后端通识

本章节按照对后端开发的重要性，从低到高进行排序。

包括以下几个方面：

📄️NumPy

NumPy（Numerical Python）是 Python 科学计算的基础库。它提供了高性能的多维数组对象（ndarray）和用于处理这些数组的工具。

📄️Pandas

Pandas 是基于 NumPy 构建的数据分析库，提供了高效、灵活的数据结构，让数据处理和分析变得更加简单。

📄️Pydantic

Pydantic 是 Python 生态中最常用的数据校验与序列化库：用类型注解定义「数据长什么样」，在运行时对字典、JSON、环境变量等输入做解析与校验，并保证输出符合声明类型。它同时承担配置/设置管理（从环境变量、.env 加载），并与类型系统、IDE 友好集成。

📄️OpenCV

计算机视觉（Computer Vision）是人工智能的一个重要分支，它研究如何让计算机“看”和“理解”图像和视频。也叫机器视觉（Machine Vision）。

📄️FastAPI

接口是一组定义了不同软件组件之间如何交互的规则和协议。也叫。

📄️HTTPX

httpx 模块：支持 HTTP1.1/2.0 同步异步，双卡双待，是直接发起请求的模块中最全能的模块。

📄️SQLAlchemy

SQLAlchemy 是 Python 下成熟的 ORM 与 SQL 工具库，支持多种数据库方言，换库（如从 SQLite 到 PostgreSQL）时几乎不用改业务代码。详见 SQLAlchemy 2.0 官方文档。

📄️locust

Locust 是一款开源的负载/压力测试工具，主要用于 HTTP 及多种协议。通过模拟大量并发用户向目标系统发请求，可在运行过程中实时查看吞吐量（RPS）、响应时间与错误统计，也可将结果导出供后续分析。许多同类工具依赖图形界面或冗长的配置文件来定义场景；Locust 诞生于对这种方式的反思，转而用 Python 代码描述“用户行为”，便于实现条件分支、循环和复杂流程，也便于版本管理与复用。其设计主线是：用继承自 User 的类表示一类虚拟用户，用 @task 标记的方法表示用户会反复执行的任务，把上述定义写在名为 locustfile 的 Python 模块中；运行时可选择带 Web 界面的交互式启动，或使用 --headless 在命令行/CI 中无界面运行。官方文档：docs.locust.io。

📄️Redis-py

Redis-py 是 Redis 的官方 Python 客户端，支持同步与异步，提供字符串、哈希、列表、集合、有序集合及连接池、Pipeline、Pub/Sub 等。重点讲 Redis 与 Python 的类型对应与转换、序列化选择、连接与事务语义。详见 redis-py 官方文档。

📄️Nginx

深入理解Nginx配置与企业级实战

📄️Celery

Celery 是 Python 生态中广泛使用的分布式任务队列：把耗时或需要异步执行的操作（发邮件、生成报表、调用大模型、批处理）封装成「任务」，交给独立进程（worker）在后台执行，Web 或 API 进程只负责接收请求并投递任务，从而避免阻塞、提高吞吐。支持定时/周期任务（Celery Beat）、任务链与组、结果存储与重试，可与 Redis、RabbitMQ 等作为 broker 和 result backend 配合使用。

📄️Pytest

Pytest 是 Python 下用于编写和运行测试的框架，核心能力包括：测试发现（按约定收集 test*.py / *test.py 中的 test_ 函数或方法）、断言（直接使用 assert，并借助断言重写输出详细失败信息）、fixture（依赖注入式的准备与清理）以及插件体系（如覆盖率、并行、与 CI 集成等）。它脱胎于 PyPy 生态，在替代早期基于 unittest 和 nose 的写法时，因「约定优于配置」、无需继承、语法简洁而成为事实标准；官方文档见 pytest 官网。

📄️端到端测试

本章节的内容适用于自动化测试。模拟真实用户路径，保障复杂业务流程的最终一致性。亦可用于自动化办公、小规模爬虫等场景。