1，数据集合：
set:
class set([iterable]) 特点：不允许数据重复，会删除重复数据，不对数据排序
list:
class list([iterable]) 特点：允许数据重复
tuple:
如a=(1,2,3) 允许数据重复，但是元组初始化后，不可做增加，改值等操作，里面的数据将无法改变
Dictionary：
如 a={"1":"one"} key不应该重复，否则，key只会指向最后一个value
2，数据的序列化：
首先通过open(),打开输入/输出流，并得到一个流对象f
Input:
Pickle(data,f) //对象序列化
Output:
Pickle(f) //对象的反序列化
3，多进程：
在Linux系统中，python可以通过os模块很方便的创建子进程，
pid=os.fork()就在原进程的基础上创建了子进程，此后的代码有父进程和子进程执行。
fork()调用一次返回两次，在父进程中返回子进程的id,子进程中将返回0，子进程可通过getppid()获取父进程id,通过getpid()获取自己的id，
windows系统中，通过封装multiprocessing模块，通过提供process类来创建子进程，
def fun(name):
print(name)
form multiprocessing import process
p=process(target=fun,args=(‘bob‘,))
p.start()
p.join()
对于join（）有必要解释一番 join([timeout])，有默认的参数，单位为秒，调用join（）后，父进程将会等待子进程完成任务锁定才执行，如果对join()设置参数，子进程将在到达指定时间后锁定，然后父进程执行。否则，父进程将等待python锁定子进程，才能继续执行。
进程池Pool():
class multiprocessing.pool.Pool([processes[, initializer[, initargs[, maxtasksperchild[, context]]]]])
主要是第一个参数processes：指的是同时执行的进程数，如果不指定参数，python将默认为电脑的核心数
进程间通信，通过Queue,Pipes来完成，只需参考
4，多次线程：
多线程有两种实现方案，一种是常见的继承threading类，然后复写run()方法，即可第二种则是调用threading.thread()构造方法，将要执行的函数当做参数传入进去
class threading.Thread(group=None, target=None,
name=None, args=(), kwargs={},*，daemon=None)再调用start()方法即可，线程中依然有join()方法，其用法跟进程类似，当子线程调用join()时，主线程将停止执行下面的代码，等待子线程完成任务锁定再执行。如果没有调用，则子线程与主线程并行执行。
多进程与多线程之间的差别：多进程中，一个变量，每个进程都会自己拷贝一份，互不影响，而多线程中，每个线程则公用一个变量，所以，这个时候，需要格外注意，线程的并发。必要的时候，同一时刻只能允许一个线程对变量进行操作
目前大概记得这么些基本知识，有错误欢迎指出，现在已经饿昏了头。。