1.深入 Python —— 切片（Slice）原理
2.lodash源码解析：chunk、slice、toInteger、toFinite、toNumber
3.leveldb之数据存储结构

深入 Python —— 切片（Slice）原理

       在深入探讨 Python 切片原理之前，我们先检验一下对切片的通达信买股指标源码基本理解。请尝试回答以下几个问题：

       不借助Python解释器，能迅速给出答案的，说明你对切片掌握得不错。许多人可能对其中一个问题不完全确定。没关系，本文将从底层实现角度全面掌握切片机制，学完之后，再回头来看这些问题就不再是难题。

       让我们从字节码层面开始。这段字节码分为两部分，前半部分构建列表 a，后半部分通过 a 切片得到列表 b。与本文主题相关的easyplay源码讲解关键字节码指令在后半部分，它们是：

       BUILD_SLICE

       在执行 BUILD_SLICE 之前，解释器将切片的两个关键参数 start 和 stop 压入栈，然后执行 BUILD_SLICE 指令。传入参数为 2，这意味着构建的切片对象只包含两个参数，即没有指定第三个参数 step。

       这段代码简明，首先根据传入参数个数判断切片是否包含 step，如果有，它会成为最后一个被压入栈的参数。接下来，从栈中取出 start 和 stop，并将这三个参数传入 PySlice_New 函数创建切片对象，再将此对象放回栈中。

       现在，让我们进一步探索切片对象的内部结构：

       现在明白了吗？当我们对序列进行切片时，解释器会根据传入的 start、stop、源码 区块链step 创建切片对象，该对象与要切片的原序列之间没有直接关联。

       Python 提供内置函数 slice 来创建切片对象：

       这两种获取切片方式等价：

       BINARY_SUBSCR

       这个指令称为二元下标，即 a[0] 的方式是一元下标。那么，通过切片对象对序列进行切片与通过索引对序列取值是否有关联？继续查看源码：

       从栈中取出的对象是前面构建的切片对象，而 container 对象则是要切片的原列表，它们被传给了 PyObject_GetItem 函数。

       答案显而易见，二元下标即切片通过 PyObject_GetItem 函数处理，它同样用于处理一元下标！

       PyObject_GetItem 实现了多态性，根据要切片的对象不同，调用对象的特定函数以进行不同的处理。列表的处理将在后续讨论，现在我们需要理解，序列的下标可以是整数或切片对象，它们的表白计时源码处理接口相同。

       切片参数的处理涉及 start、stop 和 step 的值，这些值可以是整数，可以是负数，start 和 stop 可能超过列表长度。特殊 step、stop 值决定了切片结果，这些处理在 PySlice_GetIndicesEx 函数中完成。理解切片行为的核心在于理解这个函数的逻辑。

       记住以下几点：

       深入列表切片处理：

       切片适用于所有序列对象：列表、字符串、元组。我们日常最常使用的列表切片就在这里进行深入探讨，其他两种处理方式也类似。

       通过查看列表对象源码，我们发现， o->ob_type->tp_as_mapping->mp_subscript 和 list.__getitem__ 指向同一个函数——list_subscript，列表切片正是照片论坛源码在这里处理的：

       其中的 list_slice 函数在 step 等于 1 时简化版：

       总结：

       本文从源码层面深入分析了切片对象、对 start、stop、step 值的处理，以及虚拟机生成列表切片的全过程。理解 Python 对 start、stop、step 的处理逻辑后，文章开始处的问题将不再能给出答案。

lodash源码解析：chunk、slice、toInteger、toFinite、toNumber

       深入解析lodash源码，旨在探索最流行的npm库逻辑，本文将依次解读chunk、slice、toInteger、toFinite、toNumber以及相关辅助函数。

       chunk函数帮助将数组分块，具体实现需考虑输入数组长度与指定块大小。

       slice功能用于截取数组段落，遵循数组原生方法，简洁高效。

       toInteger函数将数值转换为整数，处理边缘情况确保准确。

       toFinite实现将数值转换为有限浮点数，确保数学运算的稳定性。

       toNumber方法将任何值转换为浮点数，适用于复杂数据类型。

       isObject检查是否为对象，提供基础类型判断。

       isSymbol判断是否为符号，用于更细粒度的类型识别。

       getTag通过标签获取对象类型，实现更精确的类型识别。

       纯JS实现：在寻找lodash源码时，发现了You-Dont-Need-Lodash-Underscore仓库，它使用纯JS实现了Lodash/Underscore的诸多方法，适用于特定场景，减少引入lodash的开销。

       总结：通过解析lodash源码，不仅深入了解了其功能实现，还对比了纯JS实现方式，有助于在特定需求下做出合理选择。

leveldb之数据存储结构

       leveldb中的数据存储结构设计巧妙，尽管在源码中编码和反编码较为复杂，但理解时可以将其当作黑盒子。本文主要讨论几个关键组件：Slice、Varint/、InternalKey、Comparator、SSTable、DataBlock、IndexBlock、FilterBlock、MetaIndexBlock以及Log和WriteBatch。

       Slice是一个轻量级的数据结构，类似Go语言的切片，用于方便传递和引用数据子串，尤其在处理C++标准库中的std::string时，Slice更轻便，不需复制子串。

       Varint/是变长编码，用于节省存储空间，如位整型，通过MSB和后续7位表示数据，最长可编码到5字节。这种编码方式使得数字存储更加紧凑。

       InternalKey是存储用户数据的关键，由user_key、sequence和type组成，sequence用于版本控制和数据合并，type区分值类型和删除标记。删除时，leveldb通过日志追加而非直接修改，确保数据一致性。

       Comparator接口用于自定义key的比较逻辑，而InternalKeyComparator结合user_comparator，通过用户键和序列进行排序，保证新数据在旧数据的前面。

       SSTable由DataBlock、MetaIndexBlock和IndexBlock组成，DataBlock采用前缀压缩和重启点设计，提高了空间效率。IndexBlock则用于记录DataBlock的映射，采用跳点策略来压缩key。

       FilterBlock在构建Block的同时生成BloomFilter，用于快速过滤查找。MetaIndexBlock存储元信息到MetaBlock的映射。

       Footer用于文件校验和解析，包含索引和元数据信息。MemTable使用skiplist结构，支持高效查找，通过墓碑标记删除，保持数据一致性。

       Log负责持久化数据，避免内存丢失。WriteBatch用于批量操作，保证原子性，并进行序列化，便于数据恢复。