<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[sszzyzzy的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/sszzyzzy</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; sszzyzzy]]></copyright><item><title><![CDATA[千元级nas装机体验--星际蜗牛+J1900]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/145181665</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/145181665</guid><author>sszzyzzy</author><pubDate>Thu, 16 Jan 2025 13:49:08 +0800</pubDate><description><![CDATA[异地组网 推荐使用tailscale，买个有公网ipv4和ipv6的国内vps自建中转服务器derp，在nas和访问端都装好tailscale后就能异地访问了，甚至网络环境好的时候能直连，就能实现在线看视频了。如果是自己挑配件组的话 主板：一般选17*17，也可以看具体机箱型号尺寸 电源：一般小1U就够，带盘多的话要算一算硬盘启动的峰值功率够不够 背板：有热插拔需求就额外看一眼。公网ipv4 需要跟宽带运营商要，有些需要付费才给，在路由器上把nas端口映射到公网就可以访问到了。摸索出了以下几种方案。]]></description><category></category></item><item><title><![CDATA[linux命令grep sed sort uniq的常用技巧]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/128805003</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/128805003</guid><author>sszzyzzy</author><pubDate>Mon, 30 Jan 2023 16:35:19 +0800</pubDate><description><![CDATA[grep sed sort uniq 的常用技巧]]></description><category></category></item><item><title><![CDATA[mongodb的使用]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/128804338</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/128804338</guid><author>sszzyzzy</author><pubDate>Mon, 30 Jan 2023 16:06:06 +0800</pubDate><description><![CDATA[mongodb的使用]]></description><category></category></item><item><title><![CDATA[MongoDB的安装]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/128804281</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/128804281</guid><author>sszzyzzy</author><pubDate>Mon, 30 Jan 2023 16:03:22 +0800</pubDate><description><![CDATA[mongodb的服务端与可视化客户端的安装]]></description><category></category></item><item><title><![CDATA[linux命令awk的一些常用技巧]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/114593919</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/114593919</guid><author>sszzyzzy</author><pubDate>Tue, 09 Mar 2021 19:18:12 +0800</pubDate><description><![CDATA[awk是强大的文本处理工具，既可以应对文本分割，也可以对数据进行统计，上手后十分方便快捷
这里简单记录一下使用心得和技巧，以备不时之需

常用的内置变量
awk中的若干内置变量可以直接在脚本中使用而不需要声明，其中一部分可以直接使用option设置来修改分割方式
RS(record-separator)  FS(filed-separator)
这两个是分割控制符，用来控制record和field的分割方式，默认RS为换行FS为空格。
对应到脚本中，默认循环遍历对应的每一个record，输出的$1$2对应.]]></description><category></category></item><item><title><![CDATA[tc_mem_chunk 的使用]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/111581794</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/111581794</guid><author>sszzyzzy</author><pubDate>Wed, 23 Dec 2020 11:33:05 +0800</pubDate><description><![CDATA[tars源码学习笔记2

释放空间

入参为地址时：

mmca的deallocate中，会先计算要释放的的内存是否在自己的范围内，不在的话递归下去调用下一个mmca的deallocate。如果在自己的范围内的话，会先计算地址在哪一个mca负责的空间内。
因为在初始化的时候说过每一个mca管理的分块的数量是一样的，然后是用数量乘块大小来计算出每一个mca的空间，所以在内存空间中，mca是根据块大小由小到大排列的，而且所有大小相同的块是连续在一起的。也是这个原因可以遍历vBlockSize累加计算出pAdd.]]></description><category></category></item><item><title><![CDATA[tars源码学习-内存管理]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/111469146</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/111469146</guid><author>sszzyzzy</author><pubDate>Mon, 21 Dec 2020 10:51:03 +0800</pubDate><description><![CDATA[tars源码学习笔记1

内存分配器
原始内存块 TC_MemChunk
TC_MemChunk(简称mc)：

内部有两个指针，一个指向header，一个指向所管理的内存空间，管理的内存空间的具体信息都在header里，而且header占的空间也在自己的管辖范围内提前分出来(后面也是类似结构)。所管理的内存空间会按照指定数值大小分块管理，称为block。

头部结构tagChunkHead：

记录管理区域内的信息：每个block大小、block数量、第一个空闲block的index、总计的空闲bloc.]]></description><category></category></item><item><title><![CDATA[CRTP 静态多态]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/108449723</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/108449723</guid><author>sszzyzzy</author><pubDate>Tue, 08 Sep 2020 15:18:35 +0800</pubDate><description><![CDATA[CRTP
对于RAII的虚函数的效率问题，是因为没有办法确定指针的具体类型，才采用了运行时动态判断，但是这样会导致效率降低。看过一篇知乎的文章说使用benchmark测得普通函数与虚函数的差距在8-10倍，具体原因跟很多方面有关。
CRTP就是为了优化掉这个问题而提出的一种模式，将原来的虚继承改为了继承“定制的“模版类。这样的话原本虚函数的调用，改为了使用强转指针类型并调用其成员函数的方式实现了，对于类型的判断从原本的“运行时“变成了“编译时“。
下面附上四个例子来一步步看看怎么实现：https://git]]></description><category></category></item><item><title><![CDATA[Makefile 基础学习笔记]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/107160218</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/107160218</guid><author>sszzyzzy</author><pubDate>Mon, 06 Jul 2020 15:33:36 +0800</pubDate><description><![CDATA[Makefile 基础学习笔记
makefile 有三部分组成，一部分是变量，一部分是依赖关系，一部分是执行命令
&lt;变量1&gt; = &lt;值&gt;
&lt;依赖者&gt;: &lt;被依赖者1&gt; &lt;被依赖者2&gt;
    &lt;命令1&gt;
    &lt;命令2&gt;

变量
变量一般为全大写，使用的时候用 $(xxx) 的方式
有多种赋值方式

=赋值：表示使用&lt;值&gt;进行赋值，若&lt;值&gt;中有使用变量2，则变量2用在makefile展开完成后的最终]]></description><category></category></item><item><title><![CDATA[Redis读书笔记 - 集群篇]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/105946333</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/105946333</guid><author>sszzyzzy</author><pubDate>Wed, 06 May 2020 11:01:36 +0800</pubDate><description><![CDATA[集群篇

这一篇内容书上讲的有点水很细节的东西没有讲到，只是原理，细节的东西再在别的地方再找找。

主从同步

实现了读写分离，主写从读，优化点在大量的读操作被从均摊。

通常情况下主服务支持读写，从服务数据由主服务同步来，对外为只读，构成一主多从结构。可以在启动前配置文件中修改，也可以启动后使用slaveof命令修改。
主从同步的方式分为了两种：

增量同步
主节点：一边处理指令，一边异步将指令...]]></description><category></category></item><item><title><![CDATA[Redis读书笔记 - 原理篇]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/105622157</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/105622157</guid><author>sszzyzzy</author><pubDate>Sun, 19 Apr 2020 21:04:07 +0800</pubDate><description><![CDATA[高性能原理
线程IO模型

redis保证服务高效的原因是因为它是单线程程序，因此在对内存数据处理时候不需要锁以及线程间来回切换的浪费。

为了处理客户端的并发连接，redis使用基于事件驱动的io多路复用来管理多个socket。
使用select系统调用处理要响应的事件(read,write,accept)，循环调用select，并附带超时时间timeout阻塞在这里。

如果有事件来，则处理事...]]></description><category></category></item><item><title><![CDATA[Redis读书笔记 - 基础使用篇]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/105560206</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/105560206</guid><author>sszzyzzy</author><pubDate>Thu, 16 Apr 2020 16:05:51 +0800</pubDate><description><![CDATA[文章目录五种基础用法kv键值对(string)listhashsetzset常用场景分布式锁消息队列延时队列有趣的工具位图HLL 基数估算布隆过滤器 4.0限流 4.0地理计算 3.2遍历要注意的点

五种基础用法
kv键值对(string)

键值对读写
“get {k}”, “set {k} {v}”
可以批量读写
“mget {k1} {k2}”, “mset {k1} {v1} {k2} ...]]></description><category></category></item><item><title><![CDATA[[leetcode刷题] 和为s的连续正数序列]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/105348494</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/105348494</guid><author>sszzyzzy</author><pubDate>Mon, 06 Apr 2020 18:19:48 +0800</pubDate><description><![CDATA[题目传送门
1.滑动窗口
因为结果是连续序列，所以可用头哨兵尾哨兵来唯一确定一个序列。序列的和也可以计算出。因此有n*n个序列需要去判断。
但是当知道了某序列的值已经比target要大，则相同起点更长的序列不需要判断，所以可以剪枝掉一部分，因此有滑动窗口一说。
具体流程：
序列初始为[1]其值为1（如果是0会错）。
小于target时头走一步（可根据增量来计算出新序列的值）
大于target时尾走...]]></description><category></category></item><item><title><![CDATA[[leetcode刷题] 通过前序遍历和中序遍历的结果还原二叉树]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/105348457</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/105348457</guid><author>sszzyzzy</author><pubDate>Mon, 06 Apr 2020 18:18:47 +0800</pubDate><description><![CDATA[题目传送门
通过前序遍历和中序遍历的结果还原二叉树
前序遍历是先输出val在进入left，left结束之后是right
而中序遍历是先进入left，left结束之后再输出val
因为这个特点：
1.对于所有的preorder[0]来说都是当前树的root。
2.在通过这个root的值在inorder里找到相应的idx，所有idx左边的都是left的输出结果，可求出 inorderL 和  inor...]]></description><category></category></item><item><title><![CDATA[线程与进程的对比]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/105348328</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/105348328</guid><author>sszzyzzy</author><pubDate>Mon, 06 Apr 2020 18:16:24 +0800</pubDate><description><![CDATA[在理论知识上讨论进程与线程]]></description><category></category></item><item><title><![CDATA[目录 index]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/105347156</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/105347156</guid><author>sszzyzzy</author><pubDate>Mon, 06 Apr 2020 18:09:02 +0800</pubDate><description><![CDATA[文章目录算法理论类gitchat训练营学习笔记算法思想学习深度学习数据结构与算法工具使用类并发并行相关网络相关协议相关swig数据库mongomysql技巧类c++python其他刷题类leetcode*未归档**未完成*


没有打勾的是要重新整理的

算法理论类
gitchat训练营学习笔记
算法思想学习

 六篇笔记，几乎纯理论，还涉及到一些数学问题
1  2 3 4 5 6

深度学习

...]]></description><category></category></item><item><title><![CDATA[[算法]算法学习06]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/91592955</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/91592955</guid><author>sszzyzzy</author><pubDate>Wed, 12 Jun 2019 18:55:39 +0800</pubDate><description><![CDATA[狼羊草问题
建立全量的状态集合，以及状态转移的流程，从一种状态搜索到另一种状态，并不是很难。
24点计算器
问题是给定四个数字，检查能否通过在其中使用四则运算得到24.
通过枚举每种排列方式，然后枚举各种计算符号，以及枚举每种计算顺序可以得到结果。
这里我感觉可以有新的解法：
1.先对24质因数分解，并记录住分解后的下家。
2.然后遍历着从四个数字中取两个，看是否能通过四则运算得到分解后的结果。
...]]></description><category></category></item><item><title><![CDATA[[深度学习]深度学习学习笔记02]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/91578191</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/91578191</guid><author>sszzyzzy</author><pubDate>Wed, 12 Jun 2019 17:48:45 +0800</pubDate><description><![CDATA[损失函数
神经网络通过不断修改自身的参数来尽量达到每条训练数据都正确，都更加接近正确，所以要定义损失函数，用来量化当前成绩与满分之间的差距。
均方差

def mean_squared_error(y, t):
    return 0.5 * np.sum((y-t)**2) # 就是求每一项的方差，然后累加起来再除以二

交叉熵

def cross_entropy_error(y, t):
...]]></description><category></category></item><item><title><![CDATA[[深度学习]深度学习学习笔记01]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/91047752</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/91047752</guid><author>sszzyzzy</author><pubDate>Thu, 06 Jun 2019 17:46:08 +0800</pubDate><description><![CDATA[感知机
接收多个输入信号，输出一个信号，每个输入信号都有相对应的权重，根据所有的输入值乘权重得到最后输出的结果。
设输入信号{x} = [x1, x2, … ,xn] = X
相应的权重{w} = [w1, w2, … ,wn] = W
乘积为  x1w1 + x2w2 + … +xnwn
再加上一个偏置b，最终为 x1w1 + x2w2 + … +xnwn + b
最终计算得得值可以写为 XT ...]]></description><category></category></item><item><title><![CDATA[[python]pandas数据分组相关]]></title><link>https://blog.youkuaiyun.com/sszzyzzy/article/details/90896618</link><guid>https://blog.youkuaiyun.com/sszzyzzy/article/details/90896618</guid><author>sszzyzzy</author><pubDate>Wed, 05 Jun 2019 19:05:45 +0800</pubDate><description><![CDATA[数据的分组
先初始化数据
import pandas as pd
import numpy as np
data = {'year':[2016,2016,2017,2017,2017,2018,2018,2019],
        'num':[2,5,4,7,8,90,78,5],
        'name':['a','b','c','d','e','f','g','h']}
df = ...]]></description><category></category></item></channel></rss>