我走得很慢，但我从不后退

0x01 Redis四种模式

这里的模式主要是说的Redis Server的部署模式，有四种：单机模式、主从模式、哨兵模式、集群模式

这四种模式的详细介绍可以参考这篇文章：https://juejin.cn/post/6844904191236767751

主从模式的Redis数据库，单点连接主节点。这种模式主要如果主节点挂掉，从库会切换为主节点，但是主节点IP已经变化，应用服务需要修改IP地址，重新发布。

建议哨兵模式，这种主要连接的是哨兵节点（一个或多个组成），访问redis集群的数据都是通过哨兵集群的，redis集群出现问题，应用服务不用更改访问地址

0x01 源于线上Bug

某天下午正在愉快的写着代码，突然某服务客户端报错，看了下报错详细信息，是报的超时错误，客户端设置的连接超时时间是5s，一般不可能报错的，开始查日志，定位问题…

从服务记录的日志来看，是服务里面会请求模型服务，这块耗时超过了5s才返回。整个服务是使用的gunicorn + flask的方式，部署在公司私有云上，请求模型服务使用的是python requests包。

这块代码如下（经过一定的简化）：

0x01 SVN简介

SVN知道的同学可能比较少，但是大家可能对git都不陌生，相信大家基本都用过全球最大同性交友网站github。

SVN和git是一样的，都是一种版本控制系统，用于多个人共同开发同一个项目，共用资源的目的。

SVN历史比较悠久，在git出来前就有。

0x02 SVN服务器

SVN是CS模式，需要有服务器。SVN服务器支持两种运行方式：独立服务器和借助apache运行，本文主要讲独立服务器的运行方式

本文主要讲在Linux系统Ubuntu 18.04下的安装，其他发行版相差不大。

1. 安装SVN

   1	apt-get install subversion

2. 建立SVN服务器的文件夹

   1 2	# svn默认目录 mkdir /var/svn

0x01 简介

这篇论文是一篇关于匹配系统算法的论文（2012年），那会机器学习才刚开始兴起。

主要讲的是《Ghost Recon Online》（中文名称：幽灵行动）游戏研发beta测试的时候，对匹配系统算法做的一些研究，论文中提到的算法并没有在线上使用，主要是离线验证。

OR-Tools CP-SAT 搜索参数

所有参数:

https://github.com/google/or-tools/blob/stable/ortools/sat/sat_parameters.proto

很多参数都要在了解背后的搜索算法后，才知道含义

输出所有参数及其默认值：

1
2
3
4
5

attributes = [attr for attr in dir(solver.parameters) if not attr.startswith('__')]
for attr in attributes:
    if attr == "Extensions":
        continue
    print("{} = {}".format(attr, eval("solver.parameters.{}".format(attr))))

下面是参数类型及一些例子：

Branching and polarity 搜索算法相关参数

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

enum VariableOrder {
    IN_ORDER = 0;  // As specified by the problem.
    IN_REVERSE_ORDER = 1;
    IN_RANDOM_ORDER = 2;
}

# 变量顺序
# 这个参数不变，可以在定义变量时，考虑变量顺序
preferred_variable_order = IN_ORDER

enum Polarity {
    POLARITY_TRUE = 0;
    POLARITY_FALSE = 1;
    POLARITY_RANDOM = 2;
    POLARITY_REVERSE_WEIGHTED_SIGN = 4;
  }
  
# 初始化相关设置
optional Polarity initial_polarity = POLARITY_FALSE;

写在前面

最近看了一些机器学习、深度学习的视频，感觉不错，想推荐给大家，都是我自己看过的。

我个人是比较喜欢看视频学习，尤其是刚开始学的时候，对知识有所了解后，会看一些其他的，比如书籍、博客、开源代码。

主要是一些深度学习视频

最近在看

李宏毅-2021-《机器学习》

学机器学习、深度学习的同学，应该都听说过台湾大学的李宏毅老师，在网上有很多视频教程。

他的课是中文教学的，而且内容比较有趣。

2021又上线了他的《机器学习》课程，线下、线上都有的，说是机器学习，其实重点讲解的是深度学习。从2月26日正式开始，6月中旬结束。

课程主页：https://speech.ee.ntu.edu.tw/~hylee/ml/2021-spring.html

Youtube视频链接: https://www.youtube.com/watch?v=Ye018rCVvOo&list=PLJV_el3uVTsMhtt7_Y6sgTHGHp1Vb2P2J&index=1

Bilibili视频链接: https://www.bilibili.com/video/BV11K4y1S7AD?p=3

写在前面

最近春天到了，连日的下雨，看天气预报周天天气比较好，平时刷抖音有看到太子湾公园的花开了，就想着去爬山赏花，和同事以及同事的室友，三人行，路线是八卦田 -> 玉皇山 -> 太子湾公园，后面基本都是徒步，开始去之前，发现太子湾公园是需要先预约的，看的时候都已经预约满了，后面想着从公园后面的山进去，绕了好大一圈，最后还是进去了。

八卦田

上面种着八种不同的庄稼，一年四季，八种庄稼呈现出不同的颜色。在八卦田中心，有个圆圆的土墩，那就是太极图。现在种了很少的庄家，主要是油菜花。

写在前面

来网易做游戏匹配相关的工作也一年多了，从最开始不知道什么是匹配，到现在也成功做了几个游戏战场的匹配系统，后续准备多写写游戏匹配系统相关的介绍。

设计一个匹配系统服务时，需要考虑玩家的习惯、行为和期望。匹配系统本身是一个没有完美答案的难题，其中大部分重要的决定都是只能进行权衡取舍，不存在面面俱到的解决方案，越多人加入匹配，匹配可选择的空间就越大，结果就越准确。

下面是一些做匹配系统时需要考虑的因素，有的可能是矛盾的，需要开发者自己权衡。

一、时间因素

匹配系统的第一个要素：尽可能快的匹配到对局，从而使得你不需要等待太久。这是匹配系统优先级最高的规则之一。