解决方案： 1.设置launch.json

python
{
    // Use IntelliSense to learn about possible attributes.
    // Hover to view descriptions of existing attributes.
    // For more information, visit: https://go.microsoft.com/fwlink/?linkid=830387
    "version": "0.2.0",
    "configurations": [
        {
            "name": "load_app",
            "type": "debugpy",
            "request": "launch",
            "program": "项目路径/server/server.py",
            "console": "integratedTerminal"
        }
    ]
}

2. 需要下载python Debugger插件

git commit –amend 的用法

首先我们第一次提交

js
git init
git add test.txt
git commit -m "Initial commit"
git push

现在，我们意识到我们在提交前漏掉了一个感叹号。我们可以通过以下命令来修改最新的一次提交：

js
echo "Hello, Git!" > test.txt
git add test.txt
git commit --amend -m "Initial commit!"

背景：想要后台运行程序，并且不会因为终端的关闭而影响

linux
nohup ./demo > /dev/null 2>&1 &

准备

• 域名
• 国外服务器（目前使用的是搬瓦工的服务器）

申请域名证书

• 使用 Let’s Encrypt 来签 一个证书
• 或者参考acme的方式申请证书

服务搭建

2. 通过gost搭建http2服务

golang上下文context的使用

常用的方法

golang
ctx=context.WithValue(ctx,"my_key","my_value") // 设置一个值
ctx,cancel:=context.WithCancel(context.Background()) //设置一个取消信号
ctx,cancel:=context.WithTimeout(context.Background(),1*time.Second) // 设置一个超时取消信号

cancel()

日常中可能存在文件中包含空行的问题，针对该类问题，可以通过grep或者sed等命令进行整理

• 通过grep进行处理

grep -v '^$' 原始文件 > 结果文件

redis 常用的数据结构以及使用场景

• string
• hash
• list
• set
• zset
  • 底层结构为跳表

Redis 快主要有五个原因：

• 基于内存操作，没有磁盘随机 IO。
• 单线程处理命令（网络模型可多线程，但命令执行单线程），避免线程切换和锁竞争。
• 高效的数据结构（SDS、HashTable、SkipList、QuickList 等）。
• IO 多路复用（epoll/kqueue）提高网络处理能力。
• C 语言实现，运行时开销小。

Redis 为什么采用单线程？

Redis 不是整个程序只有一个线程，而是“核心命令执行”主要是单线程

也就是说，客户端发来的 GET、SET、HGET、ZADD 等命令，在 Redis 主线程中按顺序执行。

为什么单线程还快

因为 Redis 的主要操作都在内存中完成，不需要频繁磁盘 IO

单线程的好处

• 没有锁竞争
  • 多线程操作同一份数据，需要加锁；Redis 单线程执行命令，不需要为数据结构加锁。
• 没有线程切换成本
  • 多线程频繁切换会有上下文切换开销，Redis 避免了这部分成本。
• 命令执行很快
  • 大多数 Redis 命令复杂度很低，比如 GET、SET 通常是 O(1)。
• 使用 IO 多路复用
  • Redis 通过 epoll/kqueue 同时处理大量连接，不是一个连接一个线程

请求流程

text
多个客户端连接
      ↓
IO 多路复用监听事件
      ↓
Redis 主线程读取请求
      ↓
单线程执行命令
      ↓
返回结果

import os
import pandas as pd
files = os.listdir(
    '文件目录路径')

# 使用glob匹配所有csv文件
csv_files = [f for f in files if f.endswith('.csv')]
for file in csv_files:
    tmp = "文件目录路径" + file
    df = pd.read_csv(tmp, sep='\t')