test

开源BSTestRunner 生成HTML测试报告源码： 保存代码到BSTestRunner.py 配合Unittest使用，很完美。 python2: """ A TestRunner for use with the Python unit testing framework. It generates a HTML report to show the result at a glance. The simplest way to use this is to invoke its main method. E.g. import unittest import BSTestRunner ... define your tests ... if __name__ == '__main__': BSTestRunner.main() For more customization options, instantiates a BSTestRunner object. BSTestRunner is a counterpart to unittest's TextTestRunner. E.g. # output to a file fp = file('my_report.html', 'wb') runner = BSTestRunner.BSTestRunner(

Codis集群的搭建与使用 一、简介 Codis是一个分布式的Redis解决方案，对于上层的应用来说，连接Codis Proxy和连接原生的Redis Server没有明显的区别（不支持的命令列表），上层应用可以像使用单机的Redis一样使用，Codis底层会处理请求的转发，不停机的数据迁移等工作，所有后边的一切事情，对于前面客户端来说是透明的，可以简单的认为后边连接是一个内存无限大的Redis服务。 Codis架构图： 以上我们可以看到codis-proxy是单个节点的，因为我们可以通过结合keepalived来实现高可用： codis-proxy 提供连接集群redis服务的入口 codis-redis-group 实现redis读写的水平扩展，高性能 codis-redis 实现redis实例服务，通过codis-ha实现服务的高可用 二、组件说明 codis-proxy : 是客户端连接的Redis代理服务，codis-proxy 本身实现了Redis协议，表现得和一个原生的Redis没什么区别（就像Twemproxy），对于一个业务来说，可以部署多个codis-proxy，codis-proxy本身是没状态的。 codis-config ：是Codis的管理工具，支持包括，添加/删除Redis节点，添加/删除Proxy节点，发起数据迁移等操作，codis

网上有很多教你怎么使用jQuery.data(..)来实现数据缓存，但有两个用户经常使用的data([key],[value])和jQuery.data(element,[key],[value])几乎没有什么文章说清楚它们两的区别，所以我用到了，研究下分享给大家。 $("").data([key],[value])与jQuery.data(element,[key],[value])的区别 这两个函数都是用来在元素上存放数据也就平时所说的数据缓存,都返回jQuery对象，当时我分别在使用它俩的时候真的吓我一跳，区别可大了，真是不用不知道，一用吓一跳。看例子先吧，后再根据源代码分析。 Js代码 <div id= "test2" onclick= "test()">test2</div> <div id= "abc3" onclick= "test()">test3</div> <div id= "test" onclick= "test()">test</div> <p id= "ttt">aaaa</p> <script> $(document).ready( function(){ $( "#test").click( function(){ alert( "JQUERY"); var e=$( "div"); //定义了两jquery对象 var w=$( "div"); /

摘要：实际生产应用中都会采用消息队列的集群方案，如果选择RabbitMQ那么有必要了解下它的集群方案原理 一般来说，如果只是为了学习RabbitMQ或者验证业务工程的正确性那么在本地环境或者测试环境上使用其单实例部署就可以了，但是出于MQ中间件本身的可靠性、并发性、吞吐量和消息堆积能力等问题的考虑，在生产环境上一般都会考虑使用RabbitMQ的集群方案。 对于RabbitMQ这么成熟的消息队列产品来说，搭建它并不难并且也有不少童鞋写过如何搭建RabbitMQ消息队列集群的博文，但可能仍然有童鞋并不了解其背后的原理，这会导致其遇到性能问题时无法对集群进行进一步的调优。本篇主要介绍RabbitMQ集群方案的原理，如何搭建具备负载均衡能力的中小规模RabbitMQ集群，并最后给出生产环境构建一个能够具备高可用、高可靠和高吞吐量的中小规模RabbitMQ集群设计方案。 一、RabbitMQ集群方案的原理 RabbitMQ这款消息队列中间件产品本身是基于Erlang编写，Erlang语言天生具备分布式特性（通过同步Erlang集群各节点的magic cookie来实现）。因此，RabbitMQ天然支持Clustering。这使得RabbitMQ本身不需要像ActiveMQ、Kafka那样通过ZooKeeper分别来实现HA方案和保存集群的元数据。集群是保证可靠性的一种方式

Java程序的方法设计 本文关键字：Java、方法定义、方法设计、方法调用、方法重载 一、方法的定义 我们在学习Java编程以后接触到的第一个程序就是"Hello World”，在这当中涉及到两个主要的结构：类和main方法，当时我们只是说明了main方法是程序的入口，那么当我们想要自己定义一个方法时应该如何下手呢？ 1. 概念与作用 首先我们要明确方法的概念和作用，从名称上来说，方法也可以被称为函数，是用来解决同一类的问题的。从代码的结构上来说，定义方法可以减少重复的代码，也能使得整个程序结构更加清爽。 假如我们需要计算两个数的加和 public class Test{ public static void main(String[] args){ // 定义两个变量，so easy int a = 10,b = 5; int c = a + b; System.out.println(c);// 15 } } 如果我们需要多次反复执行同一个逻辑，那么就会产生很多相同的代码 public class Test{ public static void main(String[] args){ int a = 10,b = 5; int c = 20,d = 10; // 可以看到，虽然变量名称不同，但是计算的逻辑是相同的 // 如果某一段代码反复出现

引入框架：CoreLocation .h文件 引入 CoreLocation/CoreLocation.h @interface WeatherViewController :UIViewController<</span>CLLocationManagerDelegate>{ CLLocationManager* locationManager; } @property (strong, nonatomic) CLLocationManager* locationManager; @end .m文件 //开始定位 -(void)startLocation{ self.locationManager = [[CLLocationManager alloc] init]; self.locationManager.delegate = self; self.locationManager.desiredAccuracy =kCLLocationAccuracyBest; self.locationManager.distanceFilter = 10.0f; [self.locationManager startUpdatingLocation]; } //定位代理经纬度回调 -(void)locationManager:(CLLocationManager *)manager

1、本地生成allure报告 1、安装依赖 allure-2.13.2 allure-pytest-2.8.11 pytest-5.4.1 python-jenkins jdk-1.8 2、安装后验证安装是否成功 pip list 3、配置环境变量 jdk-1.8 pytest-5.4.1 allure-2.13.2 4、编写示例代码Demo import allure import pytest class Test_Pytest ( ) : @allure . feature ( "测试成功的用例" ) def test_one ( self ) : print ( "test_one方法执行" ) assert 1 == 1 @allure . feature ( "测试失败的用例" ) def test_two ( self ) : print ( "test_two方法执行" ) assert "s" in "love" @allure . feature ( "测试失败的用例" ) def test_three ( self ) : print ( "test_three方法执行" ) assert 3 - 2 != 1 @allure . feature ( "测试失败的用例" ) def test_four ( self ) : print ( "test

在机器学习这个领域，尤其是做多媒体（声音、图像、视频）相关的机器学习方法研究，会涉及很多特征、分类模型（分类任务）的选择。以声音识别为例，常见的特征有MFCC、LPCC、spectrogram-like features 等，分类模型就很多了，有传统的分类模型SVM、KNN、Random Forest，还有现在比较火的深度模型DNN、CNN、RNN等。而往往单特征、单模型很难取得理想的性能（performance）。那么，如何高效的利用不同的特征和模型？ 一个重要的方法就是进行融合（fusion）。典型的fusion方法有early fusion和late fusion。顾名思义，early fusion就是在特征上（feature-level）进行融合，进行不同特征的连接（concatenate），输入到一个模型中进行训练；late fusion指的是在预测分数（score-level）上进行融合，做法就是训练多个模型，每个模型都会有一个预测评分，我们对所有模型的结果进行fusion，得到最后的预测结果。常见的late fusion方法有取分数的平均值（average）、最大值（maximum）、加权平均（weighted average），另外还有采用Logistics Regression的方法进行late fusion。总之，方法很多，可视情况采取。

There is an objective test result such as ``OOXXOXXOOO". An `O' means a correct answer of a problem and an `X' means a wrong answer. The score of each problem of this test is calculated by itself and its just previous consecutive `O's only when the answer is correct. For example, the score of the 10th problem is 3 that is obtained by itself and its two previous consecutive `O's. Therefore, the score of ``OOXXOXXOOO" is 10 which is calculated by ``1+2+0+0+1+0+0+1+2+3". You are to write a program calculating the scores of test results. Input Your program is to read from standard input. The input

某厂面试归来，发现自己落伍了！>>> 本文最后更新于：2015-05-25 13:12:00 原文：http://www.yaosansi.com/post/ffmpeg-burn-subtitles-into-video 向视频文件里添加字幕是件很常见的事，本文使用 FFmpeg 将字幕文件集成到视频文件里。 在CentOS上编译安装FFmpeg 字幕文件转换 字幕文件有很多种，常见的有 .srt , .ass 文件等,下面使用FFmpeg进行相互转换。 将.srt文件转换成.ass文件 1 ffmpeg - i subtitle .srt subtitle.ass 将.ass文件转换成.srt文件 1 ffmpeg - i subtitle .ass subtitle.srt 集成字幕，选择播放 这种字幕集成比较简单，播放时需要在播放器中选择相应的字幕文件。 1 ffmpeg - i input .mp4 - i subtitles .srt -c:s mov_text -c:v copy -c: a copy output.mp4 嵌入SRT字幕到视频文件 单独SRT字幕 字幕文件为subtitle.srt 1 ffmpeg - i video .avi -vf subtitles=subtitle .srt out.avi 嵌入在MKV等容器的字幕 将video