首页 文章 精选 留言 我的

精选列表

搜索[子流程],共10000篇文章
优秀的个人博客,低调大师

iOS打包ipa给客户测试流程

IOS项目开发的过程中经常会用到一个测试的问题,特别是外包的项目,客户拿了那么多钱,看不到产品时时的进度说不过去,而且UI和功能是否和符合用户需求这个很重要,需要客户的认同。 所以就需要时时给开发中的产品打包,让客户去检查是否符合需求。 接入正题: 先讲一下大概的思路,具体的步骤往下看。 1.往开发者账号里面添加测试设备 2.创建证书和配置文件(配置文件选设备和证书的时候建议都选) 3.打包 4.安装到客户的手机 具体细节: 有些外包是用外包的开发者账号,有的是用人家公司的开发者账号,其实都无所谓了。只要打包时候的开发者账号和你添加设备的开发者账号一样就行了。 1.进入开发者中心,找到证书配置文件那一页 2.创见证书(并下载到电脑上,双击添加到登录里面) 3.创建APPID 4.添加设备(主要就是UDID,要把所有测试设备的UDID都添加进来,不然将来打包安装不上,获取UDID参见:http://www.cnblogs.com/BK-12345/p/5996372.html) 5.创建配置文件(选择证书的时候建议有多少选多少,设备也一样全部选中) 6.接着就是将创建好的配置文件下载到电脑上,双击配置文件,在Xcode中选择刚才创建的配置文件即可。 7.在选择模拟器的地方调成Generic iOS Device。 8.Produc->Archive 9.Export(和正常的一样)->会有四个选项,选最后一个Save for Development Deloyment,然后next,选择刚才导入的证书,next,next ,next,Export选个地方保存一下就可以了。 10.就是将打好包安装到手机上,参考一下链接:http://www.cnblogs.com/BK-12345/p/6000124.html

优秀的个人博客,低调大师

Ganglia+Hadoop+Hbase监控搭建流程

Hadoop集群基本部署完成,接下来就需要有一个监控系统,能及时发现性能瓶颈,给故障排除提供有力依据。监控hadoop集群系统好用的比较少,自身感觉ambari比较好用,但不能监控已有的集群环境,挺悲催的。ganglia在网上看到原生支持Hadoop、Hbase性能监控,试用一段时间感觉还不错,监控项比较全面,配置简单,软件包在epel网络源中,使用yum安装方便快捷。Ganglia是一个开源集群监控系统,主要用来监控系统性能,如:cpu、mem、硬盘利用率、I/O负载、网络流量等。Ganglia涉及到三个组件:gmond:被监控端代理程序,用于收集监控信息,并发送给gmetad。gmetad:定期从gmond获取数据,并将数据存储到RRD存储引擎中。ganglia-web:WEB前端,RRD绘图后通过PHP展示。 1.CentOS6 YUM源自带epel网络源,直接安装[root@sht-sgmhadoopnn-01 ~]# yum install epel-release[root@sht-sgmhadoopnn-01 ~]# yum install ganglia-web ganglia-gmetad ganglia-gmond 2.配置监控程序[root@sht-sgmhadoopnn-01 ~]# vi /etc/ganglia/gmetad.confdata_source "hadoop_hbase_cluster" 172.16.101.55:8649 172.16.101.56:8649 172.16.101.58:8649 172.16.101.59:8649 172.16.101.60:8649case_sensitive_hostnames 1setuid_username "root"gridname "MyGrid" 3.关联Apache,因为Ganglia自创建的配置ganglia.conf有问题,所以先删除,再创建个软连接到Apache根目录下[root@sht-sgmhadoopnn-01 ~]# rm /etc/httpd/conf.d/ganglia.conf rm: remove regular file `/etc/httpd/conf.d/ganglia.conf'? y[root@sht-sgmhadoopnn-01 ~]# ln -s /usr/share/ganglia /var/www/html/ganglia[root@sht-sgmhadoopnn-01 ~]# 4.启动Apache和Ganglia,并设置开机启动 [root@sht-sgmhadoopnn-01 ~]# chown -R root:root /var/lib/ganglia [root@sht-sgmhadoopnn-01 ~]# service httpd startStarting httpd: [ OK ][root@sht-sgmhadoopnn-01 ~]# service gmetad startStarting GANGLIA gmetad: [ OK ][root@sht-sgmhadoopnn-01 ~]# 5.安装与配置被监控端(每台同样配置)# yum install ganglia-gmond# vi /etc/ganglia/gmond.conf globals { daemonize = yes setuid = yes user = root ##root debug_level = 0 max_udp_msg_len = 1472 mute = no deaf = no allow_extra_data = yes host_dmax = 86400 /*secs. Expires (removes from web interface) hosts in 1 day */ host_tmax = 20 /*secs */ cleanup_threshold = 300 /*secs */ gexec = no # By default gmond will use reverse DNS resolution when displaying your hostname # Uncommeting following value will override that value. # override_hostname = "mywebserver.domain.com" # If you are not using multicast this value should be set to something other than 0. # Otherwise if you restart aggregator gmond you will get empty graphs. 60 seconds is reasonable send_metadata_interval = 0 /*secs */ } cluster{ name = "hadoop_hbase_cluster" #集群名,和上面那个一样 owner = "root" ##root latlong = "unspecified" url = "unspecified"} /* Thehost section describes attributes of the host, like the location */host { location = "unspecified"} /*Feel free to specify as many udp_send_channels as you like. Gmond used to only support having a single channel*/udp_send_channel{ #bind_hostname = yes # Highly recommended,soon to be default. # This option tells gmond to use asource address # that resolves to themachine's hostname. Without # this, the metrics mayappear to come from any # interface and the DNSnames associated with # those IPs will be usedto create the RRDs. #mcast_join = 239.2.11.71 #关闭多播 host = 172.16.101.55 #添加发送IP/主机名 port = 8649 #默认端口 ttl = 1} /* Youcan specify as many udp_recv_channels as you like as well. */udp_recv_channel{ #mcast_join = 239.2.11.71 port = 8649 bind = 172.16.101.55 #------------ 本机的ip/hostname 接收地址 retry_bind = true # Size of the UDP buffer. If you are handlinglots of metrics you really # should bump it up to e.g. 10MB or evenhigher. # buffer = 10485760}…… 6.同步[root@sht-sgmhadoopnn-01 ~]# scp /etc/ganglia/gmond.conf root@sht-sgmhadoopnn-02:/etc/ganglia/gmond.confgmond.conf 100% 8769 8.6KB/s 00:00 You have mail in /var/spool/mail/root[root@sht-sgmhadoopnn-01 ~]# scp /etc/ganglia/gmond.conf root@sht-sgmhadoopdn-02:/etc/ganglia/gmond.confgmond.conf 100% 8769 8.6KB/s 00:00 [root@sht-sgmhadoopnn-01 ~]# scp /etc/ganglia/gmond.conf root@sht-sgmhadoopdn-01:/etc/ganglia/gmond.confgmond.conf 100% 8769 8.6KB/s 00:00 [root@sht-sgmhadoopnn-01 ~]# scp /etc/ganglia/gmond.conf root@sht-sgmhadoopdn-03:/etc/ganglia/gmond.confgmond.conf 100% 8769 8.6KB/s 00:00 #### 修改各个节点的gmond.conf的bind 为本节点ip 7.运行gmond (每台节点)[root@sht-sgmhadoopnn-01 ~]# service gmond start[root@sht-sgmhadoopnn-02 ~]# service gmond start[root@sht-sgmhadoopdn-01 ~]# service gmond start[root@sht-sgmhadoopdn-02 ~]# service gmond start[root@sht-sgmhadoopdn-03 ~]# service gmond start 8.添加Hadoop被Ganglia监控,去掉文件中以***释并修改(每台同样配置)[root@sht-sgmhadoopnn-01 ~]# vi $HADOOP_HOME/etc/hadoop/hadoop-metrics2.properties*.sink.ganglia.class=org.apache.hadoop.metrics2.sink.ganglia.GangliaSink31*.sink.ganglia.period=10*.sink.ganglia.supportsparse=true*.sink.ganglia.slope=jvm.metrics.gcCount=zero,jvm.metrics.memHeapUsedM=both*.sink.ganglia.dmax=jvm.metrics.threadsBlocked=70,jvm.metrics.memHeapUsedM=40namenode.sink.ganglia.servers=172.16.101.55:8649 #当有多个ganglia监控系统时,以逗号分隔datanode.sink.ganglia.servers=172.16.101.55:8649 #都指定ganglia服务器resourcemanager.sink.ganglia.servers=172.16.101.55:8649nodemanager.sink.ganglia.servers=172.16.101.55:8649 [root@sht-sgmhadoopnn-01 ~]# scp /hadoop/hadoop-2.7.2/etc/hadoop/hadoop-metrics2.properties sht-sgmhadoopnn-02:/hadoop/hadoop-2.7.2/etc/hadoop/hadoop-metrics2.propertieshadoop-metrics2.properties 100% 3183 3.1KB/s 00:00 You have new mail in /var/spool/mail/root[root@sht-sgmhadoopnn-01 ~]# scp /hadoop/hadoop-2.7.2/etc/hadoop/hadoop-metrics2.properties sht-sgmhadoopdn-03:/hadoop/hadoop-2.7.2/etc/hadoop/hadoop-metrics2.propertieshadoop-metrics2.properties 100% 3183 3.1KB/s 00:00 [root@sht-sgmhadoopnn-01 ~]# scp /hadoop/hadoop-2.7.2/etc/hadoop/hadoop-metrics2.properties sht-sgmhadoopdn-02:/hadoop/hadoop-2.7.2/etc/hadoop/hadoop-metrics2.propertieshadoop-metrics2.properties 100% 3183 3.1KB/s 00:00 [root@sht-sgmhadoopnn-01 ~]# scp /hadoop/hadoop-2.7.2/etc/hadoop/hadoop-metrics2.properties sht-sgmhadoopdn-01:/hadoop/hadoop-2.7.2/etc/hadoop/hadoop-metrics2.propertieshadoop-metrics2.properties 100% 3183 3.1KB/s 00:00 [root@sht-sgmhadoopnn-01 ~]# 9.添加HBase被Ganglia监控,添加如下(每台同样配置)[root@sht-sgmhadoopnn-01 ~]# vi /hadoop/hbase/conf/hadoop-metrics2-hbase.properties *.sink.ganglia.class=org.apache.hadoop.metrics2.sink.ganglia.GangliaSink31 *.sink.ganglia.period=10 hbase.sink.ganglia.period=10 hbase.sink.ganglia.servers=172.16.101.55:8649 [root@sht-sgmhadoopnn-01 ~]# scp /hadoop/hbase/conf/hadoop-metrics2-hbase.properties sht-sgmhadoopnn-02:/hadoop/hbase/conf/hadoop-metrics2-hbase.properties[root@sht-sgmhadoopnn-01 ~]# scp /hadoop/hbase/conf/hadoop-metrics2-hbase.properties sht-sgmhadoopdn-01:/hadoop/hbase/conf/hadoop-metrics2-hbase.properties[root@sht-sgmhadoopnn-01 ~]# scp /hadoop/hbase/conf/hadoop-metrics2-hbase.properties sht-sgmhadoopdn-02:/hadoop/hbase/conf/hadoop-metrics2-hbase.properties[root@sht-sgmhadoopnn-01 ~]# scp /hadoop/hbase/conf/hadoop-metrics2-hbase.properties sht-sgmhadoopdn-03:/hadoop/hbase/conf/hadoop-metrics2-hbase.properties 10.查看http://172.16.101.55/ganglia

优秀的个人博客,低调大师

实时交互平台流程与技术分析

最近几个月一直在做基于storm的流式处理,索性整理下所有的知识点与技术知识。 一、数据准备 1、首先,我们需要用户的所有数据,使用MapReduce进行数据处理,生成业务宽表导入hbase与Redis,用于后续实时处理直接从Redis中获取相应数据,减少读写磁盘IO的消耗。 二、消息的接入 1、传入的数据是经过二进制处理的,所以使用jetty轻量级服务对传入的报文进行接入解析,同时部署多个服务,使用nginx进行负载均衡。 2、每个服务同时启动多个线程进行消息的接入,通过blockingQueue进行存储,随后进行报文解析,序列化后发送对应主题的kafka. 三、storm处理 1、使用集成的kafkaspout进行消息的接入代替storm的spout,降低工程复杂度,可直接编写bolt进行业务逻辑处理,随后进行数据的一次性过滤bolt,验证消息的正确性并并封装入对象中。 2、通过消息中的相应主键,从Redis中加载该用户的全量数据,以便后续业务处理(存入hbase是以防redis出现问题进而再查询hbase,同时hbase中的rowkey做了散列,数据均匀分布在每个region中)。 3、加载配置活动规则,这些规则通过前台web系统配置保存,存储于redis中。对多个规则进行遍历匹配,封装成一个大的对象,传入下游推送拓扑。 4、推送拓扑在接收到消息后,从对象中获取封装的消息对象的渠道对象,对其进行遍历发送至不同的渠道。

优秀的个人博客,低调大师

深入拆解Pentest-AI-Agents:50个特种渗透子智能体集群架构解析

在网络安全领域,人工智能正在改变传统渗透测试的工作方式。Pentest-AI-Agents代表了这一变革的重要方向——不再是单一的AI模型,而是一个精心设计的专业化子智能体集群。每个子智能体都深度专注于特定领域:Active Directory攻击、Web应用渗透、云安全测试、无线渗透、社会工程学、载荷制作、逆向工程、漏洞利用链、检测工程、数字取证等。这种专业化分工让AI能够像真实红队一样协作,覆盖从侦察到收尾的完整攻击链路。

优秀的个人博客,低调大师

Nature子刊| 告诉你:「最佳睡眠时长」竟不是“8小时”!睡眠才是健康的“底线”

睡觉可谓是“人生大事”,毕竟人的一生中有三分之一的时间在睡眠中度过。美国哈佛大学医学院的研究人员曾在《美国心脏病学会》上发表的大型人群研究,总结了五大良好的睡眠习惯,其中之一便是“每晚睡眠时长在7-8小时”。但今年公布的《中国睡眠研究报告2023》显示,有将近五分之一的中国人每晚平均睡眠时长不足7小时。睡眠障碍更是导致睡眠不足的一大问题,我国成年人的失眠发生率高达38.2%,甚至有60%以上的90后觉得睡眠不足。睡眠的重要性不言而喻,尤其是保证足够的睡眠时长。

资源下载

更多资源
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源,继承了IntelliJ IDEA强大的JS部分的功能。

用户登录
用户注册