胡骊 发布的文章

终于用上了Windows 11，版本是22h2。记录一下针对开发人员的相关优化。

1 安装时跳过TPM限制

安装过程，在提示“这台电脑无法安装Windows11”的界面，按Shift + F10，弹出CMD窗口输入“regedit”，打开注册表编辑器。

在注册表编辑器进入[HKEY_LOCAL_MACHINE\SYSTEM\Setup]，新建“项”，名为“LabConfig”（注意大小写一致）。

在“LabConfig”下，新建两个“DWORD (32位)值”，如下（记得注意大小写一致）：

  • 数值名称：BypassTPMCheck，数值数据：00000001，基数：十六进制(H)
  • 数值名称：BypassSecureBootCheck，数值数据：00000001，基数：十六进制(H)

完成后关闭“注册表编辑器”、“CMD窗口”，按返回上一步的按钮，再按下一页，就通过系统限制检测。

2 安装时避免强制登录账户

按Shift + F10，弹出CMD窗口输入“regedit”，打开注册表编辑器。

在注册表编辑器进入[HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Windows\CurrentVersion\OOBE]，新建一个“DWORD (32位)值”，如下（记得注意大小写一致），如下。

  • 数值名称：BypassNRO，数值数据：00000001，基数：十六进制(H)

退出注册表编辑器后，输入命令“logoff”，即可即可跳过强制联网登录账号。

如果不想编辑注册表，在CMD窗口输入命令“oobe\BypassNRO.cmd”，系统重启后即可。

3 创建本地用户

安装成功后，需要创建本地用户。最好不要登录微软账户。

最简单的是创建和使用管理员账号（Administrator）登录，避免访问其它硬盘的已存在文件时，提示需要管理员账号。

如果使用自定义账号（即拥有管理员权限的非Administrator账号），需要修改电脑上已存在文件的权限，改为新增账号拥有“完全控制”的权限。如果存在大量零碎文件，这个过程超级漫长。

4 解锁任务栏

在Windows 11中，用户无法通过“任务栏”使用“快速启动工具栏”，通过安装“ExplorerPatcher”解锁相关功能。

ExplorerPatcher - GitHub
https://github.com/valinet/ExplorerPatcher

我整理了一堆快捷方式，大多是常用的，利用“快速启动工具栏”，实现快速点击，类似开始菜单的效果。

5 优化内存占用

1）关闭不必要的自启动

依次进入：设置 -> 应用 -> 启动。把不需要自启软件关闭。

2）关闭动画效果

依次进入：设置 -> 辅助功能 -> 视觉效果。“动画效果”设置关闭。这个优化，大概省了1GB内存。

6 恢复旧的右键菜单

新的右键菜单过于简单，隐藏了太多的功能。使用管理员运行CMD，输入以下命令。执行成功后重启，即可看到效果。

reg.exe add "HKCU\Software\Classes\CLSID\{86ca1aa0-34aa-4e8b-a509-50c905bae2a2}\InprocServer32" /f /ve

7 安装 WinMerge

开源的文件对比和合并工具，用于替代Beyond Compare。

启用“高级菜单”，选择文件对比时更方便。运行WinMerge，依次进入“编辑”->“选项”->左侧菜单点“系统集成”，在“资源管理器”下，勾选“添加到上下文菜单”、“启用高级菜单”。

8 显示多个时区的时间

依次进入：设置 -> 时间和语言 -> 日期和时间 -> 相关链接 -> 附加时钟。设置完毕后按“确定”。建议设置以下时间：

  • (UTC) 协调世界时。

设置完成后，点击任务栏的时间，即可看到新增的时区时间。

9 Office软件

目前使用开源的LibreOffice，代替微软Office，用着还行。

10 安装WSL2

Window上运行Linux软件，包括GUI软件。这样连SSH客户端都不用安装了。

主要过程是，开启Windows功能、安装内核、安装Linux发行版。相关文档如下：

11 解决不能自动关机

关机时，会提示有进程正在运行，需要点按钮才能关机。这问题导致使用shutdown命令和远程桌面都不能关机。

解决方案：打开注册表，进入“\HKEY_USERS.DEFAULT\Control Panel\Desktop”，新建“字符串值(S)”，名称为“AutoEndTasks”，值为“1”。

经过一段时间的爆米花机烘焙咖啡豆，对烘豆有了进一步的认识和感受，于是决心升级一下装备。

1 烘豆的原因

首先还是要来个灵魂敲问，为什么要烘豆？

通过亲自烘焙咖啡豆，对咖啡的味道有很多的把控，而不局限于手冲的过程。另外，烘焙出来的豆子更多的了解，可以更好地针对目标味道而配合不同的手冲方法。

如果想再进一步对咖啡出品的把控，就需要参与到咖啡树的种植和咖啡生豆的处理。显然，对大多咖啡爱好者来说，都是遥不可及的事情。烘焙咖啡豆有适合个人玩家的器具、方式，处理好的咖啡生豆也容易买到，所以适合去玩。

不过，重点是喜欢和享受烘焙咖啡豆这个事情。

2 烘豆操作

烘焙咖啡豆，就是通过对咖啡生豆进行加热，制作出具有独特香气和味道的咖啡熟豆的过程。

碍于个人的认识和篇幅所限，只能点出重点，详细内容需要参考相关资料，或者亲自体会。

2.1 整个操作

主要操作是挑豆、暖机、进豆、加热和翻炒、下豆冷却、养豆。

挑豆是把咖啡生豆中的杂质和瑕疵豆挑选出来，避免咖啡冲煮出杂味。一般买到的咖啡生豆，都已经去除了杂质，包括石头、沙子等。瑕疵豆，包括带壳豆、发霉豆、发酵豆、未成熟豆、虫蛀豆、贝壳豆、残缺豆、黑豆、死豆等。

暖机是进豆前，把机器加热到一定的温度。一般认为，热风烘豆机加热速度快，不需要暖机。

进豆就是把生豆倒入机器。此时烘焙过程开始，并进行计时。

加热和翻炒，目的是均匀地给咖啡豆加热，避免某些豆子或豆子的某部分过度加热而碳化（就是变得焦黑）。这过程就是烘焙过程。

下豆冷却，是为了降低咖啡豆的梅纳反应，锁住咖啡豆风味。这个时间越短越好。一般带风晒的“冷却盘”，还能实现去掉银皮的效果。

养豆，是由于咖啡豆本身的梅纳反应还在继续，会排出二氧化碳。一般养豆3～7天，让其味道稳定下来。拿刚烘焙和养豆后的咖啡豆，冲煮对比一下，就能明显感受到区别。

2.2 烘焙过程

主要分为脱水、转黄、一爆、二爆这几个阶段。比较专业的划分是：

  • 脱水期，从开始烘焙到转黄，决定豆子是否容易夹生。
  • 梅纳反应期，又叫美娜德反应，从转黄到一爆开始，产生大部分芳香物质。
  • 发展期，从一爆到下豆，决定豆子的风味。

爆米花机一般10分钟左右下豆（完成烘焙），具体时间要看豆子的状态，以及烘焙师想要达到的烘焙度。

DTR，即Development Time Ratio，是指“发展期”占烘豆总时间的百分比。《咖啡烘豆的科學》一书中，作者Scott Rao认为，DTR应于20~25%之间。

3 上一版的不足

升级，就是为了弥补上一版的不足。上一版的缺点包括：

  • 1）只能烘焙50～60g生豆，份量太少。
  • 2）想要提升风力和热量，需要更换配件，比较折腾。
  • 3）热风采用侧风出口，不仅噪音大，还翻动不均匀。
  • 4）组装的零件多，主要是玻璃和不锈钢材质，烘焙过程由于爆米花机震动导致噪音大，影响一爆的声音。

4 新版的解决方案

针对上一版的缺点，解决方案如下：

  • 1）爆米花机改为“北欧欧慕（Nathome）NBM001”。
    热风采用底部直风出口，功率达到1400w，能够翻动100g生豆且受热均匀。其改装过程跟上一个一样，只需把直流电机的电源线，从主板上分离，再接上直流变压器的母头（注意正负极）。
    后记，这机器的发热丝不耐用，不够两年烧断过两次。
  • 2）采用透明玻璃酒瓶和过滤豆浆渣的布袋，作为爆米花机上盖，避免噪音。
    把酒瓶去底，直接插到爆米花机豆仓上。酒瓶出口就套上过滤豆浆渣的布袋，用于收集银皮。这个简化的装置，几乎没有噪音，而且能清晰观察豆子的烘焙程度。
  • 3）热风温度很高，能在冬天烘豆。
    发热管70%的电压，能吹出220°C热风。

5 总结

升级后的烘豆机，出品很均匀，能够实现不同程度的烘焙度。使用中深烘的云南廉价豆（练习豆），能逼出焦糖风味，甜感爆棚。也试过浅烘的“云南佐园经典日晒”，酸味很突出。

烘焙时，可以试试慢烘与快烘。慢烘是参照别人的烘焙曲线，通过调整发热管电压，实现爬温效果。快烘就是一直高温吹豆，大概3分钟出锅。

总结了几个使U盘更强大的工具。

1. 文件系统

选择exFat文件系统。支持超过4GB的大文件，Windows、Linux、Android都原生支持。注：Android 13才开始原生支持exFat。

2. 启动盘管理

以前一直用YUMI，实现一个U盘启动多个ISO系统镜像（同一时间只能启动一个ISO）。但是每次添加或删除ISO，都要用YUMI处理。后来发现Ventoy更强大，只要把IOS文件放到U盘，就能启动（前提是先把U盘弄成Ventoy启动盘）。

Ventoy默认把U盘划分两个分区。其中空间大很多的分区，默认格式化为exFat（制作完，可手工格式化为其它文件系统），可当作普通U盘使用，直接存放文件。用来启动电脑的ISO文件放进去，即可在启动时选择，超级方便！

3. WinPE启动盘

主要用于维护Windows的电脑，比如Ghost分区。其中这类WinPE当中，很多人推荐微PE。

运行exe文件，可以生成ISO文件。U盘使用Ventoy处理后，直接把ISO文件拷贝进去即可。

4. 绿色工具管理

工作的电脑是Windows，有些软件不想装进去，于是找到PortableApps。

PortableApps是一个管理“绿色”软件的软件，特别适合装在U盘上。其建立一个“市场”，里面有一大堆常用软件的“绿色版”，包括Chrome。于是，对已安装软件的升级也方便，只是网络比较慢（一般早上8点前，网速会好点）。

Nmon (Nigel's Monitor) 是AIX系统与Linux 系统上，开源免费的监控资源的工具。Njmon则是其下一代的形态。

Njmon的主要特点是：

  • 采用JSON保存数据。
  • 原生支持发送数据到InfluxDB。
  • 可配置不监控的数据。
  • 不支持终端显示数据。
  • 添加了相关工具，包括njmond、nmeasure、njmonchart等。

由于想玩玩InfluxDB，于是按照官方建议，部署了Njmon + InfluxDB + Grafana。然后总结以下缺点：

  • Njmon对Linux支持不足。比如Debian系统，需要自己编译。但是编译过程没什么困难。
  • Njmon虽然支持InfluxDB v2+，但Grafana上没找到能直接使用的模板。Grafana找到的模板是针对InfluxDB v1。
  • 相对Nmon，Njmon参考资料比较少。但是官方有提供Youtube视频教程。

Njmon + InfluxDB + Grafana的部署要点：

  1. njmon命令运行于“nimon”模式，直接连接到InfluxDB时，需要加参数-I。

  2. njmon命令连接InfluxDB v2+，需要使用-O 组织名称 -T token这两个参数进行验证。

    # 示例，njmon连接到InfluxDB v2
sudo ./njmon_Debian11_unknown_v80 -I -s 1 -i 127.0.0.1 -p 8086 -x bucket -O 组织名 -T xxxxxxxxxxx

  3. InfluxDB v2+同时提供v1接口时，需要创建对应数据库（Database）和保存策略（Retention Policies）。

    # 示例，InfluxDB v2创建对应的v1数据库和保存策略
influx v1 dbrp create --db bucket-db --rp bucket-rp --bucket-id xxxxxx --default --org '组织名' --token 'xxxxxxxxxxx'

  4. InfluxDB可以使用Docker部署。

    # 示例，使用Docker部署InfluxDB v2.4.0
docker run --name influxdb -p 8086:8086 -v /opt/influxdb/config.yml:/etc/influxdb2/config.yml --volume /opt/influxdb/data:/var/lib/influxdb2 influxdb:2.4.0
  5. Grafana如果没找到相关模板，只能找接近的，再自己修改一下。

总结。体验过InfluxDB + Grafana，挺爽的。只是，如果是用作监控，那么采集数据端不一定使用Njmon。

dstat是一个Linux监控工具。可定制采集数据，可设置采集频率，可输出字符界面和导出CSV。默认一秒一条监测数据。其中以top开头的参数，可以记录检测类型最大值的进程。比如--top-cpu记录CPU占用最大的命令，--top-cpu-adv还会记录CPU占用最大的进程ID等。参数--time的时间格式，需要通过环境变量DSTAT_TIMEFMT进行定义。

示例操作命令：

# 设置时间格式
export DSTAT_TIMEFMT='%Y-%m-%d %H:%M:%S'

# 执行监测，并导出CSV文件
dstat --time --cpu --mem --disk --io --net --sys --top-cpu-adv --top-mem --top-bio-adv --top-io-adv --output /opt/dstat_log/dstat_$(date +%Y%m%d).csv

使用时，可结合tmux，随时查看其采集数据，即时输出在终端。导出的CSV文件，需要下载到本地，并使用第三方工具生成图表。

在众多监控方案中，dstat不算优秀的解决方案，而且只有采集数据的功能。其记录数据，采用CSV格式。如果终端不够宽时，不能完整显示每行的采集数据。而且CSV格式不好扩展，比如--top-cpu-adv记录的数据，不适合机器理解。这里记录一下相关经验。

1 正式版的bug

安装过0.7.3和0.7.4两个版本，并使用Python3运行，都存在以下两个Bug。幸好是使用Python开发，可以直接修复。其安装路径为/usr/bin/dstat。

a）在Debian 10以上使用Python3运行时，出现以下Bug：

/usr/bin/dstat:2619: DeprecationWarning: the imp module is deprecated in favour of importlib and slated for removal in Python 3.12; see the module's documentation for alternative uses
  import imp
Terminal width too small, trimming output.
Traceback (most recent call last):
  File "/usr/bin/dstat", line 2847, in <module>
    main()
  File "/usr/bin/dstat", line 2687, in main
    scheduler.run()
  File "/usr/lib/python3.10/sched.py", line 151, in run
    action(*argument, **kwargs)
  File "/usr/bin/dstat", line 2806, in perform
    oline = oline + o.showcsv() + o.showcsvend(totlist, vislist)
  File "/usr/bin/dstat", line 547, in showcsv
    if isinstance(self.val[name], types.ListType) or isinstance(self.val[name], types.TupleType):
NameError: name 'types' is not defined. Did you mean: 'type'?

解决办法，参考以下文档：

简单来说，改两行代码。如下：

# 第547行，改为：
if isinstance(self.val[name], (tuple, list)):

# 第552行，改为：
elif isinstance(self.val[name], str):

b）--top-mem参数统计错误的bug

参考文章：

修改方法def proc_splitline(filename, sep=None)，改为：

if filename.startswith("/proc/") and filename.endswith("/stat") and filename != "/proc/stat":
    tmp = linecache.getline(filename, 1).split(sep)
    it = [i for i,c in enumerate(tmp) if c.endswith(')')]
    it = 2 if not it else it[-1]+1
    return tmp[0:1] + [' '.join(tmp[1:it])] + tmp[it:]
else:
    return linecache.getline(filename, 1).split(sep)

2 应用场景

感觉比较适合单机版，或者指定采集一些系统数据。不适合生产机大规模部署。如果非要用dstat不可，可以考虑 dstat + Fluentd + Influxdb + Grafana 这种组合方案。

最近因工作需要，研究了一下Linux服务器的监控方案，收获颇丰。

1 监控需求

服务器需要监控什么？可以分为硬件和软件，或者系统数据和业务数据。一般的监控解决方案，都是针对硬件、操作系统和常用软件（比如数据库、Docker之类）。涉及业务数据，需要二次开发。

2 监控方案设计

一般的监控方案，分为采集、存储、展示、告警，这四大模块或者功能。针对被监控服务器的数量，可灵活实施四个模块的部署方式。比较完善的整体解决方案，还包括“控制”模块，实现服务器集群的统一管理。

2.1 采集

数据采集程序，或者叫“探针”，一般是部署在被监控服务器上的程序。用于采集相关数据，要求占用系统资源小（主要是CPU、内存、磁盘、网络等），对系统影响小。

数据采集的方式，可以采用“推”（push）和“拉”（pull）模式。

“推”是数据采集程序主动把数据从采集端发到存储端。数据具有良好的实时性，方便内网部署并推送到外网服务器。但采集端太多，或者采集的数据比较大，需要考虑存储端的承受能力。遇到存储端没有收到数据时，不能确定是网络问题还是采集端问题。

“拉”是数据采集程序暴露出来，例如开放HTTP服务的端口，存储端去访问并获取数据。存储端也有更多的主动权，决定拉取频率，甚至决定采集样本，能降低带宽、减轻存储端的压力。采集不到数据时，能区分网络问题和采集端问题。如果对数据有实时需求，采集端需要保存未拉走的数据。

针对采集端有时只能部署在内网的情况，有的解决方案会提供“代理”或者“跳板”功能，实现采集端与存储断之间的数据连接。

2.2 存储

数据存储，就是把监控数据持久化，可以是文件（比如CSV文件），也可以是数据库（比如MySQL、InfluxDB）。目前主流的方案，基本采用时序数据库，例如InfluxDB。专门针对这种大量连续时间的数据，提供存储、查询、统计等功能。

2.3 展示

数据展示，一般是把监控数据生成图表，以便更直观地查看和分析。简单的方案是用Microsoft Excel之类的软件，根据导出CSV文件的数据，生成各种图表。主流和灵活的方案是使用可视化软件，例如Grafana，连接时序数据库并生成各种图表。Grafana能够实现实时展示和历史分析。

2.4 告警

通过检测采集的数据，发现超过指定危险指标时，向相关人员发送消息，就是告警。由于相关人员一般不会24小时盯着服务器，所以需要机器进行告警。InfluxDB、Prometheus、Grafana等都有告警功能。一般开源系统只提供邮件或Web Hook（调用钉钉接口）通知，商业系统（例如：阿里云的云监控）会有短信或电话通知。

3 解决方案

服务器监控的解决方案，像编程语言一样，没有一个万能方案，需要根据情况进行选择。这里列举一些相关软件或方案。

3.1 dstat

基于Python。默认一秒采集一条数据，数据定制性高。数据可显示在终端，也可导出CSV文件。需要使用第三方软件，例如Microsoft Excel之类，生成图表和分析数据。高级玩法是，搭配Fluentd，保存数据到InfluxDB，再用Grafana展示、分析。

优点是占用资源小，数据简单。缺点是由于使用CSV格式，复杂数据记录得不够好。而且当前版本（0.7.4）有bug，部署时需要自己修正。

3.2 njmon

C语言开发。nmon的升级版，可设置不收集的数据，数据格式采用JSON。不支持终端显示，原生支持导出文件和发送到InfluxDB。有官方工具处理保存的JSON文件。推荐的玩法是njmon + InfluxDB + Grafana。

优点是占用资源小，作者对整个监控方案考虑比较全面。缺点是对AIX较好但对Linux支持不足。比如Debian 11需要自己编译。Grafana的njmon模板大多针对AIX，而且仅有的Linux模板是针对InfluxDB v1，即使用InfluxQL而不是Flux。

3.3 glances

基于Python，开源跨平台，界面优秀。支持三种模式：单独运行、C/S、Web。提供XML-RPC服务、RESTful JSON接口，也可把数据保存到其它系统，包括InfluxDB。本身支持配置“Actions”，根据事件触发相应脚本，实现告警。

占用资源较大（包括CPU和磁盘空间），界面优秀，玩法多。适合桌面系统的监控。

3.4 InfluxDB

InfluxDB只是个时序数据库，但是该公司开发了Telegraf作为数据收集工具（采用“推”模式），并且InfluxDB新增了告警和图形化展示，形成一个完整的数据收集方案。

3.5 Prometheus

基于Go，监控、告警工具，使用“拉”模式采集数据。

3.6 Zabbix

企业级的开源的服务器监控管理系统，是完整的解决方案，基本可以替代阿里云的云监控之类的系统。Web控制台基于PHP，支持中文显示；采集端基于C，升级版改为Go；数据存储使用MySQL，未支持时序数据库是最突出的缺点。另外，告警功能不支持电话和短信通知。

非常适合企业内部管理服务器集群，便于运维人员使用。

3.7 阿里云的云监控

一般云主机的服务商都提供云监控功能，且基本监控免费，高级功能收费。阿里云的云监控，还能监控非阿里云的主机。使用这些云监控前，要确定是否可以把服务器监控数据发给云厂商，甚至安装云厂商的采集软件。

4 方案选型

根据不同的情况，总结一下各个方案的选型。

4.1 云主机

如果是购买云主机，可以考虑云服务提供商的云监控，一般免费提供基础监控功能，例如阿里云的云监控。但前提是，云主机可以安装云监控的采集端软件，并且接受相关数据上传到云服务提供商那边。另外，高级监控功能，需要付额使用。

4.2 运维管理的服务器集群

企业内部，有专门的运维人员管理服务器，针对硬件或操作系统相关数据的监控，则可以考虑Zabbix。

4.3 业务数据

node_exporter + Prometheus + Grafana，或者 Telegraf + InfluxDB + Grafana，这种方案适合收集业务日志。部署了InfluxDB，还能存储其它数据，个人觉得比较好玩。

近来项目遇到要显示SVG图像文件。本来SVG已不是新鲜事物，应该很好使用，现实并非如此。

设计说用AI（Adobe Illustrator）做出来的图，用Chrome打开会出现错误，比如图形位置不对、该显示的图形没显示等。用文本文件打开那图，会显示xml标签开头，而不是svg标签开头。

图片显示有误的问题，只能让设计去修正了。至于文件格式的问题，找到svgcleaner这个工具，转换一下就好了，体积还有所减少。虽然svgcleaner貌似不更新了，但工作正常。

以前一直用Inkscape代替曾经的Flash，设计矢量图，比如图标之类，还不错。不知道为什么大厂出品的AI会是这么多问题。

近来遇到关于库存与并发的问题。由于一直接触的系统都是没有考虑过商品库存的并发，加上解决过的并发问题，也只是简单直接地采用锁表的方式。所以导致踩坑。

1 问题1，商品基础数据与库存数量，设计在同一个表。

商品基础数据，包括库存数量，主要用于查询。但库存数量，还要解决经常变化，且可能出现并发的情况。如果简单使用锁，即使只锁一行数据，也会导致正在进行下单（涉及扣减库存）的商品不能被浏览（因为锁住，不能查询）。

为了减轻这个情况，下单时，检查库存数量是否足够购买时，不锁数据，等到保存订单数据，真正扣减库存时才加锁。本想着通过减少锁数据的时间，减少商品数据不能查询的情况。但是系统采用Java开发，使用了Spring + Hibernate框架。而Hibernate在事务内使用了一级缓存，即事务内未提交时，查询到的业务数据都放到一级缓存。事务内查询时，会先查询一级缓存，若命中，则不再查询数据库。就导致了检查库存时已获取了商品数据，扣减库存时（从一级缓存获取）不能获取到最新库存（特别是两个客户同时下单同一个商品的情况），最后在并发情况下扣减库存，就出现库存扣少1了的问题。

解决方案很简单，把商品基础数据与库存数据分开两个表存放。库存数据在扣减时，不影响商品浏览。

2 问题2，库存数量，需减少锁定时间。

由于客户浏览商品，或者添加商品到购物车，都需要查询库存数据。如果使用悲观锁，即锁表或锁数据后不能查询，会导致客户不能浏览。参考了以下文章，决定使用乐观锁，即不使用数据库锁。

目前系统规模比较小，且没有涉及分布式，于是决定在扣减库存时直接更新数据的方式。即使用update语句扣减库存时，用where条件判断是否足够扣减，并返回是否扣减成功。

由于使用MySQL，update语句不能返回指定数据（但是，sql server可以使用update...output，PostgreSQL可用update...returning）。加上Hibernate不能同时执行update和select两个语句，最后采用存储过程。参考以下网址：

3 解决方案

总的来说，使用乐观锁（即没有使用数据库的锁），并利用MySQL存储过程实现扣减库存后返回结果。

1）库存表

create table `product_stock` (
    `productId` bigint not null comment '商品ID',
    `instock` int not null default '0' comment '库存数量',
    `createTime` datetime(3) default null comment '创建时间',
    `updateTime` datetime(3) default null comment '更新时间',
    primary key ( productId )
) engine=InnoDB default charset=utf8mb4 collate=utf8mb4_0900_ai_ci comment='商品库存';

2）扣减库存的存储过程

利用存储过程的out参数，返回扣减结果。当outUpdateQty返回的值大于零，扣减成功，否则失败。扣减成功，outStockAfter的值才是正确。

delimiter //
create procedure `product_reduce_instock`(
    in inProductId bigint, /*传入参数：商品ID*/
    in inReduceQty int, /*传入参数：扣减数量*/
    out outUpdateQty int, /*传出参数：实际扣减数量*/
    out outStockAfter int /*传出参数：更新后库存数量*/
)
begin
    -- 初始化返回的值
    set @updateQty=0;
    set @stockAfter=0;
    
    -- 执行扣减库存
    update product_stock 
    set instock = (@stockAfter := instock - (@updateQty := inReduceQty)), updateTime = now() 
    where productId = inProductId and instock >= inReduceQty;
    
    -- 传出参数赋值，即返回扣减结果
    set outUpdateStock=@updateQty;
    set outStockAfter=@updateQty;
end //

锐角云三角主机，入手两年多，一直在家作为私人服务器，稳定跑着各种服务。作为矿难出品，当年以299RMB入手，很多人说贵。但跑了这么久，现在感觉很超值。性价比高，秒杀各种ARM开发板。

先说缺点。当时由于是299，所以没有外壳和M.2接口的128GB SSD。为了不破坏自带的Win10，我另外买了个32GB SSD，装上Debian 10。30 多 RMB，包邮，型号是M.2 2242。CPU性能问题，不能胜任大型计算任务。试过编译minidlna，能跑到2.2Ghz，但仍然有点慢。

装系统时，注意要支持uefi32启动的。所以Debian 10的安装盘，只能用同时支持32位和64位的ISO文件。

另外还有个硬伤，不能上电自动开机。如果家里电路不稳定，可能需要买个12V的UPS补救。另外，也可以参照以下教程，添加上电自动开机的功能：

再来说优点吧。作为家用服务器，首先是省电。然后是8GB大内存（z8350那类电视棒一般是2GB或4GB）！CPU是N3450，x86架构，64位（服务器软件方面几乎没有障碍，例如直接跑Minecraft Bedrock），跑起来风扇不会经常转（就是噪音低）。接口丰富，千兆网卡、3个USB 3.0、HDMI 2.0、WiFi、蓝牙、SSD（M.2 2242接口，SATA协议，最大支持960GB）、耳机接口等。自带64GB存储，默认装Win10，就算不做服务器，作为高清播放器、办公电脑，也是可以。

更多相关资料，可以搜索关键词“锐角云 三角主机”。

本文记录了从jQurey转到原生JavaScript开发的相关处理。

一 历史

二十一世纪初，IE 6还在统治浏览器的时代，出现了一批JavaScript框架。除了提高前端开发效率，还屏蔽了各个浏览器的JavaScript接口差异。那时有3个产品印象比较深刻：

  1. prototype，http://prototypejs.org/
    其特点是在原生JavaScript基础上做扩展，定义通用的方法或接口，屏蔽各个浏览器的差异。很轻量，个人比较喜欢。
  2. Ext JS，https://www.sencha.com/products/extjs/
    数据与界面分离，提供丰富的UI组建，便于页面开发。当时浏览器JavaScript性能不高，用起来不够流畅，不适合简单排版布局的页面。但是对于开发一些管理系统，确实很方便。
  3. jQuery，https://jquery.com/
    最大特别是查找HTML元素很方便（前提是熟悉其搜索语法），有点函数式编程的味道。在那个需要手工修改HTML界面的年代，确实很方便。

二 当前

看看当前的浏览器，已经是Webkit内核的天下，加上IE已亡，ECMAScript 6普及……各个浏览器的JavaScript兼容性大大提高。所以，我们可以直接采用浏览器原生JavaScript，替代jQuery这类用于遍历或搜索DOM的框架。当然，复杂的界面，主要是响应式前端框架（AngularJS、React、VUE）的世界。

三 实现方法

主要参考这个文章，从jQuery转到原生JavaScript。

另外，对于页面上的异步请求（ajax），该文章没有提出timeout的处理。以下整理一个示例：

// 请求错误的类，用于传递错误信息
let RespError = class {
  constructor(code, msg, respJson) {
    this.code = code;
    this.msg = msg;
    this.respJson = respJson;
  }
};

// POST提交Json数据。调用ajaxJson方法前加上async就是同步调用，直接调用就是异步调用
// 默认超时10秒
let ajaxJson = async (url, formParam={}, onSuccess=(respJson)=>{}, 
    onFailed=(respError)=>{}, timeoutSec=10) => {
  let controller = new AbortController();
  let timeoutId = setTimeout(() => {
    // 超时后停止请求
    controller.abort();
    // 抛出超时的错误
    onFailed(new RespError(-1, 'TIMEOUT', null));
  }, timeoutSec * 1000);
  try {
    // 发起请求
    let response = await fetch(url, {
        signal: controller.signal, // 用于接收中断请求信号
        method: 'POST',
        cache: 'no-cache',
        headers: {
          // 声明请求的参数是JSON
          'Content-Type': 'application/json; charset=UTF-8'
        },
        body: JSON.stringify(formParam)
    });
    // 注意，响应的数据只能获取一次，包括response.json()和response.text()
    let respJson = await response.json();
    if(!response.ok) {
      // 请求失败，抛出自定义的错误对象
      throw new RespError(response.status, response.statusText, respJson);
    }
    onSuccess(respJson);
  } catch(err) {
    onFailed(err instanceof RespError ? err : new RespError(-1, err.message, null));
  } finally {
    // 请求结束，停止执行定时函数。避免相应成功后，抛出超时的错误。
    clearTimeout(timeoutId);
  }
};

关于Fetch的使用，参考：

  1. Fetch API 教程
    https://www.ruanyifeng.com/blog/2020/12/fetch-tutorial.html
  2. mdn web docs - 使用 Fetch
    https://developer.mozilla.org/zh-CN/docs/Web/API/Fetch_API/Using_Fetch

四 后记

推荐搭配 petite-vue ，实现数据与页面元素的绑定。

  1. 1
  2. 2
  3. 3
  4. 4
  5. 5
  6. 6
  7. 7
  8. 8
  9. ...
  10. 31