小编900*_*000的帖子

我希望能够将我的iPhone屏幕捕获为视频,但我不确定这样做的最佳方式.

谁能帮助指导我如何在没有越狱的情况下做到最好？

Lisp,Prolog和Haskell有"99个问题"列表.

Erlang有类似的东西吗？

我正在寻找从非常基本的东西升级到更复杂的东西,以及对Erlang惯用的方式.也就是说,列表长度或RLE压缩是一个明显的开始.但后来我想要消息传递,网络和群集等方面的练习,由经验丰富的人精心制作.

如何命名一个返回生成器的函数(即yield foo代替使用return foo)？

• 这绝对不是getFoo()因为它没有返回Foo的值.
• 这可能不是foos()因为我宁愿有一个易于区分的前缀.
• 这可能不完全是listFoo()因为它没有返回list.
• 这可能不是iterateFoo()因为这个前缀太长了.

您最喜欢的解决方案是什么？

更新:

虽然foos()在某些情况下可能是一个非常好的解决方案,但请注意方法名称如何以动词开头.动词传达了这是一种方法而不是数据字段的想法,因此有助于提高可读性.如果可能的话,我更喜欢一种解决方案,可以很容易地从数据字段中告诉方法.

我想编写一个连接到SOAP服务的简单Haskell程序.理想情况下,我想使用服务的WSDL,并尽可能直接访问请求参数和响应数据.

我用什么图书馆？

到目前为止我只发现HAIFA,但似乎在2006年左右停止了开发,所以我不确定它是否是正确的选择.

更新2015-08-14:截至目前,一个名为soap的软件包,以及协议支持软件包soap-tls和soap-openssl可用于hackage并且看起来很活跃.

我正在开发一个项目,涉及许多客户端连接到服务器(服务器,如果需要),其中包含一堆图形信息(节点属性和边).他们可以选择在任何时候引入新的节点或边缘,然后从图形中请求一些信息(两个节点之间的最短距离,图形着色等).

这显然很容易开发天真算法,但后来我试图学习扩展这个,以便它可以处理许多用户同时更新图形,许多用户从图形中请求信息,以及处理的可能性一个非常大的(500k +)节点,也可能是非常多的边缘.

我可以预见的挑战:

• 随着不断更新的图形,我需要在每次有人请求信息时处理整个图形...这将大大增加计算时间和延迟
• 有了一个非常大的图形,计算时间和延迟显然会高很多(我读到一些公司通过批量处理大量结果并将它们存储在索引中以供以后使用来解决这个问题...但是后来因为我的图表不断更新,用户想要最新信息,这不是一个可行的解决方案)
• 大量用户请求的信息在服务器上会非常负载,因为它必须多次处理图形

我该如何开始面对这些挑战？我查看了hadoop和spark,但他们似乎有高延迟解决方案(使用批处理)或解决方案,解决图表不会不断变化的问题.

我想到了可能处理图形的不同部分并将它们编入索引,然后跟踪图形的更新位置并重新处理图形的这一部分(一种分布式动态编程方法),但我不确定它的可行性那是.

谢谢!

我在python中编写一个包含许多常量变量的程序.我想创建一个文件,它将保存所有这些变量,如C中包含许多#define的.h文件.我尝试使用configparser但是我发现使用它并不容易.

你知道更好的方法吗？

使用纯Python函数,您可以按顺序(例如foo(1, 2, 3))或按名称(例如foo(a=1, c=3, b=2))传递参数.

C模块中定义的函数可以使用任一约定.你不能说range(stop=10, step=2),因此大多数但不是所有使用C接口实现的功能都是如此.

有没有办法确定从Python中传递函数约定的参数？

我有一个由Chef管理的服务器.我需要从不由Chef运行的脚本中访问存在于cookbook数据包中的一些值.

/*Chef REST API允许访问Chef服务器看到的数据包值.这不是我想要的.每次chef-client运行都可能引入一些协调的变化,包括数据包的变化.如果服务器上的数据已经更改但chef-client尚未在本地运行,则本地设置和服务器端数据包可能不同步.*/

我看到两个解决方案:

• 解析/导入数据包文件,/var/cache/chef/cookbooks/<book-name>因为它或多或少是正常的Ruby.
• 在配方中,将数据包中的相关数据转储到可从我的脚本访问的普通文件中.

有更好的选择吗？

我正在学习Cython,现在正在尝试它.我尝试了基本的cdef类示例程序,它完美地运行.

现在我要做的是在cdef类类型中混合使用cdef和非cdef混合属性,就像这样

cdef class Context:
    cdef public int byteIndex, bitIndex

    def __init__(self, msg = "", msg_len = 0):
        self.msg = msg 
        self.msg_len = msg_len 
        self.byteIndex = 0
        self.bitIndex = 7

但是一旦我实例化对象我就会收到错误

!! AttributeError: 'c_asnbase.Context' object has no attribute 'msg'

这是否意味着一旦你用cdef定义一个python类,所有自我.*属性必须是cdef定义的？

多处理是一个很棒的工具,但不是那么直接使用大内存块.您可以在每个进程中加载​​块并将结果转储到磁盘上,但有时您需要将结果存储在内存中.最重要的是,使用花哨的numpy功能.

我已经阅读/ google了很多,并提出了一些答案:

在共享内存中使用numpy数组进行多处理

在多处理过程之间共享大型只读Numpy数组

Python多处理全局numpy数组

如何在python子进程之间传递大型numpy数组而不保存到磁盘？

等等

他们都有缺点:不那么主流的图书馆(sharedmem); 全局存储变量; 不太容易阅读代码,管道等

我的目标是在我的工作人员中无缝使用numpy而不用担心转换和事情.

经过多次试验,我想出了这个.它适用于我的ubuntu 16,python 3.6,16GB,8核心机器.与以前的方法相比,我做了很多"快捷方式".没有全局共享状态,没有需要转换为numpy inside worker的纯内存指针,作为进程参数传递的大型numpy数组等.

上面是Pastebin链接,但我会在这里放几个片段.

一些进口:

import numpy as np
import multiprocessing as mp
import multiprocessing.sharedctypes
import ctypes

分配一些共享内存并将其包装成一个numpy数组:

def create_np_shared_array(shape, dtype, ctype)
     . . . . 
    shared_mem_chunck = mp.sharedctypes.RawArray(ctype, size)
    numpy_array_view = np.frombuffer(shared_mem_chunck, dtype).reshape(shape)
    return numpy_array_view

创建共享数组并在其中放入一些内容

src = np.random.rand(*SHAPE).astype(np.float32)
src_shared = create_np_shared_array(SHAPE,np.float32,ctypes.c_float)
dst_shared = create_np_shared_array(SHAPE,np.float32,ctypes.c_float)
src_shared[:] = src[:]  # Some numpy ops accept an 'out' array where to store the …