开发 iOS 应用的同学或许知道有这样一道面试题：“如何检测一个页面是否发生了内存泄漏？”。或许这道面试题的答案你已了然于胸，但 iOS 系统中如何检测一块内存（对象）是否发生了内存泄漏，检测的方式方法都有哪些？以及检测的底层原理是什么？如果监控到线上 App 的内存一直在涨（或者 OOM），如何去分析和定位问题等。 本场 Chat 会一一为您解答，内容主要包括： 1. 什么是内存泄漏 2. iOS 开发中常见的内存泄漏场景及规避方案 3. iOS 开发中内存泄漏的常规检测方式有哪些（4 种方法） 4. 检测一个页面（或者对象内存）是否发生内存泄漏的实战及原理 5. 一种定位线上内存问题（OOM）的有效方法 6. Xcode 调试中的 Debug Memory Graph 原理及源码实现

Python 目前较为热门的编程语言，由于其较低入门门槛，以及比较友好的学习曲线深受程序员喜欢。各个领域，特别是科研和数据科学领域会有大量使用者。但是日常使用过程可能遇到一些性能或者功能性问题，会严重影响工作效率。因此尝试去了解 Python 中的一些黑魔法可能会显著的提高工作效率。 因此在此主要介绍在 Python 中的一些便捷技巧和功能，以提升使用体验和效率。 在本场 Chat 中，会讲到如下内容： - 简单了解 Python 2 与 Python 3 的特性和区别 - Python 3 的语法糖的使用 - Python 3 的迭代器和生成器的使用 - Python 3 的内置包的特殊用法 - Python 3 的个人工具包分享 适合人群： 对 Python 3 技巧有兴趣的技术人员

很多程序员会忧虑 35 岁失业的问题，这个忧虑是真实存在的，程序员们确实会在靠近 35 岁的时候，遇到职业危机。在我的职业生涯中，我亲眼目睹了很多这样的例子。 网上有很多进攻式的策略去应对，我这里提供一个防守式的策略，即提前退休的路线。假如你一切进攻的策略都失败的情况下，这个策略可以为你保低。 在本场 Chat 中，会讲到如下内容： - 真实存在的程序员 35 岁危机：我亲眼目睹的一些案例 - 保底策略：30 岁退休计划 - 在 30 岁前退休的具体步骤和一些意外情况的应对策略 - 退休后的生活：悠闲而慢节奏的生活、在国际国内自由旅行、因为兴趣而不是钱去工作

Python 用来开发网站的框架很多，本次 Chat 选用 Django 来带大家开发一个简单的网站。网站开发需要掌握的知识比较多，但是我们是用开源框架可以大大减少我们的工作量，对底层实现原理也不需要完全了解。 本次 Chat 的内容如下： 1. 环境的搭建 2. 网络协议简单知识 3. 开启一个 Django 项目 4. 开发一个简单网站 5. 在云服务器中运行网站

估计很多人跟我一样都想体验一把换脸神器，或者是为游戏开发创建一个自己的动漫角色，更或者是为了完成毕设、实习、课题研究等等，反正五花八门，琳琅满目！那毫不意外，GAN 是你最好的选择（虽然 GAN 的大火时间已经过去了），但你品，细品，就会发现其实它还是很有意思的！ 言归正传，本次 Chat 就从以下几个内容展开： 1. 品尝 GAN，DCGAN 的美妙原理； 2. 细品 DCGAN 在 Pytorch 上的代码制作工艺并训练之； 3. 在 Pytorch 上定义自己的数据集，这里我主要使用 Oxford102（102种类型的花）； 4. 总结、参考文献。

本篇文章以本司从 AWS 迁移到阿里云的实践总结基于阿里云的 E-mapreduce 的使用经验。不同于官方文档的罗列式产品介绍，本文力求结合实际使用者的最佳实践，给出一般性的使用指南，为了避免读者网上查询资料导致的“只见树木不见森林”，本文强调对常用场景的使用指南。 鉴于目前文章还没成型，主要内容包括但不仅限于目前所列： 1. EMR 基本使用指南； 2. EMR 结合调度系统使用指南； 3. EMR 结合实时数仓使用指南。 本文适合于有上云需求的任何客户。

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

很多时候，我们所使用或者输出的数据容量非常大，动不动就几 GB，有时候磁盘容量不够用，那么这个时候我们如何是好呢？其实我们可以透过一种存储机制，这种机制就是 RAID（磁盘阵列），那么接下来，我们就好好讲讲 RAID 相关的东西。 主要内容： - RAID 是什么 - RAID 的优点 - RAID-0 优缺点 - RAID-1 优缺点 - RAID1+0 以及 RAID0+1 优缺点 - RAID-5 优缺点 - RAID-6 优缺点 - 预备磁盘 - 为什么分软件和硬件

二进制位运算是最贴近计算机真实运算操作，通过位运算，我们可以高效的完成各种基础运算（加减乘除取余等），我们还可以使用位运算巧妙的完成原本很复杂的工作，真正理解计算机，我们才能更好的使用计算机。 我将通过基础理解开始，讲解到Java中的一些实际应用。 本场Chat中，将学到一下内容 •对原码、反码、补码等基础进行重拾 •与或异或移位等正负数运算细节 •正负数位运算的操作

这次 Chat 为大家准备 4 个Python 爬虫项目。写这次 Chat 的原因是，爬虫入门简单快速，也非常适合新入门的小伙伴培养信心。以下是所涉及实战的目录。 目录： - 实战项目 1：5 行代码爬取国内所有上市公司信息 - 实战项目 2：多种方法爬取并分析猫眼 TOP 100 电影 - 实战项目 3：单页图片爬取，以网易数独信息图为例 - 实战项目 4：AJAX 多页图片爬取，以澎湃网美数课信息图为例

Airflow 是非常流行的基于用户自定义开发创建任务的调度系统，然而不足之处是缺少任务之间依赖关系的元数据，导致日常优化和问题排查困难重重，尤其是当涉及到跨 DAG 依赖的情况下，这个问题更加显著。在数仓建设实践中，如何处理任务（表）的血缘关系是必不可少的内容，目前 Airflow 是无法满足的，本文提出一种基于 Neo4j 的方案，解析 Airflow 程序自动生成任务依赖关系和 DAG 依赖关系，转换成图的格式存储在 Neo4j，然后通过可视化的方式展示血缘关系。实践验证，该方案效果显著。 本文详细介绍： 1. Airflow 如何解析程序，生成任务和 DAG 的依赖关系； 2. 依赖关系在 Neo4j 的存储设计； 3. Neo4j 查询常用方法在血缘关系的使用；

在 2019 年到 2020 年过年期间，其实可以说 2020 年是个特殊的一年，为什么说特殊呢？因为，在这一年的开头有新型冠状病毒，还有科比的离去，有人说这是糟糕的一年。但我觉得这不因该怪罪 2020年，咱们的生活和提升应该继续。 本 Chat 将涉及商学中以下知识点：头部市场、分散市场、沉没成本、心理账户，将用几个小例子为你讲解，本文较短建议有兴趣的你欢迎订阅。 目录： 1. 人人都应该时自己的 CEO 2. 从最有钱的那个账户花钱[心理账户] 3. 不要为打翻的牛奶哭泣[沉没成本] 4. 总结

本篇文章带你从入门到深入理解一下Java 中的各种锁机制

市面上众多的系统应用架构都由集中式向分布式进行演进，每天的业务线上会产生超大的流量和日志量，大到用户的基础信息、订单等信息，小到各个微服务的 log 日志，其实都是宝贵的资源。伴随着时间和业务的发展，日志量级变得越来越大，故而引入了 Elasticsearch，支撑海量的数据存储和文档查询。 为了更好的支撑故障定位，方便找到故障产生的源头，缩短故障排除时间、定位性能瓶颈、进行性能优化，数据的实时性、和灵活性在日志搜索中都是十分重要的。 围绕上述目标，本场 Chat 旨在分享，Elasticsearch 在搜索、写入时的一些经验和心得，并且附带实际案例代码，主要内容包括： 1. Elasticsearch 数据早 8 小时 Or 晚 8 小时的原理及解决方案。 2. Elasticsearch 调优之慢查询分析。 3. Elasticsearch 集群 Red 怎么办，包含 Unassigned 分片解决，故障恢复。 4. 集群分片分配相关知识点（包括滚动重启、磁盘感知、机架感知）。 5. 不依赖任何 Elasticsearch Jar 包提供一个通用的数据写入微服务。（附源码） 6. Bulk 请求大量被拒绝改怎么办？ 7. Elasticsearch 节点相关角色的分配？ 8. 索引模板的配置及案例。 9. Elasticsearch 集群负载该怎么理解？ 10. Elasticsearch 写入速度提升的案例实战（附源码）。 适合人群： 分享略过了基础知识的讲解，偏实际运用，适合接触过一段时间 Elasticsearch，喜欢研究技术，和知识分享的朋友。

很多开发工程师都想阅读 Spring 源码，可能大多数人和我一样，从阅读到很快放弃。究其原因： 1. 方法不对； 2. 自己阅读源码太耗时间； 笔者在阅读源码的过程中查看了市面上几乎所有的视频和书籍资料，个人感觉这些资料都看起来对耐心是个巨大的挑战，甚至“没法看”（个人观点）。 在实际的开发过程中使用到的 Spring 的功能遵循 28 法则，大部分的开发人员对 Spring 的很多功能不了解，这就导致在看 Spring 源码过程不知所云。所以本专栏会以“应用代码”先行，然后剖析其源码，接着画图总结其原理。最终形成整个框架的运行原理图，在工作中深入源码解决问题，HOLD 住全场。 所以根据笔者阅读源码的痛苦经历及阅读心得，准备写一系列的 Spring 源码解析的文章，避开我阅读的坑，节约源码阅读的时间，在脑海中快速建立 SpringFramework 的整体知识框架。准备讲源码分析分为 3 个大篇幅（见下文），每篇包括若干篇文章。 本文就是“AOP 篇”中的《CGLIB 及“JDK 动态代理”原理分析》。先写这篇文章，主要是因为这个主题相对独立，先看大家的订阅及反馈，决定是否写余下的内容。 - Spring 源码分析（IOC ）- N 篇文章 - Spring 源码分析（AOP）- N 篇文章 - Spring 源码分析（事务）- N 篇文章 你将在本 Chat 中收获： 1. 设计模式-代理模式 2. 不使用“JDK 动态代理”和 CGLIB 存在的问题 3. JDK 动态代理和 CGLIB 底层原理 4. SpringFramework 如何选择“JDK 动态代理”和 CGLIB 适合人群： 具有 Java 基本知识，有一定 Spring 使用经验

这是 HTTP 系列的第三篇文章，此篇文章为 HTTP 的进阶文章。 在前面两篇文章中我们讲述了 HTTP 的入门，HTTP 所有常用标头的概述，这篇文章我们来聊一下 HTTP 的一些黑科技。

不管是在面试、算法竞赛还是实际的开发中，我们都会遇到排列组合的问题，如果没有合适的算法去解决，时间复杂度会相当的大，毕竟阶乘的时间复杂度不仅让人头大，也让他计算机欲罢不能。所以非常有必要掌握排列组合相关的算法，碰到很多问题，我们心里就有些底气了。我这里例举十余种算法，其中想要特别强调二进制的相关解法，非常有趣。

你是否曾经想过构建一个自己的游戏世界？ 你是否窥探于游戏开发的大门，却又找不到敲门砖？ 不用游戏引擎，怎么写游戏？ 跟着作者用 jio（脚）写出或许是你人生中第一个游戏案例《Hello 贪吃蛇》 本 Chat 中包含以下内容： 1. Chrome 、 VSCode 、 JavaScript 2. 需求分析 3. 数据结构设计 4. MVC 设计模式 5. Canvas绘制简单图形

Kafka 是由 Apache 软件基金会开发的一个开源流处理平台，由 Scala 和 Java 编写。Kafka 是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据。 本篇文章的主旨就是带你认识一下 Kafka，给你呈现一个比较完整的 Kafka 结构图。

这个春节注定是永生难忘的，全国人民都关心着疫情的进展情况，很多人早上起床的第一件事就是拿起手机查看所在地的疫情地图。不得不说，这种地图标注的疫情非常直观，让人一目了然。那么这种可视化地图是如何实现的呢？其实，用 Python 就可以实现。 本场 Chat 你将学习如下内容： 1. 疫情地图实现的思路； 2. 疫情地图的数据获取与整理； 3. 疫情地图的可视化库讲解； 4. 疫情地图的可视化 Python 实现与调试