[TOC] Pandas 一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算） Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。 Pandas 可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工
DHorse系列文章之镜像制作 制作镜像常用的工具 使用Docker制作镜像 1.使用docker commit制作 该命令使用比较简单，可以自行网上搜索教程。 2.使用Dockerfile制作 这种方式，需要编写如下的Dokerfile文件： FROM openjdk:openjdk:13-jdk
关于服务器端渲染方案，之前只接触了基于react的Next.js，最近业务开发vue用的比较多，所以调研了一下vue的服务器端渲染方案。本文着重介绍两种渲染方案。
当使用了多个数据库来提供服务时，最为关键的点是如何让每一个数据库比较均匀的承担压力，而不至于其中的某些数据库压力过大，某些数据库没什么压力。这其中的关键点之一就是拆分键的设计
我又和redis超时杠上了 性能排查，服务监控方面的知识往往涉及量广且比较零散，如何较为系统化的分析和解决问题，建立其对性能排查，性能优化的思路，我将在这个系列里给出我的答案。 服务监控系列文章 服务监控系列视频 背景 经过上次redis超时排查，并联系云服务商解决之后，redis超时的现象好了一阵
一次排查某某云上的redis读超时经历 性能排查，服务监控方面的知识往往涉及量广且比较零散，如何较为系统化的分析和解决问题，建立其对性能排查，性能优化的思路，我将在这个系列里给出我的答案。 问题背景 最近一两天线上老是偶现的redis读超时报警，并且是业务低峰期间，甚是不解，于是开始着手排查。 以下
当你需要为你的 Go 项目创建一个强大的命令行工具时，你可能会遇到许多挑战，比如如何定义命令、标志和参数，如何生成详细的帮助文档，如何支持子命令等等。为了解决这些问题，github.com/spf13/cobra 就可以派上用场。 github.com/spf13/cobra 是一个用于构建强大的命
背景 系统需要交付，客户要求提供交维材料，包括系统的表结构，安排开发人员进行梳理，效率比较慢，遂自己花点时间捣鼓一下，发现有此插件，记录一下方便与同事分享 前提条件 必须有 go语言环境，有的话直接看第二点 一、安装 go语言环境 1、检查本机是否安装 go go version 2、如果没有，安装
背景 在lodash函数工具库中，防抖_.debounce和节流_.throttle函数在一些频繁触发的事件中比较常用。 防抖函数_.debounce(func, [wait=0], [options=]) 创建一个 debounced（防抖动）函数，该函数会从上一次被调用后，延迟 wait 毫秒后
关键还是在人 找到一个「吃过猪肉，见过猪跑的」，你问他什么是猪，他自然比「没吃过猪肉，没见过猪跑的人」更了解猪。海豚海豚，你知道猪是什么样么？它都没上过陆地，这辈子都没见过猪，它哪知道猪是什么样。 有明确的目标： 什么是DevOps平台，有哪些关键功能 哪些可外采，哪些采用开源，哪些自建 谁来负责哪
经过版本更新，Mini API 的功能逐步完善，早期支持得不太好的 mini API 现在许多特性都可以用了，比如灰常重要的依赖注入。 咱们先来个相当简单的注入测试。来，定义一个服务类，为了偷懒，老周这里就不使用 接口 + 实现类 的方式了。 public class MyService : IDi
1.创建独立开发虚拟环境 1.1虚拟环境简介 我们编写的程序，有时用到的Python库是不一样的，比如说开发桌面应用程序我们主要用到PyQt5相关的Python库、开发Web应用程序我们主要用到Django相关的Python库等等。假设我们在开发桌面应用程序的时候除了PyQt5相关的Python库外
HeyGen - AI Spokesperson Video Creator 官网地址 Create a video (heygen.com) api地址 简介： 公司最近对ai方面业务比较感兴趣了，特别是aigc合成式人工智能方面。国内现在都还处于试用阶段，真正面向的c端，b端的产品还不够完善。
由于一些客户的内部系统需要提取一些记录信息，如果手工录入会变得比较麻烦，因此考虑使用百度云的OCR进行图片文字的提取处理，综合比较了一下开源免费的Tesseract 类库进行处理，不过识别效果不太理想，因此转为了百度的OCR云接口处理方式，测试的效果比较理想，基本上较少出现错别字。本篇随笔介绍如何利用百度OCR进行图片文字的提取处理，以便从别的系统中批量化获得响应的系统数据，然后进行相应的格式化处
简介 构造器模式，也被称为建造者、生成器模式，是设计模式中比较容易理解的模式之一。 定义：将一个对象的构建与它的表示分离，使得同样的构建过程可以创建不同的表示。 定义不太容易理解，简单的说就是构造器模式中的对象的属性是通过一个构造器来设置的，最后返回一个不同属性的对象。 在js中我们在创建对象时可以
一：背景 1. 讲故事 在 SQLSERVER 中有非常多的索引，比如：聚集索引，非聚集索引，唯一索引，复合索引，Include索引，交叉索引，连接索引，奇葩索引等等，当索引多了之后很容易傻傻的分不清，比如：复合索引 和 Include索引，但又在真实场景中用的特别多，本篇我们就从底层数据页层面厘清
一：背景 1. 讲故事 只要是程序总会出现各种莫名其妙的问题，比如：非托管内存泄露，程序崩溃，在 Windows 平台上一般用微软自家的官方工具 App Verifier 就可以洞察，那问题出在 Linux 上怎么办呢？由于 Linux 崇尚自由，需要在各种牛鬼蛇神写的非官方开源软件中寻找一个比较靠
# PYTHON修饰器的函数式编程 > 2014年的时候陈老师就写了这个python装饰器的文章，比现在的很多的文章都好，虽然他是python 2 写的，但核心思想是没变的。 > 原文:https://coolshell.cn/articles/11265.html > 谨以此文 纪念下陈皓老师(1
在我们的项目当中，经常需要添加一些选择界面，让用户直观地进行交互，比如耗材、办公用品、设计稿或者其它可以选择的内容。 在线商城的商品目录和购物车无疑是一种大家都很熟悉的交互方式，但是在实际开发中，我们可能会遇到以下几个问题： 怎么及时响应产品的需求，快速实现功能上线？ 怎样实现灵活变更模板，把数据、
一、项目背景 企业日常工作中需要制作大量的报表，比如商品的销量、销售额、库存详情、员工打卡信息、保险报销、办公用品采购、差旅报销、项目进度等等，都需要制作统计图表以更直观地查阅。但是报表的制作往往需要耗费大量的时间，即使复用制作好的报表模版，一次次周期性对数据的复制粘贴操作也很耗人，同时模版在此过程
