推送 Docker Image 到 Nexus 上的提示错误： Unable to push 'zchub-policy-data-service:0.0.1-SNAPSHOT' to registry 'repo-docker.isharkfly.com' : unauthorized: access to the requested resource is not authorized 问题解决 Nexus 需要对能够访问 Docker 仓库的用户授权。 至少要赋予下面 3 个权限才行。 赋权后不需要重启 Nexus，可以直接进行重构。 如果能看到镜像上传成功则说明一切正常。 https://www.isharkfly.com/t/nexus-docker/17105
Nexus 的自定义仓库下载的时候出现超时的情况。 应该是上面的 Python 的 Group 仓库出现了问题。 不知道具体的问题是什么问题，应该是前一段时间出现磁盘空间不够的问题。 解决办法 删除这个仓库然后重建。 https://www.isharkfly.com/t/nexus-python/16692
Windows 安装 python 3.12 的方法。 下面的内容是针对这个安装方法使用 AI 的回复对比。 如果不让安装程序设置环境变量的话，可能会得到下面的路径配置错误： 如果默认的时候没有配置环境变量，可以重新运行安装程序再次安装然后把环境变量添加进来。 随后再次检查运行版本。 如没有问题，则说明已添加到环境变量中。 在 Windows 系统上安装 Python 3.12 相对简单，以下是几种常用方法： 方法一：使用官方安装程序 访问 Python 官网下载页面：Download Python | Python.org 点击下载 Python 3.12 的 Windows 安装程序 运行下载的安装文件（例如 python-3.12.0-amd64.exe） 在安装界面勾选 “Add Python 3.12 to PATH”（重要，这样可以在命令行中直接使用 python 命令） 选择 “Install Now” 进行默认安装，或选择 “Customize installation” 自定义安装选项 等待安装完成 方法二：使用 Microsoft Store 打开 Microsoft Store 搜索 “Python 3.12” 选择 Python 3.12 并点击"获取"或"安装" 等待下载和安装完成 方法三：使用 Chocolatey 包管理器 如果您已经安装了 Chocolatey，可以通过命令行安装： choco install python --version=3.12 方法四：使用 Anaconda 或 Miniconda 下载并安装 Anaconda 或 Miniconda 使用 conda 创建 Python 3.12 环境： conda create -n py312 python=3.12 conda activate py312 验证安装 安装完成后，打开命令提示符或 PowerShell，输入以下命令验证安装： python --version 应显示 Python 3.12.x 版本号。 注意事项 安装时建议勾选"Add Python to PATH"选项，以便在命令行中直接使用 python 命令 如果您需要多个 Python 版本共存，可以考虑使用 Anaconda/Miniconda 或 pyenv-win 如遇到权限问题，请尝试以管理员身份运行安装程序 希望这些安装方法对您有所帮助！ https://www.isharkfly.com/t/windows-python-3-12/17106/4
在 Python 中，将字典(dict)转换为 JSON 字符串非常简单，主要使用内置的 json 模块。以下是几种常见的方法： 1. 使用 json.dumps() import json # 创建一个字典 my_dict = { "name": "honeymoose", "age": 30, "skills": ["Python", "Java", "Go"], "is_active": True } # 转换为JSON字符串 json_str = json.dumps(my_dict) print(json_str) 2. 格式化输出 JSON # 带缩进的格式化输出 formatted_json = json.dumps(my_dict, indent=4) print(formatted_json) # 按ASCII排序输出键 sorted_json = json.dumps(my_dict, sort_keys=True) print(sorted_json) 3. 处理中文 默认情况下，json.dumps() 会将非ASCII字符转义。如果要正确显示中文，可以设置 ensure_ascii=False： chinese_dict = { "姓名": "张三", "城市": "北京" } # 正确显示中文 chinese_json = json.dumps(chinese_dict, ensure_ascii=False) print(chinese_json) 4. 将JSON字符串写入文件 with open('data.json', 'w', encoding='utf-8') as f: json.dump(my_dict, f, ensure_ascii=False, indent=4) 注意区别： json.dumps() 返回JSON字符串 json.dump() 将JSON数据写入文件对象 5. 自定义JSON编码 如果字典中包含自定义类对象，可以通过扩展JSONEncoder类来处理： class CustomEncoder(json.JSONEncoder): def default(self, obj): if hasattr(obj, 'to_json'): return obj.to_json() return super().default(obj) # 使用自定义编码器 json_str = json.dumps(my_dict, cls=CustomEncoder) 这些是Python中将dict转换为JSON字符串的常用方法，希望对您有所帮助！ https://www.isharkfly.com/t/python-json/17098/3
innodb_buffer_pool_size是MySQL InnoDB存储引擎最重要的参数之一，它直接影响数据库的性能。这个参数决定了InnoDB缓存表数据和索引数据的内存大小。 基本配置原则 一般建议：将innodb_buffer_pool_size设置为服务器物理内存的50%-80% 小型系统：如果是小型系统或MySQL与其他服务共享服务器，可以设置为25%-50% 专用数据库服务器：如果服务器专门用于MySQL，可以设置为物理内存的80%左右 具体配置方法 在my.cnf或my.ini文件中设置： [mysqld] innodb_buffer_pool_size = 8G # 例如设置为8GB 注意事项 避免过大：不要将此值设置得太大，否则可能导致操作系统开始使用交换空间，严重降低性能 在线调整：MySQL 5.7及以上版本支持动态调整此参数，无需重启服务器： SET GLOBAL innodb_buffer_pool_size = 8589934592; # 设置为8GB (以字节为单位) 多个缓冲池实例：对于大内存服务器，建议配置多个缓冲池实例以提高并发性能： innodb_buffer_pool_instances = 8 # 例如设置为8个实例 监控使用情况：通过以下命令监控缓冲池的使用情况： SHOW ENGINE INNODB STATUS\G SELECT * FROM information_schema.INNODB_BUFFER_POOL_STATS; 预热功能：考虑使用InnoDB缓冲池预热功能，特别是对于频繁重启的服务器： innodb_buffer_pool_dump_at_shutdown = 1 innodb_buffer_pool_load_at_startup = 1 最佳的设置取决于您的工作负载特性、服务器配置和其他运行在同一系统上的应用程序。建议在调整后监控系统性能，并根据实际情况进行微调。 MariaDB 针对 MairaDB，修改配置文件路径为： nano /etc/mysql/mariadb.conf.d/50-server.cnf 针对我们的服务器，我们的的这个配置被修改成了 24G。 查询 Pool 大小： SELECT * FROM information_schema.INNODB_BUFFER_POOL_STATS; INNODB_BUFFER_POOL_STATS POOL_ID POOL_SIZE FREE_BUFFERS DATABASE_PAGES OLD_DATABASE_PAGES MODIFIED_DATABASE_PAGES PENDING_DECOMPRESS PENDING_READS PENDING_FLUSH_LRU PENDING_FLUSH_LIST PAGES_MADE_YOUNG PAGES_NOT_MADE_YOUNG PAGES_MADE_YOUNG_RATE PAGES_MADE_NOT_YOUNG_RATE NUMBER_PAGES_READ NUMBER_PAGES_CREATED NUMBER_PAGES_WRITTEN PAGES_READ_RATE PAGES_CREATE_RATE PAGES_WRITTEN_RATE NUMBER_PAGES_GET HIT_RATE YOUNG_MAKE_PER_THOUSAND_GETS NOT_YOUNG_MAKE_PER_THOUSAND_GETS NUMBER_PAGES_READ_AHEAD NUMBER_READ_AHEAD_EVICTED READ_AHEAD_RATE READ_AHEAD_EVICTED_RATE LRU_IO_TOTAL LRU_IO_CURRENT UNCOMPRESS_TOTAL UNCOMPRESS_CURRENT 0 1557632 1486272 70609 26044 2601 1504 0 0 0 47084 511720 0 0 73858 4808 3023 0 0 0 10046433153 1000 0 0 6422 0 0 0 0 0 0 0 上面的配置参数为生产服务器上的真实参数。 引擎状态查询 SHOW ENGINE INNODB STATUS 上面的命令能够查询当前引擎的使用状态： ===================================== 2025-03-13 18:34:22 0x75a2fc5606c0 INNODB MONITOR OUTPUT ===================================== Per second averages calculated from the last 42 seconds ----------------- BACKGROUND THREAD ----------------- srv_master_thread loops: 10 srv_active, 0 srv_shutdown, 196110 srv_idle srv_master_thread log flush and writes: 196115 ---------- SEMAPHORES ---------- ------------ TRANSACTIONS ------------ Trx id counter 1235652 Purge done for trx's n:o < 1235652 undo n:o < 0 state: running but idle History list length 0 LIST OF TRANSACTIONS FOR EACH SESSION: ---TRANSACTION (0x75a940405880), not started mysql tables in use 1, locked 0 0 lock struct(s), heap size 1128, 0 row lock(s) ---TRANSACTION (0x75a940404d80), ACTIVE 0 sec fetching rows mysql tables in use 1, locked 0 0 lock struct(s), heap size 1128, 0 row lock(s) MariaDB thread id 5221894, OS thread handle 129343170938560, query id…
生老病死本是人间常态，尤其对长辈而言，但发生在自己熟知的身边人时总难免伤感。 几日前，远在他乡的母亲在消息中留下了简短的一行字，“你父亲的好友，罗德康和万伯伯双双离世。” 一直考虑在标题中使用什么样的称呼，因罗德康伯伯是长辈，小时候一直尊称为罗伯伯，但只使用姓氏容易误解，左思右想后变把标题改为《忆罗德康伯伯》。 印象中 罗德康伯伯留给我的印象是碎片化的，不完整的，但他爽朗的笑声却让我早已为他打上了一个标签，不管在任何时候都感觉他都一直在笑。 而且笑得很开朗，很大声，不做作，让人感觉是一种发自内心的爽朗。 随着父亲年纪的增加，开始喜欢和我聊一些往事，这时候才对罗伯伯有了一些碎片化的了解。 他本不是湖南永州人，是湖南衡阳人，因为家庭成分不好，在新中国的历史上成为了右派，前几十年他的生活也是过的非常艰辛。 虽然罗伯伯是于1962 年毕业于湖南师范大学，在当年的中国也是科班出身，但在那些个荒唐的年代，人们就好像历史中一粒微不足道的尘埃一般卑微的活着。 也许他和父亲是校友，所以在那个大学生还贵为天之骄子的年代有了一丝的默契，成为了好友。 道县师范学校 当我开始有记忆并对回老家去看看的时候，大部分的时间好像都绕不过道县师范学校。 因每次随父亲回老家都要去道县师范学校去看看。在那个物资和交通都十分不发达的年代，学校总是能够让人感觉到安逸和安全。 很多人可能对我父亲的老家不理解，很多人也说，中国现在还有那样的地方吗？如果你看过电影《天浴》，上面所谓的美景，所谓的吉普车都是当年我的经历。 当年通往道县师范学校的路并不大，还需要通过一个小巷子上去才可以，但道县师范学校却总能让我感觉到安全。 也可能是，有时候我的父母在忙于其他事情的时候，就把我丢在了道县师范学校的老师和罗伯伯的家中了。 惊闻离世 万伯伯的身体随着年龄的增加也需要更多的修养。 这个时候罗伯伯就更忙了，印象中，有次万伯伯比较排斥医院的治疗方案，罗伯伯电话我的父亲希望我的父亲能够帮忙做做工作让万伯伯能去大的医院接受一些检查。 印象中，我父母为其做了很多的思想工作，好不容易才说服万伯伯前往大医院做一些详细的检查，从这件事情上可以看到的是罗伯伯对待工作的认真，为了做好一件事情他是能够想办法，同时还需要做好人的思想工作。 就冲这点，他在道县师范学校老校长的岗位上必定是出色和惊艳。 实在没有预料到的是罗伯伯和万伯伯的先后离世，对个人和家庭以及熟知的人来说，也代表一个时代和历史画上了句号。 深感鼓舞的是作为一个在 60 年代科班毕业的高材生经历过历史上荒唐的种种，还能保持对生命和生活的尊重，笑谈人生。 祝愿罗伯伯和万伯伯在天堂中没有病痛，爽朗的笑声永不消逝。 https://www.isharkfly.com/t/topic/17012
工作周报 ，简称周报 ，是每周一次的工作报告。 相关概念有工作日报、工作月报、周例会、工作总结、工作计划等。 从几十年前入职的当天就，开始为了写不写周报或者怎么写周报在不停的和上面进行协同。 周报有用吗 作为软件开发相关工作来说。 周报真的没有什么太大的作用，随着 JIRA 这类的管理软件的出现，对于周报的定义可以说是价值不大。 针对每个人，都可以从代码提交，评论这类的工作上找到这个人这周的工作情况和这周具体做了什么样的工作。 非常不幸的是也成为过 10 多个人小组的 Leader，不巧的是，所在的公司也曾经要求过提交周报，当然我们也是要求大家做了。 但对我来说，根本就没有仔细看小组成员的周报，这是因为这个周报本身和本周在 JIRA 或者 YouTrak 上的工作是重复的。 有些人为了凑字数，还拷贝一堆代码，说是修改了什么问题。 这些东西都在项目管理软件上好吧，并且这些周报的阅读和总结也需要花费不少的时间，很难想象的是如果你的手下管理了上百名员工，你怎么能够在短时间内看完这些内容并且给出一些帮助。 大概率的情况就直接把这些周报一个转发就完事。 最后整个周报的环节都成为一个笑话，同事不愿意做，Leader 不愿意看。 所以，公司的周报要求只进行了几周就完全无法继续推进下去。 同时发现因为要求周报的工作反而耽误了大家正常的软件开发流程，很多时候开会的时候同事都在找借口，正在写周报而把整个会议推迟到下周。 一些对软件开发有兴趣的同事，为了一些问题的更好解决其实是愿意周末加班的，但这些内容无法体现在周报中，同时因为劳动法的要求，周末加班是需要支付双倍工资的。 一些同事会在周报中写上，因为什么问题进行了周末加班，但这些加班公司是不会给加班费的，如果真要劳动法和仲裁的话，这不是妥妥的落人口实？ 因为同事的加班写在了周报中，但周报的提交是经过上层认可的，说明了，在团队或者整个公司中都认可了员工在周末加班，但没有给予任何工资。 所以，周报这东西就是同事不想写，老板不想看，费力不讨好还落人口实。 马斯克的服从性测试工具 马斯克最近玩得是有有点过了。 把软件开发公司周报这个本身就不是很科学的东西搬的到联邦政府机构中，并且很多时候这些周报根本就没有人看。 华盛顿2025年2月24日 美国政府效率部负责人埃隆·马斯克24日说，如果联邦政府雇员第二次对汇报上周个人工作进展的要求熟视无睹，则面临被解雇。 马斯克当日在社交媒体发文说，根据美国总统特朗普的想法，若联邦政府雇员第一次不对要求汇报上周个人工作进展的邮件进行回复，“他们将获得一次机会”，“第二次不回复将导致被解雇”。 也难怪美国整个联邦政府层面都炸开了锅。 如果搜索相关内容，联邦政府层面的回复也是，如果你收到这个电子邮件，你可以选择忽略。 同时，联邦政府也进行了一些解释，你不需要把你从事敏感的工作内容通过邮件进行汇报，这本身就是非常不安全的行为。 马斯克的服从性测试工具也算是踢到了铁板。 很多工作，不是软件开发，不是一个周报就能解决问题的，果然这个世界还真就是个草台班子。 https://www.isharkfly.com/t/topic/16988
Claude 3.7 Sonnet的发布不仅标志着混合推理技术的重大突破，也为AI在编码和复杂任务处理领域的应用开辟了新的可能性，进一步推动了人工智能向更高层次迈进。 程序员确实现在只需要把代码调通，并且解决逻辑问题就行了。 测试了下编程能力，确实还不错。 https://www.isharkfly.com/t/claude-3-7-sonnet/16986
如果 Discourse 实例已经接入了 Anthropic。 那么只需要在后台挑一个不希望继续使用的模型改下就好。 否则需要重新在 Discourse 实例中配置 AI，然后获得 Anthropic 的 key。 进入后台的 AI 然后选择 LLMs 虽然我们这里已经显示成 3.7 了，但实际上所有内容都是从 3.0 改的。 单击后面的编辑。 LLMs 在 Name中输入：Claude 3.7 Sonnet 用于区分其他模型。 随后保存提交，同时还可以进行测试。 如果测试没有问题则会显示成功。 Discourse 测试 对于新的模型可以在 Discourse 中进行测试。 选择定义的新模型，如果模型名字没有刷新，那么有可能缓存问题，可以强制刷新下页面和退出登录后重新登录。 校验 API 调用 登录 Anthropic 后台查看下使用量。 确定已经有模型 3.7 的使用量，那么则说明调用配置成功了。 在 Discourse 中添加模型挺简单的，基本上可以无缝集成不同的模型。 https://www.isharkfly.com/t/discourse-claude-3-7-sonnet/16987