Gakkiyomi 👋🏼

国庆参加了大学同学的婚礼，让我这个28岁的老大爷再次找回了青春的感觉，比我今年看的校园甜剧还要甜 还有，有一个镜头是我拍的，孩子们，想恋爱了！！！

在去年元旦的时候，因为没有出去玩无聊，给摸鱼派写了一个python客户端，那时候不会python，所以写的很烂。https://fishpi.cn/article/1641135630423 这周末由于周六爬山累到了，一天都在休息，于是想重构一下之前的屎山。并且加了一些功能。 于是 fishpi-pyclient 2.0.0 来了。 2.0.0版本最大的特点就是支持账号多开，一键切换账号。 安装方式 MacOS版本 下载连接 执行如下命令 chmod a+x ./fishpi-pyclient ./fishpi-pyclient 然后需要在偏好设置这里,如下图: 使用pip安装 pip install fishpi-pyclient 分身账号添加 通过配置文件 可通过#change username 来切换。 具体功能大家可以下载尝试 问题 由于本人没有windows机器，所以暂未在windows上测试 由于本人python并不是很熟悉，也在逐渐学习当中，如果大家对python很了解或者很感兴趣，也可以在github源码或者本帖留言提意见让我学习....

昨晚跟玲珑还有小七组排。 怎么说，把把C。 0BBAA21F-09CB-4486-87DA-8D3CDC792838.mp4

又是一个美好的周末，相比于之前的台风天气，周末天气晴朗，适合外出，所以我预约了周六的深圳博物馆古代艺术馆。 上午 日常锻炼 下午 坐公交到市委公交站，然后步行就到了博物馆大门。扫完码就进去了。首先就是打卡胶囊电梯。 然后就是参观展厅。建议顺序 坐电梯到4楼 -> 1楼 ，从青铜时代到明清。 晚上 然后吃完饭就做公交原路返回了。

arthas 使用教程 Arthas 是Alibaba开源的Java诊断工具，通过这个工具我们可以快速并准确的定位问题。 这里会简单介绍使用arthas进行Troube Shooting，详细安装流程与深入的操作命令参数请自行查阅官方文档学习。🙏 官方文档: https://arthas.aliyun.com/doc/index.html 资源监控 arthas提供了CPU，内存，运行环境等资源信息面板,并且可以设置刷新时间 命令 dashboard heapdump dump java heap, 类似jmap命令的heap dump功能。 查看java 堆内存的对象实例情况 heapdump /arthas-output/nap.hprof 将堆的使用情况dump到 /arthas-output/nap.hprof 文件 可以使用jdk自带的 VisualVM来查看 也可以使用IntelliJ IDEA 自带的 HPROF 内存查看器 查看 输入Action Open profiler Snapshot Profiler arthas支持监控一段时间的火焰图来统计性能....

由于v2rayU的证书过期。正在使用3.3.0版本的v2rayU会频繁弹出窗口 临时解决办法 先打开一次，报错不用管，终端跑以下命令，输入登录密码按回车，密码不会显示 sudo /usr/bin/codesign --force --deep --sign - /Applications/V2rayU.app sudo /usr/bin/codesign --force --deep --sign - ~/.V2rayU/V2rayUTool sudo /usr/bin/codesign --force --deep --sign - ~/.V2rayU/v2ray-core/v2ray 在应用程序里找到他，右键，显示简介，勾选 覆盖恶意软件保护 然后再打开就可以用了，用不了就重头再来一次

导言 Redis和Hazelcast是构建内存数据库的两个常见选择，但对于您的需求来说哪个更好呢？在本文中，我们将讨论如何在Redis和Hazelcast之间做出正确选择。 Redis是什么？ Redis是一个开源的内存键值数据结构存储库，可以用于实现数据库、缓存和消息代理。Redis软件使用C语言编写，并支持字符串、列表、映射和集合等高级数据类型。许多开发者喜欢Redis的轻量级占用空间、良好的性能和高可用性。 Hazelcast是什么？ Hazelcast是一个用Java编程语言编写的开源内存数据网格平台，常用于实现缓存。Hazelcast的基本单元是节点和集群。集群中的每个节点负责管理部分数据。这种分布式系统使得I/O和处理更加高效。 Redis和Hazelcast之间的三个主要区别 线程模型 虽然Redis是单线程的，但它使用高性能核心和非常低的内存占用。这个优势使您可以在单台机器上轻松运行多个Redis实例，充分利用所有的CPU核心。 "脑裂"问题是一种网络问题，当节点之间失去通信，每个节点都认为自己是主节点，这可能导致数据损坏，因为多个节点访问同一个文件或磁盘。Redis的....

前瞻 我们公司的项目是使用Java语言Springboot框架开发的，由于项目诞生较早没经过设计所以一直是以最简单的 Controller,Service,Repository,Entity的架构跑到了如今，恰逢美国对中国的技术封锁日益加剧，国家推出了中国信创产业发展白皮书,所以一些技术需要进行国产化，国内也涌出众多国产化的产品，如: TongWeb, OpenGauss,kingBase,Oceanbase 等。这篇文章不对这些国产化产品进行评价。只是由于信创的要求，大量客户要求我们厂家也需要支持国产化的组件。而一个优秀的软件架构可以省下非常多的工作量。 当前的形势 没错，对于老代码的屎山，高耦合就是唯一的特点。底层使用的postgresql数据库。以前我也发过一篇文章 信创兼容kingBase数据库,kingBase是基于postgres9.6开发的所以没什么难度，但是这次我们要兼容Oceanbase，这个数据库是基于Mysql开发的，由于mysql和postgres在语法层面的不同和不同的支持类型，同时兼容几乎是不可能的。所以我们需要改变我们目前的软件的设计架构，也就是六边形架构....

如果需要在同一个Spring Boot应用程序中同时使用PostgreSQL和Oracle数据库，你可以配置多个数据源来实现这一目标。 添加依赖 dependencies { implementation 'org.postgresql:postgresql:42.3.1' implementation 'com.oracle.database.jdbc:ojdbc8:19.3.0.0' //其他依赖项 } 配置文件 spring: primary: datasource: driver-class-name: org.postgresql.Driver jdbc-url: jdbc:postgresql://localhost:5432/nap username: xxx password: xxx test-on-borrow: true validationQuery: SELECT 1 name: HikariPool-1 minimum-idle: 15 maximum-pool-size: 30 idle-timeout: 600000....

一位 new Date()大法好的老顽固的真香之旅。 new Date()大法和new SimpleDateFormat()等API是从我2018年学习Java开始就一直在使用的处理日期和格式化日期的神器，直到几个月前我还是喜欢用他们，但是突然遇到一个比较复杂并且涉及用户分布在全球的报表需求时，我开始退坑了。。。 我开始使用java.time包下的API，真香～～～ 在 Java 8 之前，java.util.Date 和 java.util.Calendar是用于表示日期和时间的类。但是这两个工具类 存在很多问题，例如： Date 和Calender是可变的，这意味着它不是线程安全的。 java.util.Date 的时间表示只能精确到毫秒，不能精确到更小的时间单位。 API 设计相对复杂且容易出错。 Calender使用了许多常量和魔法值，不够直观。例如，月份从 0 开始计数，这与我们通常的习惯不同，容易导致错误。 Date 存储的时间是从 1970-01-01T00:00:00Z（即格林威治时间）开始经过的时间，但是它的 API 设计存在很多问题，例如 getYear()....

Argo Workflows是一个开源的容器本机工作流引擎，用于在Kubernetes上协调并行作业。 Argo Workflows被实现为Kubernetes CRD（自定义资源定义）。跟其他传统的工作流引擎不同的是，他的每一个步骤都是一个容器。将多步骤工作流建模为一系列任务，或者使用有向无环图（DAG）捕获任务之间的依赖关系。 使用Kubernetes上的Argo Workflow，可以在短时间内轻松运行用于计算机学习或数据处理的计算密集型作业。 安装argo 安装argo十分容易 第一步先创建namespace kubectl create ns argo 第二步执行kubectl -n argo apply -f install.yaml # This is an auto-generated file. DO NOT EDIT apiVersion: apiextensions.k8s.io/v1beta1 kind: CustomResourceDefinition metadata: name: clusterworkflowtemplates.argoproj.i....

solr是apache旗下的一款开源，高效的搜索引擎，底层使用的apache的lucene。这篇文章将以极简的方式搭建单机版的solr。本教程旨在试玩与学习，生产环境搭建还请移步官方文档与相关社区。 我作为一个solr新手来搭建环境时，首先肯定是从官方文档的quick start开始啦,但是官方文档里面居然没有docker安装的教程，这对新时代的我来说是无法接受的。但是网上的各种docker安装教程不知道是因为solr镜像版本的原因还是其他原因，在我使用data-import的功能时，各种目录对不上，以及各种sdk和api介绍搞得我眼花缭乱，无用的信息太多只会让自己的脑子发热以及打击自信心。 所以在探索出我要的东西之后，决定写下这个教程只服务于docker安装以及data-import功能介绍和使用。如若与您所需要的东西不符，那也没必要看下去了。 在安装前请确保服务器能连接互联网与存在docker服务。 提示 本文只介绍solr的docker安装与data-import功能对于postgresql的使用。如需了解solr的api或者sdk的使用请移步官方文档与相关社区。 下载镜像 直....

一直期待的国庆长假，临近才发现并不是喜欢长假的享受而是喜欢期待的过程。一到长假就避免不了抢票回家，奔波劳碌。回家参加表哥借亲戚钱举办的婚礼让我感受到了无比的压力与震惊，也让我更加坚信读书是绝大部分农村人出头最好的一条路。同学群里大家都跃跃欲试的举办各种活动，生怕自己不被别人注目，这反而给了我更大的压力。再说松弛过后国庆假期结束的紧绷这种落差感就像《一人之下》里的是十二劳情阵一样，反复的拉扯着你的神经。 我常思考我每天上班除了付出等价劳动外，我获得了什么？是最新潮的技术吗，还是平台？在工作中跟随业务我甚至起了转岗的念头，但是通过这个国庆，我发现没有什么事情是办不到的，就看你想不想办能不能坚持。我自认天赋不高，但我可以更加努力。智商是人的上限，但是勤奋才是人的下限，对于普通人来说相比与推脱给智商不够等一堆的借口，保证下限才是更重要的一件事。

堆 想实现堆排序，必须了解数据结构 ---堆。 那么什么是堆呢？ 在我看来堆就是一颗完全二叉树的数组形式。 根据其节点的大小，又分为 大顶堆和小顶堆。 堆虽然是树但是不用存子节点的指针，所以内存占用较小。堆主要用来排序，用来搜索性能较低。 他们的数组索引 就是树的层次遍历次序。 也可以得到获取其左右子节点的公式如下: 大顶堆：arr[i] >= arr[2i+1] && arr[i] >= arr[2i+2] 小顶堆：arr[i] <= arr[2i+1] && arr[i] <= arr[2i+2] 根据这个公式 我们可以先用代码实现下堆的特性： Heap struct { Items []int } func (hp *Heap) GetLeftIndex(parentIndex int) int { return 2*parentIndex + 1 } func (hp *Heap) GetRightIndex(parentIndex int) int { return 2*parentIndex + 2 } ....

负责一个项目的同事离职后，我负责接手了他的项目，当我知道我需要面对面的接触客户的时候我才发越发珍惜开发岗位上的时光，我才发现开发的压力并不比在前面顶的兄弟们大。这一周我们都是在家远程上班，但我还是得去客户现场，周末抱佛脚学习了前同事的文档，我才发现大牛就在身边而我却很少向他请教。周一在客户那里部署了环境，还偶遇了为同一个客户工作的大学同学,世界真小。周二周三一直支持客户测试到晚上12点，今天周四终于弄出一套能够演示的环境了。每天最怕的就是客户群里面的@，不知道明天还有什么等待着我。

洗澡的时候沉思 2020 年发生的一切，这竟让我在凌晨的时候抢占了本周 TGIF 的坑位。 最近深圳的天气转凉了，我也打算上街买几身外套和棉衣，3 件短袖 2 件外套的组合撑到了 10°c，我一向对外表方面并不上心，但是低温结结实实的给了我两个耳光。大家也记得不要着凉。 2020 年初我在家隔离烤火，那时候我还没来的及打开手机就听到电视机里播报科比去世的消息，这才猛然打开手机看到了无数的朋友圈动态与新闻轰炸， 大家都说 2020 年是艰难的一年，那么到了年底，自然要回顾下 2020 年呢。 对于我个人来说，2020 年是这样的。 在生活方面，我自认为自己不是一个独立的人，但还是在今年脱离了同学，学会了自己独立生活。一个人租着小单间，上班地铁上看着小说居然看完了整部《诡秘之主》现在在看《牧神记》，每天下班打着游戏。 在工作方面，工资稳步上涨，也不在做 CURD 的重复劳动，加入了平台研发组后调研学习分享的时间变多了，开发的时间变少了，在工作的第 2 年也遇到了些好同事好导师，在涟滴摸鱼的时间比我开发的时间还长。总之还行吧。 在消费方面，买了 2020 年 intel 的 MacBookP....

容器的本质是一个特殊的进程，特殊在为期创建了 Namespace 隔离运行环境，并用 CGroup 为其控制资源开销。借助这两个技术我们可以成功实现应用容器化，但如何让多个容器在网络环境相互通信，以及访问外部网络，或者让外部网络访问特定容器等问题，则还需要利用一些Linux网络虚拟化技术。 在Linux提供的众多Namespace中，我们可以其中Network Namespace 来给容器配置独立的网络视图。 现在让我们从linux提供的一些网络虚拟化技术来实现一个简易版的"docker"。 网络命名空间隔离 通过一个小实验demo来体验网络命名空间 通过使用命令 readlink proc/$$/ns/net来查看宿主机的网络空间 我们也可以创建Network Namespace，通过ip netns 工具来创建 在这两个网络命名空间上创建两个bash容器 进行观察, 发现 网络空间的值改变了 查看接口 查看路由表 发现这个网络命名空间里的网络都被重置了，同样的fangcong2这个空间应该也如此。 不同的容器（ fangcong1 和 fangcong2 ）拥有自己独立....

终于到了周末，从一周的加班当中抽身出来。刚刚刷B站看到了一些有关青春，校园的一些东西，我也是略有感触，写这段文字的目的也不是怀念谁或者触景生情，而是回想过去和不想忘记。正如经历的不必都记起，过去的不会都忘记，文字是死的但是你看他的时候却是活的，正如一个动漫梗所说的，你看到的任意一段文字都比博人传热血，更何况你的青春和年少时光呢？ 时间回到10年前。那时时间过得很慢，上学坐公交都要30分钟，相比与现在生活条件更是差了不少，但却生活的很快乐，那时候生活里就是学习与放假，放假就是和小伙伴们上网，那时虽然网速慢但是网友多，长大了却反过来了。初中每天父母会给当天的生活费，而有些网瘾少年却将中午饭的钱省下来买一张饼或者一碗面然后中午上一个小时的网。初中的生活几乎就是这几句可以概括了，那些情情爱爱也与我这种内向的人无关。初中我非常喜欢历史，曾不止一次跟父母说过以后要当个历史学家，至于为什么，我现在也记不清了，日记是个好东西，其实每个人都会有一些传奇的故事，如果不记录只要你忘了那这件事情就是没有发生过的。我这个人从小就不爱记录，每次老师要求写日记我也是写一两句流水账，收到的回复永远是红笔批示的日期而已....

最近开工了，回到了深圳和朋友们聊天时谈到了我们自身的发展前景。大家都各有看法，但最终呈现出的答案无非两种，一种是自信派，自信人生二百年，会当击水三千里。一种是安稳派，认为应该在外打工太难，应该激流勇退，早日回老家工作生活。 在家里过年时,天天在客厅陪亲戚看电视《雍正王朝》，在剧中老康熙带着不想还债的群臣到了畅春园里坐下后，说出了这句“朕一生自信，自信人生一百年 会当纵横九万里。”这句话是编剧刘和平老师化用的毛主席的《七古·残局》，然后例举了自己一生赫赫功勋。可是有多少人一出生就是九五至尊呢？我当时这般想。后来发现这是毛主席的诗后，又有了新的感悟，也正是有毛主席在青年时代的这般自信，才有了中年时代屡遭冷落和排挤时的百折不挠，才有了如钢铁般意志的新中国成立。 所以自信是好的，自信能带给你肾上腺素的上升，让你坚持自己。现在网络太发达，任何时间地点发生的任何事都能从网络中获取，导致有些许人对同样出身的自己产生了怀疑和不自信，他如此，我当如此吗？当年毛主席在北京求学时泡在图书馆，其获取知识的难度相对于现在更是无比巨大，现在的信息时代任何东西都能在网上找到。获取知识的途径越来越多，现在的年轻人却退....

查看数据量大的表 SELECT table_schema || '.' || table_name AS table_full_name, pg_size_pretty(pg_total_relation_size('"' || table_schema || '"."' || table_name || '"')) AS size FROM information_schema.tables ORDER BY pg_total_relation_size('"' || table_schema || '"."' || table_name || '"') DESC limit 100 查看数据量大的字段 select sum(pg_column_size(path_analyze_result)) as path, sum(pg_column_size(object_analyze_result)) as object, sum(pg_column_size(correlation_analyze_result)) as correlation from nap_pol....