普通视图

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c 时代不同, 我儿子10岁就能通过github pages做一个静态网站学习笔记折腾教娃教育生活程序员编程网站信息与统计育儿

The post 时代不同, 我儿子10岁就能通过github pages做一个静态网站 first appeared on 小赖子的英国生活和资讯.

如何轻松创建并托管你的 GitHub Pages 站点 (无服务器静态应用)

作者 JustYY.com 小赖子的英国生活和资讯

2025年1月24日 05:10

创建一个 GitHub Pages 站点是一个简单的过程，可以免费为你的个人、项目或组织创建网站/博客。按照此指南开始。

步骤 1：创建 GitHub 仓库

登录你的 GitHub 账户。
点击“新建”来创建仓库。
对于个人站点，命名为 .github.io。
对于项目站点，使用任何有效的名称。

步骤 2：添加你的站点文件

使用以下命令克隆仓库到本地机器：

git clone https://github.com/<username>/<repository-name>.git

创建一个 index.html 文件，包含你想要的内容。这里是一个例子：

<!DOCTYPE html>  
<title>我的 GitHub 页面</title>
<h1>欢迎访问我的站点</h1>
<p>这是我的第一个 GitHub Pages 站点。</p>

或者，你可以使用 README.md（Markdown）作为首页。

## 我的 Github 页面
### 欢迎访问我的站点
THis is my first Github Pages site.

将你的更改提交并推送到 GitHub：

git add .
git commit -m "Initial commit"
git push origin main

how-to-setup-github-pages-static-apps 如何轻松创建并托管你的 GitHub Pages 站点 (无服务器静态应用) Github 学习笔记小技巧程序设计网站信息与统计计算机计算机

Github 上启用 Github Pages 的步骤

步骤 3：启用 GitHub Pages

转到你的仓库设置。
在侧边栏点击“Pages”。
在“源”下选择分支（例如，main）和文件夹（如果适用）。
点击“保存”。

步骤 4：查看你的站点

对于个人站点：访问 https://<username>.github.io/。
对于项目站点：访问 https://<username>.github.io/<repository-name>/。

步骤 5：自定义你的站点

要添加主题，请转到 Pages 设置并选择“选择一个主题”。

你还可以上传额外的 HTML、CSS 和 JavaScript 文件以进行进一步的自定义。

为什么 GitHub Pages 是“无服务器静态应用” / Serverless Apps

GitHub Pages 作为无服务器静态应用运行，因为它们直接向用户提供预构建的静态 HTML、CSS 和 JavaScript 文件，而不依赖后端服务器或运行时动态内容生成。相反，这些文件托管在 GitHub 的全球内容分发网络（CDN）上，确保快速有效的交付。

优点：

GitHub 提供的免费托管。
不需要服务器维护。
由于 CDN 分布，加载速度快。
简化了静态站点的部署和扩展。

缺点：

仅限于静态内容；不支持像数据库这样的服务器端功能。
高级工作流的自定义需要技术知识。
依赖于 GitHub 的基础设施。

GitHub Pages 的总结

GitHub Pages 是一个令人赞叹的免费托管网站的工具。只需几步，你就可以为你的项目、作品集或个人使用创建一个站点。通过利用无服务器模型，你可以构建轻量、高效且维护最小的站点。

英文：How to Setup and Create GitHub Pages (Serverless Static Apps)

本文一共 587 个汉字, 你数一下对不对.

如何轻松创建并托管你的 GitHub Pages 站点 (无服务器静态应用). (AMP 移动加速版本)

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c 如何轻松创建并托管你的 GitHub Pages 站点 (无服务器静态应用) Github 学习笔记小技巧程序设计网站信息与统计计算机计算机

The post 如何轻松创建并托管你的 GitHub Pages 站点 (无服务器静态应用) first appeared on 小赖子的英国生活和资讯.

Sui区块链编程: 获取最新块高度(NodeJs/Javascript函数 Latest Block Number/Height)

英文：NodeJs/Javascript Function to Get the Latest Block Number (Height) on the Sui Blockchain

作者 JustYY.com 小赖子的英国生活和资讯

2025年1月17日 04:38

获取最新区块号（高度）是开发人员在去中心化系统中常见的任务。如果你正在使用 Sui 区块链，并希望通过 Node.js 和 JavaScript 获取最新的区块高度，以下是一个简单的实现方法。

Sui 是一个高性能、可扩展的区块链，以低延迟和创新架构而闻名。与 Sui 的交互需要利用其 API，这些 API 允许开发人员无缝查询区块链数据并与智能合约交互。首先，确保你已在计算机上设置了 Node.js 环境并安装了必要的依赖项。

了解 Sui 区块链：Sui区块链简介

首先，创建一个新的 Node.js 项目。你可以使用以下命令初始化项目：

mkdir sui-block-height
cd sui-block-height
npm init -y

接下来，安装 Axios 库，它通常用于在Node.js中发起 HTTP 请求。我们将用它从 Sui 区块链 API 获取数据：

npm install axios

现在，创建一个名为 getLatestBlock.js 的文件，并在你喜欢的代码编辑器中打开。在这个脚本中，我们将编写一个函数来获取最新的区块高度。Sui 区块链提供了一个 RPC 端点，允许你查询其状态。这个端点是获取区块数据的关键。

以下是代码：

const axios = require('axios');

// Sui RPC 端点 - 如果使用特定网络，请替换为实际端点 
const SUI_RPC_URL = 'https://fullnode.sui.io/v1';

async function getLatestBlockHeight() {
    try {
        // 向 Sui RPC 端点发送 POST 请求
        const response = await axios.post(SUI_RPC_URL, {
            jsonrpc: '2.0',
            id: 1,
            method: 'sui_getLatestCheckpointSequenceNumber',
            params: []
        });
        if (response.data && response.data.result !== undefined) {  
            console.log(`最新区块高度: ${response.data.result}`);  
            return response.data.result;  
        } else {  
            throw new Error('响应结构异常');  
        }  
    } catch (error) {  
        console.error('获取区块高度失败:', error.message);  
        throw error;  
    }  
}

// 运行函数
getLatestBlockHeight().catch((err) => {
    console.error('Failed to fetch the block height:', err);
});

Node.js 代码解析

Axios 请求：我们使用 Axios 向 Sui RPC 端点发送 POST 请求。方法 sui_getLatestCheckpointSequenceNumber 用于获取区块链上的最新区块号（或检查点序列号）。
错误处理：正确的错误处理可以确保网络错误或响应格式异常被记录，便于调试。
日志记录：函数将最新的区块高度输出到控制台，这对于快速测试或调试非常有用。

在运行脚本之前，确保 Sui RPC 端点正确且可访问。示例中提供的 URL 指向 Sui 主网的全节点端点。如果你使用的是测试网或本地实例，请将 SUI_RPC_URL 变量替换为合适的端点。

运行脚本的命令：

node getLatestBlock.js

如果设置正确，你应该在控制台中看到打印的最新区块高度。此函数可以轻松集成到更大的应用程序中，或通过修改 RPC 方法和参数来适应其他区块链数据的获取需求。

实时交互区块链数据是构建去中心化应用程序的关键技能。借助 Sui 区块链强大的 API 和 Node.js 的简单性，你可以快速获取最新区块高度，并将此信息用于各种用途，例如监控网络、更新用户界面或触发应用程序中的特定操作。

随着 Sui 生态系统的发展，及时关注其文档和最佳实践可以确保你的集成高效且可靠。

Sui 区块链编程

本文一共 729 个汉字, 你数一下对不对.

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c Sui区块链编程: 获取最新块高度(NodeJs/Javascript函数 Latest Block Number/Height) Javascript Node Js Sui 区块链学习笔记小技巧程序设计计算机

The post Sui区块链编程: 获取最新块高度(NodeJs/Javascript函数 Latest Block Number/Height) first appeared on 小赖子的英国生活和资讯.

Python 中寻找数据的众数: mode vs multimode

作者 JustYY.com 小赖子的英国生活和资讯

2024年12月23日 19:30

在 Python 中寻找数据的众数

statistics.mode() 函数是 Python 中 statistics 模块的一部分，它返回数据集中出现次数最多的单个值（众数）。与 multimode() 不同，mode() 如果数据集包含多个众数（即多模态数据）或数据为空，则会引发错误。

以下是一些示例来说明 mode() 的行为：

mode() 的语法

statistics.mode(data)

data: 一个序列（例如 list、tuple），其中的元素是可散列的，用于确定众数。

示例

单一众数（单模态数据）

from statistics import mode
data = [1, 2, 2, 3, 4]
result = mode(data)
print(result)  # 输出: 2

字符串作为数据

from statistics import mode
data = ["apple", "banana", "apple", "cherry"]
result = mode(data)
print(result)  # 输出: "apple"

多模态数据（引发错误）

如果有多个众数，mode() 会引发 StatisticsError。

from statistics import mode
data = [1, 1, 2, 2, 3]
try:
    result = mode(data)
except StatisticsError as e:
    print(e)  # 输出: "no unique mode; found 2 equally common values"

无重复值（引发错误）

如果数据集中没有值重复，mode() 会引发 StatisticsError。

from statistics import mode
data = [1, 2, 3, 4, 5]
try:
    result = mode(data)
except StatisticsError as e:
    print(e)  # 输出: "no unique mode; found 5 equally common values"

空数据集（引发错误）

如果数据集为空，mode() 会引发 StatisticsError。

from statistics import mode
data = []
try:
    result = mode(data)
except StatisticsError as e:
    print(e)  # 输出: "no mode for empty data"

在 Python 中寻找多众数

在 Python 中，术语 multimode 通常指 statistics.multimode() 函数，这是 Python 3.8 中 statistics 模块的一部分。此函数用于找到数据集中出现次数最多的值（众数）。与 statistics.mode() 不同，后者仅返回单个众数（如果数据集是多模态的会引发错误），而 multimode() 可以处理包含多个众数的多模态数据集。

语法

statistics.multimode(data)

data: 一个序列（例如 list、tuple），其中的元素是可散列的，用于查找众数。

行为

返回输入数据中所有众数的列表。如果没有元素重复，则返回所有唯一值的列表，因为在这种情况下每个值都是众数。

示例

单一众数

from statistics import multimode
data = [1, 2, 2, 3, 4]
result = multimode(data)
print(result)  # 输出: [2]

多个众数

from statistics import multimode
data = [1, 1, 2, 2, 3]
result = multimode(data)
print(result)  # 输出: [1, 2]

无重复值

from statistics import multimode
data = [1, 2, 3, 4, 5]
result = multimode(data)
print(result)  # 输出: [1, 2, 3, 4, 5]

主要特性

多模态支持：可以处理包含多个同频值的数据集。
优雅地处理唯一数据：如果没有重复值，则返回所有唯一值。
灵活的输入类型：适用于任何可散列对象的序列，包括字符串和元组。

字符串示例

data = ["apple", "banana", "apple", "cherry", "banana", "banana"]
result = multimode(data)
print(result)  # 输出: ['banana']

使用场景

分析调查结果或投票中具有多个最受欢迎选项的情况。
识别数据集中可能共享最高频率的频繁模式。

局限性

如果数据集很大，计算众数可能会消耗大量计算资源，因为它需要统计所有元素的出现次数。

mode 与 multimode 的比较

特性	mode()	multimode()
返回值	单个最频繁的值	所有最频繁值的列表
多模态数据行为	引发 `StatisticsError`	返回所有众数
空数据集行为	引发 `StatisticsError`	返回空列表
最佳用途	适用于期望唯一众数的单模态数据	适用于包含多个众数的多模态数据或任意数据

如果不确定数据是否包含多个众数或无重复值，multimode() 是更安全的选择。

英文：The mode vs multimode in Python

本文一共 702 个汉字, 你数一下对不对.

Python 中寻找数据的众数: mode vs multimode. (AMP 移动加速版本)

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c Python 中寻找数据的众数: mode vs multimode Python Python 学习笔记数学程序设计计算机

The post Python 中寻找数据的众数: mode vs multimode first appeared on 小赖子的英国生活和资讯.

MySQL参数一键配置脚本: 有效提升数据库性能

作者 JustYY.com 小赖子的英国生活和资讯

2024年12月23日 03:15

我一直是自己租用VPS服务器，然后搭建各种服务，比如博客就是Apache2+MySQL数据库。一般来说就是默认参数，没有去管，不过最近发现MySQL的性能参数都很保守，不能发挥整个服务器的性能。

然后我就网上搜索了一下，根据参数配置建议，用ChatGPT写了以下Python和BASH脚本。只需要在需要优化的服务器上，跑一下该脚本，然后就会显示参数配置，然后直接把参数添加到MySQL数据库配置参数文件上： /etc/mysql/mysql.conf.d/mysqld.cnf

然后运行: service mysql restart 重启MySQL服务器。

运行了几周，发现效果很好，博客反应速度也快了很多，这很大原因是根据了内存增加了MySQL缓存大小。

Python脚本优化MySQL数据库参数

把下面的Python脚本存成 mysql_config.py 然后运行 python3 mysql_config.py

def get_total_ram():
    with open('/proc/meminfo', 'r') as f:
        for line in f:
            if line.startswith("MemTotal:"):
                total_ram_kb = int(line.split()[1])
                return total_ram_kb * 1024  # 转换为字节（bytes）
    return 0  # 如果未找到 MemTotal，则返回 0

def calculate_mysql_settings():
    # 获取总内存（以字节为单位）
    total_ram = get_total_ram()

    # 根据总内存（以字节为单位）计算 MySQL 配置
    innodb_buffer_pool_size = int(total_ram * 0.3)  # 使用内存的 30%
    key_buffer_size = min(total_ram * 20 // 100, 512 * 1024 * 1024)  # 使用内存的 20%，最大限制为 512MB
    sort_buffer_size = min(total_ram * 25 // 1000, 4 * 1024 * 1024)  # 使用内存的 0.25%，最大限制为 4MB
    read_rnd_buffer_size = min(total_ram * 625 // 100000, 512 * 1024)  # 使用内存的 0.0625%，最大限制为 512KB
    tmp_table_size = max_heap_table_size = min(total_ram * 5 // 100, 64 * 1024 * 1024)  # 使用内存的 5%，最大限制为 64MB
    join_buffer_size = min(total_ram * 2 // 1000, 4 * 1024 * 1024)  # 使用内存的 0.2%，最大限制为 4MB
    table_open_cache = min(400 + (total_ram // 64), 2000)  # 根据内存动态计算，最大限制为 2000
    thread_cache_size = min(total_ram * 15 // 1000, 100)  # 使用内存的 1.5%，最大限制为 100
    innodb_log_buffer_size = min(total_ram * 5 // 100, 16 * 1024 * 1024)  # 使用内存的 5%，最大限制为 16MB

    # 以字节为单位打印配置
    print(f"MySQL 配置（基于总内存 {total_ram / (1024 * 1024):.2f} MB）:")
    print("将以下内容添加到 /etc/mysql/mysql.conf.d/mysqld.cnf 的末尾\n")
    
    print(f"innodb_buffer_pool_size = {innodb_buffer_pool_size}")
    print(f"key_buffer_size = {key_buffer_size}")
    print(f"sort_buffer_size = {sort_buffer_size}")
    print(f"read_rnd_buffer_size = {read_rnd_buffer_size}")
    print(f"tmp_table_size = {tmp_table_size}")
    print(f"max_heap_table_size = {max_heap_table_size}")
    print(f"join_buffer_size = {join_buffer_size}")
    print(f"table_open_cache = {table_open_cache}")
    print(f"thread_cache_size = {thread_cache_size}")
    print(f"innodb_log_buffer_size = {innodb_log_buffer_size}")

    # 打印自定义设置
    print("expire_logs_days = 3")
    print("max_binlog_size = 100M")

if __name__ == "__main__":
    calculate_mysql_settings()

会打印出类似以下的配置：

innodb_buffer_pool_size = 626468044
key_buffer_size = 417645363
sort_buffer_size = 4194304
read_rnd_buffer_size = 524288
tmp_table_size = 67108864
max_heap_table_size = 67108864
join_buffer_size = 4176453
table_open_cache = 2000
thread_cache_size = 100
innodb_log_buffer_size = 16777216
expire_logs_days = 3
max_binlog_size = 100M

添加到MySQL的配置文件：/etc/mysql/mysql.conf.d/mysqld.cnf 然后重启数据库即可：service mysql restart

BASH脚本优化MySQL数据库参数

以下是完成同样功能的BASH脚本。

#!/bin/bash

# 获取总内存大小（以字节为单位）
get_total_ram() {
    # 从 /proc/meminfo 中提取总内存（以 kB 为单位）
    total_ram_kb=$(awk '/^MemTotal:/ {print $2}' /proc/meminfo)
    if [[ -z "$total_ram_kb" ]]; then
        echo 0  # 如果未找到 MemTotal，则返回 0
    else
        echo $((total_ram_kb * 1024))  # 将 kB 转换为字节
    fi
}

# 根据总内存大小计算 MySQL 配置
calculate_mysql_settings() {
    # 获取总内存（以字节为单位）
    total_ram=$(get_total_ram)

    # 计算 MySQL 配置参数
    innodb_buffer_pool_size=$((total_ram * 30 / 100))  # 使用内存的 30%
    key_buffer_size=$(($((total_ram * 20 / 100)) < $((512 * 1024 * 1024)) ? $((total_ram * 20 / 100)) : $((512 * 1024 * 1024))))  # 使用内存的 20%，最大限制为 512MB
    sort_buffer_size=$(($((total_ram * 25 / 1000)) < $((4 * 1024 * 1024)) ? $((total_ram * 25 / 1000)) : $((4 * 1024 * 1024))))  # 使用内存的 0.25%，最大限制为 4MB
    read_rnd_buffer_size=$(($((total_ram * 625 / 100000)) < $((512 * 1024)) ? $((total_ram * 625 / 100000)) : $((512 * 1024))))  # 使用内存的 0.0625%，最大限制为 512KB
    tmp_table_size=$((total_ram * 5 / 100 < 64 * 1024 * 1024 ? total_ram * 5 / 100 : 64 * 1024 * 1024))  # 使用内存的 5%，最大限制为 64MB
    max_heap_table_size=$tmp_table_size  # 临时表大小等于最大堆表大小
    join_buffer_size=$(($((total_ram * 2 / 1000)) < $((4 * 1024 * 1024)) ? $((total_ram * 2 / 1000)) : $((4 * 1024 * 1024))))  # 使用内存的 0.2%，最大限制为 4MB
    table_open_cache=$(($((400 + total_ram / 64)) < 2000 ? $((400 + total_ram / 64)) : 2000))  # 根据内存动态计算，最大限制为 2000
    thread_cache_size=$(($((total_ram * 15 / 1000)) < 100 ? $((total_ram * 15 / 1000)) : 100))  # 使用内存的 1.5%，最大限制为 100
    innodb_log_buffer_size=$(($((total_ram * 5 / 100)) < $((16 * 1024 * 1024)) ? $((total_ram * 5 / 100)) : $((16 * 1024 * 1024))))  # 使用内存的 5%，最大限制为 16MB

    # 打印配置（以字节为单位）
    echo "MySQL 配置（基于总内存 $((total_ram / (1024 * 1024))) MB）:"
    echo "将以下内容添加到 /etc/mysql/mysql.conf.d/mysqld.cnf 的末尾"
    echo
    echo "innodb_buffer_pool_size = $innodb_buffer_pool_size"
    echo "key_buffer_size = $key_buffer_size"
    echo "sort_buffer_size = $sort_buffer_size"
    echo "read_rnd_buffer_size = $read_rnd_buffer_size"
    echo "tmp_table_size = $tmp_table_size"
    echo "max_heap_table_size = $max_heap_table_size"
    echo "join_buffer_size = $join_buffer_size"
    echo "table_open_cache = $table_open_cache"
    echo "thread_cache_size = $thread_cache_size"
    echo "innodb_log_buffer_size = $innodb_log_buffer_size"
    echo
    echo "expire_logs_days = 3"  # 日志过期天数设置为 3 天
    echo "max_binlog_size = 100M"  # 最大二进制日志大小设置为 100M
}

# 主函数调用
calculate_mysql_settings

需要注意的是，我在脚本后面加入了一些我自定义的配置，根据需求自行修改即可。在配置文件里，后面定义的会覆盖前面的，这就是为什么要添加到文件尾的原因。

其中最关键的配置 innodb_buffer_pool_size 我设置为使用当前内存的30%，如果服务器只有数据库/博客这个功能，可以适当的提高比例，比如60%-80%。

英文：Python/Bash Script to Print the Optimized Parameters for MySQL Servers

运维/DevOps

本文一共 812 个汉字, 你数一下对不对.

MySQL参数一键配置脚本: 有效提升数据库性能. (AMP 移动加速版本)

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c MySQL参数一键配置脚本: 有效提升数据库性能 MySQL 学习笔记数据库计算机计算机运维运维 DevOps

The post MySQL参数一键配置脚本: 有效提升数据库性能 first appeared on 小赖子的英国生活和资讯.

理解系统设计中的可用性百分比: 计算系统的停机时间(Availability)

作者 JustYY.com 小赖子的英国生活和资讯

2024年11月12日 04:50

aws-four-nines-sla 理解系统设计中的可用性百分比: 计算系统的停机时间(Availability) 学习笔记程序员系统设计计算机面试

亚马逊云AWS的SLA是4个9也就是99.99%在线时间uptime

在系统设计面试中，可用性百分比是软件工程师应该熟悉的基本知识。

在系统可靠性领域（System Availability），99.9% 或 99.99% 之类的可用性百分比是关键的基准。但是这些数字究竟意味着什么？它们又如何转化为实际停机时间（Downtime）？以下介绍了如何计算与不同可用性水平相关的停机时间，并使用示例来说明 99.9%、99.99% 和其他可用性目标所带来的预期。

什么是可用性百分比？

可用性百分比表示系统在给定时间段（通常是一年、一月或一天）内预计正常运行的时间比例。例如，99.9% 的可用性意味着系统在指定期间内可以停机 0.1% 的时间。

可用性百分比和停机时间

以下是根据不同时间段的可用性百分比计算停机时间的方法：

确定总时间周期：选择参考周期：
- 年：365 天，或 31,536,000 秒（365 天 × 24 小时 × 60 分钟 × 60 秒）
- 月：30 天，或 2,592,000 秒
- 日：24 小时，或 86,400 秒
计算允许的停机时间：使用公式：

停机时间 = 总时间周期 × (1 – 可用性百分比)

示例：99.9% 可用性的停机时间

99.9% 可用性的年度停机时间

一年中的总秒数：31,536,000
可用性：99.9% = 0.999
停机时间 = 31,536,000 × (1 – 0.999) = 31,536 秒
转换为小时和分钟：31,536 秒约为 8 小时 45 分钟

99.9% 可用性的月度停机时间

一个月中的总秒数：2,592,000
停机时间 = 2,592,000 × (1 – 0.999) = 2,592 秒
转换为分钟：2,592 秒约为 43.2 分钟

99.9% 可用性的每日停机时间

一天中的总秒数：86,400
停机时间 = 86,400 × (1 – 0.999) = 86.4 秒
转换为分钟：86.4 秒约为 1.44 分钟

更高可用性水平的停机时间

对于具有更高可用性目标的系统，如 99.99% 或 99.999%，允许的停机时间会变得更短。以下是总结不同可用性水平停机时间的表格：

可用性	年度停机时间	月度停机时间	每日停机时间
99.9%（三个 9）	约 8 小时 45 分钟	约 43.2 分钟	约 1.44 分钟
99.99%（四个 9）	约 52.6 分钟	约 4.4 分钟	约 8.6 秒
99.999%（五个 9）	约 5.3 分钟	约 26 秒	约 0.86 秒
99.9999%（六个 9）	约 31.5 秒	约 2.6 秒	约 86 毫秒

高可用性的重要性

具有高可用性目标的系统对于那些停机会直接影响收入、客户满意度或安全的行业至关重要。实现这些目标需要精心设计，包括负载均衡、冗余、故障转移机制，有时还需要资源的地理分布。

总结

可用性百分比提供了表达系统可靠性的一种方便方式，但将其转换为停机时间则可以更清楚地看到面临的风险。使用这些计算来设置现实的可用性目标，并相应地准备您的基础设施。

英文：Understanding Availability Percentages: Calculating Downtime for Your Systems

本文一共 768 个汉字, 你数一下对不对.

理解系统设计中的可用性百分比: 计算系统的停机时间(Availability). (AMP 移动加速版本)

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c 理解系统设计中的可用性百分比: 计算系统的停机时间(Availability) 学习笔记程序员系统设计计算机面试

The post 理解系统设计中的可用性百分比: 计算系统的停机时间(Availability) first appeared on 小赖子的英国生活和资讯.

C++的异步编程: std::future, std::async 和 std::promise

作者 JustYY.com 小赖子的英国生活和资讯

2024年11月11日 20:34

在 C++ 中，std::future 和 std::async 是 C++11 标准并发库的一部分。它们允许您异步/Asynchronous运行任务并在稍后获取结果，非常适合编写非阻塞代码和并行化计算。以下是它们的工作原理和典型用法。

C++ std::async

std::async 是一个高级函数，允许您异步启动一个任务（一个可调用对象，如函数或 lambda）。您指定要运行的函数，std::async 返回一个表示该函数结果的 std::future。您可以稍后获取该结果，无论是任务完成时还是您需要时。

#include <iostream>
#include <future>
#include <chrono>

int compute() {
    std::this_thread::sleep_for(std::chrono::seconds(2));  // 模拟工作
    return 42;  // 计算结果
}

int main() {
    // 异步启动任务
    std::future<int> result = std::async(std::launch::async, compute);

    // 当 compute() 运行时执行其他任务...

    // 获取 compute() 的结果（如果任务未完成则会等待）
    int value = result.get();
    std::cout << "结果: " << value << std::endl;

    return 0;
}

在此示例中：

std::async(std::launch::async, compute) 异步启动 compute()，返回一个 std::future 对象。
result.get() 调用等待任务完成（如果尚未完成）然后获取结果。

C++ std::launch 策略

std::launch::async: 强制任务在新线程上异步运行。
std::launch::deferred: 推迟执行直到 future 上调用 get() 或 wait()，使其同步运行。

如果省略策略，C++ 可能根据实现定义的标准选择其中之一。

C++ std::future

std::future 是一个类模板，表示稍后获取的结果。它本质上是一个异步操作结果的占位符。

关键方法

get(): 如果结果尚未完成则等待并获取结果。调用 get() 后，std::future 变为空。
wait(): 等待任务完成，但不获取结果。
valid(): 如果 std::future 具有共享状态（即有结果可用）返回 true。
wait_for() 和 wait_until(): 等待特定时间或直到结果可用的截止时间。

带有 wait_for 的示例

if (result.wait_for(std::chrono::seconds(1)) == std::future_status::ready) {
    std::cout << "结果已就绪: " << result.get() << std::endl;
} else {
    std::cout << "仍在等待结果..." << std::endl;
}

此代码检查结果是否在 1 秒内就绪。如果没有就绪则继续执行，不阻塞。

C++ std::promise

对于更高级的用法，std::promise 允许您手动设置 std::future 的结果。std::promise 对象提供一个 std::future，您可以显式设置结果。

#include <iostream>
#include <future>
#include <thread>

void setPromise(std::promise<int> p) {
    p.set_value(10);  // 设置 promise 的结果
}

int main() {
    std::promise<int> p;
    std::future<int> f = p.get_future();  // 从 promise 获取 future

    std::thread t(setPromise, std::move(p));  // 将 promise 传递给线程
    t.join();

    std::cout << "promise 的结果: " << f.get() << std::endl;  // 获取结果
    return 0;
}

在此例子中，结果 10 是由 std::promise 设置的，std::future 可以通过 f.get() 获取。

C++ Future/Async/Promise 总结

std::async: 启动一个异步运行的任务，返回一个 std::future。
std::future: 表示将来会设置的值，通常是异步任务的返回值。
std::promise: 允许手动设置 std::future 的结果。

使用这些功能，您可以有效地管理 C++ 中的异步任务，更轻松地并行运行计算或将工作分配给其他线程而不阻塞主线程。

英文：Tutorial on C++ Future, Async and Promise

C/C++编程

本文一共 606 个汉字, 你数一下对不对.

C++的异步编程: std::future, std::async 和 std::promise. (AMP 移动加速版本)

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c C++的异步编程: std::future, std::async 和 std::promise C++ C++ 学习笔记程序设计计算机

The post C++的异步编程: std::future, std::async 和 std::promise first appeared on 小赖子的英国生活和资讯.

用Matlab画一个南瓜/Pumpkin

作者 JustYY.com 小赖子的英国生活和资讯

2024年10月26日 06:24

一年一度的万圣节要到了，正好这天在Linkedin上看到Mathworks发的帖子，用Matlab画一个南瓜，很是有趣。

用Matlab画一个南瓜/Pumpkin

% Pumpkin
[X,Y,Z]=sphere(200);
R=1-(1-mod(0:.1:20,2)).^2/12;
x=R.*X; y=R.*Y; z=Z.*R;
c=hypot(hypot(x,y),z)+randn(201)*.03;
surf(x,y,(.8+(0-(1:-.01:-1)'.^4)*.3).*z,c, 'FaceColor', 'interp', 'EdgeColor', 'none')
% Stem
s = [ 1.5 1 repelem(.7, 6) ] .* [ repmat([.1 .06],1,10) .1 ]';
[t, p] = meshgrid(0:pi/15:pi/2,0:pi/20:pi);
Xs = -(.4-cos(p).*s).*cos(t)+.4;
Zs = (.5-cos(p).*s).*sin(t) + .55;
Ys = -sin(p).*s;
surface(Xs,Ys,Zs,[],'FaceColor', '#008000','EdgeColor','none');
% Style
colormap([1 .4 .1; 1 1 .7])
axis equal
box on
material([.6 1 .3])
lighting g
camlight

英文：Draw a Pumpkin using Matlab

Mathwork Matlab

英国万圣节/Halloween

本文一共 53 个汉字, 你数一下对不对.

用Matlab画一个南瓜/Pumpkin. (AMP 移动加速版本)

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c 用Matlab画一个南瓜/Pumpkin Matlab 学习笔记程序设计编程节日计算机计算机

The post 用Matlab画一个南瓜/Pumpkin first appeared on 小赖子的英国生活和资讯.

迭代幂运算/重幂的介绍与其Python代码实现

作者 JustYY.com 小赖子的英国生活和资讯

2024年10月16日 05:29

数学中的迭代幂运算/重幂是什么？

迭代幂运算（重幂）是数学中的一种运算，涉及到反复进行幂次运算。它是超运算序列的一部分，该序列延伸了加法、乘法和幂运算。在迭代幂运算中，一个数自乘多次，直到达到指定的次数。

一个数a迭代幂的高度n通常表示为： tex_7f275feba9caa33491cc739d97613e41 迭代幂运算/重幂的介绍与其Python代码实现 Python 学习笔记数学数学程序设计计算机，也就是把n写在a的左上角，（也可以记作：a↑↑n）这表示a被迭代n次。

例如：

（简单恒等式）
（a自乘一次）
（a的幂次为a自乘）
，依此类推。

在迭代幂运算的上下文中， tex_b3ef97b6eba2428ee919c02c89d2c9ea 迭代幂运算/重幂的介绍与其Python代码实现 Python 学习笔记数学数学程序设计计算机通常未定义或没有普遍共识。然而，一些数学惯例建议对于任何 tex_58c6653dfed174ea991f702adfb3e6f4 迭代幂运算/重幂的介绍与其Python代码实现 Python 学习笔记数学数学程序设计计算机， tex_2f1f5ed0eeff6d95cf9b145624dfb6af 迭代幂运算/重幂的介绍与其Python代码实现 Python 学习笔记数学数学程序设计计算机，类似于在幂运算中对任何非零的 tex_58c6653dfed174ea991f702adfb3e6f4 迭代幂运算/重幂的介绍与其Python代码实现 Python 学习笔记数学数学程序设计计算机有 tex_5c135adeedf02dca7953a9719fb38fa2 迭代幂运算/重幂的介绍与其Python代码实现 Python 学习笔记数学数学程序设计计算机的情况。

迭代幂运算示例

让我们评估 tex_a5f6729c6edbc3df5dae3c81efe128b2 迭代幂运算/重幂的介绍与其Python代码实现 Python 学习笔记数学数学程序设计计算机（读作“2迭代到高度3”）：

tex_c3974a6b51c4029486462ba28d7f5c17 迭代幂运算/重幂的介绍与其Python代码实现 Python 学习笔记数学数学程序设计计算机
tex_38f3272f3cc8a02e84ceed576663756c 迭代幂运算/重幂的介绍与其Python代码实现 Python 学习笔记数学数学程序设计计算机
因此 tex_a79a23ebbcc28f19e40a7b5604f3e748 迭代幂运算/重幂的介绍与其Python代码实现 Python 学习笔记数学数学程序设计计算机

迭代幂/重幂运算的通用性质

非交换性：迭代幂运算不是交换的，这意味着
增长速度非常快：迭代幂运算增长非常快。即使是小数也会因为幂运算的快速增长而导致非常大的结果。

迭代幂运算/重幂在基础数学中较少见，但在某些高级数学领域中发挥作用，特别是在涉及极大数的领域，如大数理论和计算机科学中。

用 Python 计算迭代幂运算

以下是两个计算迭代幂运算的Python函数。第一个使用递归，第二个使用迭代。

在两个函数中，我们在开始时添加了对 n = 0 的检查。如果 n 为 0，则函数返回 1，否则继续处理。这种方式使函数能够按照任意数的迭代幂高为0时为1的惯例处理 n=0 的情况。

递归函数计算迭代幂

递归函数：此函数将自己调用，n 的高度递减1，直到达到1，此时返回基数a。这就实现了从上到下构建指数链的效果。

@lru.cache(None)  ## 缓存函数
def tetration_recursive(a, n):
    if n == 0:
        return 1
    if n == 1:
        return a
    return a ** tetration_recursive(a, n - 1)

递归计算迭代幂的函数理论上可以进行尾优化。在尾递归中，递归调用是函数中的最后一个操作，这样某些编译器或解释器可以通过重用相同的堆栈帧来优化调用堆栈的使用。这可以通过消除每个递归调用的额外堆栈帧需求来将空间复杂度降到 O(1)。

然而，当前的递归实现并不是尾递归的，因为递归调用嵌套在一个幂运算中：

return a ** tetration_recursive(a, n - 1)

这里，幂运算依赖于递归调用的结果，所以在完成当前调用之前必须计算出结果，从而阻止了尾递归优化。

迭代函数计算迭代幂

迭代函数：此函数使用 for 循环遍历高度 n，通过在每次迭代中更新幂运算的结果，来从下至上计算结果。

def tetration_iterative(a, n):
    if n == 0:
        return 1
    result = a
    for _ in range(1, n):
        result = a ** result
    return result

迭代幂算法的时间/空间复杂度

Python函数计算迭代幂的时间和空间复杂度取决于其递归或迭代实现。让我们分析两种实现。

递归函数的复杂度

时间复杂度：

每次递归调用都会与之前的调用结果进行一次幂运算。
总共有n-1次递归调用，所以该函数被调用了O(n)次。
然而，像的幂运算需要的时间。
因此，对于较大的 n 值，由于幂次的增长，其时间复杂度会呈指数增长。
这导致总的时间复杂度大约为，有n层，这意味着增长速度非常快

空间复杂度：

由于这是一个递归函数，每次调用都需要堆栈空间。
递归的最大深度为 n，所以空间复杂度为 O(n)。

迭代函数的复杂度

时间复杂度：

与递归版本一样，该函数迭代 n – 1 次
每次迭代涉及计算的幂次，这个结果会呈指数增长。
因此，时间复杂度也成为，有n层，因为每一步都是指数级增长。

空间复杂度：

此迭代版本仅需要少量额外空间用于 result 变量等，因此它的额外空间复杂度为 O(1)。
然而，结果本身可能会变得非常大，如果 a 和 n 很大，可能需要大量内存来存储。

由于反复幂次的快速增长，这两种实现的时间复杂度都非常高，对于较大的值变得不可行。递归版本由于调用堆栈的使用空间复杂度为 O(n)，而迭代版本的辅助空间复杂度为 O(1)，但仍然需要处理极大数，这可能会间接影响内存使用。

英文：Tetration Operator in Math Simply Explained with Python Algorithms

本文一共 1253 个汉字, 你数一下对不对.

迭代幂运算/重幂的介绍与其Python代码实现. (AMP 移动加速版本)

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c 迭代幂运算/重幂的介绍与其Python代码实现 Python 学习笔记数学数学程序设计计算机

The post 迭代幂运算/重幂的介绍与其Python代码实现 first appeared on 小赖子的英国生活和资讯.

什么是马太效应?

作者 JustYY.com 小赖子的英国生活和资讯

2024年10月14日 19:09

马太效应是一种社会学和经济学现象，描述了“富者愈富，贫者愈贫”的情况。这个概念来源于《新约圣经·马太福音》中的一句话：“凡有的，还要加给他，使他有余；没有的，连他所有的也要夺去。”因此，“马太效应”这一术语应运而生。

你可能听过这句话：“富者愈富，贫者愈贫” ——这就可以被视为马太效应。

有的人运气好的时候可以一直好运连连，似乎不管做什么都顺风顺水；而有的人一旦遭遇不幸，比如生了场大病，就像是被命运压垮了，接连而来的挫折仿佛永无止境。这种现象其实与我们常说的“马太效应”密切相关——资源和机会越多，往往更容易获得新的机遇，而那些本就处于困境中的人，可能会越发陷入逆境。

我们在生活中会经常遇到类似的情形：一部分人似乎总能轻而易举地获得成功，而另一部分人即便努力了也难以改变困境。这不仅仅是运气的问题，还涉及到资源、支持系统，以及社会对个人发展的反馈。有时候，幸运的人往往有更多的支持与资源来化解困难，反之亦然，不幸的人在面临困境时却因为资源稀缺而难以逆转局势。

马太效应在生活的各个领域广泛存在。

经济学

较富有的人通常有更多的资源和机会去进一步积累财富，而贫穷的人由于缺乏资源可能会变得更加贫困。例如，富人有更多的资本去投资和购买资产，从而获得更多回报。

教育

高成就的学生通常能够获得更多的教育资源、教师关注以及成就感，这进一步激励了他们的学习。与此同时，学业上困难的学生可能得不到足够的支持，导致成绩下降。

职场

在职场中，表现出色的员工往往能够获得更多的资源、机会和认可，进一步巩固他们的地位。而另一方面，表现普通的员工可能由于缺乏机会而被边缘化。

科学研究

著名科学家的研究成果往往更容易获得认可和引用，进一步提升他们的声誉，而其他研究人员由于缺乏可见性可能难以得到承认。

总结：马太效应

马太效应往往会导致资源和机会的集中化，强化了社会和经济的不平等现象。此现象也凸显了我们需要关注资源分配和教育公平等问题，以减少不平等现象的扩大。

英文：Simply Explained: Matthew Effect

本文一共 784 个汉字, 你数一下对不对.

什么是马太效应?. (AMP 移动加速版本)

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c 什么是马太效应? 学习笔记有意思的

The post 什么是马太效应? first appeared on 小赖子的英国生活和资讯.

Docker, 虚拟机 (VM) 和 Kubernetes (K8s)

作者 JustYY.com 小赖子的英国生活和资讯

2024年10月13日 00:18

Docker

Docker 与虚拟机（VMs）

概述：Docker和虚拟机（VMs）都用于在隔离的环境中部署和运行应用程序，但它们的实现方式不同。

Docker（容器）

轻量级：容器共享主机的操作系统内核，因此比虚拟机更轻便，启动速度更快。
隔离：Docker 提供进程级别的隔离，意味着多个容器可以在同一个操作系统实例上运行而不会相互干扰。
高效性：由于容器共享操作系统，只需打包应用程序及其依赖项，因此使用的资源更少。

虚拟机（VMs）

重量级：每个虚拟机包含一个完整的操作系统实例和虚拟化硬件，因此消耗更多的资源。
隔离：虚拟机提供完全的隔离，每个虚拟机拥有自己的操作系统，这样更安全但效率较低。
使用场景：虚拟机适用于在同一主机上运行多种操作系统类型，是需要完全操作系统级别隔离的传统应用程序的理想选择。

总结：Docker 容器更高效且部署更快，而虚拟机提供更强的隔离，更适合多样化的操作系统需求。

什么是 Kubernetes（K8s）？

概述：Kubernetes（K8s）是一个开源平台，用于自动化容器化应用程序的部署、扩展和管理。

主要特性：

编排：Kubernetes 管理跨多个主机的容器集群，处理如扩展、网络和容错等任务。
自愈能力：它自动重启失败的容器，并在节点失败时重新调度，确保高可用性。
可扩展性：K8s 可以根据需求自动扩展应用程序，添加或移除容器。
使用场景：Kubernetes 非常适合在大规模上管理复杂的分布式应用程序，是微服务架构的热门选择。

简而言之，这篇文章展示了 Docker、虚拟机和 Kubernetes 的技术差异和实际应用，这是系统设计和云原生环境中至关重要的内容。

英文：Docker, Virtual Machines (VMs) and Kubernetes (K8s)

本文一共 555 个汉字, 你数一下对不对.

Docker, 虚拟机 (VM) 和 Kubernetes (K8s). (AMP 移动加速版本)

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c Docker, 虚拟机 (VM) 和 Kubernetes (K8s) 云计算学习笔记程序员计算机面试

The post Docker, 虚拟机 (VM) 和 Kubernetes (K8s) first appeared on 小赖子的英国生活和资讯.

软件工程师面试: TCP/IP协议是什么?

作者 JustYY.com 小赖子的英国生活和资讯

2024年10月4日 20:49

最近，在面试第一轮抖音（字节跳动）的伦敦职位（Site Reliability Engineer），被问到了这个问题：TCP/IP协议是什么？这个是考基本功，是每个软件工程师都要会的。

TCP/IP（传输控制协议/互联网协议）是一组网络协议，管理数据如何通过互联网和其他网络传输。它是互联网的基本通信模型，由两个主要层组成：

互联网协议 (IP)

IP 负责将数据包从源地址路由到目标地址。它工作在 OSI 模型的网络层。

IP 地址：互联网中的每个设备都被分配了一个唯一的 IP 地址，用于标识数据包的发送者和接收者。
数据包路由：IP 将数据分成多个包，并通过不同的网络将其路由到目标地址。
版本：IP 主要有两个版本：IPv4（32位地址）和 IPv6（128位地址）。

传输控制协议 (TCP)

TCP 负责确保设备之间数据传输的可靠性。它工作在 OSI 模型的传输层。

面向连接：TCP 在传输数据之前会在发送方和接收方之间建立连接。
数据完整性：TCP 通过确认、序列号和错误检查等机制，确保数据包按顺序无误地到达。
流量控制：TCP 通过滑动窗口管理数据流，防止接收方超载。

TCP/IP 协同工作原理

应用数据：应用层将数据（例如网页、电子邮件）发送到传输层（TCP）。
TCP 层：TCP 将数据分段，添加序列号和错误检查信息，并将其发送到 IP 层。
IP 层：IP 层将 TCP 段封装成 IP 包，附上源和目标 IP 地址，并通过各种网络路由数据包。
接收端：在目标设备上，IP 层将数据包交给 TCP，TCP 重新排列并验证数据的完整性，然后将其传递给应用层。

TCP/IP 套件中的其他协议

UDP（用户数据报协议）：一种无连接、速度更快的 TCP 替代方案，常用于视频流、在线游戏等实时通信。
HTTP/HTTPS（超文本传输协议）：用于网络通信的应用层协议。
DNS（域名系统）：将域名解析为 IP 地址。

TCP/IP 确保数据在网络间高效传输，保持可靠性、地址分配和路由，同时遵循互联网的基本通信原则。

TCP/IP 通常被描述为一个四层模型，但有时它可以与 OSI 模型（七层）进行比较。

tcp-ip-and-osi-model 软件工程师面试: TCP/IP协议是什么? 学习笔记程序员计算机计算机软件工程面试

TCP/IP 4层协议和OSI的7层协议的比较

TCP/IP 四层模型

TCP/IP 模型简化为四层，旨在反映协议在现实网络中的工作方式。

应用层

这一层对应于 OSI 模型的前三层（应用层、表示层和会话层）。它包括 HTTP、HTTPS、FTP、DNS 和 SMTP 等协议。

传输层

负责设备之间的可靠通信。运行于这一层的协议包括 TCP（传输控制协议）和 UDP（用户数据报协议）。

互联网层

处理跨网络的数据包路由，类似于 OSI 的网络层。该层包含 IP（互联网协议），用于地址分配和数据包路由。

网络接口层（或链路层）

这一层负责物理网络（如以太网、Wi-Fi）和互联网层之间的数据传输。它对应于 OSI 的数据链路层和物理层。

OSI 七层模型

OSI（开放系统互联）模型更加细致，将网络功能分为七个层次。

物理层（如电缆、交换机）
数据链路层（如 MAC 地址、以太网）
网络层（如 IP 路由）
传输层（如 TCP、UDP）
会话层（如管理应用之间的会话）
表示层（如加密、数据格式转换）
应用层（如 HTTP、FTP）

主要区别：TCP/IP vs OSI

TCP/IP 将一些功能合并为更少的层次（四层），反映了它在互联网通信中的实际应用。

OSI 是一个更加详细的概念模型（七层），主要用于教学和理论理解。

总结来说，TCP/IP 通常被认为是四层模型，而 OSI 模型则是七层模型。

英文：What is TCP/IP (4 Layer vs OSI 7 Layer)?

面试经历

面试题

面试技巧

面试其它

本文一共 1009 个汉字, 你数一下对不对.

软件工程师面试: TCP/IP协议是什么?. (AMP 移动加速版本)

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c 软件工程师面试: TCP/IP协议是什么? 学习笔记程序员计算机计算机软件工程面试

The post 软件工程师面试: TCP/IP协议是什么? first appeared on 小赖子的英国生活和资讯.

C/C++ 中的内存管理器(堆与栈)

ACM题解系列之 – 最小堆栈 (Min Stack)

作者 JustYY.com 小赖子的英国生活和资讯

2024年10月3日 04:48

最近面试的时候遇到这个问题。这个问题考你计算机的基本功。

在 C/C++ 中，内存管理是控制程序如何分配和管理其资源的关键方面。C/C++ 程序中的内存通常分为不同的区域：堆栈和堆是最主要的动态和自动内存分配区域。

stack C/C++ 中的内存管理器(堆与栈) 学习笔记技术程序员程序设计编程计算机软件工程面试

Stack 栈

堆栈内存

定义：堆栈内存用于静态（自动）内存分配。它是存储函数参数、本地变量和返回地址的地方。当调用一个函数时，一个新的内存块（称为堆栈帧）会被添加到堆栈的顶部。当函数返回时，该内存会被自动释放。
分配：内存由系统自动管理——在变量超出作用域时自动分配和释放。无需人工干预。
生命周期：受限于函数或代码块的作用域。一旦函数退出，内存将被释放。
大小限制：堆栈的大小通常较小并由系统预定义，意味着大的分配可能导致堆栈溢出。
访问速度：由于其后进先出（LIFO）的结构，堆栈内存访问速度更快。由于内存是连续的且可预测的，它允许快速访问。
使用场景：局部变量、函数调用信息和固定大小的对象（数组、结构体）。

堆内存

定义：堆内存用于动态内存分配，程序员使用 C 中的 malloc()、calloc()、free() 和 C++ 中的 new、delete 手动分配和释放内存。
分配：内存在运行时分配，并且分配的生命周期由程序员手动控制。它可以持续存在，直到显式释放。
生命周期：堆分配的对象的生命周期不受作用域的限制。内存将一直被使用，直到被释放为止。
大小限制：堆通常比堆栈大，但取决于系统资源。不当处理可能导致内存泄漏（忘记释放分配的内存）或碎片化（内存使用效率低）。
访问速度：堆内存的访问速度比堆栈慢，因为分配是分散的，动态分配涉及更多的开销。
使用场景：如链表、树等大数据结构，或在运行时确定大小的对象。

堆与栈的主要区别

特征	堆栈	堆
内存大小	通常较小，预定义	通常较大，受系统资源限制
分配	自动，由编译器管理	手动，由程序员管理（使用 new、malloc 等）
释放	自动（函数退出时）	手动（使用 delete、free 等）
生命周期	限于函数/代码块作用域	可以持续，直到显式释放
速度	较快（连续内存）	较慢（分散内存，开销更大）
风险	堆栈溢出（如果超出大小限制）	内存泄漏和碎片化

堆栈分配示例

void function() {
    int x = 10; // 分配在堆栈上
} // x 会自动释放

堆分配示例

void function() {
    int* p = new int; // 分配在堆上
    *p = 10;
    delete p; // 必须手动释放
}

正确管理堆内存在 C/C++ 中非常重要，因为它可能导致与内存相关的错误，如内存泄漏或重复释放。理解堆和堆栈内存之间的差异有助于优化程序的性能和可靠性。

英文：The Memory Manager in C/C++ (Heap vs Stack)

面试经历

面试题

面试技巧

面试其它

本文一共 874 个汉字, 你数一下对不对.

C/C++ 中的内存管理器(堆与栈). (AMP 移动加速版本)

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c C/C++ 中的内存管理器(堆与栈) 学习笔记技术程序员程序设计编程计算机软件工程面试

The post C/C++ 中的内存管理器(堆与栈) first appeared on 小赖子的英国生活和资讯.

[限免] Coursera Plus免费订阅一年，快冲！

Justin写字的地方

作者 Justin

2024年9月30日 09:29

今天通过墨西哥 VPN 注册的用户可免费获得一年Coursera Plus会员，享受7,000多门课程的无限访问。该促销活动有时间限制，只需在注册过程中使用VPN，完成后可正常使用。需注意，在订阅结束前取消以避免收费。

[限免] Coursera Plus免费订阅一年，快冲！最先出现在Justin写字的地方。

软件工程师经典面试题: 当你在浏览器的地址栏敲入google.com并按回车后发生了什么?

英文：Software Engineering Interview Question: What Happens When You Type Google.com in the Browser Address Bar?

作者 JustYY.com 小赖子的英国生活和资讯

2024年9月29日 03:49

我认为这无疑是最受欢迎的软件工程师的（Software Engineer）面试问题之一。最近有人说这个问题曾出现在抖音Tiktok 的面试中。

要回答面试中的“当你在浏览器中输入 https://www.google.com 时会发生什么？”这个问题，可以按步骤详细说明整个过程，涉及 DNS 查找、TCP/SSL 握手、请求处理和页面渲染。以下是全面的解释：

URL 解析

当你输入 URL https://www.google.com 并按下回车时：

协议：浏览器识别出协议是 https，意味着它将使用 HTTP 加密传输（TLS）。
主机：浏览器识别出 www.google.com 是域名。
路径：默认路径是 /，因为没有提供具体路径，表示请求主页。

DNS 查找

浏览器需要将域名 www.google.com 转换为一个 IP 地址。这个过程分为几个步骤：

浏览器缓存：浏览器首先检查自己的缓存，看看是否已有 www.google.com 的 IP 地址。
操作系统缓存：如果未找到，浏览器会向操作系统请求缓存。
路由器缓存：如果操作系统没有该 IP，路由器会检查它的缓存。
ISP DNS 服务器：如果依然未找到，路由器会查询 ISP 的 DNS 服务器。
递归 DNS 查找：如果 ISP 没有缓存 IP，DNS 服务器会递归查询 DNS 层次结构（根 DNS 服务器、顶级域名服务器、权威 DNS 服务器）。最终，www.google.com 的 IP 地址被解析出来（例如，142.250.72.196）。

建立 TCP 连接

知道 IP 地址后，浏览器需要与 Google 服务器建立连接，使用以下步骤：

TCP 三次握手：

SYN：客户端（浏览器）向服务器发送 SYN（同步）包，启动连接。
SYN-ACK：服务器响应 SYN-ACK（同步确认）包。
ACK：客户端发送 ACK 包，连接建立。

SSL/TLS 握手（针对 HTTPS）

由于使用的是 HTTPS，浏览器与服务器通过 SSL/TLS 建立加密连接：

浏览器与服务器协商加密协议（TLS 版本）并交换加密密钥。
服务器发送其 SSL 证书，浏览器验证该证书以确保服务器身份。
生成会话密钥，用于加密接下来的通信。

HTTP 请求

建立安全连接后，浏览器向服务器发送 HTTP GET 请求：

方法：GET
请求头：包括浏览器类型、cookies 和缓存信息。
主机：www.google.com
路径：/

服务器处理

Google 的服务器位于负载均衡器后面，接收请求：

请求可能会通过多个反向代理和负载均衡器处理，通常分布在多个数据中心，以确保可用性和性能。

Google 的 Web 服务器处理请求，检查所请求的资源（Google 的主页），并准备响应。

HTTP 响应

服务器返回一个 HTTP 200 OK 响应，并将必要的 HTML、CSS、JavaScript 和其他资源发送到浏览器。

响应包括响应头（如 Content-Type、Cache-Control）以及响应体（Google 主页的 HTML 内容）。

浏览器渲染

浏览器现在获取了 HTML 并开始渲染页面：

HTML 解析：浏览器解析 HTML 以构建 DOM（文档对象模型）。
CSS 解析：下载并应用任何链接或嵌入的 CSS 样式表以设置 DOM 元素的样式。
JavaScript 执行：下载并执行 JavaScript。JavaScript 可能进一步修改 DOM 或发送额外的网络请求（如 AJAX）以动态更新页面。
渲染：浏览器的渲染引擎将解析和样式化的内容绘制到屏幕上，形成可见的网页。

附加资源请求

当浏览器解析 HTML 时，它会识别出额外的资源（图片、样式表、JavaScript 文件）需要加载：

这些资源通过额外的 HTTP/HTTPS 请求获取。这个过程会通过多个并行连接重复进行，以快速下载和渲染资源。

浏览器缓存与优化

浏览器会根据缓存头（如 Cache-Control、ETag）缓存某些资源（图片、脚本、样式表）。

现代浏览器使用诸如 HTTP/2 多路复用等优化技术，通过单个 TCP 连接下载多个资源，从而减少延迟。

最终页面显示

一旦所有资源下载、解析和渲染完成，用户可以与完全加载的页面进行交互。进一步的用户操作（点击、输入等）可能会触发更多的网络请求（如提交表单、AJAX 更新）。

加分点

CDN（内容分发网络）：Google 使用 CDN 从地理位置较近的服务器提供内容，减少延迟并提高加载速度。
安全功能：HSTS（HTTP 严格传输安全）确保所有请求都通过 HTTPS 进行。Google 的证书绑定技术确保服务器的 SSL 证书未被篡改。
Service Workers：如果启用，Service Worker 可能会拦截请求，提供缓存响应或启用离线功能。

这份详细的说明涵盖了从用户输入 URL 到浏览器最终渲染页面的所有关键步骤，涉及 DNS、TCP/IP、TLS、HTTP 和浏览器渲染等内容，适合系统设计或软件工程面试。

面试经历

面试题

面试技巧

面试其它

本文一共 1423 个汉字, 你数一下对不对.

软件工程师经典面试题: 当你在浏览器的地址栏敲入google.com并按回车后发生了什么?. (AMP 移动加速版本)

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c 软件工程师经典面试题: 当你在浏览器的地址栏敲入google.com并按回车后发生了什么? 学习笔记程序员计算机资讯软件工程面试

The post 软件工程师经典面试题: 当你在浏览器的地址栏敲入google.com并按回车后发生了什么? first appeared on 小赖子的英国生活和资讯.

Excel 教程: SUMIF函数

作者 JustYY.com 小赖子的英国生活和资讯

2024年9月24日 01:45

SUMIF函数在Excel中用于对满足特定条件的范围内的值进行求和。以下是基本语法：

=SUMIF(range, criteria, [sum_range])

range: 要应用条件的单元格范围。
criteria: 必须满足的条件。可以是数字、表达式、单元格引用或文本。
sum_range (可选): 如果与range不同，指定要求和的单元格范围。如果不提供sum_range，Excel将对range中的值进行求和。

示例：
你有一个销售列表，想要只对销售额大于100的进行求和。

A	B
商品	销售额
苹果	150
香蕉	80
橙子	200

你可以使用以下公式对大于100的销售额进行求和：

=SUMIF(B2:B4, ">100")

这将返回350（150 + 200）。

使用sum_range：
如果条件在一列，而要求和的值在另一列，例如：

A	B	C
商品	销售额	价格
苹果	150	2.50
香蕉	80	1.00
橙子	200	3.00

你想对销售额大于100的价格进行求和，可以使用以下公式：

=SUMIF(B2:B4, ">100", C2:C4)

这将对苹果和橙子的价格求和（2.50 + 3.00 = 5.50）。

英文：Excel Tutorial: SUMIF Function

Excel教程

本文一共 240 个汉字, 你数一下对不对.

Excel 教程: SUMIF函数. (AMP 移动加速版本)

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c Excel 教程: SUMIF函数 Excel 表格学习笔记

The post Excel 教程: SUMIF函数 first appeared on 小赖子的英国生活和资讯.

计算复杂性理论中的P, NP, NP Hard和NP完全问题

作者 JustYY.com 小赖子的英国生活和资讯

2024年9月20日 20:48

P-and-NP-problems-diagram 计算复杂性理论中的P, NP, NP Hard和NP完全问题学习笔记数学算法计算机计算机

计算机算法理论复杂度分析：P和NP问题

P、NP、NP-hard 和 NP-complete 是计算复杂性理论中的关键概念，用于描述不同类型的计算问题以及它们的求解难度。

P 类问题

P 类问题是指多项式时间内可以通过确定性算法解决的问题。这意味着，给定一个输入，问题可以在有限的步骤内得到解决，且步骤的数量是输入大小的多项式函数。换句话说，P 类问题的求解效率较高。例如，最短路径问题和排序问题都是 P 类问题。

NP 类问题

NP（Non-deterministic Polynomial time）类问题是指能够在多项式时间内验证解是否正确的问题。换句话说，虽然找到问题的解可能比较难，但一旦给出了解，我们可以在多项式时间内验证它是否正确。一个典型的 NP 问题是旅行商问题：找出某个城市之间的最短旅行路径可能很复杂，但给定一条路径，我们可以快速验证它是否满足要求。

NP-complete 问题

NP-complete 问题是 NP 类问题中的一种特殊类型。这类问题满足以下两个条件：

它是 NP 类问题，意味着给定解后可以在多项式时间内验证其正确性。
它是 NP 类问题中最难的问题，也就是说，如果我们能够找到某个 NP-complete 问题的多项式时间求解算法，那么所有 NP 问题都可以通过多项式时间内解决。

经典的 NP-complete 问题包括布尔可满足性问题（SAT）和哈密顿路径问题。

NP-hard 问题

NP-hard 问题是比 NP 类问题更难的一类问题。这类问题不一定属于 NP 类，即它们的解不一定能够在多项式时间内验证。例如，NP-hard 问题可以是一些更为广泛的问题（如优化问题），或者一些根本无法在多项式时间内验证解的准确性的问题。如果一个 NP-hard 问题有多项式时间的解法，那么所有 NP 问题都可以在多项式时间内解决。

P = NP 问题

计算机科学中最大的未解问题之一是P 是否等于 NP。如果 P = NP，那就意味着所有 NP 类问题实际上都可以在多项式时间内解决。然而，目前还没有证明这个命题是否成立。

O(N!)/O(2^N)算法是P还是NP？

如果一个算法的时间复杂度是 O(N!) 或 O(2^N)，它不属于 P（多项式时间）算法。以下是原因：

P（多项式时间）P 类问题可以在多项式时间内解决，即它们的时间复杂度是输入规模的某个多项式函数，例如 O(N)、O(N^2) 等。与非多项式函数相比，这些增长相对较慢。

O(N!)（阶乘时间）和 O(2^N)（指数时间）的增长速度远远快于任何多项式函数。O(N!) 增长非常快，其中 N! 是 N 的阶乘。

O(2^N) 是指数增长，随着 N 的增加，它也会变得不可计算。

由于这些复杂度比任何多项式函数的增长速度要快得多，具有这些时间复杂度的算法不属于 P 类。

它是 NP 吗？

要判断这样的算法是否属于 NP，重要的是要理解 NP 并不指问题的求解时间，而是指一旦给出解后，验证解是否正确的时间。

如果某个问题的时间复杂度为 O(N!) 或 O(2^N)，它可能属于 NP，也可能不属于，这取决于给出解后能否在多项式时间内验证。如果可以在多项式时间内验证解，那么这个问题可能属于 NP 类，尽管求解非常困难。

O(N!) 或 O(2^N) 不属于 P 类，因为求解该问题所需的时间增长速度太快，无法视为“高效”。

它是否属于 NP 取决于解能否在多项式时间内验证。如果验证过程是多项式时间的，那么该问题属于 NP 类，但并不是所有 O(N!) 或 O(2^N) 问题都在 NP 中。

总结

P 类问题：可以在多项式时间内求解的问题。
NP 类问题：解可以在多项式时间内验证的问题。
NP-complete 问题：最难的 NP 问题，能够解决它就能解决所有 NP 问题。
NP-hard 问题：不一定属于 NP 类，但至少和 NP-complete 问题一样难。

这个分类系统帮助我们理解各种问题的计算复杂性以及它们之间的关系。

英文：P versus NP problem (NP Complete, NP Hard)

本文一共 1177 个汉字, 你数一下对不对.

计算复杂性理论中的P, NP, NP Hard和NP完全问题. (AMP 移动加速版本)

扫描二维码，分享本文到微信朋友圈

75a5a60b9cac61e5c8c71a96e17f2d9c 计算复杂性理论中的P, NP, NP Hard和NP完全问题学习笔记数学算法计算机计算机

The post 计算复杂性理论中的P, NP, NP Hard和NP完全问题 first appeared on 小赖子的英国生活和资讯.

C++的 map 当键(Key)不存在的时候会发生什么?

作者 JustYY.com 小赖子的英国生活和资讯

2024年9月14日 18:27

在面试流程（例如筛选）的早期阶段，一位 Google 招聘人员曾向我问过这个问题。

在C++中，当你使用std::map访问一个不存在的键时，行为取决于你是如何访问它的。

使用下标操作符 [] 访问时

如果键不存在，std::map 会默认插入一个该键的元素，并为其赋值为类型的默认值。比如，如果 map 的值类型是 int，那么它会插入该键并赋值为 0。

例子：

std::map<int, int> myMap;
int value = myMap[10]; // 如果键10不存在，会插入myMap[10] = 0

使用 at() 方法访问时

如果键不存在，at() 会抛出 std::out_of_range 异常。

例子：

std::map<int, int> myMap;
try {
    int value = myMap.at(10); // 如果键10不存在，会抛出异常
} catch (const std::out_of_range& e) {
    std::cout << "Key not found!" << std::endl;
}

使用 find() 方法

find() 方法不会修改 map，它返回一个迭代器。如果键不存在，它会返回 map.end()。

例子：

std::map<int, int> myMap;
auto it = myMap.find(10);
if (it == myMap.end()) {
    std::cout << "Key not found!" << std::endl;
} else {
    std::cout << "Value: " << it->second << std::endl;
}

C++ std::map 和 std::unordered_map的比较

std::unordered_map 处理不存在的键与 std::map 类似，但有一些差异，主要是因为它们内部的数据结构不同。

map 和 unordered_map 的区别：

顺序：std::map 是有序的（内部实现为平衡树），所以元素会按键的顺序排列。而 std::unordered_map 是无序的，使用哈希表存储元素，因此没有特定的顺序。
性能：std::unordered_map 通常有更快的平均访问时间（由于哈希结构，平均时间复杂度为 O(1)），而 std::map 的访问时间复杂度为 O(log n)，因为其内部实现为树结构。然而，如果发生大量哈希冲突，unordered_map 在最坏情况下的时间复杂度可能是 O(n)。

总的来说，std::unordered_map 和 std::map 在处理不存在的键时，对于 []、at() 和 find() 的行为相似，但它们在顺序和性能方面存在差异。

总结

使用 [] 访问时，如果键不存在，map 会插入一个新元素并赋予默认值。
使用 at() 访问时，如果键不存在，会抛出异常。
使用 find() 可以检查键是否存在，而不会修改 map。

英文：C++: Access a Non-existent Key in std::map or std::unordered_map

面试经历

面试题

面试技巧

面试其它

本文一共 473 个汉字, 你数一下对不对.

C++的 map 当键(Key)不存在的时候会发生什么?. (AMP 移动加速版本)