Inplayable技术分享

原创 已于 2022-02-23 11:06:24 修改 · 1.3k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#无服务器 #python #云原生

于 2022-02-14 12:27:05 首次发布
本文探讨了如何利用AWS CodeBuild进行Python Lambda的自动化部署，涵盖了运维实践、设计模式的应用，以及Web安全工具的使用。同时，还介绍了NGINX在跨域问题上的解决方案和Android工程中的SHA1暴力破解防范。

Inplayable技术分享

运维

  1. 《aws lambda 通过codebuild上线踩坑指南之 lambda 进程被占用 status error 255》
  2. 《google pay 配置sub/pub回调》
  3. 《AWS攻略——使用CodeCommit托管代码》
  4. 《AWS攻略——使用S3托管静态网页》
  5. 《AWS攻略——使用CodeBuild进行自动化构建和部署静态网页》
  6. 《AWS攻略——使用CodeBuild进行自动化构建和部署Lambda（Python）》

设计模式

  1. 《设计模式-工厂模式》
  2. 《设计模式-单例模式》
  3. 《设计模式-观察者模式》
  4. 《设计模式-适配模式》

Web

  1. 《通过NGINX代理解决vue前后端跨域问题》

安全

  1. 《安卓工程逆向之sha1暴力破解》

工具

  1. 《ffmpeg实现视频和音频分离，并且将声音切片》

语言

python

  1. 《pymongo之find_one_and_update原子性操作》
  2. 《谈一次单元测试驱动代码重构》
在AWS Lambda中使用FFmpeg处理m3u8视频流
Inplayable的博客
09-06 1331
AWS Lambda S3 FFmpeg
【深度首发】2018年的小目标是“1个亿”，试玩互动能否成为全球首个游戏试玩移动广告平台的独角兽？丨Xtecher 封面
Xtecher
01-03 2693
试玩互动（Inplayable）作为全球首家专注游戏试玩移动广告的营销平台，主攻全球移动游戏变现和推广。试玩互动的终极目标是要帮全球的游戏开发者提升其广告的变现收益，做为游戏广告创新的引领者、规则的制定者，最终成为全球首个游戏试玩移动广告平台的独角兽。创始人胡健给自己设定的2018年目标是一亿元的营收，全年开发者+广告主将突破1,000家，日均展示量超过1亿次。他的信心在哪里？作者｜平凡、林正采访
Serverless 架构的 N 种可能，你 Pick 谁？
亚马逊云科技专栏
10-19 348
以下文章来源于InfoQ一个新概念走向万众瞩目的架构需要经历多久的时间？Serverless 用了将近十年。从 2012 年首次进入大众视野，到 2014 年亚马逊云科技发布 Amazon Lambda 完成商业化飞跃，再到如今，越来越多的云产品走向 Serverless 化...... Serverless 架构在推动云计算前进的过程中，扮演着越来越重要的角色，也同时拥有了更丰富的落地场景。有关...
aws篇8 安装GStreamer
bluewelkin的专栏
08-03 419
aws篇8
aws篇12 搭建一个推流、读流、RTSP服务器
bluewelkin的专栏
10-24 644
搭建一个推流、读流、RTSP服务器
serverless是什么？无服务器之serverless
蔚可云的博客
03-02 1332
serverless是什么 Serverless首先是用于描述我们的应用程序是明显或充分地依赖第三方应用或服务来管理服务器端逻辑和状态，这些应用是典型的富客户端应用，比如单页Web应用或移动应用，它们使用基于云可访问的数据库比如Parse或Firebase，还有授权服务比如Auth0AWS Cognito等，这些服务类型之前曾经被描述为后端服务，下面使用Baas这一简称代表后端服务(Backend as a Service)。 其次，Serverless也意味着应用会有一些服务器端逻辑，但是不像传统架
Python Pandas多列合并成一长列(扁平化)
视觉算法小趴菜的博客
11-29 374
本文介绍了Pandas中三种数据扁平化方法：melt()按变量名和值两列重组数据，concat()垂直拼接多列，stack()将多列转为单列。测试数据显示melt()保留原列名信息，concat()和stack()仅保留数值。三种方法各有特点，适用于不同的数据扁平化需求。
【推荐系统】深度学习训练框架（五）：pyspark分布式TorchDistributor主从读取OSS文件认证机制
人工智能领域博客
11-28 1825
摘要： 本文详细解释了Spark Driver端与Worker端在OSS认证上的核心区别。Driver端通过Spark配置自动认证，而Worker端（独立Python进程）需显式提供认证信息。认证来源优先级为：1)Driver传递参数，2)环境变量，3)IAM角色。文章分析了架构差异导致的不同认证方式，并推荐从Driver传递认证信息的解决方案。当前实现已采用该方案，通过Spark配置或环境变量获取认证后传递给Worker进程，确保PyArrow能正确访问OSS数据。
【Android逆向工程】第8章：Frida 高级应用：函数追踪与 RPC 调用
w987333120的博客
12-01 204
本文介绍了Frida框架的核心功能与应用技巧，包括函数调用栈追踪、RPC机制、批量Hook、内存操作和脚本模块化等关键技术。重点讲解了Thread.backtrace()和DebugSymbol.fromAddress()的用法，提供Java和Native函数的调用栈追踪示例，并展示了调用栈过滤与分析方法。最后通过实战案例演示登录流程追踪和RPC调用，同时给出常见问题解决方案。这些技术可有效提升逆向分析效率，适用于移动应用安全测试场景。
遗留Python包中的漏洞代码可通过域名劫持攻击Python包索引
FreeBuf_的博客
11-28 415
遗留Python包漏洞可致供应链攻击，域名劫持风险威胁PyPI生态。
python自动化脚本-下载最新最全LPR
zhang_ruiqiang的博客
11-27 649
本文介绍了一个Python自动化脚本，用于从中国人民银行官网批量获取贷款市场报价利率(LPR)数据。通过分析网页结构，发现LPR数据分布在4个索引页面中，每个页面包含多个带有特定标题的链接。脚本使用BeautifulSoup解析网页，自动提取并存储所有LPR数据到本地文件，解决了手动下载效率低、易出错的问题。核心功能包括：页面URL自动生成、目标链接定位、数据内容提取和结果保存。该方案显著提高了数据采集效率，为金融数据分析提供了便利。
Python抓取ZLibrary元数据实战指南
yiruo250的博客
11-29 498
本文介绍使用Python抓取ZLibrary电子书元数据的技术方案。首先说明准备工作，包括Python环境配置、网页结构分析和反爬策略。详细讲解两种抓取方法：静态页面使用requests+BeautifulSoup解析，动态内容通过Selenium模拟浏览器操作。提供数据存储示例（CSV/JSON格式）和清洗技巧，并介绍异步抓取、Scrapy框架等高级优化方案。特别强调法律合规性，包括遵守robots.txt、控制请求频率及版权注意事项。附完整代码示例链接，为电子书数据分析提供技术参考。
探索PFC2D流固耦合：模拟煤层塌陷的奇妙之旅
2503_94141257的博客
11-27 333
该模型是模拟的煤层塌陷的pfc2D流固耦合：运用fipy（python）-pfc2d联合的方法实现。不仅方法创新，可修改，内容操作性强，调整内部代码可实现多边形区域的三角网格流域，灵活性强，还设置的有悬浮颗粒定向删除，点位移的实时监测等多内容，干货满满，你买这个一个代码，但里边不止这一个代码的内容。代码真实有效。内部包含：前后水头、位移、渗透系数等多个水力参数，内容丰富。
Java学习之旅第三季-27：模块系统（一）
摸鱼的老谭
11-29 930
Java模块系统自Java 9引入，通过module-info.java文件定义模块名称、依赖关系和导出包，实现依赖管理、JRE精简和访问控制。模块分为标准模块和非标准模块，前者由JCP管理，后者为JDK特有。创建模块化项目时，需在src/main/java下添加module-info.java文件，使用requires声明依赖、exports控制包可见性。模块命名建议采用反向域名格式，与包名保持一致但无强制要求。模块系统提升了代码组织性、安全性和开发效率。
tensorflow tf.function 的两种执行模式（计算图执行 vs Eager 执行）的关键差异
servepeople的博客
12-01 346
本文解析了TensorFlow中tf.function的两种执行模式差异：默认的计算图执行会"跟踪"函数并构建计算图（Python原生语句如print仅执行一次），而Eager模式则每次调用都完整执行所有代码。关键点在于：1) 图执行会捕获TensorFlow运算到计算图中，忽略Python原生语句；2) 使用tf.print替代print可确保每次执行都输出。实践建议区分Python代码和TensorFlow运算，理解跟踪阶段与执行阶段的差异，避免常见陷阱。
python轮子：适配requests.request的aiohttp异步请求
最新发布
云霄IT的博客
12-01 88
【代码】python轮子：适配requests.request的aiohttp异步请求。
检查cuda是否安装成功
easyboot的专栏
11-28 120
cuda安装完成后输入nvcc --version查看cuda是否安装成功。在cmd命令窗口中输入nvidia-smi查看需要安装的CUDA版本。
如何获取Checkbutton复选框的值？
教师中的射鸡师
11-29 549
华兴上机技能模拟题：代码如下： 解析 核心功能：界面效果：运行后会生成标题为 “调查” 的窗口，包含提示标签和 4 个复选框，其中 “学长推荐” 默认勾选，支持鼠标点击切换选中状态。如何在代码中获取选中的复选框的值？要获取复选框的选中值，可以通过遍历绑定的变量来判断状态（为选中，为未选中），以下是具体实现方法：在代码中添加一个按钮，绑定点击事件，遍历所有复选框的变量并收集选中的文本： 方法 2：实时监听复选框状态变化 如果需要实时获取选中状态，可以给复选框绑定事件： 关键逻辑说明
Pandas也会掉坑？数据开发者必踩的局限与避坑指南
不会写DN的博客
11-28 686
Pandas作为Python数据分析核心工具，虽简化了数据操作，但在大数据、复杂计算场景下存在显著局限。本文从三大模块剖析其不足： 性能陷阱：向量化操作被误用为Python循环（如iterrows()），导致效率骤降；内存密集型设计易引发溢出，建议分块读取或使用Dask。 数据处理盲区：动态类型推断易丢失关键信息（如身份证前导0），需强制指定dtype；缺失值填充需结合分组逻辑避免偏差。 工程化短板：受GIL限制无法有效并发，推荐Modin实现多核并行；超大数据需迁移至Dask等分布式框架。 文末提
Cuda 矩阵乘法逻辑
qq_52053775的博客
11-27 58
本文系统介绍了CUDA矩阵乘法优化方法，从基础实现到多级优化。首先分析cuBLAS库的矩阵乘法原理，指出行主序与列主序的转换技巧。随后详细阐述三种优化方案：1）原始并行实现，每个线程计算一个输出元素；2）共享内存优化，通过分块减少全局内存访问；3）ThreadTile技术，提升指令级并行性。重点讨论了向量化加载和双缓冲队列优化，通过寄存器级流水和乒乓缓冲机制实现计算与访存重叠。实验结果表明，优化后性能达到1683.8 GFLOPS，较基础实现提升显著。文章包含完整的数学推导、代码实现和性能分析，为GPU矩阵
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

breaksoftware

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值