mono

JetBrains Mono 官方地址： https://www.jetbrains.com/lp/mono/ 特地去了下 JetBrains Mono 官网，看起来还是挺舒适的： 并且，从 2019.3 版本开始，JetBrains Mono 字体将随 JetBrains 系列 IDEs 一起提供。 我用的是2018版本，去官网下载一下，然后本地安装 设置开始使用 来源： oschina 链接： https://my.oschina.net/u/4359742/blog/3314373

https://www.cnblogs.com/flyfox1982/p/12306657.html HTML5 WebGL 在三维中的应用，已经发展的如火如荼，使其在三维组态（工业控制）方面也变得简单易行！ 三维组态软件提高了工业控制的管理效率，让工业控制的资源管理、风险管控得到很大的改善。 传统的三维组态一般都是本地应用， 该案例使用的是基于浏览器B/S架构下的三维组态的应用。 该案例模拟的是一个油田简单的工业控制场景， 模型大致包括 油井、分离器、 加热炉、天然气、外输泵。 还包括管路流动、流动方向。 描述了采油、加工、 输出的全过程。 制作模型 第一步要做的就是建模，设计组使用3D建模工具 3d max或者c4d 进行油田设备模型的建模。建模后导出后缀为obj或者gltf格式文件，这两种格式是我们三维渲染引擎支持最好的文件格式。 建模后的所有模型文件，最终会放到后端的模型库，模型库的管理目录，如下图所示： 需要制作的模型包括油井、分离器、加热炉、天然气、外输泵，如下图所示， 加载模型 加载模型可使用引擎模型的加载函数，进行模型加载，如obj模型加载，如下代码所示： new mono.OBJMTLLoader().load( 'youjing.obj', 'youjing.mtl', '', (node)=> { node.type = 'obj'; box

折腾了半天字体。 起因是在linux下用ReText写rst格式文档，写标题的时候报错文字下的标记长度不够，明明是对对齐的。原因是中英文字体不是严格1:2等宽，1个中文字宽度不等于2个英文字宽度，造成错觉。换了几个等宽字体也不行。 搜索折腾了一番。总结如下： 最简单实用的办法是安装一个为中文优化过的等宽英文字体，设置字体时就选这个等宽英文字体。这种字体不多，例如：ubuntu mono。据说还有mplus fonts，应该是含有中日文的，没试过。 gnome terminal和vim,gvim有特殊处理，不用安装特殊字体，自动中英文1:2等宽。 Windos 7下，我记得有款达人自制的雅黑Consolas混合字体，挺棒的。中英文看起来都比较舒服。至于是不是中英文1:2等宽，有段时间没用Windows 7，不太记得了。 Windows 10下，看程序心情。 正常程序notepad, notepad++, 选择普通的等宽英文字体，自动中英文1:2等宽。 自制雅黑Consolas混合字体，不再中英文1:2等宽。 较高版本的Visual Studio 2012, 2017、SQL Server Management Studio 2017, 字体不会自动等宽。进入抽风模式 原本包含1:2等宽中英文的字体，如“新宋体”，能保持中英文1:2等宽 ubuntu mono，设置12号字体

本文为实战SpringCloud响应式微服务系列教程第九章，讲解使用Spring WebFlux构建响应式RESTful服务。建议没有之前基础的童鞋，先看之前的章节，章节目录放在文末。 从本节开始我们将正式进入构建响应式服务的世界。在Spring boot的基础上，我们将引入全新的Spring WebFlux框架。 WebFlux名称中的Flux来源于上章节介绍的来自Reactor框架中的Flux组件。该框架中包含了对响应式HTTP、服务器推送事件以及Websocket的客户端和服务端的支持。 在构架响应式服务上，WebFlux支持两种不同的编程模型： 第一种是与SpringMvc中同样使用的基于java注解的方式； 第二种是基于java8中提供的lambda表达式的函数式编程模型。 1.1使用 Spring Initializer初始化响应式web应用 创建WebFlux应用最简单的方式便是使用Spring boot提供的Spring Initializer初始化模板。 直接访问Spring Initializer网站（http://start.spring.io），选择创建一个maven或者Gradle项目并制定相应的Group和Artifact，然后在添加依赖中选择maven进行代码依赖管理。 打开所下载项目中的pom文件，会找到如下依赖。 spring-boot

前言 本系列课程是针对无基础的，争取用简单明了的语言来讲解，学习前需要 具备基本的电脑操作能力， 准备一个已安装python环境的电脑。如果觉得好可以分享转发，有问题的地方也欢迎指出，在此先行谢过。 前言 上一篇文章我们利用PIL自带的路径方法实现了一些滤镜的效果，单纯从使用的角度来说已经够我们使用了，但是如果能够弄清楚它们背后的原理，相信应该是会对我们更有帮助的。 在正式讲解之前，有一些基本的概念还是要在重新了解一下。 图片是由一个个像素组成的，每个像素又是由RGB三种颜色数值组成的(这里指的是RGB模式图片)，灰度图是由0-255单个数值组成的。所有的图片处理，本质上都是对像素值进行处理。 灰度滤镜实现 灰度图我们知道是由单一数值0-255组成的，一张RGB三种颜色组成的图片要变成灰度图，需要将它们的三种颜色值设为相同即可。由于人眼对绿色的敏感度最高，红色次之，对蓝色的敏感度最低，因此，当权值 G > R > B时，所产生的灰度图像更符合人眼的视觉感受。 所以将颜色的RGB设置为相同的值即可使得图片为灰色，一般处理方法有： 1、取三种颜色的平均值 2、取三种颜色的最大值（最小值） 3、加权平均值：L = 0.299R + 0.587G + 0.114*B 黑白滤镜实现 黑白效果实现和滤镜有点类似，只不过这里需要自己设定一个阈值，将每一个像素点的平均值与阈值100(这个不是固定的

简介 之前我们提到过，对于底层的数据源来说，MongoDB, Redis, 和 Cassandra 可以直接以reactive的方式支持Spring Data。而其他很多关系型数据库比如Postgres, Microsoft SQL Server, MySQL, H2 和 Google Spanner 则可以通过使用R2DBC 来实现对reactive的支持。 今天我们就来具体讲解一下R2DBC的使用。 R2DBC介绍 之前我们介绍了Reactor还有基于其之上的Spring WebFlux框架。包括vert.x，rxjava等等reactive技术。我们实际上在应用层已经有很多优秀的响应式处理框架。 但是有一个问题就是所有的框架都需要获取底层的数据，而基本上关系型数据库的底层读写都还是同步的。 为了解决这个问题，出现了两个标准，一个是oracle提出的 ADBC (Asynchronous Database Access API)，另一个就是Pivotal提出的R2DBC (Reactive Relational Database Connectivity)。 R2DBC是基于Reactive Streams标准来设计的。通过使用R2DBC，你可以使用reactive API来操作数据。 同时R2DBC只是一个开放的标准，而各个具体的数据库连接实现，需要实现这个标准。

文章目录 简介 R2DBC介绍 项目依赖 创建ConnectionFactory 创建Entity Bean 初始化数据库 获取所有的用户 Prepare Statement 事务处理 WebFlux使用 执行效果 简介 之前我们提到过，对于底层的数据源来说，MongoDB, Redis, 和 Cassandra 可以直接以reactive的方式支持Spring Data。而其他很多关系型数据库比如Postgres, Microsoft SQL Server, MySQL, H2 和 Google Spanner 则可以通过使用R2DBC 来实现对reactive的支持。 今天我们就来具体讲解一下R2DBC的使用。 R2DBC介绍 之前我们介绍了Reactor还有基于其之上的Spring WebFlux框架。包括vert.x，rxjava等等reactive技术。我们实际上在应用层已经有很多优秀的响应式处理框架。 但是有一个问题就是所有的框架都需要获取底层的数据，而基本上关系型数据库的底层读写都还是同步的。 为了解决这个问题，出现了两个标准，一个是oracle提出的 ADBC (Asynchronous Database Access API)，另一个就是Pivotal提出的R2DBC (Reactive Relational Database Connectivity)。

Spring Cloud 系列之 Gateway 服务网关（四） 本篇文章为系列文章，未读第一集的同学请猛戳这里： Spring Cloud 系列之 Gateway 服务网关（一） Spring Cloud 系列之 Gateway 服务网关（二） Spring Cloud 系列之 Gateway 服务网关（三） 本篇文章讲解 Gateway 网关如何实现限流、整合 Sentinel 实现限流以及高可用网关环境搭建。 网关限流 顾名思义，限流就是限制流量，就像你宽带包有 1 个 G 的流量，用完了就没了。通过限流，我们可以很好地控制系统的 QPS，从而达到保护系统的目的。 为什么需要限流 比如 Web 服务、对外 API，这种类型的服务有以下几种可能导致机器被拖垮： 用户增长过快（好事） 因为某个热点事件（微博热搜） 竞争对象爬虫 恶意的请求 这些情况都是无法预知的，不知道什么时候会有 10 倍甚至 20 倍的流量打进来，如果真碰上这种情况，扩容是根本来不及的。 从上图可以看出，对内而言：上游的 A、B 服务直接依赖了下游的基础服务 C，对于 A，B 服务都依赖的基础服务 C 这种场景，服务 A 和 B 其实处于某种竞争关系，如果服务 A 的并发阈值设置过大，当流量高峰期来临，有可能直接拖垮基础服务 C 并影响服务 B，即雪崩效应。 限流算法 点击链接观看：限流算法视频

前言 　　Android SDK 提供了两套音频采集的API，分别是：MediaRecorder 和 AudioRecord，前者是一个更加上层一点的API，它可以直接把手机麦克风录入的音频数据进行编码压缩（如AMR、MP3等）并存成文件，而后者则更接近底层，能够更加自由灵活地控制，可以得到原始的一帧帧PCM音频数据。 实现流程 获取权限 初始化获取每一帧流的Size 初始化音频录制AudioRecord 开始录制与保存录制音频文件 停止录制 给音频文件添加头部信息,并且转换格式成wav 释放AudioRecord,录制流程完毕 获取权限 <!-- 音频录制权限 --> < uses-permission android:name ="android.permission.RECORD_AUDIO" /> <!-- 读取和写入存储权限 --> < uses-permission android:name ="android.permission.WRITE_EXTERNAL_STORAGE" /> < uses-permission android:name ="android.permission.READ_EXTERNAL_STORAGE" /> 如果是Android5.0以上,以上3个权限需要动态授权 初始化获取每一帧流的Size private Integer

https://zhuanlan.zhihu.com/p/120462530 https://segmentfault.com/a/1190000024449390 https://github.com/module-federation/module-federation-examples http://www.alloyteam.com/2020/04/14338/ 比较契合大型项目, 尤其是mono那种的, 各个模块之间可以共享不少的代码 对比官方中的配置, 使用时基本上不需要做特殊处理 来源： oschina 链接： https://my.oschina.net/ahaoboy/blog/4720474