h2

3 月，跳不动了？>>> 欢迎使用SFDP3.0超级表单开发平台 SFDP3.0是一个快速构建表单的插件平台 SFDP3.0 前身是TPFD基于Thinkphp开发的可视化表单插件，经过三个版本的迭代更新，发布全新重构的表单设计开发一体的平台。 作者相关开源软件 GVP项目PHP开源工作流： http://tpflow.cojz8.com/ 下载地址： https://gitee.com/ntdgg/tpflow 3.0版本主要特性 Characteristic ♥ 可视化表单设计器 基于JQ UI的元素拖拽 Draggable Sortable 元素可移动拖拽设计 界面布局自定义化 ♥ 动态表单构建器 全新动态构建器 无实体页面及数据，全部由表单构建器进行管理 ♥ 脚本定义支持 load_satr_fun 页面构建前执行的函数 load_end_fun 页面构建完成后函数 内置常见的所有脚本 Ajax Upload 支持jQ所有脚本 ♥ 函数定义支持 支持使用 commonfun.sFun 进行数据交互，使得表单动态而又活起来。 ♥ 设计版本管理 多版本设计支持 ♥ 元素管理支持 支持对表单函数的管理 相关链接 官方博客： http://www.cojz8.com/ 演示站点： http://sfdp.cojz8.com/ 开发手册：编写中 版权信息 SFDP 遵循 MIT

3 月，跳不动了？>>> Sentiment analyzer 中文 | English 一个简单的基于微服务架构的中文情绪分析应用，它会被部署到 Kubernetes 进行服务。 原本就计划开发一个关于 Kubernetes 的项目，只是没想好怎么去切入这个大课题， 不久前受到 一篇文章 的启发，所以我也将会开发一个类似的项目。 项目搭配我写的这三篇分享文章服用，效果更佳哦： 扬帆前夜 Kubernetes 短途旅行（上） Kubernetes 短途旅行（下） 技术栈： Python Flask SnowNLP Golang Gin Vue.js Docker Kubernetes 使用 docker-compose 启动应用 使用 docker-compose up -d --build 启动应用。 在浏览器访问 http://127.0.0.1:3000 。 使用 docker-compose down -v 停止应用。 截图 来源： oschina 链接： https://my.oschina.net/u/4323704/blog/3209261

3 月，跳不动了？>>> 索引，选择与赋值 选择要处理的pandas DataFrame或Series的特定值几乎是你将研究的任何数据操作中的隐式步骤。 因此，对如何切分数据集的充分理解至关重要。 在这个案例里，我们将查看澳大利亚墨尔本的房价数据。 点击这里 下载 数据集 我们再把csv文件上传到vitu的数据集空间里 我们将使用read_csv函数将数据读入DataFrame。 这样做： 原生的访问方法 原生Python对象提供了许多索引数据的好方法。 pandas将所有这些都包含在内，这有助于让它更容易入手。 考虑一下这个DataFrame： 在Python中，我们可以通过将其作为属性访问来访问对象的属性。 例如，book对象可能有title属性，我们可以通过调用book.title来访问它。 pandas DataFrame中的列以相同的方式工作。 因此，要访问房价数据的地址属性，我们可以使用： 如果我们在Python中有一个dict对象，我们可以使用索引（[]）运算符访问它的值。 同样，我们可以对pandas DataFrame列执行相同的操作。 这是从pandas DataFrame中选择特定Series的两种方法。 它们中的任何一个都没有或多或少比另外一个在语法上有效，但索引operator []确实具有可以处理其中包含保留字符的列名的优点（例如

3 月，跳不动了？>>> 不知道玩微博的童鞋有没有遇到过这样的事情：你的微博账号总是会出现很多新的关注列表，而这些并不是你操作的，是不是觉得很恐惧？ 一位搞安全的童鞋曾经告诉雷锋网编辑，这很可能是因为有人知道我的身份信息，吓得我赶紧去改了密码。 最近几天，微博被爆超 5 亿用户信息在暗网上被出售的消息也是闹的沸沸扬扬，究竟怎么回事呢？ 微博被爆用户数据在暗网上被出售，回应称是旧闻？ 事情还要从几个安全大佬的微博说起。 据南方日报报道，近日，多个安全监测平台监控到，有暗网用户于 3 月 4 日发布了一则名为“5.38 亿微博用户绑定手机号数据，其中 1.72 亿有账号基本信息”的交易信息，售价 1388 美元。其中绑定手机数据包括用户 ID 和手机号，账号基本信息包括昵称、头像、粉丝数、所在地等。 【 图片来源： 南方都市报 所有者：南方都市报 】 该用户在商品描述中称，上述信息“均为 2019 年中左右抓取”，并给出 400 条绑定手机号的测试数据，以及1500 条账号基本信息的测试数据。 18 日晚，默安科技创始人兼 CTO 魏兴国（安全-云舒）发博提及此事。 很快，微博 CEO 王高飞（来去之间）回复称“是 2014 年以前网易那次撞库的”。 3 月 19 日上午，默安科技 CTO 魏兴国（安全-云舒）发布了一条微博（目前已删除）称，通过技术查询发现不少人手机号已经泄露

3 月，跳不动了？>>> 基础服务架构 本篇内容主要讨论的是 Serverless 架构与其事件规范的基础原则。 首先，我们先来了解下在 HTTP/Web 场景下我们的典型的WEB场景是怎样的： 这里，我们不难看出典型的Web场景其实是由三大块内容，客户端，服务器，数据库组成。客户端在服务器侧通过类型 apache，nginx 等代理服务器来请求数据，代理服务器又通过数据库来写入或拉取数据资料。这个很简单，也是我们最常用的 Web 场景。 这里面服务器中可能涉及路由规则，鉴权逻辑以及其他各类复杂的业务代码，同时，开发团队要付出很大的精力在这个服务器的运维上面，包括客户量突然增多时是否需要扩容服务器？服务器上的脚本，业务代码等是否还在健康运行？是否有黑客在不断地对服务器发起攻击？ Serverless服务架构 那么接下来，我们来看下 Serverless 服务是如何请求数据的吧： Serverless 场景下，客户端需要通过 API 网关 Baas 来访问函数 FaaS 服务，然后在通过函数计算做数据库链接实现数据库的写入和拉取。 当客户端和数据库未发生变的前提下，服务器变化巨大，之前需要开发团队维护的路由模块以及鉴权模块都将接入服务商提供的 API 网关系统以及鉴权系统，开发团队无须再维护这两部分的业务代码，只需要持续维护相关规则即可。同时业务代码也被拆分成了函数粒度

3 月，跳不动了？>>> 本文讲解怎样对用户评论做情感分析，然后展示使用哪些Excel的公式和功能制作走势图，仅作为实操演示，实际工作中应根据研究问题选择合适的数据处理方法。 1，文本采集和文本情感分析 用网络爬虫采集用户评论的时候，必须把评论发布时间采集下来，前面很多文章讲了数据采集方法，不再赘述。 下一步将采集下来的用户评论导入GooSeeker文本分析平台进行处理。注意要给每条文本编一个序号。因为文本分词和情感分析软件只处理文本内容，导入时间没有意义，并不特殊处理，所以，时间信息留在原文，那么就需要用每条文本的编号将情感分析结果跟原文进行匹配。 下图是导入的数据格式，把数据放在excel中，一条一行，首行是表头，“序号”和“正文”是必须填的，序号可以是自然编号。 2，为每条原始数据计算情感倾向 GooSeeker情感分析平台会把原始文本切成句子，做句子级别的情感分析，假设制作统计图表的时候想用一条完整的文本内容作为单位，那么就需要把情感分析结果进行加总。其实本文还以天为单位再次汇总。如果根据句子所表达的主题进行分类以后看各自的走势，汇总方式就要相应做调整。 2.1，将情感倾向用数字表示 如下图，情感倾向本来用文字“正面”“负面”“中性”表示，首先要变成数字1，-1，0，才能求和。 2.2，用透视表求和 如下图，“序号”就是给原文编的号，“句子序号

3 月，跳不动了？>>> CDA数据分析师 出品 Python的主要功能机器学习库的最新版本包括许多新功能和错误修复。你可以从Scikit-learn官方0.22 发行要点中找到有关这些更改的完整说明。 通过pip完成安装更新： pip install --upgrade scikit-learn 或conda： conda install scikit-learn 最新的Scikit-learn中有5个新功能值得你注意。 1.新的绘图API 新的绘图API可用，无需重新计算即可正常工作。支持的图包括一些相关图，混淆矩阵和ROC曲线。下面是Scikit-learn用户指南中的示例，对API进行了演示： from sklearn.model_selection import train_test_split from sklearn.svm import SVC from sklearn.metrics import plot_roc_curve from sklearn.datasets import load_wine X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42) svc = SVC(random_state=42) svc.fit(X_train, y_train) svc

3 月，跳不动了？>>> 一、前言 本周本来要写MapReduce中的执行细节的，但是这两天看Raft资料的时候觉得Raft中的很多思想在Redis中都有对应的设计和应用，于是就先插队两篇关于Raft的文章。第一篇我们对比Raft和Redis中一致性协议的相同与不同， 第二篇我们主要看Raft在ETCD中的实现。同样，本文假定读者对Raft和Redis集群是了解的。如果不了解Redis集群的话，推荐看下我的这篇文章 大龙：Redis集群（终篇）——故障自动检测与自动恢复（附优质Redis资源汇总） ​ zhuanlan.zhihu.com 如果不了解Raft的话， 有如下资料可以去参考。 同时需要事先申明的是，下文中的Redis统一指的是Redis集群。 首先是Raft作者的博士论文： CONSENSUS: BRIDGING THEORY AND PRACTICE 然后是MIT的课程视频，老师讲的很好。 Raft Demo网站 ， 做的也很清晰，但的确少了很多细节。适合初学的时候看 《ETCD技术内幕》 这本书中的Raft介绍部分写的还比较清晰。 分布式系统的一致性和性能常常是鱼和熊掌不可兼得。追求高的一致性，必然会带来性能的损失，而想要追求高的性能，也只能妥协于一定程度的非一致性。以下图中的数据写入为例，不同的一致性级别要求写入的节点个数是不同的， 写入节点个数越多

3 月，跳不动了？>>> 注意：无特殊说明，Flutter版本及Dart版本如下： Flutter版本： 1.12.13+hotfix.5 Dart版本： 2.7.0 应用程序升级功能是App的基础功能之一，如果没有此功能会造成用户无法升级，应用程序的bug或者新功能老用户无法触达，甚至损失这部分用户。 对于应用程序升级功能的重要性就无需赘言了，下面介绍下应用程序升级功能的几种方式，从平台方面来说： IOS平台，应用程序升级功能只能通过跳转到app store进行升级。 Android平台，既可以通过跳转到应用市场进行升级，也可以下载apk包升级。 从强制性来说可以分别强制升级和非强制升级： 强制升级：就是用户必须升级才能继续使用App，如果不是非常必要不建议使用如此强硬的方式，会造成用户的反感。 非强制升级就是允许用户点击“取消”，继续使用App。 下面分别介绍IOS和Android升级流程。 IOS升级流程 IOS升级流程如下： 流程说明： 通常我们会访问后台接口获取是否有新的版本，如果有新的版本则弹出提示框，判断当前版本是否为“强制升级”，如果是则只提供用户一个“升级”的按钮，否则提供用户“升级”和“取消”按钮。 弹出提示框后用户选择是否升级，如果选择“取消”，提示框消失，如果选择“升级”，跳转到app store进行升级。 Android 升级流程 相比ios的升级过程

3 月，跳不动了？>>> android7.0 的API开始有了分屏功能，在测试时注意到主页面在分屏模式下，页面所占比例在增大或者减小的时候都会调用oncreat方法，所以查资料总结一下分屏对页面的生命周期的影响以及开发时的注意事项： App页面从全屏模式切换到分屏模式，会经历销毁后重建的过程，所以它的Activity生命周期会从oncreat(）重新走一遍。 1、禁用分屏模式 一般情况下，App默认都允许分屏模式。但有的开发者认为自己的App只有在全屏状态下才能正常使用，要是被分屏的话用起来会很难受，这时候就得对该App禁用分屏模式。具体操作是在AndroidManifest.xml的application节点添加属性android:resizeableActivity="false"，表示应用页面不接受分屏；如此一来，即使用户开启了分屏模式，切换到该应用时仍会强制回到全屏模式。 2、分屏切换时Activity的生命周期 App页面从全屏模式切换到分屏模式，它的Activity生命周期会经历销毁后重建的过程，如果开发者想保持App页面在分屏前的模样，则需给该页面的activity节点加上以下的属性描述 android:configChanges="screenLayout|orientation" 3、分屏在视频播放时的注意事项 对于视频播放页面