非关系型数据库(NO-SQL：Not Only SQL)
非关系型数据库的诞生：随着IT的发展，变革，数据量越来越大，数据之间的关系越来越零散，松散，没有太大的关系，利用关系型数据库已不能更好的满足我们的需求，使用起来非常复杂，浪费大量的空间。为了解决这种问题就出现了一些能处理松散的，数据与数据之间没有太大关系的数据库，即NoSQL非关系型数据库，如MongoDB等
非关系型数据库适合存放结构松散，相互之间关系不明确的数据
常用产品：
MongoDB （文档）
Redis （键值对）
HBase （一列列的数据）
缓存优化 能不用关系型数据库就不用，非要用就减少数据库的使用，将数据写入Redis
NoSQL数据库的四大分类
1.键值型
2.列存储型
3.文档型，比如MongoDB等
4.图形
Base64编码
Base64编码是一种“防君子不防小人”的编码方式。广泛应用于MIME协议，作为电子邮件的传输编码，生成的编码可逆，后一两位可能有“=”，生成的编码都是ascii字符。 优点：速度快，ascii字符，肉眼不可理解 缺点：编码比较长，非常容易被破解，仅适用于加密非关键信息的场合
import base64
str1 = 'nihao，中国！'
r = base64.b64encode(str1.encode())
print(r)
r = base64.b64decode(r)
print(r.decode())
for...else while..else
for i in range(5):
print(i)
if i == 3:
break # 跳出for循环
else: # 当for循环全部执行完毕才会执行else，没全部执行，如执行了break就不会执行else
print(i)
print("end....")
while循环也是如此，但如果while执行了continue，else也会被执行
MongoDB
show dbs 显示所有数据库
db 当前数据库
use mydb 创建mydb数据库
db.student.insert({"sno":1001, "name":"张三"}) 插入数据
db.dropDatabase() 删除当前数据库
db.student.drop() 删除集合 删除后如果数据库中没有其他集合，该数据库将会看不到
db.student.find() 查看文档
db.student.update({"sno":1001},{$set:{"name":"张三丰"}}) 将学号为1001的学
生的姓名更改为张三丰
db.student.remove({"name": "王五"}) 将student表中所有名字叫王五的信息删掉
如果数据库中没有一个集合是不会显示的，所以show dbs就看不到
MongoDB的文档不需要设置相同的字段
集合没有固定的结构，可以插入不同格式和类型的数据
对象为什么能当做字典来使用，只要实现对象中的getitem就可以当做字典来使用
MongoDB在Python中使用
import pymongo
conn = pymongo.MongoClient()
# 创建数据库
db = conn["mydb"]
# 创建集合
stus = db["student"]
s = {"sno": 1001, "name": "张三", "sex": "男"}
# 向student集合中插入一个文档
stus.insert_one(s)
s = {"sno": 1001, "name": "李四", "sex": "男"}
# 向student集合中插入一个文档
stus.insert_one(s)
r = stus.find({"name":"张三"})
print(r0)
stus.update_one({"name": "张三"}, {"$set": {"name":"张三丰"}})
# 删
r = stus.delete_many({"name": {"$regex": "^张"}})
# 删除的个数
print(r.deleted_count)
# stus.insert_one(s)
# stus.remove()
#查看所有数据库
#print(conn.list_database_names())
算法(Algorithm)
解决某个问题的方法，比如冒泡排序，哈希算法，二分查找算法等
评估算法优劣：时间复杂度，空间复杂度
程序本质就是对数据进行处理，想要对数据进行处理，总要有位置放，放就放在存储器，存储器就是内存的容器。存储器分为两种，内存和外存，内存访问速度极快，容量很小，但数据容易流失，外存容量很大，可以持久存放数据，想要把数据存放在外存上需要通过文件，而放在内存上是零散的
算法的空间复杂度计算的是算法执行过程中需要消耗的存储空间，而原始数据所占的空间并不进行考虑
同一个算法的时间空间复杂度跟其的规模有关，即时间复杂度和空间复杂度是问题规模n的函数，n越大时间耗费越长
时间复杂度的衡量一般是基于基本操作(单个操作)的次数
#时间复杂度o(n)
#空间复杂度o(1)
def index(seq, val):
i = 0
while i < len(seq):
if seq[i] == val: return i
else:
return -1
算法的描述方式：
1.自然语言，比如中文，日文等；
2.伪代码；即随意，能看懂意思就行
3.编程语言；最终期望来实现
重点：
常用算法：
排序算法(至少4中：冒泡，选择，插入，快排)，查找算法(二分查找算法)，哈希算法(时间是最快的，但耗费大量的存储空间)，
记住常用算法的实现
记住常用算法的时间和空间复杂度
数据结构(Data Structure)
数据的一种组织形式，表示方式
集合：
线性结构：顺序表、链表、栈、队列、串(字符串)
树形结构：二叉树、树、森林
图状结构：像渔网一样，数据之间有千丝万缕的联系
算法和数据结构是每个程序猿必须要不断修炼的内功！