@chewuhe windows 没有这个 fd 的限制，在 windows 上你操作的 sockets 仅跟你的机器资源有关
资料来源： https://msdn.microsoft.com/en-us/library/windows/desktop/ms739169(v=vs.85).aspx

@gevin 所以你要说明白，你一句 Django ORM 综合起来比 SQLAlchemy 强，新手还以为是 Django ORM 特性多，性能高。
很多时候就是这样，高灵活性以及低抽象成本必然伴随高的学习成本。
你分享你的具体看法观点，我们都来切磋切磋，这样你我才能进步嘛，仅抛一个结论就出来跟『 vim 大法好』这样有什么区别:-)

其他的我就不发表观点了，我只想说『 Django 的自带 ORM 非常优秀，综合评价略强与 SQLAlchemy 』这样的评价没有能说明任何问题，以下是我的见解

在 Python 以及关系型数据库 ORM 中对应的 Django 跟 SQLAlchemy 可谓两个很典型例子。 Django 很明显是从 RoR 里面得到启发，因此很多时候它也很像 RoR ，比如 Django 就是典型的 Active Record,数据库里面的行直接映射成 Model 的实例，并且所有对数据库的操作是直接与实例绑定，例子即为:
New.objects.create(title='sport', author_name='Neo')
对象（实例）不单单封装了数据库表里面的一行（数据）还封装了数据库的操作，以及在这些数据上面有领域逻辑，比如：
User.objects.create_user('john', '[email protected]', 'johnpassword')
Active Record 对象不仅仅有访问数据的一些方法，而且还有领域逻辑（我们实际的业务逻辑），而且领域模型中的数据跟数据库基本吻合

而 SQLAlchemy 的领域模型就不一样， SQLAlchemy 是基于 Data Mapper 设计而成的。 SQLAlchemy 的数据操作是不能直接作用与实例，它是通过一个 proxy(Data Mapper)来维护领域模型（大致上对应 SQLAlchemy 里面我们定义的 Model ）跟数据库表的映射关系，它最大的优点便是数据库表跟领域模型是两个独立的概念，他们之间的关系是解耦的，因此他们可以独立演变，这之后需要做的只不过是我们去更新 Data Mapper 。因此 SQLAlchemy 给我的最大印象就是，它可以实现多态，比如一个 Animal 类可以对应数据库里面的 Dog 跟 Cat 表，以至于一个 Animal 的 cry 方法可以返回"woof"或者"meow"

同时 SQLAlchemy 还有 core 模块去提供高效率的查询（效率可以达到 raw sql 的水平）同时它的查询方式跟 Django 比起来更多样，比如 SQLAlchemy 的 ORM 模块能提供跟以下 SQL 语句对应的查询方式（仅通过一个查询）：
select username, score from users join classmates on users.user_id=classmates.user_id where classmates.age > 20 group by (users.username, MAX(users.score));

我个人是觉得 SQLAlchemy 从功能以及灵活性来说都是源于强于其他 ORM （ python 以及对应关系型数据）。但是它跟 Django 比起来就是它有一个很陡峭的学习曲线，这是它的最大缺点。因此我是建议简单项目或者与 Django 相关的使用 Django ORM ，其他的话，若是你们团队协作，而且会有领域模型跟数据库表演进速度不一致的情况，那么选用 SQLAlchemy 是一个不错的选择。

@leonlh
同意 @wittyfox 的话，你们工作流或者分工不合理，要不然怎么会整天出现冲突。
你这样的目前这样操作是合理的，我是看不到有更少的步骤了，你当然可以写 alias ，但只能减少你命令输入的次数而已，出现冲突还是得人工干预， 也就是说你解决了冲突之后当然要 git rebase --continue ，这个步骤是自动不了的，要不然你不输入 git 怎么知道你解决了冲突了呢？

@leonlh
两个人互相提供接口？循环引用？
而且 rebase 本来就是像你说的一样啊，有冲突才会停止啊，只不过是你多了一步缓存你当前还没完成的内容而已。你像一楼说的 commit 就没事了。不要一个 commit 几千行啊， review 的人都要死了

关键就是你拉代码为什么会有这么多冲突？你有冲突当然要人工干预啊。

我的建议就是多执行 git pull --rebase ，你的代码要多分模块，多提交，多 push

冲突多没办法的，什么方案都救不了

@alex321 PaaS 的概念已经很久了，但是大家后来都不了这种，要不 SaaS 要不 IaaS

去重首先想到 Bloom Filter,
当然 6000 万的数据，我觉得用个数据库也可以简单解决，最多就是时间长一些。

前端开发大忌是用 useragent 来识别客户端，你应该换成特性检验，这个特性不对就用另外一种方法解决这一的思路，还有就是推荐使用 modernizer

@vJianZhen
python 是 3.5.0, 各类包如下
dominate (2.2.0)
Flask (0.10.1)
Flask-Bootstrap (3.3.5.7)
Flask-Moment (0.5.1)
Flask-Script (2.0.5)
Flask-SQLAlchemy (2.1)
Flask-WTF (0.12)
itsdangerous (0.24)
Jinja2 (2.8)
MarkupSafe (0.23)
pip (7.1.2)
PyMySQL (0.7.2)
setuptools (18.2)
SQLAlchemy (1.0.12)
visitor (0.1.2)
Werkzeug (0.11.8)
WTForms (2.1)

至于 MySQL 也是使用 5.7 了

已经在 linux 下面实现过一次，像你截图一样调用 create_all 方法并不会报错。

估计还是你页面上收集到的数据没有做校验转码而产生的错误