Linux 网络配置

昨天升级 Ubuntu ，不知为何将网卡配置覆盖了，导致一时间无法上网，然后看了一些网络配置的文章，感觉自己需要补习一下相关知识，所以有了这篇文章。 下面就按照命令分别展开吧 ifconfig 这个命令是查看本地网络端口最常见的命令了，略 设置网卡及 IP /etc/network/interfaces 文件中保存着本地网络网卡的相关配置 配置 DHCP 自动获取 IP auto eth0 iface eth0 inet dhcp 假如要配置静态 IP auto eth0 # 要设置的网卡 iface eth0 Read more ...

2018-08-18 linux , network , command , ifconfig

AES 加密算法

高级加密标准 (AES,Advanced Encryption Standard) 为最常见的对称加密算法。对称加密算法也就是加密和解密用相同的密钥。 将明文 P 使用加密密钥 K 加密成密文 C ，传输，然后在使用 AES 解密函数使用相同的密钥 K 解密，产生明文 P 设 AES 加密函数为 E，则 C = E(K, P), 其中 P 为明文，K 为密钥，C 为密文。也就是说，把明文 P 和密钥 K 作为加密函数的参数输入，则加密函数 E 会输出密文 C。 加密和解密用到的密钥是相同的，这种加密方式加密速度非常快，适合经常发送数据的场合 Read more ...

2018-08-15 aes , encryption , 对称加密

使用 alembic 迁移数据库结构

[[Alembic]] 是一个处理数据库更改的工具，它利用 SQLAlchemy 来实现形成迁移。因为 SQLAlchemy 只会在我们使用时根据 metadata create_all 方法来创建缺少的表 ，它不会根据我们对代码的修改而更新数据库表中的列。它也不会自动帮助我们删除表。 Alembic 提供了一种更新 / 删除表，更改列名和添加新约束的方法。因为 Alembic 使用 SQLAlchemy 执行迁移，它们可用于各种后端数据库。 安装 pip install alembic 使用 初始化，使用如下命令会创建环境到 migratio Read more ...

2018-08-13 python , mysql , sql , migration , db , database , alembic , flask , sqlalchemy

应用消息推送解决方案 MiPush

Android 中实现消息推送的主流方案有下面几种。 方案 原理 优点 缺点 Cloud to Device Messaging，云端推送，是 Android 系统级别的消息推送服务（Google 出品） Push 简单的、轻量级的机制，允许服务器可以通知移动应用程序直接与服务器进行通信，以便于从服务器获取应用程序更新和用户数据 依赖于 Google 官方提供的 C2DM 服务器，需要用户手机安装 Googl Read more ...

2018-08-10 mipush , android , ios , push , notification

每天学习一个命令：iotop 查看 Linux 下每个进程 IO 占用

iotop 是一个用来监控磁盘 I/O 的类似 top 的工具，Linux 下 IO 统计工具，比如 iostat， nmon 等只能统计到每个设备的读写情况，如果想要知道哪一个进程占用比较高的 IO 就要使用 iotop。 iotop 使用 Python 语言编写，要求 Python >= 2.5，Linux Kernel >= 2.6.20. （使用 python -V 和 uname -r 来查看） 使用这个命令最主要的一个原因就是快速找到 IO 占用比较高的程序，以便进行排查。 安装 sudo apt install iotop Read more ...

2018-08-07 io , iotop , top , linux , htop

InfluxDB 使用

InfluxDB 数据库是用 Go 语言实现的一个开源分布式时序、事件和指标数据库。InfluxDB 提供类 SQL 语法。 需要注意的是 InfluxDB 单节点是免费的，但是集群版是要收费的。 安装 sudo apt install influxdb 数据库设计 正因为 InfluxDB 是一个时序数据库，在实际使用的时候有些概念需要提前知道。InfluxDB 数据库中的每一个数据都有一列 time 保存时间戳 (RFC3339 形式显示）。 time butterflies hone Read more ...

2018-08-02 influxdb , database , time-series-db

一周 CP 反编译记录

记录一下反编译一周 CP Android 3.26.0.451 版本，并拿到请求 sign 加密方法的过程。反编译的过程基本上可以划分为几个步骤 将 Android apk 文件反编译得到混淆的 java 代码 在混淆过的代码中找到发起请求的部分 找到请求发起 sign 加密部分加密方式 反编译 Android apk 关于第一步 Android 反编译的教程和工具 可以参考之前的文章。 查看混淆的代码 在反编译得到混淆过后的代码之后，这个时候不能盲目的去看，之前可以抓包看下应用内发出去的请求 path，找到关注的 path，比如在 Read more ...

2018-08-01 android , decompiler , crack , sign

修正关于 HTTP Header 的错误认识

HTTP 请求的 Header 是不区分大小写的！，一直以为 HTTP 请求的请求头是有区分大小的，知道今天调试发现 Spring 将 header 全部处理成小写，然后有人提了 Bug 58464 然后看到 Stackoverflow 上面有人回答。 HTTP/1.1 和 HTTP/2 都是 case-insensitivt 都是不区分大小写的。 Read more ...

2018-07-30 http , header , web , java-web , spring

解决 failed to create bus connection no such file or directory 错误

今天在修改 hostname 使用 sudo hostnamectl set-hostname ds 命令时遇到问题： Failed to create bus connection: No such file or directory 查了一通之后发现缺少 dbus sudo apt-get install dbus 安装 dbus 然后再修改即可，使用 hostnamectl 方式来修改 hostname 不需要重启，直接推出登录，然后就可以实现了。 D-Bus 是一种高级的进程间通信机制，它由 freedesktop.org 项 Read more ...

2018-07-29 linux , problem , dbus , hostnamectl

Vim 的颜色主题

Retro groove color scheme for Vim https://github.com/morhetz/gruvbox Read more ...

2018-07-27 vim , color-scheme , color , scheme

电子书

本站提供服务

文章分类

最近文章

  • 利用 mise 替换 asdf 的迁移方案
  • Field Theory CLI：把 X Bookmarks 同步到本地，变成可搜索的个人知识库
  • 在 OpenClaw 中配置 Longbridge CLI 与 Skill 打造对话式量化交易工作流 最近我一直在折腾自己的投资工作流，想把 AI Agent 和真实的行情、持仓、交易动作接到一起。手里一边是 [[Longbridge]] 账户，一边是 [[OpenClaw]] 这类可以扩展 Skill 的开源 Agent，单看都不缺能力，问题是它们原本不在一个工作界面里。查行情要切 App，下单要切网页，想做一点自动化分析还得自己补脚本。直到我把 Longbridge 官方的 longbridge-terminal 和 OpenClaw 里的 Longbridge Skill 接上，这套东西才终于顺了起来。现在我可以直接在终端里问 AI 一句话，让它去查报价、看持仓、整理数据，必要的时候再把下单命令准备好。这篇就把我自己跑通的过程和一些实际感受整理下来。
  • CLIProxyAPI 把 Claude Code、Gemini CLI、Codex 订阅包装成统一 API 的开源神器 最近在折腾自己的 AI 工具链时，我遇到了一个非常现实的痛点。手里同时握着 [[Claude]] Pro、ChatGPT Plus、Gemini Advanced 这几个订阅，每次想在自己的脚本或小工具里调用它们的能力，都只能望洋兴叹——订阅账号给的是网页端或 CLI 工具的使用权，而不是 API Key。如果想走 API 路径，就得额外付一次费，而且 API 的定价往往比订阅贵得多。于是我一直在找一个能把订阅账号的额度转化为 API 调用能力的方案，直到最近发现了 [[CLIProxyAPI]] 这个项目。今天就聊聊这个工具到底解决了什么问题。
  • LM Studio：在本地运行大语言模型的最佳桌面工具 自从各类大语言模型开始开源以来，我就一直在尝试在本地运行它们。早期折腾 [[llama.cpp]] 的时候，需要手动编译、手动下载模型权重、在命令行里敲参数，对于非技术背景的用户来说门槛相当高。直到我发现了 [[LM Studio]]，才算是真正体验到了”把 AI 装进自己电脑”的顺畅感。用它运行本地模型，就像在 App Store 下载一个 App 一样自然。