Kevin Zhang

这篇文章主要针对linux纯命令行环境下安装windows的需求。 安装Virtualbox 下载 rpm 安装扩展工具包 vboxmanage extpack install Oracle_VM_VirtualBox_Extension_Pack-5.1.22-115126.vbox-extpack 创建虚拟机 VBoxManage createvm --name "Windows XP" --ostype WindowsXP --register 配置虚拟机，以下命令也可以合并到一行完成 vboxmanage modifyvm win2003 --ostype Windows10 配置系统类型,如果不是win10 32位可以通过vboxmanage list ostypes查找下 vboxmanage modifyvm win10 --memory 2048

在开发一个游戏插件时，有些东西是可以共用的，有些东西则是每个游戏单独有的。如何将这些内容区别开来，将共用的抽象成库，有助于提高以后的开发速度 可以共用的部分 一套更加完善的命令处理机制 bukkit自带的命令处理机制并不完美，需要写很多重复的代码，比如判断命令发送者的权限，是否是玩家等等，通过写一个代理来执行可以有效降低代码量。 在上一步的思路上，设计一套Annotation接口，把每个命令的要求通过Annotation配置，效率可以大大提升。 游戏初始化的逻辑 玩家排队的相关逻辑，如按顺序进入游戏、延迟传送等 一些游戏启动，监听加载的逻辑 游戏状态的控制 一个游戏从启动到结束的生命周期是类似的，由系统托管生命周期也有助于减少工作量 不可以共用的部分 每个游戏的逻辑 虽然很多游戏有相似之处，如：跑酷类型的游戏都是又一个点跑到另一个点，但是提取这种共用逻辑的价值不大，基本上没有重复使用的价值。除非是小游戏集合，有很多相似的游戏在一个包里面。 这个与游戏初始化的区别是，游戏初始化时每个小游戏必须要有的，但是这部分不一定。 监听操作 虽然很多监听操作是可以共用的，但是这样无疑会导致监听代码的复杂度直线上升。每个小游戏单独有自己的监听逻辑，启动时开启监听，结束时关闭监听。

有时候出门在外，需要修改一个bug却苦于没有开发环境，一个远程的开发机的重要性便凸现出来。 传统的配置vncserver的方式需要安装大量的软件包，对于系统整洁强迫症来说便难以忍受。使用Docker的方式把整个环境打包，需要时启动，不需要时remove掉，不仅可以保持服务器干净整洁，还可以实现工作环境的快速迁移。 部署流程 寻找一个基础的vncserver的docker镜像，我这里在GitHub上找到一个不错的镜像：https://github.com/queeno/docker-ubuntu-desktop。它配置很简单，就是基于Ubuntu:16.04，安装tightvncserver和相关的软件包，然后把xstartup配置文件和passwd密码文件复制到镜像中（默认密码是password）。 FROM ubuntu:16.04 ENV DEBIAN_FRONTEND noninteractive ENV USER root RUN apt-get update && \ apt-get install -y

最近云盘开始普遍关闭，百度云的用户体验也越来越差。所以组建了自己的云服务系统，便于使用。 之前尝试过用Docker部署OwnCloud，使用非常方便，但是由于云服务器磁盘价格较贵，因此仅能作为常用文件的同步盘，无法应用于大量文件存储的场景。OSS相对相比云盘来说，存储价格要低很多，1T一年大概1000块左右，如果把OSS当做磁盘挂载到服务器上，再配合OwnCloud便可以以非常低廉的价格享用高质量的云存储服务。 初步设想 在ECS上安装Docker完成OwnCloud服务的部署 使用ossfs完成OSS虚拟磁盘的需求 使用阿里的免费证书实现Https加密 技术路线 docker实现OwnCloud的一键安装 docker-compose负责容器管理 ossfs实现将oss挂载到本地 supervisord来维护ossfs进程 搭建步骤 安装OSSFS - 这里可以参考阿里的官方文档 - PS：如果用的是阿里的服务器，我的Centos默认就是阿里的源，可以直接yum install ossfs安装。 启动时起不来，浪费了很多时间。 配置运行OSSFS - 配置自己的bucket，access id和key echo my-bucket:my-access-key-id:

行人识别在未来辅助驾驶领域会发挥重要的作用，但是在嵌入式上实现时，必须面对处理器性能问题。因此需要对算法进行调整与优化，以适应于DM6437上运行。 行人识别算法类型的分析 通过总结行人识别的算法流程，可以分为两大类： 需要定时执行的算法，如视频帧的交换、路面识别算法。这类算法并不需要太多的计算量，但是对实时性较敏感，需要按时执行。 需要持续执行的算法，如行人识别算法。这类算法计算量较大，但是实时性要求较低，这类算法可配置让他在CPU空闲状态下持续运行。 行人识别算法框架设计 通过上面的分析可以看出，行人识别算法的执行依赖于底层的定时器，软中断和任务，但是直接针对算法配置这些功能并不是最佳选择。随着硬件价格不断下降和算法复杂性的增加，硬件平台就有更换的必要，如果算法太过于依赖底层平台，会给更换平台带来巨大的工作量。因此，需要通过服务层完成对底层平台的适配，为算法屏蔽底层的细节，以服务的逻辑为上层算法提供定时执行服务。 针对定时执行的算法，可以通过配置定时器，按需触发执行。为保证算法执行的实时性，可以让定时器触发软中断，并且为实时性要求高的算法所对应的软中断配置较高的优先级，由软中断触发算法执行。 针对持续执行的算法，该任务的核心是一个死循环的任务，这个死循环会依次执行载入的算法，最大化利用CPU的计算能力。

如果账号被锁，且没有配置邮箱的话，就必须通过修改数据库的方式找回密码了。 步骤 找到ghost.db的位置，我的在/var/lib下面（用docker部署的）。 如果找不到的话，可以用find / -name "*.db"来找； 生产环境下数据库为'ghost.db'，开发环境下数据库为'ghost-dev.db'。 安装sqlite3，并用sqllite打开数据库。 sqlite3 ghsot.db 查找账户并重置密码。 查看账户列表 select * from users; 修改密码 update users set password="$2a$06$mZCCJRjEKAHOQv1buZy55us5bdcpKJFLHNe1nux9mk3ZwzZOzI8Ji" where id=1;

参加比赛需要看这份文档，然而没有中文翻译 = = 只能自力更生丰衣足食了 概述 Overview Welcome to the Academic Knowledge API. With this service, you will be able to interpret user queries for academic intent and retrieve rich information from the Microsoft Academic Graph (MAG). The MAG knowledge base is a web-scale heterogeneous entity