Share

全称为Simple Network Management Protocol（简单网络管理协议），是一种广泛使用的网络管理协议，允许管理员监视和管理网络设备，如路由器、交换机、服务器和打印机。它是一种应用层协议，促进网络设备与集中的网络管理系统之间的管理信息交换。

flex和bison是常用的词法分析和语法分析工具， flex可以将源文本以指定个规则识别为单词， bison可以将这些识别出来的单词进行结构化处理。下面可以通过一个bind9 config 解析程序进行说明。 词法分析，语法分析编译过程也是两个过程，通过词法分析， 语法分析， 语义分析前端工作完成输入源代码的识别， 通过中间语言，优化方式完成实现代码可扩展和优化（中端工作）， 最终通过生成目标码， 一般也成为后端工作， 实现把源代码变成目标代码的过程。 使用flex和bison可以方便的解析配置文件。就是把字符串分解为token，再将这些token解析到配置文件对应的结构。为之后提供查询修改。 仅简单分析一下包含zone block的bind9配置 识别token bind9.l 标识出要是别的关键字， 也可以过滤掉一些注释和空白字符 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 %{ #include <stdio.h> #include <stdlib.h> #include "y.tab.h" #include "tree.h" %} %% [ \t\r\n]+ /* ignore whitespace*/ "//"(.)*"\n" /* ignore single-line comments */ "/*"(.)*"*/" /* ignore multi-line comments */ "{" { return LBRACE; } "}" { return RBRACE; } ";" { return SEMICOLON; } "=" { return EQUALS; } "zone" { return ZONE; } [a-zA-Z0-9\._/\-]+ { yylval.value = strdup(yytext); return NAME; } \"[^"]*\" { yylval.value = strdup(yytext); return STRING; } %% int yywrap() { return 1; } ...

...

 X.509是定义的一个公钥证书格式标准。 RFC 5280 详细描述公钥证书，包括它们的字段和扩展名。 ...

单元测试的目的并不是查找bug，而是帮助我们更好的设计我们的代码，如何合理的来拆分我们的代码。

在银行卡支付领域，经常提到“8583”， 他是金融机构中银行卡交易使用的一种内部协议。使用场景主要是终端如POS, ATM等金融终端到银行收单系统， 以及银行卡系统间。协议出现时期， 网络主要还是PSTN网络，电话拨号方式接入方式。考虑到带宽限制以及交易实时性要求，所以结构设计很紧凑，报文长度是1K左右，一般不会大于2K， 涉及数字的域还会采用BCD编码，从

在搭建blog使用https服务，需要申请配置一个域名证书，使用了Let’s Encrypt申请了免费的https证书。

DeFi：Decentralized finance 是一种基于block-chain的金融形式。他不依赖于券商，银行，交易所等中心话的机构。

昨天正在听一位老师的英语的直播课， 当时她正在用影片的片段讲解英文听力课，讲到一半的时候，直播中断了。 显示“​stream suspended for policy violations” 后来查了下资料才知道， 平台通过Connent ID系统的运作方式来识别和管理上传的视频和音频版权。 千亿美金的YouTube：收购后的13年里 Google做了什么？这篇文章比较详细的介绍了Google收购YouTube后， 对其版权管理和内容变现盈利模式做的一些工作。 Youtube的成功离不开 Google 长远的眼光，而“ Google的生态数据、广告销售体系和Google Cloud的支持，也放大了YouTube的商业价值。” Content ID系统 Google收购Youtube后为解决其版权问题，建立一个能识别版权内容的Content ID系统。 版权所有者可以向YouTube上传自己的音频或视频文件，Content ID数据库根据这些文件来创建内容“指纹”。 如果发现有翻拍或模仿的内容，平台会给版权所有者三个选择： 禁播：禁止用户观看整个视频 获利：通过在视频中投放广告来利用视频获利；有时可以与上传者分享收益 跟踪：跟踪视频的观看情况统计信息 官网的一个视频介绍 实现思路及相关知识点整理 关于Content ID系统闭源实现， 目前没找到相关资料， 个人理解应该涉及三个方面。 视频识别 处理流程 服务整合 视频识别 视频识别主要涉及计算机视觉技术**（Computer Vision， CV），**涉及计算机视觉的基础模型，特征提取，近几年都受到深度学习的影响，出现了基于深度学习计算机视觉模型。 计算机视觉 概念 计算机视觉通过模仿人类的视觉系统，从照相机，摄影机等视频采集设备中获取原始信息，通过这些原始信息，进行语义（Semantic）解释或者逻辑理解。比如我们使用的电脑，我们需要识别显示器， 键盘，鼠标，并在头脑中形成这些物体的概念。 领域特点 **跨学科领域：**计算机视觉涉及多个领域 生物学领域：人眼及视觉神经系统，理解人脑的处理机制 物理学领域：设备越精密，越能完整的额捕获外界信息，主要涉及光学领域的研究。 计算机科学：信息检索，计算机体系结构，机器学习。 相关难题： 图像信息与语义之间巨大鸿沟。例如：如何将一个200*200RGB图像，对应12万数字组成的矩阵与具体的事物关联起来。 识别速度。实验表明，一副普通场景图片，人类需要150毫秒，人类在理解图片时，依靠过去的记忆、经验、外界知识来对图像中物体进行判断。这些都是计算机系统难以企及的。 **实现方式。**是模仿人类视觉系统还是需要开辟其他研究道路。 应用： 视频识别已经在人脸识别，光学字符识别，电影特效，视觉搜索，自动驾驶，无人商店，虚拟现实，增强现实等方面有了广泛应用。 基础模型及操作： 像素表达： 根据不同的图像类型像素表达也不同. 黑白图像:转化0或1的二元矩阵 灰度图像:每一个像素代表灰度的“强度”Intensity 范围在0-255 彩色图像:比较流行的RGB，三种颜色叠加，RGB代表三种不同的通道，每一个通道都是一个矩阵表达，每个像素代表0-255，彩色图像是一个**张量（Tensor），**也就是三个矩阵叠加一起的结果。 像素本身是真实世界中的“采样”，连续的信号采样到离散像素，难免会有失真的情况，不同分辨率会有不同程度的像素表达。 关键字 Pixel 过滤器： 移动平均(Moving Average) 这个过滤器的本质就是针对每个像素点对周围的9个像素点，计算其平均值，并形成心得矩阵。然后对新像素点视觉化。 ...

Everything is a file 是Unix的设计理念，由其派生的Linux也如此。