科创吧

2023-05-24发表2023-08-18更新love3 分钟读完 (大约386个字)

让爱做主 - 离婚信

当我提起笔给你写这封信的时候，我只觉得，往事就像山谷间一条小溪，静静的从我心底流过，
他把我带回了过去，带回了我们的相知相恋的那个遥远年代，
当我回顾我们的婚姻的时候，我想起了以往岁月中，我们共同拥有的哪些美好时光，
想起了我们的第一次见面，第一次去看电影，想起了我们的初吻，也想了当年的我们蜜月旅行，这一切，仿佛就发生在昨天，
但是，他对于现在的你我来说，竟是那样的遥不可及，当我想起这一切的时候，
我觉得就像是看一场老电影，虽然很感人，但是却是很陌生，我眼看故事的主人公，一步一步的犯下了无法挽回的错误，
我看着他们将美好的感情，尘封在彼此心灵的角落里，就如同一朵鲜花，被人忘记到阁楼中，
当我看到故事的结尾，我遗憾的发现，这只能是个不了了之的结局；对于我给你带来的伤害，我由衷的道歉；是该结束我们两个人痛苦时候了，我想了很久，现在我要告诉你我最后的决定，我同意离婚。

2023-05-23发表2023-08-18更新jenkins / slave几秒读完 (大约107个字)

jenkins从机iOS环境部署

下载 Xcode
下载 java8
https://www.oracle.com/java/technologies/downloads/
git 账号和密码登录配置
当前用户下.gitconfig

[user]
	email = 328872015@qq.com
[credential]
	helper = store
[color]
	ui = auto
[core]
	eol = lf
[url "https://"]
	insteadOf = git://

1
2
3

.git-credentials

http://huang:********@10.168.66.55

按照 homebrew

1	/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

安装 rvm

1 2	curl -sSL https://get.rvm.io \| bash -s stable rvm install 3.1.2

xcode-》偏好中，设置开发者账号
安装 cocoapod

1	sudo gem install cocoapods

安装 fastlane

1	brew install fastlane

2023-05-17发表2023-08-18更新nginx / lua几秒读完 (大约15个字)

nginx按照lua

1 2	brew tap denji/nginx; brew install nginx-full --with-lua-module --with-set-misc-module

2023-05-13发表2023-08-18更新nginx / log几秒读完 (大约6个字)

nginx日志分析

https://www.anquanke.com/post/id/273031

2023-04-28发表2023-08-18更新nginx / log1 分钟读完 (大约128个字)

nginx打印post请求参数

nginx.conf

/usr/local/webserver/tengine/conf/nginx.conf

http {
log_format post_tag '$remote_addr - $remote_user [$time_local] "$request" '
                      '$status $body_bytes_sent "$http_referer" '
'"$http_user_agent" "$http_x_forwarded_for" "$request_body"';
}

service.**.com.conf

/usr/local/tengine-2.0.2/conf/vhosts.d/service.**.com.conf

location /newapi/ {
if ($content_type ~* "application/x-www-form-urlencoded") {
       		access_log /data/fund/logs/service.******.com_access.log post_tag;
  }

	rewrite ^/newapi/(.*)$ /$1 break;
proxy_pass http://newapi;

}

h5.**.com.conf

/usr/local/tengine-2.0.2/conf/vhosts.d/h5.**.com.conf

location /gxq/ {
if ($content_type ~* "application/x-www-form-urlencoded") {
       		access_log /data/fund/logs/h5.******.com_access.log post_tag;
       }

	rewrite ^/gxq/(.*)$ /$1 break;
proxy_pass http://newapi;

}

https://serverfault.com/questions/649151/nginx-location-regex-doesnt-work-with-proxy-pass/649196#649196

2023-04-28发表2023-08-18更新node / debug6 分钟读完 (大约932个字)

vscode里混合调试c++和nodejs

由于业务里涉及到 js 和 c++互相调用，为了调试方便，研究下如何在 vscode 里混合调试 c++和 js 代码。

c++开发和调试

在讲混合调试之前，先简单介绍下 vscode 下 c++的开发和调试,后续所有都是在 Mac OS 环境下操作的。

前置条件

安装 c++套件 c++ extension
安装 lldb 套件 vscode-lldb
确认安装 clang

混合调试

因为 c++和 nodejs 走的是不同的调试协议，因此很难通过一个 configuration 来调试两者。我们以 node 官方的 example https://github.com/nodejs/node-addon-examples/tree/master/1_hello_world/nan, 看看如何进行混合调试

addon 编译

创建 addon 的编译 script

"scripts": {
 "start": "node index.js",
 "build:dev": "node-gyp -j 16 build --debug", // 编译带上debug信息
 "build": "node-gyp -j 16 build",
 "rebuild:dev": "node-gyp -j 16 rebuild --debug",
 "rebuild": "node-gyp -j 16 rebuild",
 "clean": "node-gyp clean"
  },

创建 preLaunchTask

调试程序前，我们需要预先编译好可以 debug 的 addon，因此我们创建一个 preLaunchTask，选择 rebuild:dev,其负责编译一个可以 debug 的 addon 版本

创建 launch.json

我们新创建一个启动 node 的 launch，不过我们这里使用 lldb 来启动 node,配置如下

{
 "type": "lldb",
 "request": "launch",
 "name": "lldb:node",
 "program": "/Users/yj/.nvm/versions/node/v12.16.1/bin/node", // 指向node入科
 "args": ["examples/addon/index.js"], // 指向js入口
 "cwd": "${workspaceFolder}"
    },

此时我们启动 lldb:node 就可以进入 node 的 addon 进行 debug

这里存在的问题在于，我们这里实际上是使用 lldb 来调试 node 程序(此时的 addon 实际上是一个动态库)，lldb 实际上对 js 的调试是无感知的，因此我们这样实际是无法调试 js 的，在 js 里打下的断点也无法进入。

nodejs 调试

实际上 node 的 js 里的调试功能实际上是通过 chrome debugger protocol 协议来实现的，因此我们只需要启动 js 的时候，开启 inspector 协议就然后就可以 attach 到 js 上进行调试。修改配置，开启 inspector 协议

{
    "type": "lldb",
    "request": "launch",
    "name": "lldb:node",
    "program": "/Users/yj/.nvm/versions/node/v12.16.1/bin/node",
    "args": ["--inspect-brk","examples/addon/index.js"], // 开启inspector协议
    "cwd": "${workspaceFolder}"
       },

此时我们重新启动 lldb:node,发现在终端出来个 websocket 地址

在 vscode 里调试 js

实际上当 node 开启 inspector 协议的时候，不仅可以通过 ws attach 到 node 的 js 上，实际上也可以通过 http:port attach 到 js 上。实际上我们的 ws 地址也是从这个 http:port 获取来的 nodejs 在开启 inspect 的时候默认会启动一个 inspect server，其地址为 http:127.0.0.1:${inspect_port},其inspect_port默认为9229，当然也可以通过node --inspect-brk --port:${inspect_port}来指定其端口。其暴露了一个接口 /json,通过该接口即可获得其对应的 websocket 地址

下面我们来通过 vscode 来调试 js，首先创建一个 launch 任务，此时我们选择 Node.js: attach

我们选择通过 port 来 attach 到 js 上，配置如下

{
   "type": "node",
   "request": "attach",
   "name": "node:attach",
   "port": 9229, // 绑定到node.js默认的inspect的端口
   "skipFiles": [
   "<node_internals>/**"
        ]
   },

此时我们只需要启动 lldb:node 启动调试，其会自动的停止在第一行 js 代码上。这样我们就实现了在 vscode 里混合调试 c++和 js

compound 模式

借助于 vscode 的 launch 的 compound 功能，我们甚至可以避免手动的切换 debugger，达到真正的一键调试，配置如下

"compounds": [
   {
"name": "node_c++",
"configurations": ["lldb:node","node:attach"]
   }
 ]

这样我们点击 node_c++功能就可以实现一键调试

2023-04-11发表2023-08-18更新python几秒读完 (大约17个字)

python介绍

当行 for 循环简介

https://www.golinuxcloud.com/python-for-loop-in-one-line/

2023-04-10发表2023-08-18更新deeplearn几秒读完 (大约18个字)

深度学习demo

卷积网络

https://learn.microsoft.com/zh-cn/windows/ai/windows-ml/tutorials/pytorch-train-model

2023-04-08发表2023-08-18更新pytorch2 分钟读完 (大约316个字)

pytorch库介绍

Pytorch autograd,backward 详解

https://zhuanlan.zhihu.com/p/83172023

Pytorch-view 的用法

https://zhuanlan.zhihu.com/p/87856193

pytorch 中 nn.Embedding 原理及使用

https://www.jianshu.com/p/63e7acc5e890

GRU 使用

https://zhuanlan.zhihu.com/p/37217734
https://www.jianshu.com/p/0c87b6ab0c4a

import torch.nn as nn
import torch

# gru = nn.GRU(input_size=50, hidden_size=50, batch_first=True)
# embed = nn.Embedding(3, 50)
# x = torch.LongTensor([[0, 1, 2]])
# x_embed = embed(x)
# out, hidden = gru(x_embed)


gru = nn.GRU(input_size=5, hidden_size=6,
             num_layers=2,  # gru层数
             batch_first=False,  # 默认参数 True:(batch, seq, feature) False：True:( seq,batch, feature),
             bidirectional=False,  # 默认参数
             )

# N=batch size
# L=sequence length
# D=2 if bidirectional=True else 1
# Hin=input size
# Hout=outout size


input_ = torch.randn(1, 3, 5)  # (L,N,hin)(序列长度，batch size大小，输入维度大小)
h0 = torch.randn(2 * 1, 3, 6)  # (D∗num_layers,N,Hout)（是否双向乘以层数，batch size大小，输出维度大小）

output, hn = gru(input_, h0)
# output:[1, 3, 6] (L,N,D*Hout)=(1,3,1*6)
# hn:[2, 3, 6] (D*num_layers,N,Hout)(1*2,3,6)

print(output.shape, hn.shape)
# torch.Size([1, 3, 6]) torch.Size([2, 3, 6])

样例二
# 创建一个输入输入50维的GRU
gru = nn.GRU(input_size=50, hidden_size=50, batch_first=True)

# 创建一个字典大小为3，词向量维度为50维的Embedding。
embed = nn.Embedding(3, 50)

# 创建一个二维LongTensor索引数据（作为索引数据的时候一般都使用LongTensor）
x = torch.LongTensor([[0, 1, 2]])  # x.size() --> torch.Size([1, 3])

# 将索引映射到向量
x_embed = embed(x)  # x_embed.size() --> torch.Size([1, 3, 50])

2023-04-07发表2023-08-18更新deeplearn几秒读完 (大约49个字)

深度学习挑选变量

挑选变量的方法多种多样，可以用 IV、GBDT、随机逻辑回归、随机森林、逐步回归、cluster 等等(我在建模中实际用到)。