Read the Docs

我们对Linux系统中的命令行终端已经很熟悉了，通过shell终端可以顺畅地使用Linux。 类似地，FISCO BCOS联盟链中，也有这样的命令行终端，称为控制台。 控制台是开发者探索区块链世界的助推器，其提供的各种功能有助于跨越横在区块链入门到精通之间的座座高山，带来“开箱即用”的顺滑体验。 Why: 为什么要做控制台？ 体验环境影响用户从“入门到放弃”，或者“入门到精通”。 当学习一个新技术或产品时，除了读文档之外，尝试上手操作，获得第一手体验也尤为重要。 如果体验环境配置复杂、操作繁琐，很可能导致用户从“入门到放弃”； 而体验环境简单易配置、功能丰富，则会为用户迅速打开一扇新世界的大门，加速用户从入门到精通。 选择何种形式承载这种极速且友好的体验方式呢？ 如果我们有一个控制台，只要输入单条命令或代码，然后按下回车键就可以返回结果显示在用户面前。 这种 “开箱即用”的效果，正是我们所期待的体验方式。 可以为FISCO BCOS实现极速体验的控制台吗？ FISCO BCOS 1.3版本其实已经具备快速体验的功能，由两部分组成，分别是ethconsole和Node.js工具。 其中，ethconsole可以查询链上信息，包括节点、区块和交易信息； Node.js工具提供了部署和调用合约的模板js文件，协助用户实现合约的部署与调用。 但是这种体验方式还不够友好

写在前面 当我们拥有一台服务器的时候，通常服务器都可能包含比本地电脑比较好的配置，特别是如果做深度学习的，服务器通常意味着有好的 GPU；然后，Jupyter notebook 允许我们可以非常直观地调试代码，每完成一个函数或者一部分代码，运行一下，保存当前代码的运行结果。 所以是否可以服务器上运行 Jupyter notebook，然后本地电脑连接，直接在本地电脑写，然后服务器上运行代码呢？ 官方文档给出了答案，可以。 下面会翻译下官方文档给出的方法，这里可能有的地方翻译不太到位，请见谅。 另外，关于 Jupyter notebook 的安装和简介，可以查看我之前发表过的文章-- Python 基础入门--简介和环境配置 原文--https://jupyter-notebook.readthedocs.io/en/latest/public_server.html#notebook-server-security Jupyter notebook [1] 是一个基于服务器-客户端结构的网络应用，其服务器端是采用一个基于 ZeroMQ [2] 和 Tornado [3] 双进程核心结构 [4] ，其中后者 Tornado 负责处理 HTTP 的请求服务。 注意 ：默认 notebook 的服务器运行在本地的 IP 地址是 127.0.0.1:8888 ，并且也只能通过

官网： https://elasticsearch-py.readthedocs.io/en/master/api.html 官网： https://github.com/elastic/elasticsearch-py/tree/master/elasticsearch/client 官网： https://elasticsearch-dsl.readthedocs.io/en/latest/api.html from elasticsearch_dsl import connections, Search from elasticsearch import Elasticsearch from elasticsearch.exceptions import * es_object = Elasticsearch([ ' url:9200 ' ], sniffer_timeout=60, timeout=30 ) # 获取es中所有的索引 # 返回类型为字典，只返回索引名 es_object.cat.indices(format= ' json ' ,h= ' index ' ) # 查询多个索引 es_s_object = Search(using = es_object, index = [ ' log-2018-07-31 ' , ' log-2018-07-30 ' ,

如果衡量单元测试对相应代码的测试重量，覆盖率是一个必要非充分条件，因此统计代码的覆盖率，检视单测是否充分，就尤为的重要。 这里针对python-unittest的单测的覆盖率coverage进行使用说明与分析. 参考链接： https://blog.csdn.net/xiaoxinyu316/article/details/53695342 coverage简介： coverage是一种用于统计Python代码覆盖率的工具，通过它可以检测测试代码对被测代码的覆盖率如何。可以高亮显示代码中哪些语句未被执行，哪些执行了，方便单测。并且，coverage支持分支覆盖率统计，可以生成HTML/XML报告 。 官方文档： http://coverage.readthedocs.org/en/latest/ 获取地址： http://pypi.python.org/pypi/coverage 使用coverage统计代码覆盖率的步骤： 安装coverage包: pip install coverage 在源代码的根目录的路径下面，添加文件‘.coveragerc.py’ 1 # 文件中的代码为： 2 [run] 3 branch = True 4 source = xxx # 项目名称xxx 进入当前待执行的文件路径下面 执行 coverage run --help 　　 # 打印帮助信息

PBFT共识打包时间配置 考虑到PBFT模块打包太快会导致某些区块中仅打包1到2个很少的交易，浪费存储空间，FISCO BCOS v2.0.0-rc2在群组可变配置 group.group_id.ini 的 [consensus] 下引入 min_block_generation_time 配置项来控制PBFT共识打包的最短时间，即：共识节点打包时间超过 min_block_generation_time 且打包的交易数大于0才会开始共识流程，处理打包生成的新区块。 重要 min_block_generation_time 默认为500ms 共识节点最长打包时间为1000ms，若超过1000ms新区块中打包到的交易数仍为0，共识模块会进入出空块逻辑，空块并不落盘； min_block_generation_time 不可超过出空块时间1000ms，若设置值超过1000ms，系统默认min_block_generation_time为500ms ; the ttl for broadcasting pbft message [consensus] ttl=2 参考官方文档： https://fisco-bcos-documentation.readthedocs.io/zh_CN/latest/docs/manual/configuration.html?highlight=%E5

IOC的一个重点是在程序运行中，动态的向某个对象提供它所需要的其他对象。这一点是通过DI来实现的。Autofac则是比较流行的一款IOC容器。 IoC和DI有什么关系呢？其实它们是同一个概念的不同角度描述。 一、IOC IOC—Inversion of Control，即“ 控制反转 ”，不是什么技术，而是一种设计思想，一种面向对象编程法则，目的是程序解耦。 谁控制谁，控制什么？ 传统程序设计，我们直接通过new object()创建对象，是程序主动去创建依赖对象；而IoC是有专门一个容器来创建这些对象，即由Ioc容器来控制对象的创建。 为何叫控制反转？ 有反转就有正转，传统程序是我们自己主动创建并控制依赖对象，叫正转。 而 反转 则是由容器来帮忙创建及注入依赖对象，由容器帮我们查找及注入依赖对象，对象只是被动的接受依赖对象。 二、DI DI—Dependency Injection，即“ 依赖注入 ” 比如对象A需要操作数据库，以前我们总是要在A中自己编写代码来获得一个Connection对象，有了Autofac我们就只需要告诉Autofac，A中需要一个Connection，至于这个Connection怎么构造，何时构造，A不需要知道。在系统运行时，Autofac会在适当的时候制造一个Connection，然后像打针一样，注射到A当中，这样就完成了对各个对象之间关系的控制

@[toc] wechatpy 介绍 在章节《订阅号开发环境》中，已经安装了 wechatpy ,wechatpy 是一个微信 (WeChat) 的第三方 Python SDK, 实现了微信公众号、企业微信和微信支付等 API。 参考文档： https://wechatpy.readthedocs.io/zh_CN/master/index.html class WeChatClient(BaseWeChatClient): """ 微信 API 操作类 通过这个类可以操作微信 API，发送主动消息、群发消息和创建自定义菜单等。 """ 在本章节中，先以素材资源管理为例，先掌握对素材资源的管理，为后面章节中应答消息，主动发送消息等场景中使用素材资源做准数据准备。 实例化WechatClient from wechatpy.client import WeChatClient app = { "appid": "wx3a07084cc1a11915", "appsecret": "8f9a6bb1f66b59aa705ecd9938a3874c" } wx = WeChatClient(app.get("appid"), app.get("appsecret")) 上传临时媒体素材接口 media 公众号经常有需要用到一些临时性的多媒体素材的场景，例如在使用接口特别是发送消息时

作为一个现时代的程序员初学者，除了看书之外，互联网的学习手段也是断不能少的！ 以下这些网站，虽说不上全方位的满足你的需求，但是大部分也都能！ 0.国外的大神GitHub ： https://github.com/pypa/pipenv 学习Python必去的8个网站！ gitHub是一个面向开源及私有软件项目的托管平台，就算现在已经被微软重金收购，也丝毫不影响大家对它的爱！ 1.Python Code Examples： https://www.programcreek.com/python/ 学习Python必去的8个网站！ 在这里你可以搜索到你想要学习的代码示例，通过例子来进行模仿学习。 2.python中文学习大本营： http://www.pythondoc.com/ 这里有Flask资料大全，如果你需要，在这里可以找到你想要的几乎所有的教程。 学习Python必去的8个网站！ 3.1Python 3 Module of the Week : https://pymotw.com/3/ 3.2Python Module of the Week: https://pymotw.com/2/ image Python 3 Module of the Week系列文章，每篇介绍一个 Python 标准库的使用. 4. Welcome to Python for you and

python中文开发者社区 https://www.pythontab。com 1、 廖雪峰的官方网站 python3.x https://www.liaoxuefeng.com/wiki/1016959663602400 2、菜鸟教程 python3.x https://www.runoob.com/python3/python3-tutorial.html 3、python在线学习 http://code.py40.com/ （以下为在线阅读教材） 4、简明python教程 https://wizardforcel.gitbooks.io/a-byte-of-python/content/ 5、利用python进行数据分析-第二版 https://seancheney.gitbook.io/python-for-data-analysis-2nd/ 6、Python Cookbook 3rd Edition Documentation https://python3-cookbook.readthedocs.io/zh_CN/latest/ 7、problem-solving-with-algorithms-and-data-structure-using-python 中文版 https://facert.gitbooks.io/python-data-structure

昨天创建了一个简单的python 集成cython 的项目 master 但是有几个问题 目前的构建时基于make 同时需要本地执行，为了方便基于pip 的安装，做了如下调整 项目准备 项目使用venv 管理环境，初始化命令 python3 -m venv . 项目结构 ├── cli │ ├── __init__.py │ ├── app.pyx │ └── ext │ ├── Makefile │ ├── add.c │ └── add.h ├── pyvenv.cfg └── setup.py 代码说明 cli 包含了代码以及cython 包装c 调用的代码， cli/ext 包含了一个c 静态库的代码（简单add）同时使用make 配置了一个简单的构建 cli/ ini .py import click # 导入cython 暴露的包 import add_app @click.command() @click.option("--scale", default=1, help="Number to scale.") @click.option("--pod", prompt="pod name", help="The Pod counts.") def apply(scale, pod): """Simple program that scale pod.""" #