解决节点-GEP 重建问题
最编程
2024-04-06 10:18:00
...
需求背景
- 在部署环境时npm 下载某些包时报错
- node-gyp rebuild || node suppress-error.js
原因
- node-gyp 支持的python的版本是2.7-3.0（2.7亲测有效）
- 当python版本不一致时导致安装失败
解决方案
- 下载
- wget www.python.org/ftp/python/…
- 解压编译
- tar -zxvf Python-2.7.9.tgzcd Python-2.7.9./configure --prefix=/usr/local/python-2.7.9makemake install
- 软连接（说白了把当下的软件路径注册到系统中可以实现快捷调用）
- ln -s /usr/local/python-2.7.9/bin/python /usr/bin/python2.7.9
- 测试
- python2.7.9 -V
- 修改npm指向（因为系统中存在其他版本的python）
- npm config set python python2.7.9
终极解决方案
- 使用docker 环境隔离
推荐阅读
-
常见问题 (II)]打印 "无法启动交换机根节点 "错误（该错误会导致系统进入紧急模式）的解决方案。
-
成对交换节点算法问题的两种解决方案
-
纯干货分享 | 研发效能提升——敏捷需求篇-而敏捷需求是提升效能的方式中不可或缺的模块之一。 云智慧的敏捷教练——Iris Xu近期在公司做了一场分享，主题为「敏捷需求挖掘和组织方法，交付更高业务价值的产品」。Iris具有丰富的团队敏捷转型实施经验，完成了企业多个团队从传统模式到敏捷转型的落地和实施，积淀了很多的经验。 这次分享主要包含以下2个部分： 第一部分是用户影响地图 第二部分是事件驱动的业务分析Event driven business analysis（以下简称EDBA） 用户影响地图，是一种从业务目标到产品需求映射的需求挖掘和组织的方法。 在软件开发过程中可能会遇到一些问题，比如大家使用不同的业务语言、技术语言，造成角色间的沟通阻碍，还会导致一些问题，比如需求误解、需求传递错误等；这会直接导致产品的功能需求和要实现的业务目标不是映射关系。 但在交付期间，研发人员必须要将这些需求实现交付，他们实则并不清楚这些功能需求产生的原因是什么、要解决客户的哪些痛点。研发人员往往只是拿到了解决方案，需要把它实现，但没有和业务侧一起去思考解决方案是否正确，能否真正的帮助客户解决问题。而用户影响地图通常是能够连接业务目标和产品功能的一种手段。 我们在每次迭代里加入的假设，也就是功能需求。首先把它先实现，再逐步去验证我们每一个小目标是否已经实现，再看下一个目标要是什么。那影响地图就是在这个过程中帮我们不断地去梳理目标和功能之间的关系。 我们在软件开发中可能存在的一些问题 针对这些问题，我们如何避免？先简单介绍做敏捷转型的常规思路： 先做团队级的敏捷，首先把产品、开发、测试人员，还有一些更后端的人员比如交互运维的同学放在一起，组成一个特训团队做交付。这个团队要包含交付过程中所涉及的所有角色。 接着业务敏捷要打通整个业务环节和研发侧的一个交付。上图中可以看到在敏捷中需求是分层管理的，第一层是业务需求，在这个层级是以用户目标和业务目标作为输入进行规划，同时需要去考虑客户的诉求。业务人员通过获取到的业务需求，进一步的和团队一起将其分解为产品需求。所以业务需求其实是我们真正去发布和运营的单元，它可以被独立发布到我们的生产环境上。我们的产品需求其实就是产品的具体功能，它是我们集成和测试的对象，也就是我们最终去部署到系统上的一个基本单元。产品需求再到了我们的开发团队，映射到迭代计划会上要把它分解为相应的技术任务，包括我们平时所说的比如一些前端的开发、后端的开发、测试都是相应的技术任务。所以业务敏捷要达到的目标是需要去持续顺畅高质量的交付业务价值。 将这几个点串起来，形成金字塔结构。最上层我们会把业务目标放在整个金字塔的塔尖。这个业务目标是通过用户的目标以及北极星指标确立的。确认业务目标后再去梳理相应的业务流程，最后生产。另外产品需求包含了操作流程和业务规则，具需求交付时间、工程时间以及我们的一些质量标准的要求。 谈到用户影响的地图，在敏捷江湖上其实有一个传说，大家都有一个说法叫做敏捷需求的“任督二脉”。用户影响地图其实就是任脉，在黑客马拉松上用过的用户故事地图其实叫督脉。所以说用户影响地图是在用户故事地图之前，先帮我们去梳理出我们要做哪些东西。当我们真正识别出我们要实现的业务活动之后，用户故事地图才去梳理我们整个的业务工作流，以及每个工作流节点下所要包含的具体功能和用户故事。所以说用户影响地图需要解决的问题，我们包括以下这些： 首先是范围蔓延，我们在整张地图上，功能和对应的业务目标是要去有一个映射的。这就避免了一些在我们比如有很多干系人参与的会议上，那大家都有不同想法些立场，会提出很多需求（正确以及错误的需求）。这个时候我们会依据目标去看这些需求是否真的是会影响我们的目标。 这里提到的错误需求，比如是利益相关的人提出的、客户认为产品应该有的、某个产品经理需求分析师认为可以有的....但是这些功能在用户影响地图中匹配不到对应目标的话，就需要降低优先级或弃掉。另外，通常我们去制定解决方案的时候，会考虑较完美的实现，导致解决方案括很多的功能。这个时候关键目标至关重要，会帮助我们梳理筛选、确定优先级。 看一下用户影响到地图概貌 总共分为一个三层的结构： 第一层why，你的业务目标哪个是最重要的，为什么？涉及到的角色有哪些？ 第二层how ，怎样产生影响？影响用户角色什么样的行为? （不需要去列出所有的影响，基于业务目标） 第三层what，最关键的是在梳理需求时不需一次把所有细节想全，这通常团队中经常遇到的问题。 我们用这个例子来看一下 这是一个客服中心的影响地图，业务目标是 3个月内不增加客服人数的前提下能支持1.5倍的用户数。此业务目标设定是符合 smart 原则的，specific非常的具体，miserable 是可以衡量的，action reoriented是面向活动的， real list 也是很实际的。 量化的目标会指引我们接下来的行动，梳理一个业务目标，尽量去量化，比如 ：我们通过打造一条什么样的流水线，能够提高整个部署的效率，时间是原来的 1/2 。这样才是一个能量化的有意义的目标。 回到这幅图， how 层级识别出来的内容，客服角色：想要对它施加的影响，把客户引导到论坛上，帮助客户更容易的跟踪问题，更快速的去定位问题。初级用户：方论坛上找到问题。高级用户：在论坛上回答问题。通过我们这些用户角色，进行活动，完成在不增加客户客服人数的前提下支持更多的用户数量。 最后一个层级，才是我们日常接触比较多的真正的功能的特性和需求，比如引导到客户到论坛上，其实这个产品就需要有一个常见问题的论坛的链接。这个层次需要我们团队进一步地在交付，在每个迭代之前做进一步的梳理，细化成相应的用户故事。 这个是云智慧团队中，自己做的影响地图的范例，可以看下整个的层级结构。序号表示优先级。 那我们用户影响地图可以总结为：
-
[姿势估计] 实践记录：使用 Dlib 和 mediapipe 进行人脸姿势估计 - 本文重点介绍方法 2）：方法 1：基于深度学习的方法：。 基于深度学习的方法：基于深度学习的方法利用深度学习模型，如卷积神经网络（CNN）或递归神经网络（RNN），直接从人脸图像中学习姿势估计。这些方法能够学习更复杂的特征表征，并在大规模数据集上取得优异的性能。方法二：基于二维校准信息估计三维姿态信息（计算机视觉 PnP 问题）。 特征点定位：人脸姿态估计的第一步是通过特征点定位来检测和定位人脸的关键点，如眼睛、鼻子和嘴巴。这些关键点提供了人脸的局部结构信息，可用于后续的姿势估计。 旋转表示：常见的旋转表示方法包括欧拉角和旋转矩阵。欧拉角通过三个旋转角度（通常是俯仰、偏航和滚动）描述头部的旋转姿态。旋转矩阵是一个 3x3 矩阵，表示头部从一个坐标系到另一个坐标系的变换。 三维模型重建：根据特征点的定位结果，三维人脸模型可用于姿势估计。通过将人脸的二维图像映射到三维模型上，可以估算出人脸的旋转和平移信息。这就需要建立人脸的三维模型，然后通过优化方法将模型与特征点对齐，从而获得姿势估计结果。 特征点定位 特征点定位是用于检测人脸关键部位的五官基础部分，还有其他更多的特征点表示方法，大家可以参考我上一篇文章中介绍的特征点检测方案实践：人脸校正二次定位操作来解决人脸校正的问题，客户在检测关键点的代码上略有修改，坐标转换部分客户见上图 def get_face_info(image). img_copy = image.copy image.flags.writeable = False image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) results = face_detection.process(image) # 在图像上绘制人脸检测注释。 image.flags.writeable = True image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR) box_info, facial = None, None if results.detections： for detection in results. for detection in results.detections: mp_drawing.Drawing.detection = 无 mp_drawing.draw_detection(image, detection) 面部 = detection.location_data.relative_keypoints 返回面部 在上述代码中，返回的数据是五官（6 个关键点的坐标），这是用 mediapipe 库实现的，下面我们可以尝试用另一个库：dlib 来实现。 使用 dlib 使用 Dlib 库在 Python 中实现人脸关键点检测的步骤如下： 确保已安装 Dlib 库，可使用以下命令： pip install dlib 导入必要的库： 加载 Dlib 的人脸检测器和关键点检测器模型： 读取图像并将其灰度化： 使用人脸检测器检测图像中的人脸： 对检测到的人脸进行遍历，并使用关键点检测器检测人脸关键点： 显示绘制了关键点的图像： 以下代码将参数 landmarks_part 添加到要返回的关键点坐标中。
-
节点监听鼠标和键盘事件、定时消息小程序，解决了机器人js不支持汉字输入的问题！
-
解决节点-GEP 重建问题
-
云服务器+家用电脑（无公网 IP）Pinode 节点部署教程--理论上，无论你身在何处，只要能上网，就能运行一个固定 IP 的 Pi 节点节点！(注：不能直接部署独立云服务器）本方案相对运营商公网 IP 有以下优势：拥有稳定的固定 IP（阿里云 IP），解决了运营商不分配公网 IP 或分配动态 IP 的问题 ②节点部署在本地电脑上，相对安全。因为是使用阿里云的专网，稳定性也很强。希望对大家有用，帮助大家解决没有公网的节点部署问题。第一步：环境准备 1、本地电脑配置： ①操作系统：推荐 WIN10 专业版（目前节点容器只支持 2004 专业版） ②内存：推荐 4G 及以上 建议：https://item.taobao.com/item.htm?spm=a2126o.success.0.0.61 b94831SbZESt&id=6346663414282，阿里云服务器租用：阿里云（推荐1核2G以上，ECS共享s6，带宽3-5M即可，以下两个链接都可以，选择一个合适的即可）https://www.aliyun.com/minisite/ goods?userCode=is7i4iav
-
趣谈留言队列，搞清楚留言队列到底是什么！-说到消息队列，洪觉大概能猜到人们听到消息队列的反应，大致可以分为以下几类人。 第一类人，懵懵懂懂，刚上大学接触编程，还没用过消息队列，甚至还以为消息队列就是代码里面要新建一个List之类的；第二类人，听过消息队列，了解消息队列，但具体是什么还不是太明白，只知道一说到消息队列，脑海里马上出现了三组词，削峰、异步、解耦；第三类人，用过消息队列，对它有一定了解，但不知道为什么要这样设计，消息队列有什么样的前世今生，是如何演化到现在的模式的？**第四类人，已经对消息队列有了足够的了解，可以阅读本帖作为复习和温习。**你属于哪一类？无论你对消息队列了解多少，读完这篇文章后，我相信你都会有所收获。 什么是消息队列？我们为什么要使用消息队列？真的只是因为它看起来很勉强、很常用吗？当然不是，一项技术的出现往往是为了解决某种痛点，我们就从这个痛点出发，看看消息队列到底是为了解决什么问题而诞生的。 相信大家在工作之前，或者工作中接触单片机的次数会多一点，不管什么业务都一股脑塞进一个系统里，这种情况下接触消息队列的场景会比较少。但随着业务的增长，量上去了，单机系统就很难维护了，也扛不住并发量的增长，就需要把原来的单体应用拆分成多个服务。例如，牛奇网采用分布式架构，将原来的单体系统拆分成用户服务、题库服务、求职服务、论坛服务等，每个分布式节点都有一个集群，保证高可用性。 那虽然在这样的微服务架构下，如果某个核心业务并发量过大，系统就扛不住了。比如淘宝、淘票票、拼多多、京东等电商场景中的支付场景，你在某宝下单并支付后，调用支付服务，完成支付后，还需要更新订单的状态，这个时候就需要调用订单服务，那我们平时也下单，除了简单完成这些操作外，还会给你相应的积分；商家也会收到订单消息，并给您发送旺旺消息，确认订单无误；同时，也会给您发送消息，确认订单无误。确认订单无误；同时您还可以查看您的物流状态；还有系统为了给您推荐更适合您的商品，会根据您的订单做类似的推荐等等，我说的这些都是当我们下单后，肉眼可以感知到系统所做的动作。 **一个支付动作如果还需要调用那么多服务，等他们响应成功，最后再告诉用户你支付成功了，用户在系统中的整个体验会非常糟糕。**设想一下，假设请求服务+处理请求+响应总共需要 50ms，我们上面列出的场景：支付服务、订单服务、积分服务、商家服务、物流服务、推荐服务，总共需要 300ms。
-
反传销网8月30日发布：视频区块链里的骗子，币里的韭菜，杜子建骂人了！金融大V周召说区块链！——“一小帮骗子玩一大帮小白，被割韭菜，小白还轮流被割，割的就是你！” 什么区块链，统统是骗子 作者：周召（知乎金融领域大Ｖ，毕业于上海财经大学，目前任职上海某股权投资基金合伙人） 有人问我，区块链现在这么火，到底是不是骗局？ 我的回答是： 是骗局。而且我并不是说数字货币是骗局，而是说所有搞区块链的都是骗局。 -01- 区块链是一种鸡肋技术 人类社会任何技术的发明应用，本质都是为了提高社会的生产效率。而所谓区块链技术本质不过是几种早已成熟的技术的大杂烩，冗余且十分低效，除了提高了洗钱和诈骗的效率以外，对人类社会的进步毫无贡献。 真正意义上的区块链得包含三个要素：分布式系统（包括记账和存储），无法篡改的数据结构，以及共识算法，三者互为基础和因果，就像三体世界一样。看上去挺让人不明觉厉的，而经过几年的瞎折腾，稍微懂点区块链的碰了几次壁后都已经渐渐明白区块链其实并没有什么卵用，区块链技术已经名存实亡，沦为了营销工具和传销组织的画皮。 因为符合上述定义的、以比特币为代表的原教旨区块链技术，是反效率的，从经济学角度来说，不但不是一种帕累托改进，甚至还可以说是一种帕累托倒退。 原教旨区块链技术的效率十分低下，因为要遍历所有节点，只能做非常轻量级的数据应用，一旦涉及到大量的数据传输与更新，区块链就瞎了。 一方面整条链交易速度会极慢，另一方面数据库容量极速膨胀，考虑到人手一份的存储机制，区块链其实是对存储资源和能源的一种极大的浪费。 这里还没有加上为了取得所谓的共识和挖矿消耗的巨大的能源，如果说区块链技术是屎，那么这波区块链投机浪潮可谓人类历史上最大规模的搅屎运动。 区块链也验证不了任何东西。 所谓的智能合约，即不智能，也非合约。我看有人还说，如果有了智能合约，就可以跟老板签一份放区块链上，如果明年销售业绩提升30%，就加薪10%，由于区块链不能篡改，不能抵赖，所以老板必须得执行，说得有板有眼，不懂行的愣一看，好像还真是那么回事。 但仔细一想，问题就来了。首先，在区块链上如何证明你真的达到了30%业绩提升？即便真的达到老板耍赖如何执行？ 也就是说，如果区块链真这么厉害，要法院和仲裁干什么。 人类社会真正的符合成本效益原则的是代理制度。之前有人说要用区块链改造注册会计师行业，我不知道他准备怎么设计，我猜想他思路大概是这样的，首先肯定搞去中心化，让所有会计师到链上来，然后一个新人要成为注册会计师就要所有会计师同意并记录在链上。 那我就请问了，我每天上班累死累活，为什么还要花时间去验证一个跟我无关的的人的专业能力？最优做法当然是组织一个委员会，让专门的人来负责，这不就是现在注册会师协会干的事儿吗？区块链的逻辑相当于什么事情都要拿出来公投，这个绝对是扯淡的。 当然这么说都有点抬举区块链了，区块链技术本身根本没有判断是非能力，如果这么高级的人工智能，靠一个无脑分布式记账就能实现的话，我们早就进入共产主义社会了。 虽然EOS等数字货币采用了超级节点，通过再中心化的方式提高效率，有点行业协会的意思，是对区块链原教旨主义的一种修正，但是依然无法突破区块链技术最本质的局限性。有人说，私有链和联盟链是区块链技术的未来，也是扯淡，因为区块链技术没有未来。如果有，说明他是包装成区块链的伪区块链技术。 区块链所涉及的所有底层技术，不管是分布式数据库技术，加密技术，还是点对点传输技术等，基本都是早已存在没什么秘密可言的技术。 比特币系统最重要的特性是封闭性和自洽性，他验证不了任何系统自身以外产生的信息的真实性。 所谓系统自身产生的信息，就是数据库数据的变动信息，有价值的基本上有且只有交易信息。所以说比特币最初不过是中本聪一种炫技的产物，来证明自己对几种技术的掌握，你看我多牛逼，设计出了一个像三体一样的系统。因此，数字货币很有可能是区块链从始至终唯一的杀手应用。 比特币和区块链概念从诞生到今天已经快10年了，很多人说区块链技术在爆发的前夜，但这个前夜好像是不是有点过长了啊朋友，跟三体里的长夜有一拼啊。都说区块链技术像是90年代初的互联网，可是90年代初的互联网在十年发展后，已经出现了一大批伟大的公司，阿里巴巴在99年都成立了，区块链怎么除了币还是币呢？ 正规的数字货币未来发展的形式无外乎几种，要么就是论坛币形式，或者类似股票的权益凭证等。问题是论坛币和股票之前，本来也都电子化了，区块链来了到底改变了什么呢？ 所有想把TOKEN和应用场景结合起来的人最后都很痛苦，最后他们会发现区块链技术就是脱裤子放屁，自己辛苦搞半天，干嘛不自己作为中心关心门来收钱？最后这些人都产生了价值的虚无感，最终精神崩溃，只能发币疯狂收割韭菜，一边嘴里还说着我是个好人之类的奇怪的话。 因此，之前币圈链圈还泾渭分明，互相瞧不起，但这两年链圈逐渐坐不住了，想着是不是趁着泡沫没彻底破灭之前赶快收割一波，不然可能什么都捞不着了。 前段时间和一个名校毕业的链圈朋友瞎聊天，他说他们“致力于用区块链技术解决数字版权保护问题”，我就问他一个问题，你们如何保证你链的版权所有权声明是真实的，万一盗版者抢先一步把数据放在链上怎么办。他说他们的解决方案是连入国家数字版权保护中心的数据库进行验证…… 所以说区块链技术就是个鸡肋，研究到最后都会落入效率与真实性的黑洞，很多人一头扎进链圈后才发现，真正意义上的区块链技术，其实什么都干不了。 -02- 不是蠢就是坏的区块链媒体 空气币和区块链的造富神话，让区块链自媒体也开始迎风乱扭。一群群根本不知道区块链为何物的妖魔鬼怪纷纷进驻区块链自媒体战场，开始大放厥词胡编乱造。 任何东西，但凡只要和区块，链，分，分布式，记账，加密，验证，可追溯等等这些个关键词沾到哪怕一点点，这些所谓的区块链媒体人就会像狗闻到了屎了一样疯狂地把区块链概念往上套。 这让我想起曾经一度也是热闹非凡的物联网，我曾经去看过江苏一家号称要改变世界的“物联网”企业，过去一看是生产路由器的，我黑人问号脸，对方解释说没有路由器万物怎么互联，我觉得他说得好有道理，竟无言以对。 好，下面让我们进入奇葩共赏析时间，来看看区城链媒体经常有哪些危言耸听的奇谈怪论 区块链（分布式记账）的典型应用是*？？ 正如前面所说，真正意义上的区块链分布式记账，不光包括“记”这个动作，还包括分布式存储和共识机制等。而*诞生远远早于区块链这个词的出现，勉强算是“分布式编辑”吧，就被很多区块链媒体拿来强行充当区块链技术应用的典范。 其实事实恰恰相反，*恰恰是去中心化失败的典范，现在如果没有精英和专业人士的编辑和维护，*早就没法看了。 区块链会促进社会分工？？ 罗振宇好像就说过类似的话，虽然罗振宇说过很多没有逻辑的话，但这句话绝对是最没逻辑思维的。很多区块链自媒体也常常用这句话来忽悠老百姓，说分工代表效率提高社会进步，而区块链“无疑”会促进分工，他们的理由仅仅是分工和分布式记账都共用一个“分”字，就强行把他们扯到一起。 实际情况恰恰相反，区块链是逆分工的，区块链精神是号召所有人积极地参与到他不擅长也不想掺合的事情里面去。 区块链不能像上帝一样许诺他的子民死后上天国，只能给他们许诺你们是六度人脉中的第一级，我可以赚后面五级人的钱，你处于金字塔的顶端。
-
STM32多节点CAN网络实战项目：遇到的问题与解决方法分享