如何在 Linux 中设置主机名？ 如果你对 Linux 命令行比较熟悉的话，你可以使用命令 sudo hostnamectl set-hostname host.example.com 设置主机名，设置主机名成功后，不要忘记也要在 hosts 文件中配置下 127.0.0.1. 另外，你也可以使用 nmtui 命令来进行设置。 你可以在你的字符环境中，直接运行 nmtui 命令。 NetworkManager 文本用户界面（TUI）工具 nmtui 可提供一个文本界面配置由 NetworkManager 控制的网络。该工具包含在 NetworkManager-tui 子软件包中。 写入时，不会默认随 NetworkManager 安装该子软件包。要安装 NetworkManager-tui，请作为 root 运行以下命令： 如果你的操作系统中没有安装的话，请运行下面的命令进行安装： yum install NetworkManager-tui 此时会出现文本用户界面。要在该界面中导航，请使用箭头键，或按 Tab 在选项间前进，按 press Shift+Tab 后退。按 Enter 选择某个选项。Space 键切换选择库状态。 然后选中设置系统主机名。 然后回车后输入你需要设置的主机名： 通过移动光标后保存退出。 这个字符文本界面提供了一个更好的选择。 https://www.cwiki.us/display/CWIKIKB/questions/62619980
Discourse 的 443 端口需要开放吗？ Discourse 默认会使用 SSL ，如果你的 Discourse 安装后，不能访问。 你需要启用 80 和 443 端口。 下面的命令将会打开你的 443 端口： firewall-cmd --zone=public --add-port=443/tcp --permanent 同时别忘了运行 firewall-cmd --reload 命令来让你的配置生效。 然后再运行 firewall-cmd --zone=public --query-port=443/tcp 如果返回的是 yes ，那么说明你的端口已经开放了。 [root@www ~]# firewall-cmd --zone=public --query-port=443/tcp yes 查看你服务器现在正在监听的端口请使用下面的命令： netstat -ntlp | grep LISTEN 你的服务器上可能回返回： [root@www ~]# netstat -ntlp | grep LISTEN tcp 0 0 0.0.0.0:22 0.0.0.0:* LISTEN 675/sshd tcp6 0 0 :::22 :::* LISTEN 675/sshd tcp6 0 0 :::443 :::* LISTEN 49845/docker-proxy tcp6 0 0 :::9090 :::* LISTEN 1/systemd tcp6 0 0 :::80 :::* LISTEN 49857/docker-proxy Discourse 严重依赖电子邮件。 在开放端口的时候，你可能还需要开放 587 这个端口，这个端口是 SMTP 邮件服务器用来发送邮件的。 https://www.cwiki.us/questions/62619962
提示的错误信息为： Configuration file at updated successfully! Updates successful. Rebuilding in 5 seconds. Building app standard_init_linux.go:211: exec user process caused "exec format error" Your Docker installation is not working correctly See: https://meta.discourse.org/t/docker-error-on-bootstrap/13657/18?u=sam root@raspberrypi:/var/discourse# uname 不知道是什么问题导致的？ 经过搜索后发现 Discourse 不支持 ARM 的CPU。 只能支持 x86_64 的 CPU。 因为我们想在 raspberrypi 上进行安装测试，但是 raspberrypi 使用的是 ARM 的 CPU，因此是没有办法在 raspberrypi 上安装 Discourse 的。 lscpu 查看的配置结果： root@raspberrypi:/var/discourse# lscpu Architecture: armv7l Byte Order: Little Endian CPU(s): 4 On-line CPU(s) list: 0-3 Thread(s) per core: 1 Core(s) per socket: 4 Socket(s): 1 Vendor ID: ARM Model: 3 Model name: Cortex-A72 Stepping: r0p3 CPU max MHz: 1500.0000 CPU min MHz: 600.0000 BogoMIPS: 108.00 Flags: half thumb fastmult vfp edsp neon vfpv3 tls vfpv4 idiva idivt vfpd32 lpae evtstrm crc32 通过执行查看 CPU 信息的命令后的输出： 在上面截图中可以看到 CPU 的架构和类型。 https://www.cwiki.us/questions/62619923
在 IntelliJ 使用的时候，我们会经常要对源代码进行查看。 如何在 IntelliJ 中快速进行查看，如何进行比较？ 在 IntelliJ 中，你可以使用快捷键进行查看，你也可以通过鼠标进行查看。 我们常用的查看功能使用的是查看一个文件的本地修改历史。 或者你也可以使用快捷键。 Alt + · 键，然后会弹出版本历史的快捷访问列表。 如果你选择 4 就可以查看 Git 文件提交的的历史列表。 显示文件的本地修改历史列表。 https://www.cwiki.us/questions/62619882
不知道什么原因，IntelliJ 的工具栏丢失了。 如下图： 要将丢失的工具栏找回来还是比较简单的。 在 IJ 中双击 shift 键。 你将会看到一个打开的搜索对话框，然后在 Action 中输入 tool，不区分大小写，然后将 toolbar 选择 on。 你就可以看到你丢失的工具栏恢复了。 https://www.cwiki.us/questions/62619864
对一些基数比较大的数据来说，D3 的 Y 轴数据显示不完整。 如下图： 上面的情况可能是你的 Y 轴 margin 中的left 没有留够。 在上面的例子中，你可以在线修改下面的链接：https://observablehq.com/@yuchenghu/us-covid-19-daily-tested-cases-covid-19 在后面有一个配置叫做：margin = ({top: 20, right: 30, bottom: 30, left: 30}) 你可以将 left 修改为 60 然后你再运行代码后，你会发现你的问题解决了，数据能够完整的显示了。 https://www.cwiki.us/questions/62619853
Observablehq D3 显示美国 Covid-19每日检测数曲线 本线状图用于显示每天美国 COVID-19 的每天测试量的线状图曲线我们使用的是在线 JSON 数据，数据是通过 AWS 进行读取的。 你可以直接访问下面的链接来获得我们处理上传的数据。https://cdn.ossez.com/dataset/json/covid19/covid19-daily-tested-us.json 我们做数据分析的前提是数据来源相对可靠，如果数据来源不可靠，做数据分析也没有什么太大的价值。 相对每天的确诊总数来说这个更加有意思。因为用美国的检测量相对比较大，数据的波动也比较剧烈，从上面的曲线就可以看出来了。很多人都说美国疫情比较严重，确实是美国的疫情是相对人数非常多的，但是我们需要看到他们的检测量也是非常高的。从数据分析来看 ，美国 Covid-19 的检测能力是从 3 月8号 左右开始提升的，最开始的提升并不是非常高，但是到了 5 月份以后可以看到美国的检测能力是稳步提升的，一直到 5 月11 号左右，在美国的 Covid-19 检测能力已经接近 40 万每一天。 从这个曲线也可以看到，美国问题严重也是因为他们检查的数量多，检测能力比较强。对流行病来说，这种能力不是坏事。 虽然我们每天都会自动上传一些数据，但是你可能的更新数据每次都不一样。 我们主要也是希望通过这个平台来学习 D3 图表的使用。 你可以直接访问下面的链接： https://observablehq.com/@yuchenghu/us-covid-19-daily-tested-cases-covid-19 对代码修改后进行编译，需要注意的是我们数据是上传到 AWS 的 JSON 数据，数据的来源是从 https://covidtracking.com/api 下载后处理的。 下载的方式是通过 Spring Batch 构建一个批量处理程序，每天定时获得最新数据后存储到本地数据库中，然后从本地数据库中导出为 JSON 数据。我也认为这种处理方式过于繁琐，其实在内存中就可以实现了，在获得原数据的 API 后，你可以直接将源数据转换为对象。 使用本地数据库的原因是担心源 API 不能提供正常的访问服务，其实很多时候这种冗余也是没有太大必要的。更主要的是我们希望通过这个了解 Spring Batch 和 Hibernate JPA 的使用，这个对其他项目是非常有帮助的。 然后利用 gson 将对象转换为需要的字符串后输出成 JSON 就可以了。 如果你对 AWS API 比较了解和熟悉的话，你可以利用 AWS 的API 直接将生成的 json 数据上传到 S3 上存储。 针对在一个已经部署比较好的和设计比较优化的技术架构上，上面的数据生成和处理基本上能够在 4 个小时内完成设计，部署，上传，分发。 Spring 的微服务对 Java 世界来说，还是起到了非常大的促进作用。 https://www.cwiki.us/pages/viewpage.action?pageId=62619837
本线状图用于显示每天美国 COVID-19 的总计感染用户曲线。我们使用的是在线 JSON 数据，数据是通过 AWS 进行读取的。 你可以直接访问下面的链接来获得我们处理上传的数据。 https://cdn.ossez.com/dataset/json/covid19/covid19-confirmed-daily-us.json 虽然我们每天都会自动上传一些数据，但是你可能的更新数据每次都不一样。 我们主要也是希望通过这个平台来学习 D3 图表的使用。 你可以直接访问下面的链接： https://observablehq.com/@yuchenghu/untitled?collection=@yuchenghu/covid-19 对代码修改后进行编译，需要注意的是我们数据是上传到 AWS 的 JSON 数据，数据的来源是从 https://covidtracking.com/api 下载后处理的。 下载的方式是通过 Spring Batch 构建一个批量处理程序，每天定时获得最新数据后存储到本地数据库中，然后从本地数据库中导出为 JSON 数据。我也认为这种处理方式过于繁琐，其实在内存中就可以实现了，在获得原数据的 API 后，你可以直接将源数据转换为对象。 然后利用 gson 将对象转换为需要的字符串后输出成 JSON 就可以了。 如果你对 AWS API 比较了解和熟悉的话，你可以利用 AWS 的API 直接将生成的 json 数据上传到 S3 上存储。 做这个小项目的主要是为了熟悉 Spring Batch 的使用，D3 数据图表的配置，AWS API 的存储和使用。 麻雀虽小，五脏俱全，能够帮助你很好的了解微服务，云平台，数据结构等很多知识。 项目的源代码，我们已经发布到 GitHub 上了。https://github.com/ossez-com/covid-19 如果你有兴趣的话也可以参考。 https://www.cwiki.us/pages/viewpage.action?pageId=62619834
不知道在什么时候 Intellij 开始显示项目的树连接线了。 如何不显示？ 这个在 IntelliJ 中是可以调整的。 在设置中，快捷键 Ctrl + Alt + S 打开设置窗口。 取消选择 Show Tree Indent Guides 就可以了。 当你取消选择后的效果如下： https://www.cwiki.us/questions/62619819
美国码农面试真的不容易。每次面试都心力交瘁，不知道这套面试流程是从哪里学来的，听说最早是从 Google 来的。 面试流程从 Online Assessment 开始就是噩梦，各种刁钻的题目，在限定的时间内完成。可以非常负责任的告诉你，你做出来的东西可能没有人去关心你做得怎么样。亲身经历，多家公司，发过来 Online Assessment 后完全无下文，至于你做得好还是不好，完全没有人搭理你。从这个就可以看出来，所谓的这个其实就是浪费你的时间而已，但是为了一份工作，你又不得不做。因此刷题就从这里开始了。 下一步，On site, 也是各种折磨人，基本上每家公司的 On site 不会少于 4 个小时，其中各种刁钻问题，包括 Black Board 写代码，写算法。说心里话，给你面试的人我不认为他们都能够在给定的 30 分钟到 40 分钟内解决这些问题。 好多公司在这里就戛然而止了，有些变态的公司还有第二轮，第三轮，真觉得这个是有病，不但是有病，而且是病得不轻。都是码农，何必互相为难？相信我，给你面试的那些人，水平可能还真的不如你，有些人也就会点概念的大学生而已，问了一堆在实际项目中可能根本用不到的东西。 最近美国 H1B 政策开始收紧，随之而来的 ICC 打击可能会比较大，但是工作岗位会导致空缺，毕竟还是需要人去写这些东西的。可能在这个情况下，面试流程会相对宽松很多，这个也是有可能的。