Change My World by Program

Django自带了强大的名为admin的后台管理功能，app名称为django.contrib.admin，它同时依赖了django.contrib.auth认证系统和django.contrib.sessions系统，当然，即使不用admin，后面两者都建议加上，不用重复造轮子。

• 为了使用它，我们需要先使用migrate功能去创建相应的数据库表，直接执行python manage.py makemigrations && python manage.py migrate即可。运行程序后，直接访问http://127.0.0.1:8000/admin/就能访问admin了(一般admin的路由都是定义好了的，在urls.py中有url(r'^admin/', admin.site.urls),)

• 我们需要先创建一个超级管理员python manage.py createsuperuser，按照提示输入用户名密码即可用来登录了

• 如果要让字段非必填，需要在定义model字段的时候就加上blank=True参数

• 修改超级管理员密码可以这样做:

  1 2 3 4 5

  # python manage.py shell from django.contrib.auth.models import User user =User.objects.get(username='admin') user.set_password('new_password') user.save()

PHP上最好的时间处理工具。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

# 以下都是获得一个时间对象
Carbon::now();		// 获取当前时间，2018-01-01 11:11:11
Carbon::today();	// 获取今天的开始时间，2018-01-01 00:00:00
Carbon::tomorrow(); // 获取明天的开始时间，2018-01-02 00:00:00
Carbon::yesterday();// 获取昨天的开始时间，2017-12-31 00:00:00

# 解析时间，这个功能可以说是非常强大了，需要特别注意的是如果parse的字符串内部有带时区，那么解析后的对象也是自带时区的，可能跟当前时区是不一样的
Carbon::parse('2018-01-01');
Carbon::parse('2018-01-01 12:00:00');
Carbon::parse('today');
Carbon::parse('2 days ago');
Carbon::parse('+3 weeks');
Carbon::parse('last friday');
Carbon::parse('Fri May 31 2019 06:50:14 GMT+0000 (UTC)')->toDateTimeString();	// 这个会得到2019-05-31 06:50:14，而不是东8区的时间

# 时间计算
Carbon::now()->addDays(3);
Carbon::now()->subHours(20);
Carbon::now()->modify('-2 days');

# 获取指定格式输出
Carbon::now()->toDateTimeString();
Carbon::now()->subDays(5)->diffForHumans();	// 5天前
Carbon::now()->dayOfWeek	// 获取今天是星期几，直接返回一个数字

Django提供了非常方便的方法以供你自定义存储系统，只需要在项目的任意地方新建一个继承自django.core.files.sotrage.Storage的类即可。如果是使用七牛云，可以直接使用以下代码，当然首先要安装七牛的sdk: pip install qiniu:

最近公司有一个安全方面的业务，需要实时监控所有访客的情况。之前是定时去查询Elasticsearch的接口进行统计分析，但是这个时间间隔不好把握，并且Elasticsearch并不适合特别实时的查询操作。实时的分布式流计算引擎首推Spark，它与Hadoop等相比的优势在这里讲得比较清楚了。

• RDD(Resilient Distributed Dataset弹性分布式数据集)：这是spark的主要数据概念。有多种来源，容错机制，并且能缓存、并行计算。RDD在整个计算流程中会经过不同方式的变换，这种变换关系就是一个有向无环图。
• 需要注意的是，所有的方法在定义执行之前都是异步的，所以不能简单地在下面的方法外部添加try...catch...进行异常捕获，最好是在传入的函数里面进行异常的捕获(如果是lambda，请确认lambda不会报错，否则如果lambda报错整个程序都会报错并终止允许)
• Spark应用程序可以使用大多数主流语言编写，这里使用的是python，只pip install pyspark即可
• Stage(调度阶段): 每个Job会根据RDD大小切分城多个Stage，每个Stage包含一个TaskSet
• TaskSet(任务集): 一组关联的Task集合，不过是没有依赖的
• Task(任务): RDD中的一个分区对应一个Task。
• Narrow Dependency(窄依赖): 比较简单的一对一依赖和多对一依赖(如union)
• Shuffle Dependency(宽依赖): 父RDD的分区被多个子RDD分区所使用，这时父RDD的数据会被再次分割发送给子RDD
• Spark 内存分配: 分为这三块:
  • execution: 执行内存，基本的算子都是在这里面执行的，这块内存满了就写入磁盘。
  • storage: 用于存储broadcast, cache, persist
  • other: 程序预留给自己的内存，这个可以不用考虑

N+1问题

考虑这样一个常见应用场景，前端页面上需要展示一个文章列表，其中包括了文章的标题，并且会同时显示每篇文章的作者名。那么我们可能会按下面几种方案来设计我们的API。

方案一: 对于Restful，设计下面两个接口，客户端总共需要请求1+N次接口，查询数据库1+N次。

1
2

/articles	# 文章列表接口
/articles/{article_id}/author	# 获取文章作者信息接口

本讲将会介绍GraphQL的基础语法，毕竟业务永远都离不开增删改查。

除“读“操作可以直接与数据库model相映射以外，跟”写“有关的操作的后端定义依然是需要自己去实现业务相关的映射逻辑的。当然，无论读写都是需要定义相应的Model的，可以在Web上面查看已经定义的Mutation:

前面几讲讲了理论层面，大家应该对GraphQL不再陌生了。这里简单讲述一下本教程demo的搭建方式。

代码目录结构

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

.
├── Dockerfile
├── LICENSE
├── Pipfile
├── Pipfile.lock
├── README.md
├── database.sql # 初始数据库
├── db.py
├── managers # 封装数据库操作
│   ├── __init__.py
│   ├── article.py
│   ├── author.py
│   ├── comment.py
│   ├── ordinary_writer.py
│   └── professional_writer.py
├── models # 数据库映射对象
│   ├── __init__.py
│   ├── article.py
│   ├── author.py
│   ├── comment.py
│   ├── ordinary_writer.py
│   └── professional_writer.py
├── mutations # 操作变更定义
│   ├── __init__.py
│   ├── article.py
│   ├── author.py
│   └── comment.py
├── run.py # 主程序
├── schemas # 模型数据结构定义
│   ├── __init__.py
│   ├── article.py
│   ├── author.py
│   ├── comment.py
│   ├── interfaces.py	# 接口schema
│   ├── ordinary_writer.py
│   └── professional_writer.py
├── settings.py # 数据库连接配置
└── web_template.py #

对于简单的GraphQL查询，其实很简单，任何一个会CRUD的开发者都知道，使用简单的if … else … 就能实现逐字段的遍历查询。这也就是GraphQL的核心算法，只是针对每个字段，GraphQL会提供一个resolver去实现特殊的字段获取方式，详情可以看demo代码，例如: https://github.com/haoflynet/graphql-tutorial/blob/master/schemas/article.py。

假设有这样一个查询:

1
2
3
4
5
6
7
8

{
  articles {
    title // SEELCT `title` FROM `articles`;
    comments {
      content // for id in article_ids: SELECT `content` FROM `comments` WHERE `article_id`=id;
    }
  }
}

GraphQL发展至今，已有Github、Facebook、Airbnb等大厂在大量地使用，大厂在使用的过程中，不断地进行技术沉淀，也诞生了许多实用的开源工具。这里重点介绍Github的Awesome系列awesome-graphql，它列举了Github上面开源的并且十分有用的graphql相关的服务端、客户端以及生态链相关的其他工具。graphql发展至今，已有非常完整的开发语言支持，主流的语言Javascript、Python、Java、PHP、Ruby等都有各自的服务端与客户端实现，在awesome-graphql上还有部分语言的实现参考示例代码。这里简要介绍几个常见的库：

Apollo-Client: 算是最知名的GraphQL客户端了，因为它是Javascript的客户端。功能丰富，可用于不同的服务端及前端。

GraphiQL: 一款运行于浏览器的GraphQL IDE，几乎所有的服务端库都会提供这么一个经典的web页面。该页面是一个单页面应用，可以直接在其上运行查询语句，自带代码补全和校错功能，直接查看GraphQL所有的文档(定义好的Schema)，比如Github API的在线文档，登录后就能在线发送真实的请求获取到我们想要的数据。由于我们之后要进行实践教程，所以这里有今后用于实践的真实的Web端，访问地址为: https://project.haofly.net/graphql。

多年前，我喜欢用sublime，那时候我主要开发的是Python这种很简单的脚本语言，后来接触了IDE才发现，对开发者来说，编辑器真的只是暂时的工具，真正能提高大幅度提高开发效率的绝对是功能完整、适配性强的IDE呀😂。