yarn

全局安装 -g： 全局安装的包位于Node.js环境的node_modules目录下，全局安装的包一般用于命令行工具。 本地安装：本地安装的包在当前目录下的node_modules里面，本地安装的包一般用于实际的开发工作。 npm常用的命令： 1.安装包（如果没有指定版本号，那么安装最新版本） 　　npm install -g 包名称（全局安装） 　　npm install包名称（本地安装） 2.安装包的时候可以指定版本 　　npm install -g 包名称@版本号 3.卸载包 　　npm uninstall -g 包名称 4.更新包（更新到最新版本） 　　npm update -g 包名称 开发环境（平时开发使用的环境） 生产环境（项目部署上线之后的服务器环境） --save 向生产环境添加依赖 dependencies --save-dev 向开发环境添加依赖 devDependencies 区别： npm install xxx 安装到项目目录的node_modules文件夹下，但是不会添加任何依赖（依赖写在package.json文件中） npm install xxx -g 全局安装，安装到你安装npm的磁盘目录下 npm install xxx --save 安装到项目目录的node_modules文件夹下，添加到dependencies的依赖下（生产环境中

dependencies指生成环境依赖包，devDependencies指开发环境依赖包。均在项目的package.json中。 区别在于该包是否有用，比如webpack、gulp在生产环境用不到，是在开发环境用的。打包后的代码既是纯的。 jquery等是要在生产环境用的。因为上线的代码也包含jquery代码，是不会被翻译成原生js的，打包好上线之后还需要包支持的。 npm、cnpm、yarn等均是js包管理工具，用于安装项目依赖包 npm是nodejs自带的命令，一般情况下没有问题，不过有一些缺陷。比如国内被墙，安装速度很慢。安装包时可能导致版本不一致，比如版本号上的^和~ cnpm是淘宝的npm镜像，速度会比npm有所提升，用法一样，安装cnpm： npm install -g cnpm --registry=https: // registry.npm.taobao.org yarn是为了解决npm一些缺陷的，比如速度快，解决安装版本号不一致问题。安装yarn： npm install -g yarn 使用yarn： // 初始化项目 yarn init // 添加选定依赖包 yarn add [package] yarn add [package]@[version] yarn add [package]@[tag] // 将依赖项添加到不同依赖项类别中 yarn add

npm: 基于node.js的包管理工具; 　　常用命令 npm install 包名; 　　缺点:因服务器在国外,所以下载包的速度超级慢,所以出现了cnpm和yarn cnpm: 跟npm是一样的,这是淘宝出的下载工具,服务器在国内,所以下载速度npm快很多; 　　　cnpm install 包名 安装cnpm npm install -g cnpm --registry=https://registry.npm.taobao.org yarn: 有些脚手架不支持cnpm,npm下载速度太慢,所以出现了yarn 下载速度是最快的;yarn相当于npm install 或者(cnpm install) 安装yarn npm install -g yarn yarn --version //测试yarn是否安装成功 yarn global bin 复制yarn的安装路径,然后找到环境变量path粘贴进去 最好安装到下面的path中,为了让用户用 比较npm和yarn npm install yarn npm install --save 包名 yarn add 包名 npm install --save-dev 包名 yarn add 包名 --dev npm install -g 包名 yarn global add 包名 yarn 的全局安装的包和npm安装的包不在一个位置上

背景：全局安装后。报了taro不能识别指令。 解决方案： 建议npm cache verify之后重新下载taro，必须工具优先下载如 yarn>cnpm>npm，有yarn就用yarn下载 # OR 使用 yarn 安装 CLI$ yarn global add @tarojs/cli # OR 安装了 cnpm，使用 cnpm 安装 CLI$ cnpm install -g @tarojs/cli # 使用 npm 安装 CLI$ npm install -g @tarojs/cli 亲测有用 ———————————————————————————————————————————————— 版权归本网站的作者所有，转载请注明出处，谢谢大家。 原文出处：https://www.cnblogs.com/xuLessReigns/p/11224247.html 来源： oschina 链接： https://my.oschina.net/u/4263294/blog/3258519

vue-electron官方文档(中文): https://simulatedgreg.gitbooks.io/electron-vue/content/cn vue-electron官方文档(英文): https://simulatedgreg.gitbooks.io/electron-vue/content/en 1.脚手架搭建流程步骤 # 安装 vue- cli 和 脚手架样板代码 npm install -g vue- cli vue init simulatedgreg /electron-vue my- project # 安装依赖并运行你的程序 cd my - project yarn # 或者 npm install yarn run dev # 或者 npm run dev 2.效果图 注意: (1)环境问题: 可以参考我的这篇文章 VsCode源码编译运行 环境与其保持一致，基本上就不会出什么问题。 (2)包管理工具问题: 关于npm和yarn，两者都是包的管理工具 我用npm install总是在报Error之类的错误，用yarn就好了。 来源： oschina 链接： https://my.oschina.net/u/4358626/blog/3585680

1.全局安装脚手架 npm install -g @vue/cli 安装成功如图： 2.全局安装vue/cli-service-global 插件 npm install -g @vue/cli-service-global 安装成功如图： 3.创建vue项目 vue create vue3.0(项目名称，我直接使用的vue3.0) 随后会出现创建的两种方式 项目创建成功后，yarn serve 或者npm serve即可运行项目 第一种方式：默认创建，即默认生成目录，但是是有严格模式的，即eslint是生效的，想要去掉 则在 则在以上目录中，找到.eslintrc.js文件， 删除或者注释掉extends下面的@vue/standard，随后重新启动项目即可 使用手动创建项目：则需要手动做一些选择，但有时严格模式也会被留下，因此也可在相同的目录中注释掉或者删除掉@vue/prettier，即可去掉严格模式， 4.下载项目模板，怎样去除严格模式呢 全局搜索：extends， 一般在package.json或者vue.config.js 同上图一样，删除掉@vue/standard，重新启动项目就可以了。在package.json文件中，编译不允许有注释，所以还是直接删掉 来源： oschina 链接： https://my.oschina.net/u/4383199/blog

第一章 Spark 性能调优 1.1 常规性能调优 1.1.1 常规性能调优一：最优资源配置 Spark性能调优的第一步，就是为任务分配更多的资源，在一定范围内，增加资源的分配与性能的提升是成正比的，实现了最优的资源配置后，在此基础上再考虑进行后面论述的性能调优策略。 资源的分配在使用脚本提交 Spark任务时进行指定，标准的Spark任务提交脚本如代码清单2-1所示： 代码清单 2-1 标准 Spark 提交脚本 /usr/opt/modules/spark/bin/spark-submit \ --class com.atguigu.spark.Analysis \ --num-executors 80 \ --driver-memory 6g \ --executor-memory 6g \ --executor-cores 3 \ /usr/opt/modules/spark/jar/spark.jar \ 可以进行分配的资源如表 2-1所示： 表 2-1 可分配资源表 名称 说明 --num-executors 配置Executor的数量 --driver-memory 配置Driver内存（影响不大） --executor-memory 配置每个Executor的内存大小 --executor-cores 配置每个Executor的CPU core数量 调节原则

搭建集群： SPARK_WORKER-CORES : 当计算机是32核双线程的时候，需要指定SPARK_WORKER_CORES的个数为64个 SPARK_WORKER_MEMORY : 任务提交： ./spark-submit --master node:port --executor-cores --class ..jar xxx --executor-cores: 指定每个executor使用的core 的数量 --executor-memory: 指定每个executor最多使用的内存 --total-executor-cores: standalone 集群中 spark application 所使用的总的core --num-executor ： 在yarn 中为 spark application 启动的executor --Driver-cores: driver使用的core --Driver-memory： driver使用的内存 以上的参数是在spark-submit 提交任务的时候指定的，也可以在spark-defaults.xml中进行配置 spark 并行度调优： (一般在做测试的时候使用) sc.textFile(xx,minnum) sc.parallelize(seq,num) sc.makeRDD(seq,num) sc

性能调优相关的原理讲解、经验总结； 掌握一整套Spark企业级性能调优解决方案；而不只是简单的一些性能调优技巧。 针对写好的spark作业，实施一整套数据倾斜解决方案：实际经验中积累的数据倾斜现象的表现，以及处理后的效果总结。 调优前首先要对spark的作业流程清楚： Driver到Executor的结构； Master: Driver |-- Worker: Executor |-- job |-- stage |-- Task Task 一个Stage内， 最终的RDD有多少个partition，就会产生多少个task ，一个task处理一个partition的数据； 作业划分为task分到Executor上，然后一个cpu core执行一个task； BlockManager负责Executor，task的数据管理，task来它这里拿数据； 1.1 资源分配 性能调优的王道：分配更多资源。 分配哪些资源？ executor、cpu per executor、memory per executor、driver memory 在哪里分配这些资源？ 在我们在生产环境中，提交spark作业时，用的spark-submit shell脚本，里面调整对应的参数 /usr/local/spark/bin/spark-submit \ --class cn.spark.sparktest

BlockPi 一个专门为 树莓派 设计的图形化编程平台，基于 Google Blockly 构建，适用于树莓派爱好者或者少儿编程学习。 A visual programming editor app for Raspberry Pi , built on Google Blockly , made for RPi users or kids to learn coding. 特点/Features 完整的Blockly移植到树莓派上，完全免费使用。Full Blockly features on RPi, free to use. 集成树莓派GPIO控制，支持 Sense HAT ，未来支持更多树莓派外设和功能。Build-in GPIO control and Sense HAT support, and more functions in the future. 程序可直接在应用内运行，同时可转化成Python代码，方便学习Python。Code runs in the app, and can be convert to Python. Helpful to learn Python. 支持繁简体中文、英语。Localization for English, Simplified/Traditional Chinese. 支持保存、载入程序。Support save