场景应用

1. 为什么学习Python？ 2. 通过什么途径学习的Python？ 3. Python和Java、PHP、C、C#、C++等其他语言的对比？ 4. 简述解释型和编译型编程语言？ 5. Python解释器种类以及特点？ 6. 位和字节的关系？ 7. b、B、KB、MB、GB 的关系？ 8. 请至少列举5个 PEP8 规范（越多越好）。 9. 通过代码实现如下转换： 十进制转换成十六进制：v = 87 10. 请编写一个函数实现将IP地址转换成一个整数。 如 10.3.9.12 转换规则为： 再将以上二进制拼接起来计算十进制结果：00001010 00000011 0000100100001100 = ？ 11. python递归的最大层数？ 12. 求结果： 13. ascii、unicode、utf-8、gbk 区别？ 14. 字节码和机器码的区别？ 15. 三元运算规则以及应用场景？ 16. 列举 Python2和Python3的区别？ 17. 用一行代码实现数值交换： 18. Python3和Python2中 int 和 long的区别？ 19. xrange和range的区别？ 20. 文件操作时：xreadlines和readlines的区别？ 21. 列举布尔值为False的常见值？ 22. 字符串、列表、元组、字典每个常用的5个方法？ 23.

附加功能 数据的清理或添加: 函数参数类型验证 @require_ints 类似请求前拦截 数据格式转换 将函数返回字典改为 JSON/YAML 类似响应后篡改 为函数提供额外的数据 mock.patch 函数注册 在任务中心注册一个任务 注册一个带信号处理器的函数 简单注册表 funcs = [] def register(func): funcs.append(func) return func @register def a(): return 3 @register def b(): return 5 # 访问结果 result = [func() for func in funcs] 注册表隔离(使用类的不同实例) class Registry(object): def __init__(self): self._funcs = [] def register(self, func): self._funcs.append(func) def run_all(self): return [func() for func in self._funcs] r1 = Registry() r2 = Registry() @r1.register def a(): return 3 @r2.register def b(): return 5 @r1.register @r2

本节将在第四节基础上介绍如何实现IdentityServer4从数据库获取User进行验证，并对Claim进行权限设置。 一、新建Web API资源服务，命名为ResourceAPI （1）新建API项目，用来进行user的身份验证服务。 （2）配置端口为5001 安装Microsoft.EntityFrameworkCore 包 安装Microsoft.EntityFrameworkCore.SqlServer 包 安装Microsoft.EntityFrameworkCore.Tools 包 （3）我们在项目添加一个 Entities文件夹。 新建一个User类，存放用户基本信息，其中Claims为一对多的关系。 其中UserId的值是唯一的。 public class User { [Key] [MaxLength(32)] public string UserId { get; set; } [MaxLength(32)] public string UserName { get; set; } [MaxLength(50)] public string Password { get; set; } public bool IsActive { get; set; }//是否可用 public virtual ICollection<Claims> Claims { get

一.概述 之所以接触到Mysql表分区，是缘由最近客户公司运营自去年，数据量曾几何暴增，导致表数据非常的庞大，一张表有上亿数据行不止。普通MySql优化，如关键字段索引，字段优化，查询语句优化也已经远远满足不了需求。前期经过开会商讨，给予的方案是：①数据库上：按月建立分表，按年建立分库；②客户端：默认显示当月数据，实现按月查询 ③服务端：按日期进行建表/查表，及相应数据的改/删。此方案基本解决了客户端用户的体验，但是对于针对个别用户要进行数据校验，就要进行从年库汇总，还要从月库汇总累加，服务端代码量的修改，及业务逻辑十分复杂。此时便萌生我们的MySql有没有为我们提供此问题的解决方案，通过了解，查到MySQL--分区表的相关知识。 二.应用场景/为什么要进行分区/优点（MySQL版本在5.1及以上） ①对于那些已经失去保存意义的数据，通常可以通过删除与那些数据有关的分区，很容易地删除那些数据。相反地，在某些 情况下，添加新数据的过程又可以通过为那些新数据专门增加一个新的分区，来很方便地实现。 ②与单个磁盘或文件系统分区相比，可以存储更多的数据。 ③一些查询可以得到极大的优化，这主要是借助于满足一个给定WHERE语句的数据可以只保存在一个或多个分区内，这样 在查找时就不用查找其他剩余的分区。因为分区可以在创建了分区表后进行修改，所以在第一次配置分区方案时还不曾这 么做时

　　 处在这个大数据时代势必让我们不得不追求高效，高效工作便捷生活。可在工作中想要高效完成某件事情似乎有点儿难度，比如高效开发三维可视化应用！尤其是新手更是大呼“我太难了”。 新手不会建模又该如何完成三维可视化应用?使用ThingJS，即可快速开发 三维可视化应用 ，无论是进行园区的搭建、楼层的智能管理、工厂的数字监控、数据的控制整合、整个城市的电力监控、还是消防管理，都可以通过ThingJS快速开发。 　　ThingJS是优锘科技有限公司开发的一个可视化PaaS平台，使用这个平台式不收费的，但是商用的话价格是2998/年，也不贵;除此之外，ThingJS拥有“资源中心”、“在线开发”、“文档中心”、“平台与应用”、“论坛”这几个板块，当然了，这些大多是都是要登录才能查看的，像我就直接QQ登录了，登录后可以进入资源中心查看模型和场景，说实话模型有些多，官方提供的模型大多都太商业化了，我比较喜欢科通科幻的，所以有时候会下载Sketchfab网站上的可用模型，放到我的场景中去，想知道如何使用Sketchfab上的模型，可以百度查看我的文章《新手从零开始搭建3D场景之模型上传》，学会如何上传模型;“在线开发”的使用，就有那么一点点门槛了，如果你说你不会JavaScript，那我一点也帮不了你，建议放弃看这篇文章，当然，天赋超级好，看看注释就懂了的，那我也没得办法

本文就个人使用经验对这些问题进行探讨。 一. NodeJS的特点 我们先来看看NodeJS官网上的介绍： Node.js is a platform built on Chrome’s JavaScript runtime for easily building fast, scalable network applications. Node.js uses an event-driven, non-blocking I/O model that makes it lightweight and efficient, perfect for data-intensive real-time applications that run across distributed devices. 其特点为： 1. 它是一个Javascript运行环境 2. 依赖于Chrome V8引擎进行代码解释 3. 事件驱动 4. 非阻塞I/O 5. 轻量、可伸缩，适于实时数据交互应用 6. 单进程，单线程 二. NodeJS带来的对系统瓶颈的解决方案 它的出现确实能为我们解决现实当中系统瓶颈提供了新的思路和方案，下面我们看看它能解决什么问题。 1. 并发连接 举个例子，想象一个场景，我们在银行排队办理业务，我们看看下面两个模型。 （1）系统线程模型： 这种模型的问题显而易见，服务端只有一个线程

作者 | 黄子毅（紫益） 阿里前端技术专家 导读： 前端开发者是最早享受到 “Serverless” 好处的群体，因为浏览器就是一个开箱即用、甚至无需为计算付费的环境！Serverless 把前端开发体验带入了后端，利用 FaaS 与 BaaS 打造一套开箱即用的后端开发环境。本文作者将从前端角度出发，为你讲述 Serverless 带来的收益及挑战。 引言 Serverless 是一种 “无服务器架构”，让用户无需关心程序运行环境、资源及数量，只要将精力 Focus 到业务逻辑上的技术。 现在公司已经实现 DevOps 化，正在向 Serverless 迈进，而为什么前端要关注 Serverless？ 对业务前端同学： 会改变前后端接口定义规范； 一定会改变前后端联调方式，让前端参与服务器逻辑开发，甚至 Node Java 混部； 大大降低 Nodejs 服务器维护门槛，只要会写 JS 代码就可以维护 Node 服务，无需学习 DevOps 相关知识。 对一个自由开发者： 未来服务器部署更弹性，更省钱； 部署速度更快，更不易出错。 前端框架总是带入后端思维，而 Serverless 则是把前端思维带入了后端运维。 ** 前端开发者其实是最早享受到 “Serverless” 好处的群体。他们不需要拥有自己的服务，甚至不需要自己的浏览器，就可以让自己的 JS 代码均匀

为什么要做竞品分析？无非就是当你有了一个初步的产品想法之后，但是却不能够明确这个想法到底靠不靠谱，它是否真的解决了用户的某些需求，这些需求算不算痛点，也不知道市面上是否已经有了与你想法相似的产品，他们是怎么做的，是否做得足够好，还有哪些待挖掘的机会等等。 此时你脑中的想法一定只是个demo版，非常的初级，是一个朦朦胧胧的状态，甚至你都说不清它到底是来源于哪里，可以是从以往生活经历中随意调取到的一个记忆点，或者是某个月黑风高的夜晚做的一个不知所以然的梦。 例如你在某一天的下午突然冒出一个念头，觉得自己想开个肠粉店，为什么会突然有这样的想法，很有可能就是你中午吃饭的时候闻到一阵飘来的肠粉的香味，而到了下午辘辘饥肠的时候脑里面就自动调取了这一部分记忆使之你有了这个莫名其妙的想法。 当然，想法的来源有时也非常明确，例如说你可能对某个产品的形态很感兴趣，所以你有了做这个产品的想法，或者是当你体验了某个应用商店app，有种透彻了解这类产品的想法，还有就是leader直接给予你的产品任务，例如他会跟你说阿毛啊，我们接下来公司想做一款新产品，是社交通讯类的产品，你好好去研究一下，看看怎么做更好。 因此，这时候的产品想法相对于前者来说来源就是明确的，但是不管来源是否明确，都存在着靠谱或者不靠谱的可能，无法判断这个想法是否有市场机会，你不能一拍脑袋就断定这个想法可不可行，想要真正明确这个想法是否有戏

知识图谱最早是谷歌提出来的，又可以叫语义网，用来描述真实世界中存在的各种实体或概念及其关系，构成一张巨大的语义网络图，节点表示实体或概念，边则由属性或关系构成。谷歌最早搞知识图谱是为提高搜索结果的质量。 知识图谱是一种特殊的图数据，由 <实体，关系，实体> 或者 <实体，属性，属性的值> 三元组 构成。知识图谱中每个结点都有若干个属性及属性值，实体与实体之间的边表示的是结点之间的关系，边的指向方向表示了关系的方向，而边上的标记表示了关系的类型。 下面介绍几个基本概念 1、本体 具有同种特性的实体构成的集合，如人、猫、狗、书等。在面向对象编程语言里就是 类(class) 。 2、实体 具有可区别性且独立存在的某种具体的事物，如具体的名叫 张三 的那个人、张三养的那条狗 等。在面向对象编程语言里就是某个类的一个实例： 对象(object) 3、属性 比如 人 这个实体 有 性别 这个属性，具体到 张三 这个人，他的性别这个属性的值是：男。 知识图谱的构建 知识图谱的存储 1、RDF存储 三元组存储。每个事实条目包括主体（Subject）、谓词（Predicate）和客体（Object）三个元素。 2、图数据库存储 常用的开源图数据库Neo4j，eBay的Beam，阿里的图数据库GDB等。 知识图谱常见应用场景 1、在线查询类 2、离线分析类 信息检索/搜索

　　以下内容均出自Vagrant作者( Mitchell Hashimoto)与Docker作者( Solomon Hykes )在stackoverflow上面一个问题讨论。在这个问题中，双方阐述了vagrant和docker的特点和使用范围，对于深入理解vagrant和docker很有意义，因此笔者翻译出来，以供大家讨论学习。 　　Mitchell作为vagrant的作者，其在DevOps的世界里面沉浸多年，接触了很多类似docker的虚拟化软件。他目前接触了很多使用vagrant和docker的场景，所以看到了两者是如何相互搭配发生作用的。 　　他认为如果单单是开发人员一个人单独使用主机，使用docker可以简化很多事情，这种场景下使用docker和vagrant都没有什么区别。所以他更多的讨论了一些复杂场景，在这些复杂场景中，docker和vagrant就有一些区别了。 　　以下是他原文： 　　不分场景而直接比对vagrant和docker是不恰当的！在一些简单场景中，它们两款产品作用是重复的，但在更多场景中，它们两款产品无法相互替代。事实上，vagrant抽象度比docker更高，因此直接用vagrant同docker相比较是不恰当的。而把vagrant同Boot2Docker(一款运行docker最小的内核) 进行比较似乎更加恰当。 　　vagrant为了支持开发