Serverless实战驾校小程序考题练习三 Serverless实战驾校小程序【考题练习】三 介绍 上一节我们讲了，实现了分类、题目显示、进度条显示等功能，这节我们继续完善答题功能。由于开发时间比较紧，这里主要写实习思路，与核心代码。 这一节做顺序练习与模拟考试。都属于答题详细页面功能 这次进度条可以根据答题进度，显示进度。 这个也用了iview的一个插件， 目前样式没调整， 这个后面再说。这一节主要实现了一些逻辑计算逻辑一：记录学习题目进度 记录的核心代码，在提交保存的时候调用。当然，也可以在练习离开的时候触发，这里给了个按钮，点击保存即可保存学习记录const AddLearning = ({ num, result, type = 1 }) => { let current = wx.Bmob.User.current() return new Promise((resolve, reject) => { const query = wx.Bmob.Query('learning'); query.set('bSubjects', '1') query.set('bModels', '1') query.set('num', num) query.set('result', result) query.set('type', type) query.set('uid', current.objectId) query.save().then(res => { resolve(res) }).catch(err => { console.error(err) reject(err) }) }); }逻辑二：记录题目回答的对错 上面的变量result记录，格式请看上一节数据库格式说明，是题目的对错。这里点击一个选择就记录一次，我在页面data里面增加了一个items变量来保存。选择答案执行以下代码，今天先实现单选，我们单选与多选，判断事件分开来做，这样便于逻辑管理// 单选题 handleFruitChange ({ detail = {}, target = {} }) { let questionInfo = this.data.questionInfo // 判断单选是否正确 if (target.dataset.id) { console.log('ok') questionInfo.isOk = 1 } this.setData({ questionInfo: questionInfo, current: detail.value }); // 单选自动跳到下一题 this.statistical() // 显示第几道题 this.setThisData(this.data.index) this.setData({ index: this.data.index + 1, current: '' }); },逻辑三：答题相关统计 逻辑二讲了，记录对错，这里有一些统计需要拿出来计算，先做单选题，点击选择，判断是否正确， 如果正确，记录到结果对象 [{" id ":" XXX ', '0'}, {" id ":" XXX ", "1"}] ，0代表回答错误，1正确例如错题个数、对题个数，页面提示，进度条进一步statistical () { // 统计错题个数 let questionErr = this.data.questionErr //错题个数 let questionOk = this.data.questionOk //错题个数 let questionInfo = this.data.questionInfo let items = this.data.items let arr = { "id": questionInfo.objectId, "o": 0 } let t = 'error', m = '回答错误' if (questionInfo.isOk === 1) { // o 0代表失败，1代表成功 arr.o = 1 questionOk = questionOk + 1 t = 'success' m = '回答正确' } else { // 错误数+1 questionErr = questionErr + 1 } items.push(arr) // 提示 $Message({ content: m, type: t, duration: 2 }); //进度条 let totalW = this.data.index / this.data.total totalW = (totalW * 100).toFixed(2); totalW = totalW < 1 ? 1 : totalW this.setData({ items: items, questionErr: questionErr, questionOk: questionOk, totalW: totalW, }); },逻辑四：上一题下一题的实现 页面显示第几个题目，我们用数组的下面来记录，单电机下一题，我们记录回答对错，并且数组下标+1// 翻页 handlePageChange ({ detail }) { const type = detail.type; const current = this.data.current if (current == "") { console.log('空') $Toast({ content: '请选择答案！', type: 'warning' }); return; } this.statistical() if (type === 'next') { this.setThisData(this.data.index) this.setData({ index: this.data.index + 1, current: '' }); } else if (type === 'prev') { this.setData({ index: this.data.index - 1, current: '' }); this.setThisData(this.data.index) } },逻辑五：引入模式概念 因为答题页面逻辑非常多，今天写这么多也没写完一般， 除了学习模式，后面还有模拟考试模式，这里不单独使用另外的页面来开发，统一在一个页面。 所以，我们在页面data里加入model变量，代表模式。/**​ * 这里有个模式， 练习模式，与模拟考试模式 ​ * model 1.练习模式 2.模拟考试考试​ * 练习模式查询出所有数据练习​ * 模拟考试 随机100题 计算打分​ */总结 今天练习模式里面的单项选择逻辑基本已经做好，明天将实现模拟考试，计算考试成绩等等功能大家想学习更多的云服务开发， 可以加入Bmob的交流群：群号:273080081

Baas-后端架构思考 暂无简介

Unix、Linux、mac 内核系统 Sublime 2、3 配置php code sniffer插件 好久没更新自己博客了，今天正好给同事们写一篇sublime 如何配置php code sniffer，发现国内还没有一个比较完善的教程，所以把它放到网上。 一、windows PHPSTORM 配置php code sniffer插件。二、MAC OS PHPSTORM 配置php code sniffer插件。三、MAC OS Sublime 3 配置php code sniffer插件。一、windows PHPSTORM 配置php code sniffer插件。1. 点击菜单：File->Settings 或 按快捷键 Ctrl+Alt+S2. 选择Project Settings下的：PHP->Code Sniffer3. 设置PHP Code Sniffer(phpcs) path为：E:\wamp\bin\pear\phpcs.bat(根据自己电脑情况设置)4. 点击Validate按钮，可以看到如下提示，说明设置OK为知笔记图片5. 选择Project Settings下的Inspections，展开PHP，勾选PHP Code Sniffer validation为知笔记图片6. 第一次打开的时候，需要点击一下刷新的按钮可以获取已安装的代码规范，如果无法获取到代码规范的话，先执行 phpcs -i命令查看PHP_CodeSniffer中已经安装的编码风格，确定有之后，尝试重启一下PhpStorm在刷新看看7. 选择一个你习惯的编码风格，然后Apply配置为知笔记图片 8. 打开一个PHP文件，就可以看到不符合规则的提示为知笔记图片二、MAC OS PHPSTORM 配置php code sniffer插件。设置PHP Code Sniffer(phpcs) path为：/usr/local/bin/phpcs2. 点击Validate按钮，可以看到如下提示，说明设置OK为知笔记图片3.启用代码风格为知笔记图片4.演示效果为知笔记图片三、MAC OS Sublime 3 配置php code sniffer插件。1.系统安装PHP_CodeSniffer、phpmd、php-cs-fixer pear install PHP_CodeSniffer brew install phpmd sudo curl -o /usr/local/bin/php-cs-fixer sudo chmod a+x /usr/local/bin/php-cs-fixer 2.sublime 2 安装 phpcs插件（安装方法（Ctrl+Shift+P->pi(packageinstall)->phpcs，安装成功后右键即可看到PHP Code Sniffer选项））为知笔记图片3.刚刚安装好的插件，sniff this file 显示的是灰色的，修改下配置文件（这是 Sublime 2的配置） Sublime3的配置有所区别，请自行检查。 1. { 2.    // *nix based systems, Mac OS X and Linux 3.    // - All commands on and using PATHS 4. 5.    // We want debugging on 6.    "show_debug": true, 7. 8.    // Only execute for .php files 9.    "extensions_to_execute": ["php"], 10. 11.    // Do not execute for twig files 12.    "extensions_to_blacklist": ["twig.php"], 13. 14.    // Execute the sniffer on file save 15.    "phpcs_execute_on_save": false, 16. 17.    // Show the error list after save. 18.    "phpcs_show_errors_on_save": true, 19. 20.    // Show the errors in the gutter 21.    "phpcs_show_gutter_marks": true, 22. 23.    // Show outline for errors 24.    "phpcs_outline_for_errors": true, 25. 26.    // Show the errors in the status bar 27.    "phpcs_show_errors_in_status": true, 28. 29.    // Show the errors in the quick panel so you can then goto line 30.    "phpcs_show_quick_panel": true, 31. 32. 33.    // PHP_CodeSniffer settings 34.    // Run the PHP_CodeSniffer 35.    "phpcs_sniffer_run": true, 36. 37.    // Execute PHP_CodeSniffer on save 38.    "phpcs_command_on_save": true, 39. 40.    // Path to phpcs 41.    "phpcs_executable_path": "/usr/local/bin/phpcs", 42. 43.    // Run the PEAR standard without warnings 44.    "phpcs_additional_args": { 45.        "--standard": "PEAR", 46.        "-n": "" 47.    }, 48. 49. 50.    // PHP-CS-Fixer settings 51.    // Do not automatically fix the errors 52.    "php_cs_fixer_on_save": false, 53. 54.    // Show the fixes in the quick panel 55.    "php_cs_fixer_show_quick_panel": true, 56. 57.    // Path to where php-cs-fixer.phar is 58.    "php_cs_fixer_executable_path": "/usr/local/bin/php-cs-fixer", 59. 60.    // Run all levels of fixing 61.    "php_cs_fixer_additional_args": { 62.    }, 63. 64. 65.    // PHP Linter settings 66.    // Lint each file 67.    "phpcs_linter_run": true, 68. 69.    // Execute the linter on save 70.    "phpcs_linter_command_on_save": true, 71. 72.    // Use the $PATH version of php 73.    "phpcs_php_path": "/usr/local/bin/phpcs", 74. 75.    // Regex for the errors the linter produces 76.    "phpcs_linter_regex": "(?P.*) on line (?P\d+)", 77. 78. 79.    // PHP Mess Detector settings 80.    // Execute phpmd 81.    "phpmd_run": true, 82. 83.    // Execute the phpmd on file save 84.    "phpmd_command_on_save": true, 85. 86.    // Path to where the phpmd application is 87.    "phpmd_executable_path": "/usr/local/bin/phpmd", 88. 89.    // What args I want to pass to phpmd 90.    "phpmd_additional_args": { 91.        "codesize,unusedcode,naming": "" 92.    }, 93. 94.    // PHP Scheck settings 95.    // Execute scheck 96.    "scheck_run": false, 97. 98.    // Execute the scheck on file save 99.    "scheck_command_on_save": false, 100. 101.    // It seems python/sublime cannot always find the scheck application 102.    // If empty, then use PATH version of scheck, else use the set value 103.    "scheck_executable_path": "", 104. 105.    // Additional arguments you can specify into the application 106.    "scheck_additional_args": { 107.        "-strict" : "" 108.    } 109. } 4.完成为知笔记图片PS：如submit 出现报错，可显示调试信息调试具体问题 Ctrl+~；如再有问题，可联系我。 为知笔记图片

Golang-Gateway-API-搭建教程 Golang Gateway API 搭建教程随着微服务的兴起，行业里出现了非常多优秀的微服务网关框架，今天教大家搭建一套国人，用Golang写的微服务网关框架。这里啰嗦一句，可能到今天还有人不理解什么是微服务，为什么要用微服务。目前网上相对比较模糊，没有精确的定义，但大家的意思都差不多，这里个人通俗描述，就是小项目发展到大项目过程中，出于已维护，与稳定性等考虑，将一个整体项目分为多个微小服务。微服务网关的作用是在用户第一个网关服务器，你按照业务服务相关需求，给网关分流，相比云主机厂商提供的负载均衡器，强大在于你可以根据自己业务去分流，同时还以可以实现鉴权、校验、聚合、缓存等自定义服务，而云主机的负载均衡器只是一个简单按照流量给你负载均衡请求，不具有自定义编程性质。接下来教如何安装，以及注意事项。地址：https://github.com/fagongzi/gateway功能：流量控制熔断负载均衡服务发现插件机制路由(分流，复制流量)API 聚合API 参数校验API 访问控制（黑白名单）API 默认返回值API 定制返回值API 结果CacheJWT AuthorizationAPI Metric导入PrometheusAPI 失败重试后端server的健康检查开放管理API(GRPC、Restful)支持websocket支持在线迁移数据1.下载https://github.com/fagongzi/gateway2.编译cd $GOPATH/src/github.com/fagongzi/gateway/cmd/proxy go build -o proxy ./... cd $GOPATH/src/github.com/fagongzi/gateway/cmd/api go build -o apiserver ./...3.ECTD安装Etcd是一个高可用的 Key/Value 存储系统，主要用于分享配置和服务发现。etcd github地址：https://github.com/etcd-io/etcd当然，你也可以用命令行安装1、安装yum install etcd2、修改配置文件，主要是地址，如果不是很懂，可以看下etcd官方文档vim /etc/etcd/etcd.conf # [member] ETCD_NAME="k8s_master_ip_name" #范例： etcd1 ETCD_DATA_DIR="/work/etcd" ETCD_LISTEN_PEER_URLS="http://k8s_master_ip:2380" ETCD_LISTEN_CLIENT_URLS="http://127.0.0.1:2379,http://k8s_master_ip:2379"3、启动systemctl daemon-reload systemctl enable etcd.service systemctl start etcd.service4、测试IP与端口改为配置的ip地址，如果没有使用，建议不要随意变动端口curl http://127.0.0.1:2379/version 如果返回{"etcdserver":"3.3.2","etcdcluster":"3.3.0"} 就是安装成功了基础软件都安装好了，我们就准备最低三台机器。运行环境我们以三台etcd、一台ApiServer,三台Proxy的环境为例环境信息组件环境说明etcd集群环境192.168.1.12配置服务器Proxy192.168.1.13代理服务器ApiServer192.168.1.14路由配置接口服务器1.启动 ApiServer服务启动ApiServer服务，看到以下截图就对了。2.启动代理服务看到以下截图就对了3.添加配置服务都启动后，我们添加配置路由。启动Proxy./proxy --addr=192.168.1.200:80 --addr-rpc=192.168.1.200:9091 --addr-store=etcd://192.168.1.100:2379,192.168.1.101:2379,192.168.1.102:2379 --namespace=test./proxy --addr=192.168.1.201:80 --addr-rpc=192.168.1.201:9091 --addr-store=etcd://192.168.1.100:2379,192.168.1.101:2379,192.168.1.102:2379 --namespace=test./proxy --addr=192.168.1.202:80 --addr-rpc=192.168.1.202:9091 --addr-store=etcd://192.168.1.100:2379,192.168.1.101:2379,192.168.1.102:2379 --namespace=test用户的API接入地址可以为：192.168.1.201:80、192.168.1.201:80、192.168.1.202:80其中任意一个如果能访问下你后面代理的接口内容，表示成功。如果觉得配置服务器API，命令行麻烦，可以下载WEB UI的管理控制台。下载地址：https://github.com/fagongzi/gateway-ui-vue最后大家有任何疑问，可以在本文章留言。

基于向量检索服务与TextEmbedding实现语义搜索 本教程演示如何使用向量检索服务（DashVector），结合上的[EmbeddingAPI](https://help.aliyun.com/zh/dashscope/developer-reference/api-details-15)，来从0到1构建基于文本索引的构建+向量检索基础上的语义搜索能力。具体来说，我们将基于QQ 浏览器搜索标题语料库（：QQBrowser Query Title Corpus）进行实时的文本语义搜索，查询{BANNED}{BANNED}最佳佳相似的相关标题。什么是 Embedding简单来说，Embedding是一个多维向量的表示数组，通常由一系列数字组成。Embedding可以用来表示任何数据，例如文本、音频、图片、视频等等，通过Embedding我们可以编码各种类型的非结构化数据，转化为具有语义信息的多维向量，并在这些向量上进行各种操作，例如相似度计算、聚类、分类和推荐等。整体流程概述Embedding：通过DashScope提供的通用文本向量模型，对语料库中所有标题生成对应的embedding向量。构建索引服务和查询：通过DashVector向量检索服务对生成embedding向量构建索引。将查询文本embedding向量作为输入，通过DashVector搜索相似的标题。具体操作流程前提条件开通灵积模型服务，并获得 API-KEY：开通DashScope并创建API-KEY。开通DashVector向量检索服务，并获得 API-KEYAPI-KEY管理。1、环境安装说明需要提前安装 Python3.7 及以上版本，请确保相应的 python 版本。 pip3 install dashvector dashscope 2、数据准备（QBQTC, QQ Browser Query Title Corpus），是QQ浏览器搜索引擎目前针对大搜场景构建的一个融合了相关性、权威性、内容质量、时效性等维度标注的学习排序（LTR）数据集，广泛应用在搜索引擎业务场景中。作为CLUE-beanchmark的一部分，QBQTC数据集可以直接从github上下载（训练集路径为dataset/train.json）。 git clone https://github.com/CLUEbenchmark/QBQTC.git wc-l QBQTC/dataset/train.json 数据集中的训练集（train.json）其格式为 json： { "id":0, "query":"小孩咳嗽感冒", "title":"小孩感冒过后久咳嗽该吃什么药育儿问答宝宝树", "label":"1" } 我们将从这个数据集中提取title，方便后续进行embedding并构建检索服务。 import json def prepare_data(path,size): with open(path,'r',encoding='utf-8')as f: batch_docs=[] forlineinf: batch_docs.append(json.loads(line.strip())) iflen(batch_docs)==size: yield batch_docs[:] batch_docs.clear() ifbatch_docs: yield batch_docs 3、通过 DashScope 生成 Embedding 向量DashScope灵积模型服务通过标准的API提供了多种模型服务。其中支持文本Embedding的模型中文名为通用文本向量，英文名为text-embedding-v1。我们可以方便的通过DashScope API调用来获得一段输入文本的embedding向量。说明需要使用您的api-key替换示例中的 your-dashscope-api-key ，代码才能正常运行。 import dashscope from dashscope import TextEmbedding dashscope.api_key='{your-dashscope-api-key}' def generate_embeddings(text): rsp=TextEmbedding.call(model=TextEmbedding.Models.text_embedding_v1, input=text) embeddings=[record['embedding']forrecordinrsp.output['embeddings']] return embeddingsifisinstance(text,list)elseembeddings[0] # 查看下embedding向量的维数，后面使用 DashVector 检索服务时会用到，目前是1536 print(len(generate_embeddings('hello'))) 4、通过 DashVector 构建检索：向量入库DashVector向量检索服务上的数据以集合（Collection）为单位存储，写入向量之前，我们首先需要先创建一个集合来管理数据集。创建集合的时候，需要指定向量维度，这里的每一个输入文本经过DashScope上的text_embedding_v1模型产生的向量，维度统一均为1536。DashVector 除了提供向量检索服务外，还提供倒排过滤功能 和 scheme free功能。所以我们为了演示方便，可以写入数据时，可以将title内容写入 DashVector 以便召回。写入数据还需要指定 id，我们可以直接使用 QBQTC中id。说明需要使用您的api-key替换示例中的 your-dashvector-api-key ，以及您的Cluster Endpoint替换示例中的your-dashvector-cluster-endpoint ，代码才能正常运行。 from dashvector import Client,Doc # 初始化 DashVector client client=Client( api_key='{your-dashvector-api-key}', endpoint='{your-dashvector-cluster-endpoint}' ) # 指定集合名称和向量维度 rsp=client.create('sample',1536) assert rsp collection=client.get('sample') assert collection batch_size=10 fordocsinlist(prepare_data('QBQTC/dataset/train.json',batch_size)): # 批量 embedding embeddings=generate_embeddings([doc['title']fordocindocs]) # 批量写入数据 rsp=collection.insert( [ Doc(id=str(doc['id']),vector=embedding,fields={"title":doc['title']}) fordoc,embeddinginzip(docs,embeddings) ] ) assert rsp 5、语义检索：向量查询在把QBQTC训练数据集里的title内容都写到DashVector服务上的集合里后，就可以进行快速的向量检索，实现“语义搜索”的能力。继续上面代码的例子，假如我们要搜索有多少和'应届生招聘'相关的title内容，可以通过在DashVector上去查询'应届生 招聘'，即可迅速获取与该查询语义相近的内容，以及对应内容与输入之间的相似指数。 # 基于向量检索的语义搜索 rsp=collection.query(generate_embeddings('应届生 招聘'),output_fields=['title']) fordocinrsp.output: print(f"id: {doc.id}, title: {doc.fields['title']}, score: {doc.score}") id:0,title:实习生招聘-应届生求职网,score:2523.1582 id:6848,title:应届生求职网校园招聘yingjieshengcom中国领先的大学生求职网站,score:3053.7095 id:8935,title:北京招聘求职-前程无忧,score:5100.5684 id:5575,title:百度招聘实习生北京实习招聘,score:5451.4155 id:6500,title:中公教育招聘信息网-招聘岗位-近期职位信息-中公教育网,score:5656.128 id:7491,title:张家口招聘求职-前程无忧,score:5834.459 id:7520,title:前程无忧网北京前程无忧网招聘,score:5874.412 id:3214,title:乡镇卫生院招聘招聘乡镇卫生院招聘信息+-58同城,score:6005.207 id:6507,title:赶集网招聘实习生北京实习招聘,score:6424.9927 id:5431,title:实习内容安排百度文库,score:6505.735