大漠穷秋 我连续看了老姚在专栏的正则系列的前三篇，毫不犹豫就打赏了，而且顺藤摸瓜认识了老姚，没想到 老姚对学习本身研究颇深，当晚第一次聊天就是半宿。在本系列中，我印象最深的两句话是“正则表 达式是匹配模式，要么匹配字符，要么匹配位置”和“对于位置的理解，我们可以理解成空字符”， 这两句话可谓是醍醐灌顶，通过数字的千位分隔符这个例子把之前一直搞不清楚的先行断言彻底搞懂 了。真是佩服老姚的理解和讲解 正则表达式括号的作用 • 第四章 正则表达式回溯法原理 • 第五章 正则表达式的拆分 • 第六章 正则表达式的构建 • 第七章 正则表达式编程 下面简单地说说每一章都讨论了什么？ 正则是匹配模式，要么匹配字符，要么匹配位置。 第一章和第二章以这个角度去讲解了正则表达式的基础。 在正则可以使用括号捕获数据，要么在 API 中进行分组引用，要么在正则里进行反向引用。 这是第三章的主题，讲解了正则表达式中括号的作用。 然后有时间的话，再带着问题去精读第二遍。 深呼吸，开始我们的正则表达式旅程吧。 我在终点等你。 JavaScript 正则表达式迷你书 前言 | 第 5 页 1. 第一章 正则表达式字符匹配攻略 正则表达式是匹配模式，要么匹配字符，要么匹配位置。 请记住这句话。 然而关于正则如何匹配字符的学习，大部分人都觉得这块比较杂乱。 毕竟元字符太多了，看起来没有系统性，不好记。本章就解决这个问题。 内容包括： •

大漠穷秋 我连续看了老姚在专栏的正则系列的前三篇，毫不犹豫就打赏了，而且顺藤摸瓜认识了老姚，没想到 老姚对学习本身研究颇深，当晚第一次聊天就是半宿。在本系列中，我印象最深的两句话是“正则表 达式是匹配模式，要么匹配字符，要么匹配位置”和“对于位置的理解，我们可以理解成空字符”， 这两句话可谓是醍醐灌顶，通过数字的千位分隔符这个例子把之前一直搞不清楚的先行断言彻底搞懂 了。真是佩服老姚的理解和讲解 正则表达式括号的作用 • 第四章 正则表达式回溯法原理 • 第五章 正则表达式的拆分 • 第六章 正则表达式的构建 • 第七章 正则表达式编程 下面简单地说说每一章都讨论了什么？ 正则是匹配模式，要么匹配字符，要么匹配位置。 第一章和第二章以这个角度去讲解了正则表达式的基础。 在正则可以使用括号捕获数据，要么在 API 中进行分组引用，要么在正则里进行反向引用。 这是第三章的主题，讲解了正则表达式中括号的作用。 然后有时间的话，再带着问题去精读第二遍。 深呼吸，开始我们的正则表达式旅程吧。 我在终点等你。 JavaScript 正则表达式迷你书 前言 | 第 5 页 1. 第一章 正则表达式字符匹配攻略 正则表达式是匹配模式，要么匹配字符，要么匹配位置。 请记住这句话。 然而关于正则如何匹配字符的学习，大部分人都觉得这块比较杂乱。 毕竟元字符太多了，看起来没有系统性，不好记。本章就解决这个问题。 内容包括： •

DeepSeek-R1是其开源的推理模型，擅长处理复杂任务且可免费商用。 Deepseek可以做什么？ 直接面向用户或者支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景， 支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。 文本生成 表格、列表生成（如日程安排、菜谱） 代码注释、文档撰写 结构化生成 文章/故事/诗歌写作 营销文案、广告语生成 社交媒体内容（如推文、帖子） 基于概率预测，通过大量数据训练来快速预测可能 的答案 基于链式思维（Chain-of-Thought），逐步推理 问题的每个步骤来得到答案 决策能力 依赖预设算法和规则进行决策 能够自主分析情况，实时做出决策 创造力 限于模式识别和优化，缺乏真正的创新能力 能够生成新的创意和解决方案，具备创新能力 人机互动能力 按照预设脚本响应，较难理解人类情感和意图 更自然地与人互动，理解复杂情感和意图 问题解决能力 擅长解决结构化和定义明确的问题 描述问题背景与目标， 由模型规划解决路径 复杂问题、需模型自主 推理 “我需要优化用户登录流程， 请分析当前瓶颈并提出3种方 案。” ✅ 激发模型深层推理 ❌ 需清晰定义需求边界 混合模式 结合需求描述与关键 约束条件 平衡灵活性与可控性 “设计一个杭州三日游计划， 要求包含西湖和灵隐寺，且 预算控制在2000元内。” ✅ 兼顾目标与细节 ❌ 需避免过度约束 启发式提问

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 III.47 模式菜单 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 320 VII.10全屏模式下浏览相片 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321 学生应该按时到达并认真听课。如果学生可能会迟到，必须事先通知教员。 • 鼓励学生参与课堂讨论。即使某些人对其中一些课程主题已经非常熟悉，分享相关 经验对其他人来说也是相当有帮助的。 • 上课期间，请将手机和传呼机设置成静音模式。 • 所有学生在最后一天的课程结束后必须通过一次测验以获得毕业证书。 • 您 的 反 馈 对 我 们 课 程 的 改 进 和 传 播 非 常 有 用 。 请 将 您 的 反 馈 发 送 至 :

对数据进行诊断、预测、关联、聚类分析，常用于问题 定位、需求预测、推荐系统、异常检测等。 对数据进行分类、社交网络分析或时序模式挖掘，常用 于客户细分、信用评分、社交媒体营销、股价预测等。 将数据转化为统计图、热力图、网络关系图、词云、树形 图等，用于揭示数据中蕴含的模式、趋势、异常和洞见。 本质：以多agent实现从数据采集到可视全流程 模型特点 Claude 3.5 sonnet 联网和工业自动化领域，快速处理来自传感器 和设备的实时数据，进行即时分析和决策，减 少停机时间，提高生产效率。 • 高频交易数据分析：利用o3mini快速处理 高频交易数据，识别市场趋势和交易模式，为 交易者提供实时决策支持。 • 数据报告自动化生成：基于o3mini自动 生成格式化的数据报告，包括图表、表格和文 字说明，帮助管理者快速理解分析结果。 • 数据接口标准化：根据标准格式输出数据， 研等领域理解消费者情感，优化产品和策略。 • 故事化数据呈现：借助o3mini将数据以 故事的形式呈现，增强数据的可读性和吸引力， 帮助公众理解复杂的科学和技术知识。 • 复杂数据模式识别：借助o3mini高效分 析复杂数据，帮助科学研究和工程领域发现 模式和规律，如天文学中的星系演化或地质 学中的地震数据分析。 • 多源数据融合分析：在智能交通和城市 规划中，o3mini有助于将不同来源的数据 （如交通流量、气象数据等）进行融合分析，

顺序消息的一种，无论正常异常情冴都能保证顺序，但是牺牲了分布式 Failover 特性，即 Broker 集群中只 要有一台机器丌可用，则整个集群都丌可用，服务可用性大大降低。 如果服务器部署为同步双写模式，此缺陷可通过备机自劢切换为主避免，丌过仍然会存在几分钟的服务丌 可用。（依赖同步双写，主备自劢切换，自劢切换功能目前迓未实现） 目前已知的应用只有数据库 binlog 同步强依赖严格顺序消息 实例平均消费返个 topic 对应的 项目开源主页：https://github.com/alibaba/RocketMQ 11 队列集合。  能够保证严格的消息顺序  提供丰富的消息拉叏模式  高效的订阅者水平扩展能力  实时的消息订阅机制  亿级消息堆积能力  较少的依赖 5.2 RocketMQ 物理部署结构 Name Server集群 Broker Broker 重启戒者宕机时，会导致整个服务丌可用，丌建议线上环境使用 项目开源主页：https://github.com/alibaba/RocketMQ 38 2. 多 Master 模式 一个集群无 Slave，全是 Master，例如 2 个 Master 戒者 3 个 Master 优点：配置简单，单个 Master 宕机戒重启维护对应用无影响，在磁盘配置为 RAID10

commitlog 来做的 第二章 consumer 有别于其他消息中间件由 broker 做负载均衡并主动向 consumer 投递消息，RocketMq 是基于 拉模式拉取消息，consumer 做负载均衡并通过长轮询向 broker 拉消息。 Consumer 消费拉取的消息的方式有两种 1. Push 方式：rocketmq 已经提供了很全面的实现， consumer 但是消费消息的时候一旦遇到消费消息失败直接放回，根据 ackIndex 来标记 成功消费到哪里了 消费失败， ackIndex 设置为-1 广播模式发送失败的消息丢弃， 广播模式对于失败重试代价过高，对整个集 群性能会有较大影响，失败重试功能交由应用处理 集群模式， 将消费失败的消息一条条的发送到 broker 的重试队列中去，如果 此时还有发送到重试队列发送失败的消息，那就在 cosumer 的本地线程定时 0.21.Final 之上做了简单的协议封装，是强依赖。 一： NettyRemotingAbstract Server 与 Client 公用抽象类 ResponseFuture 模式: invokeSyncImpl 和 invokeAsyncImpl 都使用了 请求方会 new 一个 ResponseFuture 对象缓存起来 ConcurrentHashMap

0 码力 | 57 页 | 2.39 MB | 1 年前

3

处理，包括字幕的背景知识，包括软字幕和硬字幕、常⻅字幕格式ass和 srt；以及如何⽤Aegisub编辑字幕；从视频中提取字幕、从srt转换出ass 字幕；嵌⼊字幕，包括⽤流拷⻉模式嵌⼊软字幕、⽤vf模式烧录嵌⼊硬字 幕、且可以指定字幕位置、指定字幕⽂字属性等；整理ffmpeg使⽤的⼼得 和常⻅问题；以及其他有哪些⼯具软件⽤到了ffmpeg、如何⽤Python调⽤ ffmpeg；最后 small.webm small-clip.gif ffmpeg -t 3 -ss 00:00:02 -i small.webm small-clip.gif 转化⾼质量 GIF 默认转化是中等质量模式，若要转化出⾼质量的 gif，可以修改⽐特率 ffmpeg -i small.mp4 -b 2048k small.gif ffmpeg -i small.mp4 -b 2048k small.gif 合并字幕 = 烧录字幕 分2类： 软字幕=内挂字幕 别称： 软字幕 = soft subs = soft subtitles ffmpeg处理逻辑： stream copy 流拷⻉模式 举例： 硬字幕=内嵌字幕 别称： 硬字幕 = hardsubs = hard subs = hard subtitles = burn in subtitles ffmpeg处理逻辑：⽤

MySQL CRD • Spec：配置 & 期望状态 • Status：当前状态 MySQL 配置 • 版本 • 端口 • 存储信息 • 配置文件 集群配置 • 副本数 • 高可用模式 K8s 调度信息 • 资源套餐 • 亲和性信息 • NodeSelector 使用 CRD 2. client-go 配套工具 apiVersion: apiextensions.k8s operator 执行 sts 扩缩容 判断 调用 mha 切主 否 是 pod 都正常运行？ 重新调度 mha MGR 高可用简介 • 多主和单主两种工作模式 • MGR 只支持 InnoDB 引擎 • 开启 GTID，ROW 模式 binlog • 每张表必须有检测冲突的主键 • 目前最多只支持 9 个节点 • loose-group_replication_ • group_name

b) 在 dbserver1 上执行 umount /dev/drbd0。 c) 在 dbserver1 上执行 drbdadm secondary all 切换到从模式。当两个节 点都是 secondary 模式的时候才可以将 dbserver2 设置成 primary。 d) 在 dbserver2 上执行 drbdadm primary all，将 dbserver2 提升为主模 monitor user 帐号，这个帐号是 monitor 服务器用来 对 mysql 服务器做健康检查的，其次就是 agent user，这个帐号是 mmm agent(mmm 代理)用来变成只读模式和同步 master 等，下面是创建这 两个帐号的语句： GRANT REPLICATION CLIENT ON *.* TO 'mmm_monitor'@'10.1.1.%' IDENTIFIED