Rust 作为一门备受关注的新编程语言，它在保持使用 JavaScript 等语言进行开发时所拥有的内存安全性的同时，还能够实现不亚于 C 的性能。不过大多数公司还没有大量应用它。白海科技作为国内唯数几个“All in Rust”的公司，最近正在进行由 Java 向 Rust 的全方位重构。
最近 AWS Re:Invent 大会的一场演讲表明，Rust 和 Severless 简直是绝配——在成本方面，Rust 的优势可能比 Python 高出好几倍。
花下猫语：众所周知，Python 是一门动态类型语言，这也是造成它性能较慢的一大原因。如今 Python 也引入了一些类型检查的辅助，那么，类型检查对于提升 Python 代码健壮性，有没有帮助呢？（既然这么问了，那肯定是有的……）
选自Medium 作者：Florian Ernst 机器之心编译 编辑：小舟、陈萍 用了 Lightning 训练速度反而更慢，你遇到过这种情况吗？ PyTorch Lightning 是一种重构 PyTorch 代码的工具，它可以抽出代码中复杂重复的部分，使得 AI 研究可扩展并且可以快速迭代。然而近日一位名为 Florian Ernst 的博主却发现 PyTorch Lightning 存在一个 bug——让原本应该加速的训练变得更慢了。 本文作者 Florian Ernst Ernst 撰写博客详
描述：虽然在之前我们安装了VScode，但是其对于使用Python来写大型项目以及各类配置还是比较复杂的，所以这里我们还是推荐使用PyCharm来编写构建Python项目，毕竟还是要使用专业的软件做专业的事，会让我们开发效率更高。
不知道什么时候突然发现我已经稳定运行了近半年的sec-news（http://wiki.ioin.in）突然变得特别慢，为跳转效率我也是尝试了很多方法，比如加缓存。我使用了一个叫flask-cache的缓存: https://pythonhosted.org/Flask-Cache/ ，很好用的cache。
这本书的原名是叫《Test-Driven Development with Python》，小标题是 Obey the Testing Goat: Using Django, Selenium, and JavaScript。虽然有点难以理解为何这本书的中文名变成了《Python Web开发 - 测试驱动方法》，总感觉怪怪的，毕竟Kent Beck的那本书名是《测试驱动开发》。 如我在微博上所说，这本书的Python Web开发所用的框架是Django。问了几个出版社都没有出版Django书的计划，要知道有
导读：踏着人工智能、区块链的东风，近年来一路“横冲直撞”的 Python 在实现了从小众语言到主流的完美转身后，进入 2019 依旧没有透出丝毫停下来的架势，反倒有些越烧越热的味道。本文将为你介绍 2019 年最值得关注的 34 个 Python 开源项目——Let's go!
花下猫语：本文是《提升你的 Python 项目代码健壮性和性能》系列的第二篇。该系列主要讲解一些提升代码健壮性的姿势和小技巧。参见 第一篇
Python程序员很多，有后端开发，有运维测试，有数据分析，有数据挖掘，有人工智能相关的算法岗，到底什么岗位是最有前景，而且最有钱途呢？
【导读】过去一个月里，我们对近 250 个 Python 开源项目进行了排名，并挑选出热度前 10 的项目。这份清单的平均 github star 数量高达 1140，涵盖了包括性能分析、提取 PDF 中的表格、HTTP Framework、Refactoring, Unix-gazing shell、HTTP APIs、PaperTTY 等主题，希望你能从中找到一个你所感兴趣的项目深入探究。
声明：本文由微信公众号 「AI 前线」原创（ID：ai-front），未经授权不得转载
这是一篇来自Python世界的文章，但是对整个编程领域还是适用的，多线程虽然让我们处理请求更快，但是也是有天花板的，绿色(微线程micro-thread)线程之类才是解决方案。 多线程软件开发解决了大量的问题，尤其是以网络为中心的应用程序，这些程序需要严苛的性能快速响应用户。不幸的是，多线程并不足以解决大规模并发性的问题。 解决这些问题需要改变编程模型，使用异步事件和基于回调机制。在Druva,我们创建了一个基于python库的名为Dhaga来解决大规模并发，而编程模型不需要重大改变。 软件开发人员生活在一个并发的世界。线程如今是一等公民，今天在开发过程中，特别是当您的应用程序执行密集的网络运营，如同Druva一样的inSync系统(网络安全同步产品)。多线程帮助网络操作的编程代码流变得简单和顺序。当我们的应用程序需要增强的性能或改善其可伸缩性,我们可以增加线程的数量。 但是当需要成千上万规模的并发请求,线程是不够的。 我们发现多线程使用有以下缺点： 1. inSync系统客户端需要大量的文件通过网络RPC调用备份到服务器。开发人员加快速度的典型方法是使用线程。但多线程带来的性能却增加内存和CPU的使用成本;开发人员需要在速度和线程数之间保持一个平衡。 2.我们的服务器需要处理inSync系统与成千上万的客户之间并发连接和通知。为了有效地处理连接,我们使用线程来处理请求。但inSync系统客户的不断增加也意味着我们不得不继续增加线程的数量,从而消耗大量服务器的内存和CPU。 3.我们的Web服务器需要处理成千上万的平行的HTTP请求。大部分工作是在接收和发送的数据网络套接字并将其传给inSync系统的后端。导致大多数的线程等待网络操作。导致C10K问题，当有成千上万的同步请求到Web服务器，为每个请求生成一个线程是相当不可扩展的(Scale)。 异步框架的限制 许多异步框架,包括 Twisted扭曲、Tornado龙卷风和asyncore可以帮助开发人员远离使用线程的流行的方式。这些框架依赖非阻塞套接字和回调机制(类似Node.js)。如果我们按原样使用这些框架,我们Druva代码的主要部分必须重构。这不是我们想要做的事。重构代码会增加开发和测试周期,从而阻止我们达到规模要求。鉴于产品的多个部分需要大规模,我们每个人将不得不重构他们——因此增加一倍或两倍的努力。 为了避免改变如此多的代码,我们不得不离开直接使用现有的框架。幸运的是,我们发现一些有用的工具。 因为我们想要控制在网络I / O的代码执行,我们需要一种将一个线程划分为微线程micro-thread的方法。我们发现greenlets。它提供一种非隐式的微线程调度，称为co-routine协程。换句话说。当你想控制你的代码运行时它非常有用。您可以构建自定义计划的微线程，因为你可以控制greenlets什么时候yield暂停。这对我们来说是完美的,因为它给了我们完全控制我们的代码的调度。 Tornado是一个用Python编写的简单的、非阻塞的Web服务器框架,旨在处理成千上万的异步请求。我们使用它的核心组件,IOLoop IOStream。IOLoop是一个非阻塞套接字I / O事件循环;它使用epoll(在Linux上)或队列(BSD和Mac OS X)，如果他们是可用的,否则选择()(在Windows上)。IOStream提供方便包装等非阻塞套接字读和写。我们委托所有套接字操作给Tornado，然后使用回调触发代码操作完成(banq注：非常类似Node.js机制)。 这是一个好的开始,但我们需要更多。如果我们在我们的代码中直接用上面的模块,我们大量的RPC代码将不得不改变，通过greenlets调度RPC，确保greenlets不要阻塞(如果greenlets堵塞，它会堵塞整个线程和其他全部),处理来自tornado的回调功能。 我们需要一个抽象来管理和安排greenlets 以避免让它被外部调用堵塞，这个抽象能够超越线程达到大规模可扩展。这个抽象是Dhaga，它能让应用代码流编程起来像传统同步顺序，但是执行是异步的。 Dhaga(来自印地语,这意味着线程)是我们抽象的一个轻量级线程的执行框架。Dhaga类是来源于greenlet，使用堆栈切换在一个操作系统线程中执行多个代码流。一个操作系统的线程中使用协作调度执行多个dhagas。每当一段dhaga等待时(主要是等待一个RPC调用返回)，它yield控制权给父一级(也就是说,是创建它的操作系统级别线程的执行上下文)。然后父一级会调度安排的另一个dhaga准备运行。RPC调用将传递给tornado web服务器异步写入Socket，然后在其返回时注册一个回调，当这个RPC返回时，正在等待的dhaga将被添加到可运行队列中，然后后被父线程拾起。(banq注：类似node.js原理) 我们可以使用Dhaga代替线程
可以说，Visual Studio Code 这个编辑器，让微软在开源社区赢回了王者段位，要知道全球 2400 万开发者中有 1400 万称 VSCode 为自己的家，再加上 GitHub 和 VSCode 的结合，几乎所有的程序员的都离不开 VSCode，不过，VSCode 如此优秀，值得每个程序员使用，甚至我觉得非程序员都可以用它来码字。
随着知乎用户的迅速增长和业务复杂度的持续增加，核心业务的流量在过去一年内增长了好几倍，对应的服务端的压力也越来越大。随着业务发展，我们发现 Python 作为动态解释型语言，较低的运行效率和较高的后期维护成本带来的问题逐渐暴露出来：
最近公司同事作了个Code Review的分享，于是乎我系统学习了下《谷歌工程实践》，里面主要讲的是Code Review。写下本文作为笔记。
现代深度神经网络的高效训练很难实现，因为你往往要输入数百万条数据。因此，开发新的技术来提高 DNN 的训练效率一直是该领域比较活跃的研究主题。
比较适用于大家常说的 SEO 和首屏渲染这些，一般都是 toc 的业务才会需要用到。
在机器学习和数据挖掘领域，相似性搜索是一项基本且重要的任务，它涉及到在大型数据集中找到与特定对象最相似的对象。Faiss是一个由Facebook AI Research开发的库，专门用于高效地进行相似性搜索和聚类，它之所以重要，是因为它提供了一种快速且准确的方式来执行这一任务，尤其是在处理大规模高维向量数据集时。
IntelliJ IDEA 是一个智能的、上下文感知的IDE，用于在各种应用程序上使用Java和其他JVM语言，如Kotlin、Scala和Groovy。此外，IntelliJ IDEA Ultimate可以帮助您开发全栈Web应用程序，这得益于其强大的集成工具、对JavaScript和相关技术的支持，以及对流行框架（如Spring、Spring Boot、Jakarta EE、Micronaut、Quarkus、Helidon）的高级支持。此外，您还可以使用JetBrains开发的免费插件扩展IntelliJ IDEA，允许您使用其他编程语言，包括Go、Python、SQL、Ruby和PHP。
0x00 前言 本文的更多的是写给 Python 后端的程序员。 来简单分享一下我对写测试的理解。 本期就聊聊测试这件小事情。 本文目录如下： ▼ 如何通过测试提升 Python 代码的健壮性 : section 0x00 前言 : section ▼ 0x01 测试的分类 : section 后端主要关注哪些测试 : section ▼ 0x02 为什么要写测试 : section 让新手更快的了解代码 : section 让发布代码的时候更加有底气 :
我一直认为代码结构是一个因人而异的事情，很多时候我们其实判断一个代码的好坏往往是通过主观判断，比如同样是实现一个功能，100 行的代码并非一定比 50 行的差；我们没有一个合理的标杆去评判。
在本指南中，您将了解重构源代码的所有内容：好处、挑战、工具和最佳实践，以及重构和技术债务之间的区别。 一个人在他的笔记本电脑上工作A man working on his laptop computer 我们都在寻找清理代码、降低复杂性和改进功能的方法。重构提供了前进的道路。 ◆ 本指南将涵盖以下主题： 什么是重构？ 重构有什么好处？ 技术债务与重构 重构指标 代码重构示例 代码重构工具 重构和工程经理面临的挑战 高级管理层对重构的支持 队支持和重构：冲刺还是马拉松？ 文档和重构 ◆ 什么是重构？
也就是说要练成天下高手的话，出招速度一定要快，这样才干在江湖上立足。不至于掉了脑袋。
Python，读作['paɪθɑn]，翻译成汉语是蟒蛇的意思，Python 的 logo 也是两条缠绕在一 起的蟒蛇的样子，然而 Python 语言和蟒蛇实际上并没有一毛钱关系。Python 命名自 他的开发者所喜欢的一个马戏团。
爬虫前奏 爬虫的实际例子： 搜索引擎（百度、谷歌、360搜索等）。 伯乐在线。 惠惠购物助手。 数据分析与研究（数据冰山知乎专栏）。 抢票软件等。 什么是网络爬虫： 通俗理解：爬虫是一个模拟人类请求网站行为的程序。可以自动请求网页、并数据抓取下来，然后使用一定的规则提取有价值的数据。 专业介绍：百度百科。 通用爬虫和聚焦爬虫： 通用爬虫：通用爬虫是搜索引擎抓取系统（百度、谷歌、搜狗等）的重要组成部分。主要是将互联网上的网页下载到本地，形成一个互联网内容的镜像备份。 聚焦爬虫：是面向特定需求的一种网络爬虫程序
大家好，我是猫哥。我对于编程语言跟其它学科的融合非常感兴趣，这种兴趣在创办公众号时就已非常浓烈，因此，几个月来，就做了不少大胆的尝试。不敢说取得了什么“成果”吧，但至少是做到了独树一帜。
最新全家桶激活码获取方法：https://docs.qq.com/doc/DS3hpVWFnQ2ZGVnhH
与多数现代编程语言一样，在 Python 中，函数是抽象和封装的基本方法之一。你在开发阶段或许已经写过数百个函数，但并非每个函数都生而平等。写出「糟糕的」函数会直接影响代码的可读性和可维护性。那么，什么样的函数是「糟糕的」函数呢？更重要的是，要怎么写出「好的」函数呢？
多年来，我多次参与并密切观察了将单体遗留系统迁移到微服务架构的工作。通过这些痛苦的经历，我学到了很多，掉进过很多陷阱，也遇到过很多挑战。其中的一次尝试让我个人损失了一大笔钱，同时也是毁掉一家相关公司的一个关键因素。在这里我不详述细节，但我肯定不想让别人也经历这样的痛苦。
Python 是一种简单易学、功能强大的编程语言，广泛应用于各种领域，包括网络编程、数据分析、人工智能等。然而，在开发过程中，我们经常会遇到需要远程调试和性能优化的情况。本文将介绍如何利用远程调试工具和性能优化技巧来提高 Python 应用程序的效率和性能。
作为IT工作者，我们离不开写代码，但是工欲善其事必先利其器，在写代码的时候，我们要选择合适的IDE，提升我们的代码编写和调试效率。本文就来给大家安利几款必备的IDE。
Python当下真的很火。Python实战项目，也一直尤为关注，接下来，和大家介绍下十个Python练手的实战项目
作者心声：这篇文章我写得可是小心翼翼，尽量避免任何过于肯定或者容易引起误解的表述。我也有自己的正常工作、没办法真正全身心投入到 Rust 的宣传工作，所以只能用这样一篇文章表达自己的感受。篇幅有限，文章内容肯定无法面面俱到，所以我把自己想到但没能讨论的部分都列在了文末。
前几天在百度图片里下载了一张金牛的图片，就是封面的这张。想着用Python标准库turtle肯定可以画出这张图，所以说干就干，花两天时间实现了。
从事软件开发也有好几年了,和一开始那个懵懵懂懂的小菜鸟相比,自己也感觉到了 一些变化. 也许是熟能生巧,趟过很多坑,但核心的绝不是这些细节的东西. 打个比方,如果说对某种语言的特性和技巧的掌握属于身法, 那么对应核心的东西, 就叫心法. 没有身法,心法难以实战;但是没有心法,身法再炫也不过是无谓的杂耍而已. 今天,就来讲讲多年浸淫软件开发所感悟的一些"心法”.
b.return_name() # 输出 name：B，这里由于 B 类中没有实现 return_name 方法，实例化 B 得到 b 之后，会调用父类 A 中的 return_name 方法，hasattr 方法会查找类中是否有 name 属性，这里虽然在类 A 中没有，会向下找 B 类中是否有 name 属性，然后返回 'name：' + getattr(self, 'name', None)，也就是 name: "b"。
本文最初发布于 Blankly 上，经原作者授权由 InfoQ 中文站翻译并分享。
自从 ChatGPT 火了之后，现在各种大模型的应用层出不穷。咱们也应个景，给大家讲讲大模型工具。
在机器学习中，我们经常需要使用类和函数定义模型的各个部分，例如定义读取数据的函数、预处理数据的函数、模型架构和训练过程的函数等等。那么什么样的函数才是漂亮的、赏心悦目的代码呢？在本文中，Jeff Knupp 从命名到代码量等六方面探讨了如何养成美妙的函数。
2018年爱飞狗第一个版本上线，运营到2019年中关闭。爬虫以及数据一直没有中断，只是不想去做产品维护了而已。2020年底，自己重新将这个产品定位为自己的一个技术实践的产物，作为一个试验田，实验新的想法、新的工具。好在云厂商大量的推出廉价的服务器资源，我购买了2台4核8G内存的云服务器，使得爱飞狗重新起航有了新的基础。
Python 3.8最明显的变化就是赋值表达式，即:=操作符。赋值表达式可以讲一个值赋给一个变量，即使变量不存在也可以。它可以用在表达式中，无需作为单独的语句出现。
大家好，我是Jiejie。今天给大家介绍一个小项目，只用一百行代码就可以开发出的游戏
①简单易学：与 C 和 Java 比，Python的学习成本和难度曲线不只是低一点，更适合新手入门，自底向上的技术攀爬路线。先订个小目标爬个小山，然后再往更高的山峰前进。而不像C和JAVA光语言学习本身，对于很多人来说就像珠穆朗玛峰一样高不可攀。
课程简介介绍道，本课程将从实现矩阵乘法和反向传播基础开始，到高性能混合精度训练，最新的神经网络架构和学习技术，以及介于两者之间的所有内容。它涵盖了许多构成现代深度学习基础的最重要的学术论文，使用“代码优先”教学方法，每个方法都从头开始在 Python 中实现并进行详解（还将讨论许多重要的软件工程技术）。整个课程包括大约 15 个课时和数十个交互式 notebooks，且完全免费、无广告，作为社区服务供使用。前五课时使用 Python、PyTorch 和 fastai 库；最后两节课使用 Swift for TensorFlow，并由 Jeremy Howard 和与Swift、clang 和 LLVM 的创建者 Chris Lattner 共同教授。
好的 Python 函数与蹩脚 Python 函数的区别是什么？「好」函数的定义之多让人惊讶。从我们的目的出发，我会把好的 Python 函数定义为符合以下清单中大部分规则的函数（有些比较难实现）：
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
