h2

3 月，跳不动了？>>> 众所周知，单元测试功能，是组件库开发中必不可少的一部分，负责进行检查和验证，保证了组件的合理性和规范性。本文主要讲的就是单元测试在 NUTUI 组件库 中的探索实践，我们将从如何编写单元测试、持续集成服务、Coveralls 自动测试代码覆盖率三方面进行阐述。如图所示： 如果你对这些内容感兴趣，就和我一起来看一下吧！ 单元测试配置 在进入单元测试配置正文之前，我们先来了解下面两个问题。 单元测试是什么？ 为什么需要单元测试？ 单元测试是什么？ 单元测试（unit testing），可以对软件中的最小可测试单元进行检查和验证，是软件开发中重要的一部分。它使得添加新功能和追踪问题更加容易。 为什么需要单元测试？ 单元测试在开发的时候很有用，即能帮助开发者思考如何设计一个组件，也能够重构一个现有组件。每次代码发生变化的时候它们都会被运行。有了单元测试，我们可以自信的交付自己的代码，而没有任何的后顾之忧。 组件的单元测试有以下等优点： 提供描述组件行为的文档 减少调试时间，节省手动测试的时间 减少研发新特性时产生的 bug，测出功能的隐藏 bug 减少和快速定位 bug 促进重构，保证代码重构的安全性 如何编写单元测试？ 我们既是单元测试的受益者，同时也是开发者，接下来我们进入正题，来聊一聊，如何在 vue 组件库中，加入单元测试。

3 月，跳不动了？>>> 1 前言 这是SpringBoot2.1源码分析专题的第一篇文章，主要讲如何来搭建我们的源码阅读调试环境。如果有经验的小伙伴们可以略过此篇文章。 2 环境安装要求 IntelliJ IDEA JDK1.8 Maven3.5以上 3 从github上将SpringBoot源码项目下载下来 首先提供 SpringBoot2.1.0 的github地址： https://github.com/spring-projects/spring-boot/tree/v2.1.0.RELEASE 因为要进行阅读源码和分析源码项目，我们是不是要在里面写一些注释帮助我们阅读理解源码，因此需要将SpringBoot源码项目fork到自己的github仓库中，然后再利用 git clone url 命令将已经fork到自己github仓库的SpringBoot源码拉取下来即可。 但由于以上方式往往很慢，通常会超时，所以笔者直接将SpringBoot项目直接下载下来，然后再导入IDEA中。 4 将SpringBoot源码项目导入到IDEA中 将刚才下载的spring-boot2.1.0.RELEASE项目选择maven方式导入到IDEA中，然后一直next即可导入完成，注意选择JDK版本是1.8，maven版本是3.5+。 此时下载maven依赖是一个漫长的等待过程

3 月，跳不动了？>>> 截止到3月16日，新冠肺炎全国累计确诊81078例，国外累计确诊85133例，国外确诊超国内，COVID-19全球流行已经是不争的事实。 在这场没有硝烟的战场，看不见的战火的杀伤力远比赤身肉搏打仗更让人印象深刻，比如新冠肺炎COVID-19伪装能力极强，处在一线战场的医生很难“一眼”将其和流感准确区分。 首先流感和COVID-19都具有传染性，都会导致呼吸道疾病。典型流感症状包括发热，咳嗽，喉咙肿痛，四肢酸痛，头疼，流鼻涕，鼻塞，疲劳，以及呕吐和腹泻；而新冠肺炎最常见症状是发热，咳嗽和气短，且有5%的患者喉咙肿痛，1-2%的患者会出现腹泻，恶心和呕吐。 也就是说，呼吸道病毒会导致相似症状，因此很难通过症状本身区分COVID-19和流感。 （雷锋网） 能不能从AI的角度来帮助医生找出COVID-19与普通流感的区别？来自世界各地的计算机科学家和机器学习研究人员正在从自己的专业入手，对一些数据集进行编译，并构建AI算法来优化肺炎检测。例如，在数据科学竞赛平台Kaggle上面，已经有了一个COVID-19病例数据集，数据每天更新，内容包括患者年龄、患者居住地、何时出现症状、何时暴露、何时进入医院等等。 （雷锋网 (公众号：雷锋网) ）文末给出地址 在CT扫描图方面，也有学者从该疾病的公开研究中提取了可用于分析的几十张图片，包括CT扫描和胸部X射线图像.....

3 月，跳不动了？>>> [20200318更新]注意：之前关于下载CUDA与cuDNN的版本我写错了，首先道个歉。如果要想用Tensorflow利用GPU进行训练，就需要Tensorflow、CUDA、cuDNN的版本对应一致。之前我弄错了！我们后面用的Tensorflow的版本是2.0.1，所以对应CUDA的版本应该是CUDA v10.0，而相应的cuDNN v7.6.5即可，下面的截图都是我之前错误的10.2.89版本，是不能用GPU进行训练的（虽然还可以用CPU进行训练）！！！但是安装过程都是一样的。因此后文修改一下文字内容，图片就不改了。!一定要先看到这一行~别搞错了！ 一、ML-Agents简介 近期在学习Unity中的机器学习插件ML-Agents，做一些记录，用以简单记录或交流学习。 先简单说一下机器学习使用的环境场景： 高视觉复杂度 （Visual Complexity，例如星际争霸、Dota2职业玩家与AI竞技）、 高物理复杂度 （Physical Complexity，例如模拟两足、四足生物行走，这里Unity ML-Agents官方也有相关例子）、 高认知复杂度 （Congnitive Complexity，例如AlphaGo）。以上几种场景利用传统算法较难搞，而利用机器学习，会更加容易解决这些问题。 而ML-Agents（Machine Learning

3 月，跳不动了？>>> 数据能反馈当下的一些趋势，比如从用户爱 搜索什么关键词 ，能看出大家普遍在关注什么，当下关注的焦点之一是 “ 复工 ”。 复工数据洞察 最近一周，复工相关的资讯百度搜索热度环比上涨了 678% 。 大家关注的复工资讯中， 生活服务类 资讯占了大多数。 各类别资讯中热度最高的主题如下 从百度搜索大数据得知，目前大部分城市的 线下复工率 均超过 50% ，线下复工率最高的是青海省的省会 西宁 。 自2月6日起，青海省已连续 28 天无新增确诊和疑似病例，难怪如此任性。 从行业上看，复工率最高的是 金融业96.28% ，其次是汽车服务业96.15%。 疫期备受打击的 餐饮业 开始回暖，其中 北京 的餐厅超9成开业，看来北京的吃货属性已超过广州。 各地的景区也逐步恢复开放，目前开放最彻底的是 杭州 。 相比北京的吃货属性， 成都 则是逛街属性最强，线下商场超市的复工率全国最高。 在正式复工之前，很多企业已经开始了 “ 云办公 ”，疫期百度网盘的企业日活跃用户数增长了 50% 以上。 而采取云办公最多的显然是 教育行业 ，百度网盘的企业日活跃用户上来自教育行业的企业数最多，是第2位IT通讯电子行业的2倍多。 从地域上看，百度网盘日活跃用户中来自 广东省 的用户数最多，看来广东是走在了 “云办公” 的前列。 行业数据洞察 1、受益的行业 从百度搜索指数得知

3 月，跳不动了？>>> 代码编辑器很多，有些是免费的，有些是付费的。其中最喜欢的代码编辑器是 Visual Studio Code。它是免费的，并具有强大的功能，我陆续抛弃了 Atom、Sublime Text 以及也很强大的 WebStorm。 今天，我将分享我最喜欢的代码编辑器设置，用于我的 Web 开发。我将从代码编辑器的外观开始。毕竟外观颜值很重要。 🎨 主题 我最常用的 VS Code 主题是 Snazzy Operator ，目前正在使用。 此主题基于 hyper-snazzy 并针对与 Operator Mono 字体一起使用进行了优化。我喜欢 😍 这个主题。 ⭐ 我之前使用过的其他一些主题： Oceanic Next - 我使用了 Oceanic Next (dimmed bg) emedy - 我使用了 Remedy Dark (straight) ✒ 字体 对我的代码编辑器来说，另一个重要的事情是，我用于代码编辑器的字体是 JetBrains Mono 。这是带有连字支持的免费字体。 连字是一种新的字体格式，支持符号装饰，而不是 = > 、 < = 。 在使用 JetBrains Mono 之前，我使用了 Operator Mono 。这也是一个不错的字体。 ⭐ 我以前使用过的其他一些字体： Operator Mono - 支持连字。 Fira Code -

3 月，跳不动了？>>> ML-Agents（二）创建一个学习环境 一、前言 上一节我们讲了如何配置ML-Agents环境，这一节我们创建一个示例，主要利用Reinforcement Learning（强化学习）。 如上图，本示例将训练一个球滚动找到随机放置的立方体，而且要避免从平台上掉下去。 本示例是基于ML-Agents官方的示例，官方有中文版和英文版两个文档，英文版的是最新的，中文版中大部分内容和英文版的一致，但也有不同，本文是基于最新版所做（v0.15.0，master分支），需要参考官方文档的也可参照如下地址食用。 英文： https://github.com/Unity-Technologies/ml-agents/tree/master/docs 中文： https://github.com/Unity-Technologies/ml-agents/blob/master/docs/localized/zh-CN/docs/Learning-Environment-Create-New.md 二、概述 在Unity项目中使用ML-Agents涉及以下基本步骤： 创建一个容纳agent的环境。该环境可以从包含少量对象的简单物理模拟环境到整个游戏或生态系统，环境的样式可以多种多样； 实现Agent子类。Agent子类定义了必要的代码以供agent用于观测自身环境

3 月，跳不动了？>>> 作者 | Captain Milo “ 之前通过介绍数据分析工作的分类和方法论，展示了技术与业务分离形成的“局限性”，以探讨企业中谁能更好的承担数据分析职能的问题。现在来谈谈 如何衡量数据分析的效益 。 ” 04 价值观和困境 先说个提纲挈领的题外话：我一直觉得人们在发表意见时，普遍水平是“只提出问题，不回答问题”，这个比例大概占到“二八法则”的80%那一档。再好一点的是，“提出问题，分析原因”，但这个档次里多是吸引眼球，制造焦虑的那类所谓“爆款”文章。一个值得讨论的问题，其本身就有足够罗列的内生性和外生性原因，能够引经据典、梳理线索，其实已经达到“数据分析”的入门素养了，很可惜。 真正优秀的文章是“提出问题，分析原因，给出解答”，也就是所谓的“干货”文章。我很佩服这些敢于发声的意见领袖，在现今这个意识形态边界拉紧的社会，下结论般展示自我，是需要承担大量非议和诽谤的，幸好根据“峰终定律”来说， 他们在结尾深刻的掷地有声，在许多日子之后依然会被人们铭记，带给这些人始终向往美好社会的勇气。 那真的很好。不过我活出了自己的一套理解。 这个世界上的非凡的头脑里最顶尖的那批，都致力于研究过“ 统一场理论 ”：欧几里得，牛顿，爱因斯坦，哥德尔，霍金，阿西莫夫，丁仪，谢尔顿……（好像乱入两位）。万物是否遵循同一个神秘而又统一的物理定律？ 同时

3 月，跳不动了？>>> DataWorks 是阿里巴巴自主研发，支撑阿里巴巴经济体 99% 数据业务建设和治理，每天数万名数据开发和算法开发工程师在使用。 从 2010 年起步到目前的版本，经历了多次技术变革和架构升级，也遗留了大量的历史包袱。技术的创新和业务的发展，相辅相成但也互为掣肘。存在需求接入慢，代码牵一发而动全身，环境复杂等问题，沉疴已久。历次迭代均未从根基上升级 DataWorks ，仅仅是一些性能提升、工程结构的优化，减少了重复代码等，并未促成根本性的技术革命。 本文将探讨如何通过当前大热的微服务架构，来改变 DataWorks 平台的现实问题，从繁杂的工程中探索出一条切实可行的技术架构变革之路。 痛点 让我们先来谈谈 DataWorks 当前遇到了哪些痛点，这些痛点是倒逼着我们进行技术变革的源动力。 沉重的历史包袱 首先要提的就是历史原因遗留的各种问题， DataWorks 历史上多个版本同步开发，前后端技术栈多次变革，应用一旦上线就很难废弃，一个对外暴露的 API ，很可能是 5 年前开发的，但依然有业务在依赖，通常情况下连这些古老业务的负责人都找不到了。当我们的服务正常运行的时候，无人搭理，一旦下线，则可能不知道从哪儿跳出几个用户前来投诉。页面上的功能同样如此，有时候只是过去不知道哪位同学开发中引入的一个Bug ，但也因为我们的用户基数庞大，而变成了真理

3 月，跳不动了？>>> 在文章的开始，先介绍一下 Cloud Toolkit 是什么？ Cloud Toolkit 是阿里云发布的免费本地 IDE 插件，帮助开发者更高效地开发、测试、诊断并部署应用。通过插件，可以将本地应用一键部署到任意服务器，甚至云端（ECS、EDAS、ACK、ACR 和 小程序云等）；并且还内置了 Arthas 诊断、Dubbo工具、Terminal 终端、文件上传、函数计算 和 MySQL 执行器等工具。不仅仅有 IntelliJ IDEA 主流版本，还有 Eclipse、Pycharm、Maven 等其他版本。今年 2 月，Cloud Toolkit 刚刚发布了 Visual Studio Code 版本，全面覆盖前端开发者，帮助前端实现一键打包部署，让开发提速 8 倍。 产品详情： https://cn.aliyun.com/product/cloudtoolkit Cloud Toolkit 与开发者共同成长的这一年 2018 年 12 月，免费的本地 IDE 插件 Cloud Toolkit 正式对外发布。截止目前，已有超过 18 万人次下载了 Cloud Toolkit，并体验到了一键部署带来的开发便利；已实现本地代码部署到远程服务器 113 万次，为亚太地区开发者累计节省 21.7万+小时。 接下来，我们盘点 Cloud Toolkit