Python
flask-study-004
本篇博客记录学习和实践flask的request全局对象的属性和方法 参考学习：https://zhuanlan.zhihu.com/p/623755314 1. request的属性 属性名 解释 示例 form 从post或者put请求解析的multidict（一键多值字典） args multidict，要操作的url中提交的参数，可以使用args属性。 ?key=v
Celery 任务路由的使用，在多任务时，实现分组管理任务
Celery 任务路由的使用，在多任务时，实现分组管理任务 Celery 任务路由的使用，本文参考了国外大佬的文章，并做了修改与补充，原文见这里,Bjoern Stiel Celery 官方文档：Routing Tasks 任务路由的主要作用：把任务分类，让他们在不同队列中运行，互不干扰，同时方便管理 本文介绍 3 种任务路由添加方式，如不分组，则全部任务都执行在 celery 默认队列中 第1
Gitlab 备份、恢复、升级gitlab数据
https://wiki.wabks.com/pages/191a66/ #1、备份#手动备份$ gitlab-rake gitlab:backup:create#执行完成后会在 /var/opt/gitlab/backups/ 目录下生成压缩包 #2、恢复Gitlab的恢复操作会先将当前所有的数据清空，然后再根据备份数据进行恢复gitlab-ctl stop unico
Python pickle 二进制序列化和反序列化 - 数据持久化
模块 pickle 实现了对一个 Python 对象结构的二进制序列化和反序列化。 "pickling" 是将 Python 对象及其所拥有的层次结构转化为一个字节流的过程，而 "unpickling" 是相反的操作，会将（来自一个 binary file 或者 bytes-like object 的）字节流转化回一个对象层次结构。 pickling（和 unpickling）也被称为“序列化”,
vscode报错Pylance client: couldn‘t create connection to server.解决
问题描述：一打开vscode，右下角就弹报错，Pylance client: couldn’t create connection to server.，让我打开output，打开后似乎是在说连不上server因为连不上server，所以我的python代码没法解析，尝试重开vscode也没用 问题解决：点开左侧的拓展，找到Python Extension Pack，这就是解析python代码用的
Jmeter分布式压测实践
目录一、测试计划编写二、分布式压测2.1 Jmeter分布式执行原理2.2 Jmeter调度机和执行机的配置2.3 slave从机的配置2.3.1 jmeter的bin目录下的jmeter.properties 配置如下2.3.2 配置jmeter-server文件2.4 master调度机的配置2.4.1 jmeter的bin目录下的jmeter.properties2.4.2 配置jmeter
软件测试|探索Flask接口路由技术：构建灵活可拓展的Python应用
测试管理班是专门面向测试与质量管理人员的一门课程，通过提升从业人员的团队管理、项目管理、绩效管理、沟通管理等方面的能力，使测试管理人员可以更好的带领团队、项目以及公司获得更快的成长。提供 1v1 私教指导，BAT 级别的测试管理大咖量身打造职业规划。 什么是路由 路由是将 URL 地址与应用程序中的函数相映射的过程。当用户在浏览器中输入特定的 URL 地址时，Flask 会调用与该地址相匹配的函
docker,docker-compose命令查看dockerhub得镜像
docker安装完成后 如果国内访问慢或者超时，修改docker镜像源，添加加速器 可以通过修改daemon配置文件/etc/docker/daemon.json来使用加速器 如果你在中国访问Docker Hub的速度较慢或无法访问，你可以尝试使用一些在中国境内提供的Docker镜像加速器。这些加速器可以提供更快的下载速度。以下是一些常见的Docker镜像加速器： DaoCloud加速器： 链接
玩玩luogu算法题——第1期
昨天已经把所有大作业写完了，所以今天就想去做一些有趣的事情... 今天做的题都不是特别难，除了最后一题（写了大概1000多行Markdown，结果能Accepted的代码居然只有十几行？！） 目标：希望暑假的时候每天都能更新一点算法题的随笔出来，加油~ P1000 超级玛丽游戏（一个非常入门的题目，作用是用来快速恢复状态） Star Rating: 1.05 题目描述 超级玛丽是一个非常经典的游戏
Python一些提高效率的类库和装饰器用法
本文主要是慢慢积累Python中一些能提高效率的类库和装饰器，闲话少说，开始进入主题。 一、重试 【问题引申：接口网络抖动不稳如何做？回答：请求接口捕获异常和接口请求重试】 二、接口返回值深度校验 【问题引申：接口返回值如何做校验？回答：用deepdiff可以做返回值类型及值不一致的校验】 三、接口返回值取值：jsonpath 【问题引申：如何快速方便的获取json中的某一
「数位dp」统计整数数目(力扣第2719题)
本题为1月16日力扣每日一题 题目来源:力扣第2719题 题目tag:数位dp 动态规划 题面 题目描述 给你两个数字字符串num1和num2，以及两个整数max_sum和min_sum。如果一个整数x满足以下条件，我们称它是一个好整数： (num1 leq x leq num2) (min_sum leq digit_sum(x) leq max_sum) 请你返回好整数的数目。答案可能很大
web DevOps / webops / css id / css class / css hover / javascript / Browser Object Model / bom / Document Object Model / dom
s NSD_DEVOPS_02 CSS 概述 概念与理解 层叠样式表 — 也就是 CSS — 是在 HTML 之后应该学习的第二门技术。HTML 用于定义内容的结构和语义，CSS 用于设计风格和布局。比如，我们可以使用 CSS 来更改内容的字体、颜色、大小、间距，将内容分为多列，或者添加动画及其他的装饰效果。 修改页面样式 根据样式表在页面中呈现的方式不同，可以通过以下三种方式在页面中使用 内联
简单再回顾一下前后端分离的历程，以及他的优点（有的内容是粘贴的别人的，我只用来自己学习，侵权删）
我的大作业要用到python写后端代码，但是python写前端页面太够吧丑了，所以还是得学习学习Vue，在系统学习vue之前，我先回顾回顾之前学习过一小段时间的vue，以及了解一下前后端分离的好处 在 5 年前，前后端还是几乎是不分离的，web 开发中的代码尤其混杂，PHP 中有 JS，JSP 中有 JS，ASP 中有 JS，JS 中有 HTML，HTML 中有 CSS，HTML 中还有 JS，各
FastAPI学习-29 uvicorn 使用 log_config 参数设置 logger 日志格式
前言 FastAPI 服务是通过 uvicorn 来提供的，日志都是 uvicorn 里配置的。 官方文档地址：https://www.uvicorn.org/settings/#logging uvicorn 的 logging 日志 我们可以通过 uvicorn.run() 方式启动服务 于是可以加一些启动参数，与logging 日志相关的几个参数： ** --log-config＜path
Odoo中的literal_eval
在Python中，通过导入ast模块，使用literal_eval将字符类型(str)的字符串，转化为字典类型(dict)。 literal_eval转换方法，可以避免json和eval方法出现的问题，是字符转换为字典更好的方法。 Odoo中的literal_eval通过"from ast import literal_eval"引用使用：
Python第二小节（运算）随笔
import decimal from decimal import Decimal a=eval(input('请输入你要计算的第一个数值：')) b=eval(input('请输入你要计算的第二个数值：')) print(Decimal(str(a))+Decimal(str(b))) #输入函数input present=input('猴哥的礼物') print(present,ty
GPT应用开发：运行你的第一个聊天程序
本系列文章介绍基于OpenAI GPT API开发大模型应用的方法，适合从零开始，也适合查缺补漏。 本文首先介绍基于聊天API编程的方法。 环境搭建 很多机器学习框架和类库都是使用Python编写的，OpenAI提供的很多例子也是Python编写的，所以为了方便学习，我们这个教程也使用Python。 Python环境搭建 Python环境搭建有很多种方法，我们这里需要使用 Python 3.10
flask-study-001
本篇博客主要记录python3.6使用flask开发。代码托管：https://gitee.com/liwl1991/my-flask 1. pip3配置国内源 终端执行：pip3 config set global.index-url https://mirrors.aliyun.com/pypi/simple 查看：pip3 config list 2. 安装flask环境 终端执行：pip3
OLAP引擎也能实现高性能向量检索，据说QPS高于milvus！
更多技术交流、求职机会，欢迎关注字节跳动数据平台微信公众号，回复【1】进入官方交流群 随着LLM技术应用及落地，数据库需要提高向量分析以及AI支持能力，向量数据库及向量检索等能力“异军突起”，迎来业界持续不断关注。简单来说，向量检索技术以及向量数据库能为 LLM 提供外置的记忆单元，通过提供与问题及历史答案相关联的内容，协助 LLM 返回更准确的答案。 不仅仅是LLM，向量检索也早已在OLAP