净空法师:年轻时候好,是你前生所修的

经上常跟我们说:修财布施得财富。你过去世修得多,这一生得的财富多,发大财;你前生没有修财布施,这一生物质生活一定贫乏。你修法布施,这一生得聪明智慧;你修无畏布施,这一生得健康长寿。
 
有果,一定有因,因果丝毫不爽。一般讲,人在四十岁之前受前生业力影响大,四十岁之前的果报是前生的。
 
有些人年轻时候发达,那个福报是前生的。如果他发达的时候胡作妄为,不干好事情,中年以后逐渐就会衰败,甚至晚年潦倒不堪,非常的可怜,这一生没有修!
 
福报是前生的,这一生要是真正修得好,他的晚年好。所以四十岁以后是今生的力量大,前生的力量很薄弱,所以在四十岁是很大的转变!晚年好,是你今生所修的;年轻时候好,是你前生所修的,我们要明白这个道理。
 

django-restful请求的访问限制

login_required无效

用django的restful写成的请求处理,使用auth模块中装饰器进行访问限制,出现request无user属性的错误.
 
from django.views.generic import View
from django.contrib.auth.decorators import login_required

class TaskQueue(View):
    '''
    执行中的任务
    '''
    def __init__(self):
        self.manager = TaskQueueManager()

    def get(self, request):
        '''
        >> c.get("/task/queue/").content
        '''
        records = self.manager.list()
        return {"success": True, "msg": "", "data": records}

    @login_required
    def delete(self, request):
        '''
        >> c.delete("/task/queue/", json.dumps({"ids": [14]})).content
        '''
        params = json.loads(request.body)
        for id in params["ids"]:
            self.manager.delete(id)
        return {"success": True, "msg": ""}

查找原因

从django里拿到源码,调试后,发现View对象被赋给了装饰器的request.
 
def user_passes_test(test_func, login_url=None, redirect_field_name=REDIRECT_FIELD_NAME):
    """
    Decorator for views that checks that the user passes the given test,
    redirecting to the log-in page if necessary. The test should be a callable
    that takes the user object and returns True if the user passes.
    """

    def decorator(view_func):
        @wraps(view_func, assigned=available_attrs(view_func))
        # view对象传给料request
        def _wrapped_view(request, *args, **kwargs):
            if test_func(request.user):
                return view_func(request, *args, **kwargs)
            path = request.build_absolute_uri()
            resolved_login_url = resolve_url(login_url or settings.LOGIN_URL)
            # If the login url is the same scheme and net location then just
            # use the path as the "next" url.
            login_scheme, login_netloc = urlparse(resolved_login_url)[:2]
            current_scheme, current_netloc = urlparse(path)[:2]
            if ((not login_scheme or login_scheme == current_scheme) and
                    (not login_netloc or login_netloc == current_netloc)):
                path = request.get_full_path()
            from django.contrib.auth.views import redirect_to_login
            return redirect_to_login(
                path, resolved_login_url, redirect_field_name)
        return _wrapped_view
    return decorator


def login_required(function=None, redirect_field_name=REDIRECT_FIELD_NAME, login_url=None):
    """
    Decorator for views that checks that the user is logged in, redirecting
    to the log-in page if necessary.
    """
    actual_decorator = user_passes_test(
        lambda u: u.is_authenticated(),
        login_url=login_url,
        redirect_field_name=redirect_field_name
    )
    if function:
        return actual_decorator(function)
    return actual_decorator

自定义login_required

解决的办法是进行自定义. 将user_passes_test和login_required拿出来,作如下修改
 
...
# 加上self
def _wrapped_view(self, request, *args, **kwargs):
    if test_func(request.user):
        # 加上self
        return view_func(self, request, *args, **kwargs)
...
 

 

如何得到yum的rpm包

  • 安装yum-utils
yum -y install yum-utils
  • 下载rpm
yumdownloader proxychains
得到proxychains-3.1-16.fc22.i686.rpm 、proxychains-3.1-16.fc22.x86_64.rpm两个文件
  • 下载源码
yumdownloader --source proxychains
得到文件proxychains-3.1-16.fc22.src.rpm
 

 

supervisor用法

以什么方式运行进程?将它做成服务,再以"service xxx start/stop"方式运行。
或者以"nohup xxx &"方式运行,需要停止时,先ps获得进程id,然后kill掉.
有什么好点的办法?supervisor正好解决这个问题。
  • 安装
sudo pip install supervisor
  • 创建配置文件
echo_supervisord_conf > /etc/supervisord.conf
  • 取消注释
打开/etc/supervisord.conf,取消下面两行注释,并修改files内容.
[include]
files = /etc/supervisor/*.ini
  • 新建配置目录
新建supervisor目录及test.ini文件
➜  /etc  tree supervisor
supervisor
└── test.ini
  • 配置内容
test.init内容
[program:test]
command=python -m SimpleHTTPServer 8000
directory=/home/wyq/
  • 运行
运行后,在浏览器访问8000端口
supervisord 
 
调试运行,此时需要先将test.ini中directory注释掉.
supervisord -d
supervisor也可指定配置文件
 
supervisord -c xxxx
  • 查看日志
tail -f supervisord.conf
  • 查看运行状态
➜  ~  supervisorctl status
test                             RUNNING   pid 4922, uptime 0:00:07
  • 停止任务
启动与重启参数为start/restart
 
➜  ~  supervisorctl stop test
test: stopped
➜  ~  supervisorctl status   
test                             STOPPED   Jul 09 04:32 PM
  • 停止
supervisorctl shutdown
 

利用setuptools的entry_point参数实现模块动态导入

setuptools提供了entry_points参数,允许在安装时,动态导入模块. 下面是简单示例.
  • 目录结构  
建立如下文件
➜  book  tree
.
├── book
│   ├── add.py
│   ├── __init__.py
│   ├── remove.py
│   └── update.py
└── setup.py
  • add.py内容  
remove.py、update.py与add.py相同
def make():
    print "add"
  • setup.py内容
from setuptools import setup, find_packages

setup(
    name = "book",
    version = "0.1",
    packages = find_packages(),
    entry_points={
        "book":[
            "add=book.add:make",  #add=模块:函数/类
            "update=book.update:make",
            "remove=book.remove:make",
        ]
    }
)
  • 编译成egg包
python setup.py bdist_egg
  • 安装到系统路径  
上面编译命令可以不用,直接用install安装
python setup.py install
  • 用法
from pkg_resources import iter_entry_points

for r in iter_entry_points("book"):
    m = r.load()
    m()
 

apscheduler如何传递参数给job

import tornado
from apscheduler.schedulers.tornado import TornadoScheduler
sched = TornadoScheduler()


def job1(a, b, c):
    print "job1:", a,b,c


def job2(a, b, c):
    print "job2:", a,b,c

sched.add_job(job1, 'interval', seconds=1, args=["a", "b", "c"])
sched.add_job(job2, 'interval', seconds=1, kwargs={"a": "a", "b": "b", "c": "c"})
sched.start()

tornado.ioloop.IOLoop.instance().start()

apscheduler定时任务

使用apscheduler定时任务,可以使用interval任务+cron任务,interval定时更新cron配置信息,cron则实现作业计划。

通常用法

from apscheduler.schedulers.blocking import BlockingScheduler
sched = BlockingScheduler()

def my_job():
    print 'hello world'

# 使用修饰器
@sched.scheduled_job('cron', id='my_job_id', second=10)
def hello():
    print "hello decorate"

# 轮循
sched.add_job(my_job, 'interval', seconds=5)
# 定时计划
sched.add_job(my_job, 'cron', second=5, minute=1, hour=12, day_of_week=2)
sched.start()

在tarnado中用法

import tornado
from apscheduler.schedulers.tornado import TornadoScheduler
sched = TornadoScheduler()

def my_job():
    print sched.get_jobs()

sched.add_job(my_job, 'interval', seconds=5, id="1")
sched.start()

tornado.ioloop.IOLoop.instance().start()

任务触发器比较

很多情况下,任务是根据数据库调整触发时间,时间改变了,如何判断触发器是否变化?
生成新trigger然后,专程字符串比较比较
# 触发器比较
str(job.trigger) != str(trigger)
# 修改触发器
sched.reschedule_job(job.id, trigger=trigger)
 

什么是经验

    经是准则,道之常者;验是验证。通过亲身验证而掌握的准则,称为经验。工作经验、人生经验中如果不包含准则,只能称为心得体会。

    程序员这个行业最多五十年,真有准则吗? 假如一条规则寿命是五十年,可用一生,对我而言它可以称为准则。五十多年、无数科学研究,成果在哪里,有这样成果吗?当然有!

spf13无法输入中文

为gvim安装spf13后,发现无法输入中文,原因是ibus的下拉提示与spf13的下拉提示冲突。最理想的解决办法是spf13下拉提示能够判断输入法状态,处在英文状态用spf13的下拉提示,处在中文状态用ibus下拉提示.
但是不可行。下面是我选择使用fcitx输入法解决这个问题.
  • 安装
sudo yum install fcitx*
sudo yum install im-chooser
  • 设置快捷键
fcitx-configtoool
  • gsettings配置
gsettings set org.gnome.settings-daemon.plugins.keyboard active false
  • 开机设置  
在im-chooser中选择使用fcitx
im-chooser
 

python动态加载是否影响性能

  • 说明
看见这个标题觉得有些好笑。受先入为主观念影响,心里隐约觉得动态加载有点慢,最近受一些启发,开始思考java反射、python动态加载的性能问题. 下面是测试python不同加载方式的性能
  • 示例
有m1.py m2.py m3.py三个文件,内容如下
class Test:
    def func(self):
        pass
测试主体
#encoding=utf-8
import time
import importlib
import m1
from m3 import Test as m3_Test

class Test:
    def func(self):
        pass

def main():
    #A import
    nums = range(1, pow(10, 7))
    start = time.time()
    for i in nums:
        m1.Test()
    end =  time.time()
    print "%sms" % (( end - start ) * 1000)

    #B import_module
    im = importlib.import_module("m2")
    start = time.time()
    for i in nums:
        im.Test()
    end = time.time()
    print "%sms" % ((end - start) * 1000)
    #C from import
    start = time.time()
    for i in nums:
        m3_Test()
    end = time.time()
    print "%sms" % ((end - start) * 1000)

    #D 当前类
    start = time.time()
    for i in nums:
        Test()
    end = time.time()
    print "%sms" % ((end - start) * 1000)

if __name__ == "__main__":
    main()
    '''
    结果
        1619.62890625ms
        1586.80582047ms
        1359.44890976ms
        1369.25506592ms
    '''
  • 结论
可以得到几点结论:
  1. A与B比较: 动态加载并不会慢
  2. A与C比较: 通过from减少导入内容,可以加快载入速度
python本身就是动态语言,动态加载不会对性能产生影响,所以,尽管用,这是非常好的一个特性.