、內(nèi)置數(shù)據(jù)結(jié)構(gòu)、文件操作、高級(jí)函數(shù)、模塊、Python常用標(biāo)準(zhǔn)庫(kù)模塊、函數(shù)、異常處理、MySQL使用、協(xié)程等。

2、WEB全棧

技能達(dá)標(biāo)要求：掌握WEB前端技術(shù)內(nèi)容，掌握WEB后端框架，熟練使用Flask、Tornado、Django。涉及的知識(shí)點(diǎn)有HTML、CSS、JavaScript、jQuery、BootStrap、Web開(kāi)發(fā)基礎(chǔ)、VUE、Flask Views、Flask模板、數(shù)據(jù)庫(kù)操作、Flask配置等。

3、數(shù)據(jù)分析+人工智能

技能達(dá)標(biāo)要求：掌握爬蟲、數(shù)據(jù)采集、數(shù)據(jù)機(jī)構(gòu)與算法，掌握人工智能技術(shù)。涉及的知識(shí)點(diǎn)有數(shù)據(jù)抓取、數(shù)據(jù)提取、數(shù)據(jù)存儲(chǔ)、爬蟲并發(fā)、動(dòng)態(tài)網(wǎng)頁(yè)抓取、scrapy框架、分布式爬蟲、爬蟲攻防、數(shù)據(jù)結(jié)構(gòu)、算法等。

4、高級(jí)進(jìn)階

技能達(dá)標(biāo)要求：掌握自動(dòng)化運(yùn)維與區(qū)塊鏈開(kāi)發(fā)技術(shù)，具備自動(dòng)化運(yùn)維項(xiàng)目以及區(qū)塊鏈項(xiàng)目經(jīng)驗(yàn)。涉及的知識(shí)點(diǎn)有項(xiàng)目開(kāi)發(fā)流程、部署、高并發(fā)、性能調(diào)優(yōu)、Go語(yǔ)言基礎(chǔ)、區(qū)塊鏈入門等。

Python學(xué)哪個(gè)數(shù)據(jù)庫(kù)

主流的關(guān)系型數(shù)據(jù)庫(kù)：

1. MySQL：目前使用最廣泛的開(kāi)源、多平臺(tái)的關(guān)系型數(shù)據(jù)庫(kù)，支持事務(wù)、符合ACID、支持多數(shù)SQL規(guī)范。

2. SQL Server：支持事務(wù)、符合ACID、支持多數(shù)SQL規(guī)范，屬于商業(yè)軟件，需要注意版權(quán)和licence授權(quán)費(fèi)用。

3. Oracle：支持事務(wù)，符合關(guān)系型數(shù)據(jù)庫(kù)原理，符合ACID，支持多數(shù)SQL規(guī)范，功能最強(qiáng)大、最復(fù)雜、市場(chǎng)占比最高的商業(yè)數(shù)據(jù)庫(kù)。

4. Postgresql：開(kāi)源、多平臺(tái)、關(guān)系型數(shù)據(jù)庫(kù)，功能最強(qiáng)大的開(kāi)源數(shù)據(jù)庫(kù)，需要Python環(huán)境，基于postgresql的time

scaleDB，是目前比較火的時(shí)序數(shù)據(jù)庫(kù)之一。

非關(guān)系型數(shù)據(jù)庫(kù)：

非關(guān)系型數(shù)據(jù)庫(kù)也被稱為nosql，作為關(guān)系型數(shù)據(jù)庫(kù)的一個(gè)補(bǔ)充，能在特定場(chǎng)景和特點(diǎn)問(wèn)題下發(fā)揮高效率和高性能。

常見(jiàn)的非關(guān)系型數(shù)據(jù)庫(kù)類型有鍵值存儲(chǔ)數(shù)據(jù)庫(kù)和面向文檔數(shù)據(jù)庫(kù)。

鍵值存儲(chǔ)數(shù)據(jù)庫(kù)類似hash，通過(guò)key做添加、刪除、查詢、性能高，優(yōu)勢(shì)在于簡(jiǎn)單、易部署、高并發(fā)，主要產(chǎn)品有：

Redis：開(kāi)源、Linux平臺(tái)、key-value鍵值型nosql數(shù)據(jù)庫(kù)，簡(jiǎn)單穩(wěn)定，非常主流的、全數(shù)據(jù)in-momory，定位于快的鍵值型nosql數(shù)據(jù)庫(kù)。

Memcaced：一個(gè)開(kāi)源的、高性能的、具有分布式內(nèi)存對(duì)象的緩存系統(tǒng)，通過(guò)它可以減輕數(shù)據(jù)庫(kù)負(fù)載，加速動(dòng)態(tài)的web應(yīng)用。

面向文檔數(shù)據(jù)庫(kù)以文檔的形式存儲(chǔ)，每個(gè)文檔是一系列數(shù)據(jù)項(xiàng)的集合，每個(gè)數(shù)據(jù)項(xiàng)有名稱與對(duì)應(yīng)的值，主要產(chǎn)品有：

MongoDB：開(kāi)源、多平臺(tái)、文檔型nosql數(shù)據(jù)庫(kù)，最像關(guān)系型數(shù)據(jù)庫(kù)，定位于靈活的nosql數(shù)據(jù)庫(kù)。適用于網(wǎng)站后臺(tái)數(shù)據(jù)庫(kù)、小文件系統(tǒng)、日志分析系統(tǒng)。

python常用的數(shù)據(jù)庫(kù)有哪些？

1、數(shù)據(jù)收集：（1）Scrapy:協(xié)助使用者自動(dòng)提取網(wǎng)頁(yè)所需信息，并將其整理為表格或JSON格式的數(shù)據(jù)結(jié)構(gòu)；（2）Selenium:使用者在感興趣的網(wǎng)站上已經(jīng)進(jìn)行了交互行為之后，Seleniumn一般能派上用場(chǎng)；（3）BeautifulSoup：用來(lái)收集網(wǎng)站內(nèi)容的Python庫(kù)，更適合應(yīng)用于規(guī)模相對(duì)較小的問(wèn)題或一次性任務(wù)。

2、數(shù)據(jù)清理和轉(zhuǎn)化：（4）Pandas:必須學(xué)習(xí)的，使用者可以運(yùn)用Pandas操控處于Pandas數(shù)據(jù)框架內(nèi)的數(shù)據(jù)，而且其內(nèi)置巨量的函數(shù)，幫助使用者進(jìn)行數(shù)據(jù)轉(zhuǎn)換；（5）Numpy:必須學(xué)習(xí)的，Numpy將Python的對(duì)象列表拓展成了全面的多維度序列，而且其內(nèi)置海量的數(shù)學(xué)函數(shù)；（6）Spacy:幫助使用者將自由文本轉(zhuǎn)化為結(jié)構(gòu)型數(shù)據(jù)，支持多種語(yǔ)言版本。

3、數(shù)據(jù)可視化：（7）Matplotlib:最全面的Python數(shù)據(jù)可視化庫(kù)；（8）Plotly:只需要寫最少的代碼就能得出最多彩繽紛的圖像。

4、數(shù)據(jù)模塊化：（9）Scikit Learn:高級(jí)分析師，開(kāi)啟機(jī)器學(xué)習(xí)之旅，有六大主要模塊:數(shù)據(jù)預(yù)處理，維度縮減，數(shù)據(jù)回歸，數(shù)據(jù)分類，數(shù)據(jù)聚類分析，模型選擇；（10）Tensorflow：由谷歌推出的來(lái)源機(jī)器學(xué)習(xí)庫(kù)，是一個(gè)基于網(wǎng)頁(yè)自動(dòng)生成的儀表盤，它將數(shù)據(jù)學(xué)習(xí)流和結(jié)果進(jìn)行了可視化處理，這一功能對(duì)于排錯(cuò)和展示都十分有用；（11）PyTorch:由Facebook發(fā)布的一個(gè)開(kāi)源庫(kù)，用作Python的公共機(jī)器學(xué)習(xí)框架。

5、音頻和圖像識(shí)別：（12）OpenCV：是最常用的圖像和視頻識(shí)別庫(kù)，能讓Python在圖像和視頻識(shí)別領(lǐng)域完全替代Matlab，不僅支持Python，還支持JAVA和Matlab；（13）Librosa：是一個(gè)非常強(qiáng)大的音頻和聲音處理Python庫(kù)，可以從音頻段中提取各個(gè)部分，例如節(jié)奏以及節(jié)拍。

6、網(wǎng)頁(yè)：（14）Django：開(kāi)發(fā)網(wǎng)頁(yè)服務(wù)后端，設(shè)計(jì)理念是能用幾行代碼就建立一個(gè)網(wǎng)站的高級(jí)框架；（15）Flask：是一個(gè)用于Python的輕量級(jí)網(wǎng)頁(yè)開(kāi)發(fā)框架。