Arthur's Blog
DOCKER中安装PHP扩展模块GD、EXIF
2020-12-17 15:35:27    13    0    0

1、进入容器
docker exec -it php /bin/bash

2、查看php当前模块
php -m

3、安装依赖包
apt-get install libwebp-dev libjpeg-dev libpng-dev zlib1g-dev libfreetype6-dev libjpeg62-turbo-dev

4、添加GD库编译选项
docker-php-ext-configure gd --with-jpeg-dir=/usr/include/

5、安装gd、exif模块
docker-php-ext-install gd

6、安装exif模块
docker-php-ext-install exif

7、重启容器
exit
docker restart php
docker restart nginx

8、查看phpinfo
出现gd模块，并且有：
JPEG Support：enabled
libJPEG Version：6b

吐血整理的GO语言部分框架、库必学清单！带你开启机器学习！
2020-12-17 11:10:03    110    0    0

作为一款网红编程语言，Go语言还十分年轻，很多程序员无法及时了解到Go语言的框架、库和软件应用。近日，Github用户avelino分享了一张非常完整且庞大的表单，包括命令行、数据库、Web框架、机器学习、自然语言处理......以下是部分内容截取，感谢avelino的分享。

标准CLI

用于构建标准或基本命令行应用程序的库。

  • argv - 使用bash语法将库命令行字符串拆分为参数数组。
  • cli - 基于golang的功能丰富且易于使用的命令行程序包。
  • cli-init - 开始构建Golang命令行应用程序的简单方法。
  • climax - 具有“human face”的替代CLI。
  • cobra - CLI交互指挥官。
  • complete - 在Go + Go命令bash完成中写入bash完成。
  • docopt.go - 命令行参数解析器。
  • drive - Google Drive客户端命令行。
  • env - 基于标签的结构环境配置。·
  • flag - 简单而强大的命令行选项解析库支持Go子命令。
  • go-arg - 在Go中基于结构的参数解析。
  • go-flags - go命令行选项解析器。
  • kingpin - 支持子命令的命令行和标志解析器。
  • liner - 用于命令行接口的类似于readline的库。
  • mitchellh/ cli - 用于实现命令行界面的库。
  • mow.cli - 用于构建具有复杂标志和参数解析验证的CLI应用程序库。
  • pflag - 替换Go的flag包，实现POSIX/GNU-style --flags。
  • readline - 纯Golang实现，在MIT许可下提供GNU-Readline中的大部分功能。
  • sflags - 基于结构的标志生成器，用于flag, urfave/cli, pflag, cobra, kingpin和其他库。
  • ukautz/ clif - 小型命令行界面框架。
  • urfave/ cli - 在Go（以前的codegangsta / cli）中构建命令行应用程序的简单，快速和有趣的包。
  • wlog - 支持跨平台颜色和并发性的简单日志记录界面。
  • wmenu - 易于使用的菜单结构，用于提示用户进行选择的cli应用程序。



高级控制台UI

用于构建控制台应用程序和控制台用户界面的库。

  • aurora - 支持fmt.Printf / Sprintf的ANSI终端颜色。
  • chalk - 直观的包
strace: attach: ptrace(PTRACE_ATTACH, ...): Operation not permitted
2020-12-08 19:50:05    126    0    0

在docker里面用strace -p pid 查看进程当前调用栈报错

$ strace -p 7
ptrace(PTRACE_ATTACH, ...): Operation not permitted   //报错信息

I would like to add that I needed --security-opt apparmor=unconfined along with the options that @wisbucky mentioned. This was on Ubuntu 18.04 (both Docker client and host). Therefore, the full invocation for enabling gdb debugging within a container is:
docker run --cap-add=SYS_PTRACE --security-opt seccomp=unconfined --security-opt apparmor=unconfined
摘自 How to solve “ptrace operation not permitted” when trying to attach GDB to a process?

docker 官方解析

The solution for enabling of ptrace and PTRACE_ATTACH in Docker Containers

想安装更多 Linux 发行版？LxRunOffline 让 WSL 更好用
2020-12-04 10:34:03    54    0    0

自从微软在 Windows 10 v1809 中正式引入 Windows Subsystem for Linux （WSL）之后，我们终于可以以非虚拟机的形式在 Windows 上使用 Linux。同样也进一步地扩展了 Windows 10 的生产力优势，使得在 Windows 10 直接针对 Linux 环境进行项目开发也成为可能。

关联阅读：不用装双系统，直接在 Windows 上体验 Linux：WSL

虽说目前的 WSL 在 Windows 10 生态中已经越发成熟，但在实际使用中依旧存在一些不足之处，比如目前 WSL 的 Linux 发行版必须通过 Windows Store 或者旁加载安装包的形式安装到系统中。另外市面上 WSL 发行版也只有寥寥几款，且 WSL 只能默认安装到系统盘中，如果原本系统盘容量较小，就很容易造成 Windows 的系统盘空间不足。再加上羸弱的 WSL 官方命令行管理工具，实际使用起来也非常不方便。显然如果想要在 Windows 10 上让 WSL 可能还真的需要一些「新手段」。

仅仅两个文件，让 WSL 比以往更好用

这个新手段就是 WSL 的第三方工具 LxRunOffline，这个由国人开发的 WSL 工具可以弥补 WSL 官方工具的不足，比如说他可以实现将任何发行版的 Linux 以 WSL 形式安装到 Windows 10 中，增强 WSL 发行版管理功能，甚至可以实现 WSL 系统备份和恢复，这样无论是学习 Linux 还是进行开发工作都要比以往操作更为方便。

LxRunOffline 与其说是软件，实际上只有两个文件，安装方式可以使用类似 choco 或者 scoop 这样的 Windows 包管理系统进行安装：

scoop 安装：

scoop bucket add extras

scoop install lxrunoffline

choco 安装

choco install lxrunoffline

当然最为简单的安装办法则是直接在其 GitHub 上下载安装，文件下载并解压缩之后，直接拷贝到 C:\Windows\System32即可，如果需要未来可以通过右键菜单功能执行某些功能操作，则需要以管理员权限打开终端，再执行regsvr32 LxRunOfflineShellExt.dll ，完成功能注册。

LxRunOffline 同样

安装QConf 报错及解决方案
2020-12-02 10:44:46    74    0    0

1：提示找不到gdbm.h头文件

/alidata/QConf/agent/qconf_dump.cc:1:18: fatal error: gdbm.h: No such file or directory
compilation terminated.
agent/CMakeFiles/qconf_agent.dir/build.make:206: recipe for target 'agent/CMakeFiles/qconf_agent.dir/qconf_dump.cc.o' failed
make[2]: *** [agent/CMakeFiles/qconf_agent.dir/qconf_dump.cc.o] Error 1
CMakeFiles/Makefile2:85: recipe for target 'agent/CMakeFiles/qconf_agent.dir/all' failed
make[1]: *** [agent/CMakeFiles/qconf_agent.dir/all] Error 2
Makefile:127: recipe for target 'all' failed
make: *** [all] Error 2

　　解决方法：

安装一个gdbm库
$ apt install libgdbm-dev

2　　invalid conversion from ‘const char*’ to ‘char*’

QConf/agent/qconf_dump.cc:63:50: error: invalid conversion from ‘const char*’ to ‘char*’ [-fpermissive]
     _qconf_dbf = gdbm_open(_qconf_dump_file.c_str(), 0, flags, mode, NULL);
                                                  ^
In file included from /root/QConf/agent/qconf_dump.cc:1:0:
/usr/include/gdbm.h:85:18: note:   initializing argument 1 of ‘<anonymou
解决wsl下linux子系统 centos不能运行 service systemctl问题
2020-12-01 10:40:06    163    0    0

wsl centos7: Failed to get D-Bus connection Operation not permitted

即然是 CentOS 那如果不能运行 service systemctl 那不是等于是残了嘛.

在Windows下能安装linux子系统 CentOS 7 感觉挺好的, 心里暗爽, 然就开始折腾了. 

安装 PostgreSQL 配置完了以后就准备 service postgresql start 的时候就提示了错误:

Failed to get D-Bus connection Operation not permitted
  • 1

查了一下，意思就是 wsl 并不支持。不过 github 上有人解决了这个问题, 这里
大概就是这样：使用Python脚本替换了systemctl 传送门

mv /usr/bin/systemctl /usr/bin/systemctl.old
curl https://github.com/gdraheim/docker-systemctl-replacement/blob/master/files/docker/systemctl.py > /usr/bin/systemctl
chmod +x /usr/bin/systemctl​
windows 10 WSL 安装 Centos
2020-11-30 11:38:29    61    0    0

1. 打开 WSL，没啥好说的

使用管理员权限打开 powershell,执行 

Enable-WindowsOptionalFeature -Online -FeatureName Microsoft-Windows-Subsystem-Linux

或者在程序和功能选中 WSL。

2.  下载 Centos 7 的docker 镜像

可以参考 https://github.com/RoliSoft/WSL-Distribution-Switcher  来下载。

或者直接下载 下面的链接给出的镜像。

https://raw.githubusercontent.com/CentOS/sig-cloud-instance-images/a77b36c6c55559b0db5bf9e74e61d32ea709a179/docker/centos-7-docker.tar.xz

3. 安装 chocolatey

参考 ：https://chocolatey.org/install

使用管理员权限打开 powershell,执行 

Set-ExecutionPolicy Bypass -Scope Process -Force; iex ((New-Object System.Net.WebClient).DownloadString('https://chocolatey.org/install.ps1'))

4.  安装LxRunOffline

choco install lxrunoffline

5. 使用 LxRunOffline 部署 Centos 到WSL

  1.  
    LxRunOffline.exe install -n centos -d E:\ProgramData\Microsoft\Windows\WSL\CentOS -f E:\Progra
  2.  
    mData\Microsoft\Windows\WSL\centos-7-docker.tar.xz

其中 -d 后面是要安装到的目录，-f 是前面下载的镜像， -n 用来指定名称。

然后使用  LxRunOffine 来开启 Centos

 LxRunOffline  run  -n centos

当然，如果你只安装了这一个WSL，那直接输入bash 也可以进行WSL.

百度盘下载地址：

https://pan.baidu.com/s/1fkM8DlEf2

亚马逊成功背后的体验设计逻辑：成功的设计并不需要美观
2020-11-17 10:22:31    21    0    0

编辑导读：亚马逊作为一个知名的电商平台，它的成功背后却有一个很难让人理解的设计逻辑：成功的设计不一定是美观的。为什么会这么说呢？本文将从四个维度展开分析，希望对你有帮助。

亚马逊的成功，印证了一个非常简单、但有时让人难以接受的原则：成功的设计不一定是美观的（Successful design is not necessarily beautiful.）。

亚马逊（Amazon.com）无疑是数字化商业转型中最重要的力量。据估计，44%的在线销售额是在亚马逊上完成的，超过三分之一的美国人是亚马逊的 Prime 会员。该公司去年的收入达到 56 亿美元。95% 现有的 Prime 会员表示，他们“肯定”或“很可能”再次续订会员服务。然而，很少有人认为“设计”对公司的成功起到了作用。如果你读过亚马逊著名的领导力原则，你会发现只有两种：“顾客至上（Customer Obsession）”和“创造与简化（Invent and Simplify）”，它们与设计开发产品和服务的方式相关，根本没有明确地谈论设计。

从美学的角度来看，简单（simple）和美观（beautiful）是我们期望优秀的设计要体现出的两个特征，而亚马逊的网站既不简单也不美观。相反，它侧重于体验、过程和功能的简化。对于许多设计师来说，这种复杂的视觉体验能够取得成功，有些令人困惑。那么，应该如何看待并理解亚马逊超出美学范畴的设计方法论呢？

亚马逊的设计之所以成功，是因为它利用了所有优秀的购物体验需要的四个关键原则——无论是线上还是线下，奢侈还是廉价。在他们的心中，优秀的购物体验是：

01 透明的（TRANSPARENT）

优秀的购物体验使定价和购买过程清晰易懂。

乍看上去，亚马逊的购物体验似乎不是很透明。考虑到它的动态定价模式：类似于Uber（滴滴）的动态定价，或者是让旅行者头疼的机票和酒店动态定价。亚马逊一直因为缺乏透明度而受到批评，甚至被罚款。虽然消费者不喜欢动态定价，但是他们也会自己去调查，货比三家，确保买的最划算；而且动态价格并不是亚马逊独有的。

为什么用户会给亚马逊动态定价的机会呢？一个可能的原因是，亚马逊通过其Prime 会员服务，解决了网上购物的两个主要障碍：消除了隐性运输成本，以及认为“网上购物比零售购物慢”的看法。Prime 的成功源于其易理解的心智模型设计：支付一次年费，可以享受包邮和两天到货（另外还可以免

有案例有代码，详细模型分数
2020-11-12 17:16:03    21    0    0

编辑导语：风控模型的应用场景非常广泛，只要牵扯互联网金融的行业就少不了风控，风控模型建好后还要映射到信用分数空间，才能呈现给用户；本文作者分享了详细的建模方法，教你如何建立模型分数，我们一起来看一下。 

目前在个人信用风控建模领域主要使用的模型有两种：

  1. 基于线性回归分析的评分卡模型，常见于银行背景的放贷机构；
  2. 基于大数据的机器学习模型，如随即森林、XGBoost等，常见于互联网金融领域。

这两种建模方法无论哪种都需要将模型结果映射到信用分数空间，最终呈现给用户一个能够表征信用的分数，比如国内的芝麻分、美国的FICO分。

那么问题来了，模型结果和分数同样都是数值，为什么不直接呈现模型结果？为什么还要进一步转化为分数？为什么使用分数校准？

本文的目的就是要让你知其然也知其所以然。

深入到业务中，带你一步步搞懂分数映射产生的背景以及分数校准背后的业务需求；在了解了业务之后，你就会发现分数的意义和映射方法的内在逻辑。

一、分数映射的产生——一款产品一个模式

先从最简单的情况入手，假设我们现在成立了一家小信贷公司，推出一款借贷产品，详情如下：

（该产品数值仅作示意，不代表真实情况）

此时我们要解决的第一个问题是：如何让这款产品盈利？

信贷业务能够盈利的关键是还款人的利息能够覆盖坏账损失（不能收回的各种应收款项）。

也就是说要尽可能的把钱借给信用良好、按时还款的用户以保证产品盈利。

在产品参数确定后，逾期率是保证产品盈利的唯一影响因素。

这里要提一下关键的一点：如何定义逾期率？

在信贷领域通常逾期超过60天的用户基本上就不会再还钱了，自然的我们就可以通过逾期超过60天的比例来衡量用户的好坏程度。

在机器学习建模时，有时为了增加坏账样本的数量，也会将逾期超过30天的比例定义为逾期率。

1. 逾期率多久可以忍受

根据信贷业务盈利的逻辑，我们可以得到下面这个盈亏平衡的公式：

其中：

  • L —— 表示额度；
  • InterestRate —— 表示贷款年化利率；
  • FundsRate —— 表示资金成本年化利率；
  • pd 表示逾期率（Probability of Default）；
  • OperatingCost —— 表示运营成本；
  • NewCost —— 表示拉新成本，指获取单个新客户所支付的金额（拉新成本的定价要结合营销方案具体问题具体分析）。

举个简单的例子，若从渠道购买流量，购买金额除以该渠道的新客户数量就是该渠道的新客成本。

再比如举办拉新奖励

有案例有代码，详细模型分数（下）
2020-11-12 17:16:02    30    0    0

编辑导语：风控模型的应用场景非常广泛，只要牵扯互联网金融的行业就少不了风控，风控模型建好后还要映射到信用分数空间，才能呈现给用户；本文作者分享了详细的建模方法，教你如何建立模型分数，我们一起来看一下。

承接上文《》本文开头告诉大家怎样更合理的向客户展示信用评估结果。把模型预测值映射到一个分数区间，比如350～950，分数越高信用越好。

很自然的我们就走到了这个最佳选择，至于分数为什么定义在这个区间，我个人理解一是为了跟国际上主流的个人信用评分区间接轨；二是为了拉开用户之间的分数差距。

4. 如何映射分数

最简单最容易想到的是采用尺度变化，将模型预测结果线性的映射到350～950，然后找到cutoff 对应的分数X，告诉用户分数高于X就可以拿到贷款。

等一下！如果过段时间模型更换了怎么办？

模型换了，cutoff随之变化，分数X也跟着变了。这时就会有一部分用户疯狂的呼叫客服问“为啥我的评分变高了，反而不能贷款？”

同时每次更换模型，后台、前端都需要进行相应的逻辑、页面修改，每次模型发布需要多个环节协作完成，是一种高耦合的工作方式。

于是你赶紧召集团队成员讨论解决方案，有人提出一个又简单又好用的方案：分段尺度变换，将cutoff 固定为 680分（本文假定的）然后分成两段作尺度变换。

总结分段尺度变换的优点：

模型切换用户无感。无论模型的cutoff如何调整，用户感知不到差别，只要分数超过680都可以成功申请到贷款；解耦了模型团队与开发团队。也就是说当模型人员校准好评分后，后台开发只需要设定680分通过，从此以后无论模型人员怎么更换模型，后台开发都不用再重新修改代码。“`pythonpredict_desc = table.describe[‘predict’]# 这里用几倍标准差确定上下界根据经验设定，是为了避免outlier值使得分数过于集中在某个范围upper = min(predict_desc[‘mean’] + 5 * predict_desc[‘std’], 1)lower = max(predict_desc[‘mean’] – 3 * predict_desc[‘std’], 0)def get_score_linear(predict, upper, lower, cutoff):“””将模型打分结果尺度变换到350~950的分数区间:param predict: fl

7/155
Powered by iStudy 服务器由edgenat提供