10 代雅阁锐智车主，当时落地 24w 整。看需求觉得选思域，便宜一点通勤好，看人数也不那么迫切需要 B 级车。

不过如果选雅阁的话，有一个好处可能是开 10 多年不用换，家里有一辆 14 年的雅阁，当时 26w 落地的，开到现在依然新净，2.4L 动力可以，而且非常宽敞、耐用，没出过什么毛病。

虽然但是）

其实我觉得适合写在简历上的项目可以考虑爬虫项目，TL;DR：
1. 海量数据，你爬下来上亿条数据（这个对于爬虫来说很正常），就能做亿级数据的 DB 优化、异构数据库、离线数仓等等；
2. 可以强调并发量，TPS 高爬虫才有效率，又是一大技术难点，如何压榨机器的资源
3. 以上两点在做正常的新手 Demo 项目（传统的商城、xx 管理系统）都是非常难做到的，或者说你可能需要自行生成这么大的数据量，但是在爬虫项目里很容易就能遇见

如果你想在爬虫项目里做一些服务化的事情，可以考虑按模块拆几个服务试试，例如
1. 实际发起调用的服务
2. 调度服务（例如有些数据想要实时更新点赞数、阅读数，那总得有一套规则，何时爬第一次，何时爬第二次，下发给哪个调用服务去爬取）
------------------------------------
3. 管理系统，或者用于展示的 Web UI 前后端

感觉不实用，但仍然很有意思哈哈哈，只看了一眼 README 就觉得太太太想试试了

@Jayice

@lvxiaomao 看起来好像以前投递过的不能重复投递了 :(

可观测性职位招什么经验的可以帮忙问下 HR 吗谢谢

@djoiwhud 井底之蛙....已 block

@djoiwhud 抱歉你的理由我认为非常奇怪。为什么数字精确是要怀疑合理性，如果你是我的面试官我首先会认为贵司没有任何 cicd 的流程，平时也不做测试，很可能代码是屎山。所有的这些数字都是在测试报告里面第一眼看到的，每次 commit 或者 merge 都必须展示在代码管理工具中的。

你说质疑数字价值和合理性，那不是搞笑吗，说明你没用过 gitlab 还是说没跑过单测呢😂

@dummynode 个人建议是不要乱换的，有的面试官不理解测试的价值，可能在生产里面根本就没做过测试，更不要说做什么 TDD

@djoiwhud 同问为何 monkey mock 这些是减分项，我在团队内也做类似的工作，那如果你的团队里面缺少做单元测试或者其他测试的人，总是需要有人去带头，做项目质量管理的。举个例子你可能会在简历上看到：
1. 在团队内进行单元测试、e2e 测试的布道和分享，引入多种测试技术、mock 插桩，将项目核心链路的测试覆盖率由不足 10% 提升至 70% 并集成在 CI/CD 中稳定运行，目前推广至团队内超过 60% 的历史项目及 100% 的新项目；
2. 通过引入各种质量管理手段，团队整体 bug 率有明显降低，千行代码 bug 率从 0.1% 降低至 0.05%。

以上数据是瞎编的，但是我还是认为测试和测试的方方面面也是一个研发工程师应该具备的能力，除了 mock 以外，还可能包括你在团队内怎么做流量录制回放的、怎么做对比降噪的等等。不太能理解 “减分项” 是怎么个理解法。

+1 同问 DaoCloud 现在盈利模式怎么样，作息上下班准时吗？

所以你觉得的问题是啥？😂主楼好像都没表述清。

“我昨天 88 买了一本书。为什么会出现这样的问题？” —— 啥问题？？

如果觉得 virtualenv 比较难用的话，可以试试看 virtualenvwrapper 能不能帮你减少一部分工作量。这个组件我用了 5 年多了，很稳定也很方便，所以一直没去了解过其他的虚拟环境管理工具。

https://virtualenvwrapper.readthedocs.io/en/latest/install.html

本质上是 virtualenv 套皮，可以试试看

我再帮楼主细化一下问题以便于分类讨论。

现在有个 mysql 索引问题，表有三个字段：a ，b ，c ，共计 1000w 行数据。表中有三个索引 index(a,b), index(b,c)，index(a,c)。现有查询 where a = 1 and b = 1 and c = 1 。

场景 1：
满足 a=1 and b=1 的数据有 999w 行，满足 b=1 and c=1 的数据有 999w 行，满足 a=1 and c=1 的数据有 100 行。

场景 2：
满足 a=1 and b=1 的数据有 999w 行，满足 b=1 and c=1 的数据有 999w 行，满足 a=1 and c=1 的数据有 999w 行。

场景 3：
满足 a=1 and b=1 的数据有 1 行，满足 b=1 and c=1 的数据有 1 行，满足 a=1 and c=1 的数据有 1 行。

场景 4：
满足 a=1 and b=1 的数据有 1000 行，满足 b=1 and c=1 的数据有 50 行，满足 a=1 and c=1 的数据有 10 行。

请问哪些字端用到了索引，用到了哪些索引？为什么？ 请教大佬解惑

--------------------------------------
我认为的答案：
场景 1：
极大概率使用 index(a,c)

场景 2：
执行全表扫描

场景 3：
所有索引均有使用可能

场景 4：
所有索引均有使用可能

https://github.com/alibaba/canal
canal v1.1.5 版本的管理后台组件就是直接使用内存来缓存登录后的 session 的，猜猜会有什么问题？

对，当部署了多台机器（容器）的时候管理后台登录之后就无法访问了，提示重新登录

@zyxk 39 免费用 300M ，39 + 每月 10 元=1000M

@matrix1010
@aphorism
谢谢两位，信息很有用，Redis 里面已经有拓展的模块可以试验一下。
同时还有几种概率型数据结构的“一句话用途描述”，快速理解： https://redis.io/docs/stack/bloom/

Use these data structures to answer a set of common questions concerning data streams:

- HyperLogLog: How many unique values appeared so far in the data stream?
- Bloom filter and Cuckoo filter: Did the value v already appear in the data stream?
- Count-min sketch: How many times did the value v appear in the data stream?
- Top-K: What are the k most frequent values in the data stream?
- t-digest can be used to answer these questions:
- - What fraction of the values in the data stream are smaller than a given value?
- - How many values in the data stream are smaller than a given value?
- - Which value is smaller than p percent of the values in the data stream? (what is the p-percentile value)?
- - What is the mean value between the p1-percentile value and the p2-percentile value?
- - What is the value of the n-th smallest / largest value in the data stream? (what is the value with [reverse] rank n)?

@matrix1010 非常有帮助，感谢

@aphorism 谢谢，搜了一下很接近了，我详细了解下