##### 常用基本配置项 ```xml net35; net40; net45; net451; net452; net46; net461; net462; net47; net471; net472; net48; netstandard2.0; netstandard2.1; netcore
学习完了 Scrum，实际使用中，是否遇到/思考过下面的问题？ Product Owner的老板是谁、谁来给 Product Owner打绩效、考核的标准是啥？ Scrum Master 的老板是谁、谁来给Scrum Master打绩效、考核的标准是啥？ Scrum Master 是教练，团队成员表
使用基于有限有向图的调度框架，可以控制在线服务中异步调度的流程，但这对分支路径的管理不够友好，随着节点增多，调度流程会越来越复杂而难以控制。因此我们实现了支持分支路径的图调度框架，解决普通图调度框架可扩展性差的问题。
本文基于故障定位项目的实践，围绕根因定位算法的原理进行展开介绍。
本文基于笔者对doop静态程序分析框架源代码和规则学习，并结合对目前漏洞公开技术细节的学习，修改增强doop app only模式下的分析规则后，实现通过doop工具识别commons text rce漏洞（CVE-2022-42889）。内容包含三部分，第一部分简单介绍doop分析框架，第二部分简单介绍commons text漏洞的原理和代码调用栈，第三部分重点介绍如何改造doop app on
简介 MongoDB 是由 C++ 编写的开源 NoSQL 和基于文档的数据库。MongoDB 提供了面向文档的存储方式，操作起来比较简单和容易，支持“无模式”的数据建模，可以存储比较复杂的数据类型，是一款非常流行的文档类型数据库。 MongoDB 是非关系型数据库当中功能最丰富，最像关系型数据库的
Matplotlib 库是一个用于数据可视化和绘图的 Python 库。它提供了大量的函数和类，可以帮助用户轻松地创建各种类型的图表，包括直方图、箱形图、散点图、饼图、条形图和密度图等。 使用 Matplotlib 的过程中，遇到的难点并不在于绘制各类的图形，因为每种图形都有其对应的API。难点在于
使用Matplotlib对分析结果可视化时，比较各类分析结果是常见的场景。在这类场景之下，将多个分析结果绘制在一张图上，可以帮助用户方便地组合和分析多个数据集，提高数据可视化的效率和准确性。 本篇介绍Matplotlib绘制子图的常用方式和技巧。 1. 添加子图的方式 添加子图主要有两种方式，一种是
Matplotlib的坐标轴是用于在绘图中表示数据的位置的工具。 坐标轴是图像中的水平和垂直线，它们通常表示为 x 轴和 y 轴。坐标轴的作用是帮助观察者了解图像中数据的位置和大小，通常标有数字或标签，以指示特定的值在图像中的位置。 1. 坐标轴范围 Matplotlib绘制图形时，会自动根据X，Y
Matplotlib中刻度是用于在绘图中表示数据大小的工具。 刻度是坐标轴上的数字或标签，用于指示数据的大小或值，通常以整数或小数表示，具体取决于坐标轴的类型和限制。 1. 主次刻度 默认的绘制时，坐标轴只有默认的主要刻度，如下所示： from matplotlib.ticker import Mu
Matplotlib 中的图例是帮助观察者理解图像数据的重要工具。图例通常包含在图像中，用于解释不同的颜色、形状、标签和其他元素。 1. 主要参数 当不设置图例的参数时，默认的图例是这样的。 import numpy as np import matplotlib.pyplot as plt x =
Matplotlib 文本和标注可以为数据和图形之间提供额外的信息，帮助观察者更好地理解数据和图形的含义。 文本用于在图形中添加注释或提供更详细的信息，以帮助观察者理解图形的含义。标注则是一种更加细粒度的文本信息，可以被用来为特定的数据点或区域提供更详细的信息。 本篇通过示例依次介绍文本和标注的常用
Matplotlib 提供了大量配置参数，这些参数可以但不限于让我们从整体上调整通过 Matplotlib 绘制的图形样式，这里面的参数还有很多是功能性的，和其他工具结合时需要用的配置。 通过plt.rcParams，可以查看所有的配置信息： import matplotlib.pyplot as
Matplotlib库 由于诞生的比较早，所以其默认的显示样式很难符合现在的审美，这也是它经常为人诟病的地方。 不过，经过版本更迭之后，现在 Matplotlib 已经内置了很多样式表，通过使用不同的样式表，可以整体改变绘制图形的风格，不用再调整一个个显示参数。 1. 样式表的使用 1.1. 所有内
Matplotlib 中有一个很有趣的手绘风格。如果不是特别严肃的分析报告，使用这个风格能给枯燥的数据分析图表带来一些活泼的感觉。 使用手绘风格非常简单，本篇主要手绘风格的效果以及如何配置中文的支持。 1. 中文支持 Matplotlib 的手绘风格默认是不支持中文的，中文在图形中会显示成方格子。如
除了绘制各类分析图形（比如柱状图，折线图，饼图等等）以外，matplotlib 也可以在画布上任意绘制各类几何图形。这对于计算机图形学、几何算法和计算机辅助设计等领域非常重要。 matplitlib 中的 patches 类提供了丰富的几何对象，本篇抛砖引玉，介绍其中几种常用的几何图形绘制方法。 其
matplotlib 在1.0版本之前其实是不支持3D图形绘制的。 后来的版本中，matplotlib加入了3D图形的支持，不仅仅是为了使数据的展示更加生动和有趣。更重要的是，由于多了一个维度，扩展了其展示数据分布和关系的能力，可以一次从三个维度来比较数据。 下面介绍在matplotlib中绘制各类
如果分析的数据与地域相关，那么，把分析结果结合地图一起展示的话，会让可视化的效果得到极大的提升。 比如，分析各省GDP数据，人口数据，用柱状图，饼图之类的虽然都可以展示分析结果，不过，如果能在全国的地图上展示各省的分析结果的话，会让人留下更加深刻的印象。 将数据的分析结果展示在地图上，难点在于： 如
Matplotlib 库是一个用于数据可视化和绘图的 Python 库。 它提供了大量的函数和类，可以帮助用户轻松地创建各种类型的图表，包括直方图、箱形图、散点图、饼图、条形图和密度图等。 本系列具体内容包括： 画布 画布是其他所有的元素的载体，可以说是最重要，也是最容易被忽视的元素。 绘制图形之前
这篇博客让我们来介绍基于概率的传播模型，这种模型基于对数据的观测来构建，不过不能对因果性进行建模。基于随机树的传染病模型是分支过程（branching processes）的一种变种。在这种模型中，一个病人可能接触d个其他人，对他们中的每一个都有概率q>0将其传染，接下来我们来看当d和q取何值时，流行病最终会消失（die out）
