1、背景在CTF比赛中,CTF逆向题目除了需要分析程序工作原理,还要根据分析结果进一步求出FLAG。逆向在解题赛制中单独占一类题型,同时也是PWN题的前置技能。在攻防赛制中常与PWN题结合。CTF逆向主要涉及到逆向分析和破解技巧，这也要求有较强的反汇编、反编译、加解密的功底。CTF中的逆向题目一般常见考点1、常见算法与数据结构。2、各种排序算法,树,

项目背景，之前在上家东家接触到golang，自学到项目上线，也是摸着石头过河，中间也遇到了一些小bug（生产环境出现内存泄露问题，导致业务占用内存，居高不下，实际是因为项目的service层部分应用没有应用到redis或数据库，但是也进行了实例化，最后没有释放资源导致，排查方法也是比较笨，就是一些流程在本地跑，看哪些环节导致内存居高不下，最后追查到的结果），

回顾POLARDB1.0POLARDB1.0主要的改进包括采用了计算存储分离的架构，完全兼容MYSQL，性能是原生MySQL的6倍。一个用户集群可以在分钟级弹性扩展到16个计算节点，对业务完全透明的计算和存储分离代理，从库延迟仅毫秒级。存储为分布式块存储，可以弹性扩展至100TB的规模。存储层面采用多副本技术，使得数据库的RPO做到了0，完全没有丢

最近在整理redis分布式集群，首先就整理一下分布式算法原理。常见的分区规则有哈希分区和顺序分区两种，Redis采用的是哈希分区规则。节点取余分区使用特定的数据，如Redis的键或用户ID为key，节点数量为N，则：hash(key)%N，计算出哈希值，然后决定映射到哪个节点上，如节点数为4时，哈希值的结果可能为0、1、2，3.现假

近日，AI这家虚拟化AI基础架构的公司，发布了第一个分数GPU共享系统，用于Kubernetes上的深度学习工作负载。分数GPU系统特别适用于诸如推理之类的轻量级AI任务，透明地使数据科学和AI工程团队能够在单个GPU上同时运行多个工作负载，从而使公司能够运行更多的工作负载，例如计算机视觉，语音识别和在同一硬件上进行自然语言处理，从而降低了成本。对于深度

我们在接收或是传送CAD文件的时候，由于CAD文件过大，有时传送会比较浪费时间或是接收时会出现不完整的情况，那么对此我们该怎么办？第一种方法：将图形完稿后，执行清理：使用PURGE（PU）命令清除掉多余的数据，要是定义了但并没用使用的块、图层、线型、文字样式、标注样式等。就需要在清理的时候勾选“清除嵌套项目”。在图形绘制的过程中也是能够进行清理的

在我们开发的过程中，经常会遇到需要我们判断app进入后台，或者切换到前台的情况。比如我们想判断app切换到前台时，显示一个解锁界面，要求用户输入解锁密码才能继续进行操作；我们想判断app切换到后台，记录一下log；或者当用户切换回前台时，我们想刷新一下页面的数据等等......android里面监听app前后台的方案很多（这还是得归根于安卓提供了丰富的a

1原本以为自己对redis命令还蛮熟悉的，各种数据模型各种基于redis的骚操作。但是最近在使用redis的scan的命令式却踩了一个坑，顿时发觉自己原来对redis的游标理解的很有限。所以记录下这个踩坑的过程，背景如下：公司因为redis服务器内存吃紧，需要删除一些无用的没有设置过期时间的key。大概有500多w的key。虽然key的数目听起来

面试的技术名词面试一般会遇到一些名词，其实可能自己都知道其中的道理，但是因为没了解过，当时心里就一句WC，然后弱弱答一句：不好意思这个我只是听过，具体还没了解过；回表覆盖索引最左前缀匹配索引下推1、回表所谓的回表就是因为普通索引的叶子节点中存储的不是行数据而是主键的值，然后通过主键值

私有化部署，支持多个终端，还有功能点播，直播，题库，考试等，有前后台源码，开发文档，数据字典，源码可二次开发。用来搭建成人技能学习系统挺不错的！1、点播：在线点播视频，可上传图文资料，习题，课件等2、直播：对接七牛云端口，弹性带宽，直播可转存为点播课程3、题库：可批量管理上传的题库，随时随地刷题4、考试：多场景考试设置，高并发、强制交卷、考试防作弊、成绩导