intercept

简介 软件架构从当初的单机，演变到后来的集群，再到后来的分布式应用。原本看似可以信任的服务调用，加上了网络因素就变得不再可靠。再考虑到一些调用链路的特殊性，又要保证性能，又要尽可能增加成功率，所以调用方必须肩负起重试的责任。 自己写，怎样实现？ 重试并不复杂，首先来分析下重试的调用场景，可以想到业务当中不止一处会需要重试能力，并且业务其实更关乎自己的代码块被重试就可以了，而不在乎如何实现的重试。 所以变化的是一段可以重复执行的代码块，以及重试次数等。 ① 代码块可以用Java8支持的函数式编程解决 ② 次数可以用入参/配置实现 首先定义一个执行的模版，结合上面我们的分析，这个模版需要一个待实行的 方法块 ，以及 配置。 （次数等区分场景，用枚举定义，方便全局管控）： @AllArgsConstructor @Getter public enum RetrySceneEnums { QUERY_USER_INFO("查询用户信息", 2), ; private String desc; private int retryTimes; } abstract class MyRetryTemplate<Req, Resp> { /** 配置 */ private IntegrationRetryEnums retryEnum; /** 方法块 */ private Function

加州福斯特城--(美国商业资讯)--拓臻生物（Terns Pharmaceuticals, Inc.）是一家生物制药公司，专注于开发治疗肝病的同类最佳单药和联合用药。公司今天宣布，任命Senthil Sundaram为首席执行官(CEO)兼董事、Mark Vignola, Ph.D.为首席财务官。此外，2019年1月加入拓臻生物担任首席医学官的Erin Quirk, M.D.将成为拓臻生物的总裁，同时兼任首席医学官。自公司成立以来担任CEO的钟伟东博士现将担任首席科学官兼董事长。 Sundaram先生评论道：“拓臻生物拥有无可比拟的NASH产品管线，以多种经过临床验证的机制为目标，2021年将有数项重要的临床数据出炉。我期待与团队紧密合作，推进肝脏选择性FXR激动剂TERN-101和高选择性SSAO抑制剂TERN-201的2期研究，执行我们激动人心的NASH联合用药策略，同时即将启动THR-β激动剂TERN-501的临床开发，并推进小分子GLP-1R激动剂项目。” Quirk博士表示：“全球NASH患病率迅速上升，仍然没有获准治疗该病的药物。我为拓臻生物临床开发团队成员难以置信的敬业和才能感到自豪，他们以真正的紧迫感奔向我们的目标，即推进治疗NASH的同类最佳联合用药。拓臻生物综合了世界一流的科学专长与卓越的运营，使我们能建立强大的管线并高效推进之。我们的TERN-101和TERN

ML之sklearn：sklearn.linear_mode中的LogisticRegression函数的简介、使用方法之详细攻略 目录 sklearn.linear_mode中的LogisticRegression函数的简介、使用方法 sklearn.linear_mode中的LogisticRegression函数的简介、使用方法 class LogisticRegression Found at: sklearn.linear_model._logisticclass LogisticRegression(BaseEstimator, LinearClassifierMixin, SparseCoefMixin): """ Logistic Regression (aka logit, MaxEnt) classifier. In the multiclass case, the training algorithm uses the one-vs-rest (OvR) scheme if the 'multi_class' option is set to 'ovr', and uses the cross-entropy loss if the 'multi_class' option is set to 'multinomial'. (Currently the

安全测试总结： burp suite使用方法： Burp Suite使用方法 Burp Suite 使用的版本为1.7.33 1 安装 一路点击next ，无需进行其他配置。 出现下图，安装完成 2 建立一个临时文件，无需进行其他配置 软件会提示更新，不推荐更新 成功进入主界面 3 修改options，可将option 的配置改成如下 4 设置本地代理 使用chrome 打开下界面 chrome://settings/ 打开本地代理设置 修改本地代理如下 （别忘了保存） Intercept 打开 查看http history ，抓包成功 找到自己需要的请求，点击鼠标右键，选择send to repeater，进行重新发包 5 repeater界面，左边是你要发过去的值，右边是返回值 其他： 在验证完成后，需要关掉本地代理，否则无法访外网 将使用代理服务器关闭即可 安全测试的一些东西 会话固定,会话挟持 会话挟持： 用户点击登出按钮，但是用户session依然有效。 测试方式：获取登录用户session，之后使用burp suite用这个session发送请求，返回正确，用户在界面登出后， 不替换session， 依然用这个发送请求，如果返回正确，安全测试不通过 会话固定：在较长一段时间后，用户session依然有效 测试方式：获取用户session，长时间后

　　因业务需要，需将结果集序列化为json返回，于是，网上找了好久资料 ，都是关 于拦截参数的处理，拦截Sql语法构建的处理，就是很少关于对拦截结果集的处理，于是自己简单的写了一个对结果集的处理， 记录下。 一、MyBatis的框架设计图 参考：http://blog.csdn.net/luanlouis/article/details/40422941 1.如何将结果集改成我们想要的格式呢？ 　 　1.1 由原理图我们可知，ResultSetHandler负责将resultSet转换为list，那么我们能不能在转换的时候加上自己的逻辑，我想应该是可以的，但是因为源码看不太懂，想想还是算了。 1 public List<Object> handleResultSets(Statement stmt) throws SQLException { 2 final List<Object> multipleResults = new ArrayList<Object> (); 3 4 int resultSetCount = 0 ; 5 ResultSetWrapper rsw = getFirstResultSet(stmt); 6 7 List<ResultMap> resultMaps = mappedStatement.getResultMaps(); 8 int

　　因业务需要，需将结果集序列化为json返回，于是，网上找了好久资料 ，都是关 于拦截参数的处理，拦截Sql语法构建的处理，就是很少关于对拦截结果集的处理，于是自己简单的写了一个对结果集的处理， 记录下。 一、MyBatis的框架设计图 参考：http://blog.csdn.net/luanlouis/article/details/40422941 1.如何将结果集改成我们想要的格式呢？ 　 　1.1 由原理图我们可知，ResultSetHandler负责将resultSet转换为list，那么我们能不能在转换的时候加上自己的逻辑，我想应该是可以的，但是因为源码看不太懂，想想还是算了。 1 public List<Object> handleResultSets(Statement stmt) throws SQLException { 2 final List<Object> multipleResults = new ArrayList<Object> (); 3 4 int resultSetCount = 0 ; 5 ResultSetWrapper rsw = getFirstResultSet(stmt); 6 7 List<ResultMap> resultMaps = mappedStatement.getResultMaps(); 8 int

本文3.0版本文章 https://mp.weixin.qq.com/s/pjvleNGi_AazZ7COdxQyPQ Redis 部分的内容，和netcore2.0一样，不需要更新。 代码已上传Github+Gitee，文末有地址 　　书说上文《 从壹开始前后端分离【 .NET Core2.0 Api + Vue 2.0 + AOP + 分布式】框架之十 || AOP面向切面编程浅解析：简单日志记录 + 服务切面缓存 》，昨天咱们说到了AOP面向切面编程，简单的举出了两个栗子，不知道大家有什么想法呢，不知道是否与传统的缓存的使用有做对比了么？ 　　传统的缓存是在Controller中，将获取到的数据手动处理，然后当另一个controller中又使用的时候，还是Get，Set相关操作，当然如果小项目，有两三个缓存还好，如果是特别多的接口调用，面向Service服务层还是很有必要的，不需要额外写多余代码，只需要正常调取Service层的接口就行，AOP结合Autofac注入，会自动的查找，然后返回数据，不继续往下走Repository仓储了。 　　昨天我发布文章后，有一个网友提出了一个问题，他想的很好，就是如果面向到了Service层，那BaseService中的CURD等基本方法都被注入了，这样会造成太多的代理类，不仅没有必要，甚至还有问题，比如把Update也缓存了

本文3.0版本文章 https://mp.weixin.qq.com/s/pjvleNGi_AazZ7COdxQyPQ Redis 部分的内容，和netcore2.0一样，不需要更新。 代码已上传Github+Gitee，文末有地址 　　书说上文《 从壹开始前后端分离【 .NET Core2.0 Api + Vue 2.0 + AOP + 分布式】框架之十 || AOP面向切面编程浅解析：简单日志记录 + 服务切面缓存 》，昨天咱们说到了AOP面向切面编程，简单的举出了两个栗子，不知道大家有什么想法呢，不知道是否与传统的缓存的使用有做对比了么？ 　　传统的缓存是在Controller中，将获取到的数据手动处理，然后当另一个controller中又使用的时候，还是Get，Set相关操作，当然如果小项目，有两三个缓存还好，如果是特别多的接口调用，面向Service服务层还是很有必要的，不需要额外写多余代码，只需要正常调取Service层的接口就行，AOP结合Autofac注入，会自动的查找，然后返回数据，不继续往下走Repository仓储了。 　　昨天我发布文章后，有一个网友提出了一个问题，他想的很好，就是如果面向到了Service层，那BaseService中的CURD等基本方法都被注入了，这样会造成太多的代理类，不仅没有必要，甚至还有问题，比如把Update也缓存了

广义来说，有三种机器学习算法 1、 监督式学习 工作机制：这个算法由一个目标变量或结果变量（或因变量）组成。这些变量由已知的一系列预示变量（自变量）预测而来。利用这一系列变量，我们生成一个将输入值映射到期望输出值的函数。这个训练过程会一直持续，直到模型在训练数据上获得期望的精确度。监督式学习的例子有：回归、决策树、随机森林、K – 近邻算法、逻辑回归等。 2、非监督式学习 工作机制：在这个算法中，没有任何目标变量或结果变量要预测或估计。这个算法用在不同的组内聚类分析。这种分析方式被广泛地用来细分客户，根据干预的方式分为不同的用户组。非监督式学习的例子有：关联算法和 K – 均值算法。 3、强化学习 工作机制：这个算法训练机器进行决策。它是这样工作的：机器被放在一个能让它通过反复试错来训练自己的环境中。机器从过去的经验中进行学习，并且尝试利用了解最透彻的知识作出精确的商业判断。 强化学习的例子有马尔可夫决策过程。 常见机器学习算法名单 这里是一个常用的机器学习算法名单。这些算法几乎可以用在所有的数据问题上： 线性回归 逻辑回归 决策树 SVM 朴素贝叶斯 K最近邻算法 K均值算法 随机森林算法 降维算法 Gradient Boost 和 Adaboost 算法 1、线性回归 线性回归通常用于根据连续变量估计实际数值（房价、呼叫次数、总销售额等）

tcpcopy实现新加的从库数据预热，这个功能还是比较实用的（booking的2018年DTCC大会上的分享中也提过他们做了这个功能）。尤其是高负载的从库，如果直接加入一台冷的从节点到集群，可能造成大量慢查询出现。 编译tcpcopy和intercept的过程直接参考github官方即可，需要注意的是要安装 libpcap-devel 不然无法编译完成 git clone https://github.com/session-replay-tools/tcpcopy.git cd tcpcopy git clone # 安装这个插件，不然报文转发到后端需要账号密码验证的MySQL时候时候无法work ./configure --set-protocol-module=mysql-replay-module make && make install 默认是安装到 /usr/local/tcpcopy/ vim /usr/local/tcpcopy/conf/plugin.conf 里面写上稍后要压测用的数据库账号密码 user dts@dts; user archiver@archiver; git clone https://github.com/session-replay-tools/intercept.git cd intercept ./configure --with