查看原文

本文介绍了 GitHub 如何将 jQuery 的依赖一点一点去掉。

• 以前：jQuery 在 2007 年的时候几乎是标配，就算不主动用，很多库也依赖它。
• 近些年: jQuery 的特性很多都融进了现代 JS 语言和浏览器中。
• 取代的原因是 jQuery 的写法不太能传达出代码的原始意图，也很容易默默吞掉错误。
• 取代品：直接用 JS：https://developer.mozilla.org/en-US/docs/Web/JavaScript
• 如何取代：
  • 仓库埋 metric 进去，可以查看 jQuery usage
  • lint 把有诸如 $.ajax 之类的新代码直接标为构建失败
  • 有依赖库的，保持接口稳定的同时，替换掉实现，使用 JS 原生的特性 …

查看原文

Py-Spy 这个工具是个 Python Profiler，它可以在不重启 Python 程序的前提下得到耗时函数及其调用时间，并将其以 top-like 的形式展示出来。

它的特色是：低 overhead，用 Rust 写的核心部分，不需要侵入 Python 进程。无侵入这个特性也是它有别于标准库甚至其他 profiler 的好特性。你不需要修改任何一行项目代码就能用它。pyflame 倒是可以，不过尚不支持 Python 3.7 及非 Linux 的 OS。

工作原理：通过读取进程内存：

• linux: process_vm_readv
• osx: vm_read
• windows: ReadProcessMemory

在内存中，全局变量 PyInterpreterState 可以拿到解释器运行着的所有线程，再遍历每个线程拿到 PyFrameObject 中的调用栈。

查看原文

本文介绍了 Typescript 逐渐在 Google 产品线被使用的现状。Google 在 JS 很早期的时候就在探索如何编写大型前端程序，并归纳出 Closure 这个框架。时过境迁，这套框架可能目前也就 Google 在用，或者某些用了的公司还需要找 ex-googler 来维护。Closure 本质是一个静态类型的 JS 方言，问题主要在于常年使用估计埋了不少臭虫进去。现代 JS 产出了 UMD, AMD, CommonJS，ES6 甚至也有自己的模块系统，npm，webpack 也逐渐推广开。作者所在的组就在尝试将这些东西引入现有代码仓库。迁移也是慢慢地迁移，而不是从头写一遍。现在好些个 Google Products 都已经有慢慢用上了 TypeScript 了。

查看原文

Pandas 是一个数据结构的操作库，核心数据结构是 DataFrame，DataFrame 是 Series 的容器，Series 是 scalar 的容器。你可以用 dictionary-like 的语法来操作数据。这类数据主要用来处理多维数据，例如时间序列数据什么的。

处理数据的时候，比较推荐 immutable，即保留原始数据不变生成新数据，尽管 Pandas 的所有数据结构都是 value-mutable 的。

查看原文

本文介绍了 Airbnb 的架构，我们可以看到 Airbnb 是 AWS 的重度用户，使用了 EC2, RDS, S3, CloudWatch, EMR(已废弃，目前用的是 Hive+Airflow 的解决方案)。负载均衡使用 Charon。服务发现用 SmarkStack - 可以监听 ZooKeeper 的数据，自动更新到 HAProxy。后端的前台用 Rails，后台服务用 Java 系的框架 Dropwizard。服务治理将用户请求上下文塞入 RPC 请求中，监控服务的 p95_latency, p99_latency。

可以看到 Airbnb 的架构是从最简单的 Rails MVC 一点一点添砖加瓦搞出来的。

查看原文

本文是 pandas 的 10min 入门帖子。

• 新建 Series 对象：pd.Series(given_list), 如果值为空，用 np.nan。
• 新建 DataFrame 对象：pd.DataFrame(given_numpy_array, index=index, columns=given_list)。稍微复杂一些，第一个参数是 numpy 矩阵，index 是 pandas Index 实例，columns 是列的名字。
• dict 新建 DataFrame 对象：pd.DataFrame({"a": 1., "B": pd_series, ...})
• 查看每一列的类型：df.dtypes …

查看原文

本文介绍了 Go 语言如何实现 Map 的泛型，并对比了 C++ STL 和 Java 的实现。

• HashMap: 一种查询时间复杂度近乎 O(1), 最差为 O(N) 的数据结构，需提供 hash function。O(N) 估计也真是运气背到家了，所有 Key 都哈希碰撞。
  • hash function 一定是一个产出固定长度数据的函数
• C++ STL std::unordered_map 在编译时就把类型模板编好了，所以编译时就知道每个 map 的 key 类型。
• Java java.util.Hashmap 要对原子类型做 boxing。由于所有 java …

查看原文

响应时间（response time），也叫延迟（latency），这个指标有很多模式隐藏其中。这篇文章通过 disk I/O latency 介绍了 latency heat map 这种查看性能问题的图表。

iostat -xz 1 可以查看 Linux 的平均 latency，我们可以定时采样，画出柱状图（histogram），x 轴是时间，y 轴是 N ms 的 latency。 柱状图可能会由于采样频率不同导致给出不一致的结论，解决办法是使用多种采样频率。如果不改进，那你要看好几张柱状图才能得到结论，有了 heatmap 你就可以把使用不同频率采样得到的结果压在一幅图里面。

heatmap 本质上是一张三维图表，x y 轴表示两个维度（一般其中一个是时间，另外一个是采样频率），颜色深浅表示第三个维度 …

查看原文

本文的论点是：诸如 我们需要X，尽管Y目前更好，但一旦未来有Z这个需求，X 会让开发更简单 这样的观点是不一定是对的。

那么我们怎么做技术选型呢？作者认为：Less is more。少想未来会怎样，把当下做到易于扩展即可。当下不一定要完美，但能帮你很快适应未来的架构。

查看原文

本文介绍了 Netflix 如何使用 Papermill 管理 .ipynb.

Jupyter Notebook 本质上就是一个 JSON 文档，并自带了简易的接口可以运行它自己。它真正运行的地方是 jupyter-kernels。ipynb 的缺点是常常变化，cell output 跟代码不完全一一对应，不好测试，没有可以配置运行上下文的设施，以及你需要运行一个 Notebook server。

Papermill 的出现改进了很多这些问题。Papermill 做的事情是: 接受一个 ipynb path 和一些参数，然后运行出来一个 output ipynb，所有东西都在这个 output ipynb 里面。伪代码如下：

import papermill as pm

pm.execute_notebook(
   'path/to/input …