Base 作为分布式、可扩展的 NoSQL 数据库，在各个行业承担着重要职责。 本场 Chat，帮读者深入了解 HBase 原理以及实践调优，主要内容包括： + HBase 读写流程 + HBase 底层存储文件以及 Compaction 详解 + HBase 适用场景 + HBase 实践与调优 期望通过以上内容，可以帮助更多人加深对 HBase 的理解，以及如何去优化；初学者能够进行深入的学习。

MySQL 作为流行的关系型数据库之一，相信很多开发人员都有使用。其中 InnoDB 存储引擎，作为支持事务的存储引擎，使用最为广泛。如果只会使用但不了解其中原理，对于后端开发人员的日常工作和技术成长，都是不利的。 本文将从以下几个方面，详细介绍 InnoDB 存储引擎内部原理： - 索引（聚集索引与非聚集索引） - 事务的 ACID 特性与四种事务隔离级别 - 锁机制（共享/排他锁、锁算法）以及锁机制引起的并发问题 - 一致性的非锁定读与 Repeatable Read 事务隔离级别如何保证事务的隔离性 - 事务的原子性、一致性与持久性的实现 - MySQL 的分布式事务（XA 事务）简介 适合人群：有 MySQL 数据库（或关系型数据库）使用经验的后端技术开发人员

在 Python 编程中，我们经常看到下面的函数用法： ``` with open("test.txt", "w") as f: f.write("hello world!") ``` 习惯了 Java 开发的 Python 初学者，心里不免犯嘀咕： 1. 文件 open 操作之后，为什么没有 close，不怕文件描述符资源耗尽吗？ 2. 文件 write 操作没有异常捕获，不怕中断程序主流程吗？ 如果您也有同样的忧虑，那太正常不过了，起码说明您是一位有“开发原则”的人，同时也说明您对其背后的原理了解存在盲区。如果是这种情况，本文强烈建议您订阅本 Chat。为了系统的阐述其背后的奥秘，本文由浅入深，从最基本的函数讲起，内容涉及函数、闭包、偏函数、上下文管理器、with 与生成器、contextmanager 的源码分析，力图通过一篇文章，将以上知识点串联起来，并通过 contextmanager 的源码分析让大家真正掌握 Python 的这一基础核心原理。 本文适合于对以上问题有疑惑的任何 Python 学习者。

高并发的系统的应用广泛，如抽奖、秒杀、抢购、团购、游戏等等。 本场 Chat， 咱们来一场应景的高并发“抢红包”系统设计实战，举一反三，在其他高并发系统中，也同样适用。 高并发抢红包的活动，大致可以分为如下几个流程： - 流程一：客户端海量抢红包的请求。（限流，过滤流量，流量负载均衡） - 流程二：抢红包逻辑。（分布式锁，线程/进程池优化，SQL优化） - 流程三：发红包逻辑。（限流削峰，MQ 消息队列） - 流程四：日志监控。（数据可视化监控日志） 在这场 Chat 中，你将学习到如下的干货。 1. Nginx 的限流，虑流， 负载均衡 。 2. Redis 集群，分布式锁。 3. Node.js 多进程/线程优化。 4. Sequelize（Node.js ORM 库） SQL 查询优化。 5. MQTT 消息队列高并发处理。 6. 日志可视化监控。 适合人群： Node.js 全栈工程师、希望学习高并发架构系统设计的工程师、各类 IT 学习者。

近年来，对于经典诈骗 “猜猜我是谁” “机票改签” “淘宝客服”，在央视等媒体的大力曝光下，已经为大众所熟知。人们已经具备了很强的防范心理，这种原始粗暴的骗局已经不太容易引人上钩。 在当前“恶劣”的从业环境下，骗子们也在不断升级套路和做局手法，设计更多套路面向精准人群，让人防不胜防。有些骗局还利用了现行法律法规的漏洞，即使找到了骗子，受害者暂时无计可施。 骗局层出不穷花样翻新，本 Chat 介绍一些最新流行的专门针对想搞副业赚钱的年轻人的常见套路和骗局。希望广大渴望业余时间提高收入的青年朋友提高警惕，少走弯路。 同时，本 Chat 也介绍了一些真实存在的兼职和副业渠道。虽然赚得不多，一开始还比较辛苦，但合理合法没有风险，只需要投入自己的精力。对于年轻人能锻炼自身的素质的技能。 依靠这些技能，没准能够创出自己的一番事业。

店铺装修可谓商城系统必备的一个模块，该模块极大的方便了客户对系统界面客制化对需求。而店铺装修其实还是有一定难度在里面。 在本场 Chat 中，会讲到如下内容： - 从底层数据库设计，到前端架构设计 - 我们会参考有赞微商城里面对店铺装修模块 - 以及数据如何和后台进行交互和存储 - 以及如何应用到小程序 - 逐步分解构建开发出一个类似的效果 包含以下模块： 1. 标题文本 2. 商品 3. 图片广告 4. 图文导航 5. 富文本 6. 魔方 7. 辅助分割 8. 商品搜索 9. 店铺信息 10. 公告 11. 视频 12. 语音 适合人群：商城开发技术人员

面对日复一日的编码，程序员如何提升自己的竞争力来应对可能面临的“中年危机”。除了编程，我们还能做点什么来给自己带来更高的经济回报。 我想通过我的分享，能对大家带来一些帮助和思考。 关于我，负责了一个技术团队，前后端的技术都有所涉猎。经历过创业失败，也获得过一些小的收获。曾经利用业余时间自己做过外包，也独立开发了多个产品，其中一个 App 上过苹果榜单收到 4.5 分以上的好评，一年多没有更新依然持续给我带来睡后收入，也还有个应用给我带来了 7 位数以上的回报。具备从 0 打造一个的产品的能力，也具备跨技术栈解决问题的能力。 在本场 Chat 中，我将分享以下的一些话题： 1. 程序员如何在做好本质工作的基础上获得更多的创收机会 2. 如何自我驱动成长 3. 从 0 到 1 打磨一款产品的过程 4. 资产配置的意识和理财入门 5. 早期创业过程中遇到的那些坑 适合人群： 进入职场中短期的开发人员或者对此话题有兴趣的相关人员。

对于正则表达式，相信很多人都知道，但是很多人的第一感觉就是难学，因为看第一眼时，觉得完全没有规律可寻，而且全是一堆各种各样的特殊符号，完全不知所云。 其实只是对正则不了解而以，了解之后你就会发现，原来就这样啊正则所用的相关字符其实不多，也不难记，更不难懂，唯一难的就是组合起来之后，可读性比较差，而且不容易理解，本文旨在让大家对正则有一个基本的了解，能看得懂简单的正则表达式，写得出简单的正则表达式，用以满足日常开发中的需求即可。 本文将带你从 Python 的角度操作正则表达式的操作，突破你对正则表达式的困扰。对于面试官提问：写个正则表达式匹配这个邮箱等等。当然，咱们还可以用正则表达式匹配该 HTML 里面的指的数据。正则表达式用途广泛，这篇我们来学习它吧！

提到数组，我想你肯定不陌生，甚至还会自信地说，它很简单啊。 是的，在每一种编程语言中，基本都会有数组这种数据类型。不过，它不仅仅是一种编程语言中的数据类型，还是一种最基础的数据结构。尽管数组看起来非常基础、简单，但是我估计很多人都并没有理解这个基础数据结构的精髓。 在大部分编程语言中，数组都是从 0 开始编号的，但你是否下意识地想过，为什么数组要从 0 开始编号，而不是从 1 开始呢？ 从 1 开始不是更符合人类的思维习惯吗？ 你可以带着这个问题来学习接下来的 Chat 内容。

前几天在网上看到了一份 2018 年刑侦科推理试题，貌似无法贴图，我将题目转述一下吧： 1. 这道题的答案是： - A. A - B. B - C. C - D. D 2. 第 5 题的答案是： - A. C - B. D - C. A - D. B 3. 以下选项中哪一题的答案与其他三项不同： - A. 第 3 题 - B. 第 6 题 - C. 第 2 题 - D. 第 4 题 4. 以下选项中哪两题的答案相同： - A. 第 1、5 题 - B. 第 2、7 题 - C. 第 1、9 题 - D. 第 6、10 题 5. 以下选项中哪一题的答案与本题相同： - A. 第 8 题 - B. 第 4 题 - C. 第 9 题 - D. 第 7 题 6. 以下选项中哪两题的答案与第 8 题相同： - A. 第 2、4 题 - B. 第 1、6 题 - C. 第 3、10 题 - D. 第 5、9 题 7. 在此十题中，被选中次数最少的选项字母为： - A. C - B. B - C. A - D. D 8. 以下选项中哪一题的答案与第 1 题的答案在字母中不相邻： - A. 第 7 题 - B. 第 5 题 - C. 第 2 题 - D. 第 10 题 9. 已知“第 1 题与第 6 题的答案相同”与“第 X 题与第 5 题的答案相同”的真假性相反，那么 X 为： - A. 第6题 - B. 第10题 - C. 第2题 - D. 第9题 10. 在此 10 道题中，ABCD 四个字母出现次数最多与最少者的差为： - A. 3 - B. 2 - C. 4 - D. 1 在尝试了 20 分钟之后，终于将这个题解了出来。但是我在想，这唯一的答案吗？如果这个题目，用计算机求解的话，应该怎么做呢？ 然后花了半天的时间完成了代码的编码，跑出来的结果只有一个，和我自己推理的答案相同。但是计算机仅仅花了 1s 不到的时间……于是我决定跟大家一起分享一下这个过程。 在本场 Chat 中，会讲到如下内容： - 怎么对这套题目进行建模 - 怎么编写程序，让计算机求解 - 这个题目的正确答案是什么 适合人群： 对计算机建模、逻辑推理题感兴趣，并想尝试用自己的能力，编写计算机程序去解决智力题的同学

Traefik 作为开源的边缘路由器，提供了对于 Docker、Kubernetes、Swarm 等的支持。最新发布的 Traefik 2.x 的版本更是一个重大的升级。 本场 Chat 中想通过一个个实例，让您能够清楚如何利用它完成以下的一些工作： 1. 如何使用新引入的 IngressRoute 提供公网访问的路由规则 2. 如何实现自动为新加入的服务签发 Https 证书（OV 证书） 3. 如何使用 Traefik 支持 SNI 路由和多协议端口的 TCP 4. 如何让现有的Helm应用适配新的Traefik 2.x 5. 在使用过程中其他的一些坑 适合人群： 对 Kubernetes Ingress 或者 Traefik 有一定了解

Fiddler 是一款功能非常强大的 HTTP 协议代理工具，能监听客户端和服务器间的HTTP通讯。在日常工作中，Fiddler 是应用非常广泛的抓包和调试工具。同时也是测试工程师们必备的核心技能，掌握Fiddler，帮你轻松搞定接口测试。本场 Chat 偏重实战，把我日常测试工作中常用且重要的Fiddler功能进行总结。希望可以帮到大家。 在本场 Chat 中，会讲到如下内容： 1. Fiddler 的原理； 2. Fiddler 的下载安装、Https 证书安装； 3. 手机抓包； 4. Fiddler 抓取 Https 包（电脑端、手机端）； 5. Fiddler-Inspectors 功能详解； 6. Fiddler-Filters 功能详解； 7. Fiddler-AutoResponder 功能详解； 8. Fiddler-断点功能详解。

引用官方一句话 ”Uni-App 在手，做啥都不愁。即使不跨端，Uni-App 也是更好的小程序开发框架“。使用 Uni-App 的好处就是一次编译，多端运行。不管领导安排什么样的项目，你都可以快速交付，不需要转换开发思维、不需要更改开发习惯。 本系列将会从 Vue 的基本语法开始，到使用 Uni-App 实现一个完整的电影 App 项目，包括（登录界面、首页与搜索界面、轮播图排行榜等热门组件、详情页等其他页面） 。 在本系列的教程过程中，我将会以详细通俗地语言，手把手教会小伙伴们有关除了系统学习 Uni-App 理论知识外，你还会学习到丰富的案例，如单位换算、新闻列表、滚动选择器、Video 弹幕效果、图片选择及预览、录音功能、界面 API、微信-新浪登录、分享、推送、QQ 互联等。 在本场 Chat 中，主要学习 Vue.js 基本语法，通过本场 Chat，你将会： 1. 对 Uni-App 有一个基本的认识 2. 掌握 H-Builder 的基本使用方法 3. 页面与全局变量的用法 4. Class 与 Style 的变量语法 5. 条件渲染与列表渲染的技巧 适合人群： 有基本的 HTML、CSS、JavaScript 知识即可。

本节内容是承接前面的自动求导的。卷积神经网络从任何角度来说都有一种滥觞的感觉，再到翻来覆去的框架（PyTorch、TensorFlow等）使用，读者大概已经审美疲劳了。但是作为系列的一部分，卷积又不得不写。所以这里聊一些常人涉及较少的算法实现内容。 这包括： 1. 从傅里叶变换到卷积； 2. 卷积的反向传播算法； 3. 快速卷积算法； 4. 扩张、转置和深度可分离卷积； 5. 与自编自动求导（差分）框架融合； 6. 一个图像去噪的小实例。 文章不会调用任何恼人的机器学习框架，以至于抱着深入学习想法的读者仅学了寥寥数个 API。本系列目标在于复刻一个具有相对完整功能的深度学习框架。最后欢迎各位提出改进意见。

教你如何在 K8s 中使用 Traefik 2.0 作为 Ingress

- 打印图案 - 等腰三角形之字母扩展 - 空心菱形 方法一：两个等腰三角形拼接 - 空心菱形 方法二：对角线相等 - 杨辉三角 - 螺旋矩阵 - 蛇形矩阵 1 - 蛇形矩阵 2 - 趣味习题 - 打印某年某月日历排版 - 找出最长的单词 - 颠倒一串英文句子 - 颠倒一串英文句子 Java 版本 - 生成不重复的随机数 - 统计班级成绩排名 Java 版本 - 统计班级成绩排名 C 版本 - 报数 123，报数 3 的童鞋退出，最后留下的是哪个同学。 Java 版本 - 报数 123，报数 3 的童鞋退出，最后留下的是哪个同学。 C 语言版本 - 模拟对象层级树结构 - 基础排序 - 插入排序 - 选择排序 - 冒泡排序 - 快速排序 - 二分法查找 - Json 格式的校验

MyBatis 的一级缓存在单机环境下可以减少与 MySql 的交互，提高性能，但是在分布式环境下容易产生脏数据。建议在生产环境下关闭，使用 Redis，Memcache 等代替。

最近搭建基于 Spring Cloud 的微服务框架，日志系统当然最佳选择就是 ELK。看着 MAC 那紧巴巴的配置，又不想热情退去而留下一堆软件，果断选择 Docker 安装来节省那可怜的资源。当然这只是鹏哥的一点点小心思。 为什么使用 Docker 这里就不在赘述了，相信就算现在猪肉贵你吃不起，但是新闻里至少有猪的图片你应该看过吧。这篇文章的主旨是搭建一个 ELK（主要是Elasticsearch + Kibana，Logstash 会在 Spring Cloud 继承 ELK 的文章中介绍）。 所以看完这篇文章你将了解： 1. Docker 的常见命令，可以收藏的 2. Docker 安装 Elasticsearch 3. Docker 安装 Kibana

选择最有效的运行时，编程模型和体系结构来满足应用程序的需求和团队的技能，开发人员一直面临挑战。例如，某些用例最好由基于同步阻塞I / O架构的技术堆栈来处理，而其他用例最好由基于无功流规范中描述的无功设计原理构建的异步无阻塞堆栈来更好地解决。 响应式 Spring 代表了一个平台范围的计划，旨在在开发堆栈的每个级别（Web、安全性、数据、消息传递等）提供响应式支持。Spring Framework 通过提供一个称为 Spring WebFlux 的新的响应式 Web 堆栈来实现这一愿景。与传统的 Spring MVC Web 堆栈并排提供。这是你的选择！ 在本场 Chat 中，会讲到如下内容： - Spring 的 40 个面试题 适合人群： 对 Spring 有兴趣的技术人员

人工智能、机器学习、深度学习毫无疑问成为当前 IT 界最热门的词汇。基于人工智能、机器学习、深度学习技术开发的服务，能够通过大规模样本数据训练出比用户更懂用户的计算模型。 模型训练时通常涉及到大量的样本数据处理，故人工智能、机器学习、深度学习往往对算法要求极高，且对样本数据量也有着非常高的要求，两者缺一不可。 算法可以躲在家里闭门研究，但数据却很难在家里蹲着就能正常获取。这也是很多大型互联网公司淡定自若的开源他们的人工智能算法的缘由，算法易得，数据难求。 缺少样本数据，无法通过数据训练出更懂用户的智能模型，那么缺乏数据积累的团队，怎么打造初级水平的智能决策服务呢？ - 智能决策服务总体架构图 - 智能决策服务技术架构图 - drools 是什么 - Spring Boot 集成 drools - drools 规则模板介绍 - drools 动态规则设计 - kafka 数据流触发规则匹配 - 规则匹配成功触发决策行为 - 智能决策服务总结 适用人群：Java 开发，规则引擎开发，智能决策推荐系统开发