这八个建议，来源于键者几年来编写 shell 脚本的一些经验和教训。事实上开始写的时候还不止这几条，后来思索再三，去掉几条无关痛痒的，最后剩下八条。毫不夸张地说，每条都是精挑细选的，虽然有几点算是老生常谈了。

由于某些原因，在国内构建第三方docker镜像是一件考验耐心的事情。在神奇的国度生活，自然也要用神奇的生活方式。跟解决其他同类问题一样，解决这个问题常用两种方法，一曰换源，二曰代理。

beats是知名的ELK日志分析套件的一部分。它的前身是logstash-forwarder，用于收集日志并转发给后端（logstash、elasticsearch、redis、kafka等等）。filebeat是beats项目中的一种beats，负责收集日志文件的新增内容。 虽然标题是《Filebeat源码分析》，不过由于filebeat依赖于公共库 libbeat，本文会花一半的篇幅跟它打...

欢迎来到《用python拓展gdb》的最后一篇。第一篇结尾，我提到了通用语言相对于领域特定语言的一项优势，即在处理数据上更加灵活。其实通用语言还有着另一样优势，领域特定语言只能局限在宿主程序中使用，而通用语言则无此限制。对于通用语言来说，gdb暴露的接口不过是又一个库而已。

欢迎来到《用python拓展gdb》的第三篇。上一篇我们谈到了pretty printer，一个需要python支持的特性。这一篇我们谈论另一个需要python支持的特性，convenience function。

欢迎来到《用python拓展gdb》的第二篇。在上一篇，我们学习了gdb提供的常用python接口，并用python实现了自定义命令和调试脚本。

之前写的《GDB 自动化操作的技术》一文介绍了可在gdb内部使用的DSL（领域特定语言）来自动化gdb的操作。借助该DSL，我们分别实现了一个名为mv的自定义命令，和“对账”用的调试脚本。在末尾，我提到了也可以用python来实现拓展脚本。从本篇开始，我会介绍如何使用python来给gdb编写脚本。由于篇幅所限，该教程会分成四篇，...

程序员在调试时往往分成两派，一派用debugger另一派用print。至于本人嘛，是一个“机会主义者”，有时用print，有时却改投debugger阵营。

做毕设的时候，我曾经遇到一个多线程的BUG。这个BUG表现得较为诡异，会导致数据随机出错。由于找不出什么规律，一开始我还是挺头疼的。查了半天后我发现，相关的日志有多线程下共享数据访问问题的迹象（即所谓的data race），所以很快确诊是多线程部分代码存在逻辑错误。这个问题的解决办法很简单，就是把相关的代码revi...

想必用过Vim的人都知道，在Vim里面，以下命令可以替换当前文件的内容： {代码...} 其中range指定替换命令生效的范围。flags指定替换的一些选项，常用的有： c 替换前进行确认 g 如果缺乏该选项，只会替换第一个。一般我们所说的替换是全部替换，即加了g选项的替换。 i 忽略大小写 e 忽略错误 具体细节请:vert help subst...

相信各位读者肯定体验过持续集成（CI）吧。持续集成通常用来确保当前代码库的质量，反映软件开发的进度。有了持续集成后，程序员们提交代码也会变得更加小心谨慎。应该没有人乐意让组里其他同事不停地见到自己的分支上CI失败的邮件吧（笑）？

太长不看：如果需要在Dockerfile的ENTRYPONNT中指定运行命令的用户，用gosu代替sudo可以避免某些信号处理上的边界条件。不过这些边界条件比较罕见，就算不用也没多大关系

你应该见过不少对GitHub上等等开源项目进行的分析文章。据说国外甚至有人靠分析Github上的项目解决了毕业论文……（要是我的毕业论文也能这么解决就好了XD） 借助于Google Big Query和来自于GitHub Archive的数据归档，对GitHub上的项目进行简单的数据分析并不困难。下文我将试图分析2015年GitHub上被收藏（starred）最多...

五颜六色的徽章一如游园会摊位上的饰件，吸引着人们驻足欣赏。原本平白单调的页面，装扮上这些徽章后，显得丰富多彩，给人留下了更为深刻的印象。没有这些点缀，README可能就只是一张干涩的布告。

呃，标题有点耸人听闻，不过我并不是标题党。考虑到谈论大而虚的东西（比如最好的语言）容易引起争论，所以还请诸君带着看戏而不是庭辩的心态来看待本文。

在Netflix我们有一个庞大的EC2 Linux集群，还有非常多的性能分析工具来监控和调查它的性能。其中包括用于云监控的Atlas，用于实例按需分析的Vector。即使这些工具帮助我们解决了大多数问题，我们有时还是得登入Linux实例，运行一些标准的Linux性能工具来解决问题。

有一天闲着无聊的时候，脑子里突然冒出一个Magic Method的有趣用法，可以用__getattr__来实现Python版的method_missing。顺着这个脑洞想下去，我发现Python的Magic Method确实有很多妙用之处。故在此记下几种有趣（也可能有用的）Magic Method技巧，希望可以抛砖引玉，打开诸位读者的脑洞，想出更加奇妙的用法。

在解决git merge的冲突时，有时我总忍不住吐槽git实在太不智能了，明明仅仅是往代码里面插入几行，没想到合并就失败了，只能手工去一个个确认。真不知道git的合并冲突是怎么判定的。

这个倒没有什么古怪的。估计又是使用了java.reflect.Proxy。这个技巧在很多Java框架中用到，比如Spring AOP对于接口类型的实现，就是通过Proxy来混入拦截器实现的。

绝大部分日常使用Linux和OS X的程序员都会选择zsh作为自己的shell环境，毕竟对比于bash，zsh的便利性/可玩性要胜出很多，同时它又能兼容bash大多数的语法。不过相对而言，zsh补全脚本要比bash补全脚本要难写。zsh提供了非常多的补全的API，而且这些API功能有不少重叠的地方，掌握起来并不容易。不像bash，你只需记住三个...

在上一篇里我们定下了给pandoc写补全脚本的计划： 支持主选项（General options） 支持子选项（Reader options/General writer options） 支持给选项提供参数值来源。比如在敲pandoc -f之后，能够补全FORMAT的内容。 支持主选项 先列出实现了第一阶段目标的程序： {代码...} 运行程序的方式： {代码...} 现在我来解释下...

shell里面补全的影子无处不在，输入命令的时候可以有补全，敲打选项的时候可以有补全，选择文件的时候可以有补全。有些shell甚至支持通过补全来切换版本控制的分支。由于shell里面可以运行的程序千差万别，shell一般不会内置针特定对某个工具的补全功能。与之相对的，shell提供了一些补全用的API，交由用户编写对应的补...

上一篇文章中讲到， 我打算写一篇文章，聊聊async、packaged_task和promise的区别。所以现在我就来填坑了。 TL;DR async：提供最高层次的抽象。如果你不需要控制线程的运行时机，就选这个。 packaged_task：抽象层次比async低。如果你需要控制线程的运行时机，且线程执行的结果即目标结果时，选这个。 promise：抽象层次...

以前一直都是用pthread的API写C++的多线程程序。虽然很早之前就听说，从C++11开始，标准库里已经包含了对线程的支持，不过一直没有拿来用，最近刚好有空，借着pthread的经验学习下std::thread的用法。

PS : 注意本文讨论的是Bash，而不一定是/bin/sh所链接的那个shell。这里出现的所有代码片段，默认在顶上都添加了#!/bin/bash。

返回的结果是，整个家目录的总大小，而不是预期的每个文件的大小。之后换用了find -maxdepth 1 -exec du -sh {} \;就能得出每个文件的大小。

因为最近在写的一些C++代码，需要给它写单元测试，所以就得去找一个C++的测试框架。正好之前实验室的同学有推荐过gtest，所以就不纠结了，直接去gtest的项目主页看。

有人的地方就有江湖，有DB的地方就有injection。SQL数据库如此，No SQL数据库亦是如此。考虑到No SQL数据库用的不是SQL，这里使用SQL injection是否有点不太恰当？不过总不能说是No SQL injection吧XD。

原文见此：[链接] 注意，不是翻译，只是谈谈本人的读后感。 另外注意，该文比较旧，大概是2010年的产物，所以里面会有些跟不上时代的内容。 1. 减少HTTP请求 一个典型的http请求报文大概是这样的： {代码...} 虽然也就几行文字，但是考虑到http协议里，对同一个域名同时发出的请求是受限的[1]，如果请求太多，说不定它们...

先给几个数据： {代码...} 好，那么问题来了， {代码...} 输出的结果是多少？ 这个问题对于写过C/C++的人来说，有点侮辱智商……好吧，不逗你玩了，直接进入正题。 输出的结果肯定不会是29(2 * 4 + 1 + 3 * 4 + 8)啦。都是Data structure alignment惹的祸。 Data structure alignment是个复杂的概念，简单来说，就是因为CP...