远方雪的专栏

原创 CCXT和freqtrade建议tick级别数据

CCXT 命令行工具可以方便地下载加密货币的秒级和 Tick 级数据，但下载历史数据需要编写脚本来实现。请务必查阅相关文档，并注意交易所的 API 限制和数据完整性问题。通过命令行下载加密货币的秒级数据甚至 Tick 级数据（取决于交易所支持），包括历史数据，并且支持不同的交易所。CCXT 提供了一个命令行工具，可以方便地从交易所获取数据。这个工具通常在你安装 CCXT 库时一起安装。CCXT 命令行工具本身不支持自动下载所有历史数据，你需要自己编写脚本来实现。要下载历史数据，你需要使用循环和。

原创 TALib的指标特点

Talib 提供了非常丰富的技术指标，涵盖了多个方面。这只是 Talib 中部分指标的列举，完整的指标列表可以参考 Talib 的官方文档或者使用。这类指标用于衡量价格变动的速度和力度，识别超买超卖情况和潜在的趋势反转。这类指标结合价格和成交量数据，用于确认趋势的强度和识别潜在的趋势反转。这类指标通常与价格数据重叠显示，用于识别趋势和潜在的支撑/阻力位。这类指标用于识别市场中的周期性规律。这类指标用于识别特定的 K 线形态。这类指标用于衡量价格的波动程度。这类指标对价格数据进行数学变换。

原创 移动变化平均线

选择哪种移动平均线取决于你的交易风格和时间框架。一般来说，交易周期越短，越需要使用对价格变化更敏感的移动平均线，例如 TEMA 或 DEMA。而对于长期投资，SMA 可能更合适。在实际应用中，通常会将不同类型的移动平均线结合使用，以获得更全面的市场分析。

原创 键盘和内核态

通过以上步骤，你可以在 OpenWrt 中优雅地使用 VLAN 和 DHCP，实现网络的灵活划分和 IP 地址的高效管理。记住，合理的规划和清晰的配置是关键。建议在修改配置之前备份 OpenWrt 配置，以便在出现问题时可以快速恢复。在 OpenWrt 中优雅地使用 VLAN 和 DHCP，可以实现灵活的网络隔离和高效的 IP 地址管理。这种方式通过创建虚拟接口来实现 VLAN 划分，配置相对复杂，性能略逊于基于交换机的 VLAN。根据需要配置防火墙规则，控制不同 VLAN 之间的访问权限。

原创 openwrt中设置vlan

通过以上步骤，你可以在 OpenWrt 中优雅地使用 VLAN 和 DHCP，实现网络的灵活划分和 IP 地址的高效管理。记住，合理的规划和清晰的配置是关键。建议在修改配置之前备份 OpenWrt 配置，以便在出现问题时可以快速恢复。在 OpenWrt 中优雅地使用 VLAN 和 DHCP，可以实现灵活的网络隔离和高效的 IP 地址管理。这种方式通过创建虚拟接口来实现 VLAN 划分，配置相对复杂，性能略逊于基于交换机的 VLAN。根据需要配置防火墙规则，控制不同 VLAN 之间的访问权限。

原创 pika的docker-compose.yml

【代码】pika的docker-compose.yml。

原创 摩尔投票法

使用哈希表（字典）来存储每个元素及其出现的次数。遍历数组，统计每个元素的出现次数，然后再次遍历哈希表，找到出现次数大于。O(1) 或 O(log n) - 取决于使用的排序算法，原地排序算法可以达到 O(1)，例如堆排序。该算法基于一个事实：如果一个元素出现次数超过一半，那么它出现的次数比其他所有元素出现的次数之和还要多。的数组，找到其中的多数元素。将数组排序，那么出现次数超过一半的元素一定位于数组的中间位置。O(n) - 哈希表最坏情况下可能存储所有不同的元素。O(n log n) - 排序所需的时间。

原创 Python中常用的字典的get的默认值的用法

是 Python 字典中一个非常实用的方法，它可以避免在访问不存在的键时出现。异常，并可以方便地设置默认值。在这个例子中，它被巧妙地用来统计字符出现的次数。它用于获取字典中指定键 (key) 的值 (value)。的语法是 Python 字典 (Dictionary) 的。

原创 字符串白板面试题

这些代码只是部分示例，你可以根据需要进行修改和扩展。记住，在面试中，清晰的思路和代码风格比单纯地给出答案更重要。

原创 常见白板面试面试题

这些题目涵盖了算法、数据结构、系统设计以及编程语言的多个方面，适合在白板面试中考察候选人的综合能力。在面试过程中，面试官通常会关注候选人的思路、沟通能力、代码风格以及对边界条件的处理。希望这些题目对您有所帮助！

原创 Rust-Shyper虚拟化考虑应用

我来介绍 Rust-Shyper 这个嵌入式 Type-1 虚拟机监视器：

原创 介绍Quiche和h3i

它是 Cloudflare 网络基础设施的重要组成部分。Quiche 作为一个成熟的 QUIC 和 HTTP/3 实现，在 Cloudflare 的基础设施中发挥着重要作用，同时也为其他开发者提供了可靠的协议实现选择。h3i 是 Cloudflare 在2024年推出的一个新的开源项目，主要用于 HTTP/3 的低级测试和调试。h3i 的推出对于开发者来说是一个很好的工具，特别是在进行 HTTP/3 相关开发和调试时，可以提供更专业和深入的测试能力。

原创 介绍KubeOS和NestOS等介绍的功能

KubeOS 是一个基于 Kubernetes 的操作系统，它将 Kubernetes 作为其内核，旨在简化 Kubernetes 集群的部署和管理。KubeOS 是一种创新的操作系统，它将 Kubernetes 的强大功能和灵活性带到了操作系统层面，为用户提供了一种更简单、更高效的方式来构建和管理 Kubernetes 集群。NestOS 是一个功能强大的微服务平台，它基于 NestJS 框架，提供了一套完整的工具链来支持微服务的开发和部署，可以帮助企业快速构建和部署高效、可扩展的微服务应用。

原创 详细介绍一下指令微调

指令微调是一种强大的微调技术，可以显著提升预训练语言模型的任务泛化能力、可控性和零样本学习能力。它是近年来自然语言处理领域的一个研究热点，并取得了许多令人瞩目的成果。通过指令微调，我们可以更好地利用预训练语言模型的强大能力，构建更加智能、通用的自然语言处理系统。指令微调 (Instruction Tuning) 是一种针对预训练语言模型 (Pretrained Language Model, PLM) 的微调技术，旨在。，然后用这些数据来微调预训练模型。指令微调的核心思想是。

原创 Judge0在线编辑器

Judge0 通过结合 API Server、Worker、Docker、数据库和消息队列等组件，实现了一个安全、高效、可扩展的在线代码执行系统。其核心在于利用 Docker 容器技术提供隔离的沙盒环境，确保代码执行的安全性和资源控制。同时，通过消息队列实现异步处理，提高了系统的并发处理能力和响应速度。Judge0 的设计使其成为一个优秀的在线代码执行解决方案，并被广泛应用于各种场景。Judge0 是一个开源的在线代码执行系统，允许用户提交代码并在安全的沙盒环境中执行。

原创 高频传感器-多因子算法

将 TimeSeriesAnomalyPart2Nolog2.go 中的基础算法迁移到 TDEngine，可以充分利用 TDEngine 的高性能计算和查询能力，提高异常检测的效率和实时性。同时，可以结合 TDEngine 的流式计算功能，实现更复杂的异常检测逻辑。Level 3 异常检测的逻辑较为复杂，可以考虑使用 TDEngine 的流式计算功能来实现。● 异常等级: 可以在查询语句中根据标准差偏离度或其他因子的值，使用 CASE 语句将异常等级添加到查询结果中。– 基于四分位距的异常检测。

原创 高频传感器-已知问题和传感器数据问题的对比TDengine

技术方案文档：高并发实时数据处理系统 - 已知问题与 TDEngine 对比。

原创 高频传感器-数据处理三-资源消耗专项

○ 并发控制: TDEngine 内部实现了高效的并发控制机制，可以充分利用多核 CPU 资源，同时避免不必要的线程竞争和上下文切换开销。○ 高效的数据处理: TDEngine 针对时序数据进行了专门的优化，例如列式存储和压缩，可以减少数据处理过程中的 CPU 开销。○ 优化的算子库: TDEngine 的算子库使用 C/C++ 开发，并进行了性能优化，执行效率更高，CPU 消耗更低。● 硬件升级: 在必要的情况下，可以考虑升级硬件，例如使用更快的 CPU、更大的内存或 SSD 硬盘。

原创 高频传感器-数据处理二

技术方案文档：高并发实时数据处理系统 - 技术难点分析。

原创 高频传感器-数据处理一

这个代码实现的功能的难点主要体现在以下几个方面，我会从方案设计的角度进行详细分析：

原创 高频大数据-最新文档-拜安解调仪模拟发送没有时间戳的问题(一周）

本项目旨在开发一个数据传输客户端，用于接收来自白安（BAIAN）设备的数据，并将其转发到指定的 TCP 服务器以及 MQTT 服务器。客户端需要处理来自多个传感器的数据，并将其转换为 JSON 格式进行传输。之前的方案存在性能问题和数据处理问题，特别是在高并发和实时性要求高的场景下。好的，以下是针对在数据链路中增加时间戳的方案类文档，重点关注功能方面，并避免函数级别的细节。此文档将解决数据乱序和处理的问题。问题：数据乱序和处理。

原创 高频大数据传感器-最新文档-模拟发送器失败的原因的方案

该项目旨在开发一个数据传输客户端，用于接收来自白安（BAIAN）设备的数据，并将其转发到指定的 TCP 服务器以及 MQTT 服务器。客户端需要处理来自多个传感器的数据，并将其转换为 JSON 格式进行传输。

原创 高频大数据传感器专项-最新文档-数据中转处理

好的，以下是 dataParser.py 文件中各个函数的功能方案文档，重点在于函数的整体功能和设计方案，而不是具体实现细节。dataParser.py 功能方案文档。

原创 高频大数据异常检测专项-传感器小波变换

以下是 process_data.py 文件中 DataProcessor 类的功能方案文档，重点在于类的整体功能和设计方案，而不是具体函数的实现细节。DataProcessor 类功能方案文档。

原创 介绍下什么是闭包

闭包是 Python 中一个重要的概念，理解闭包对于理解装饰器、回调函数等高级特性非常有帮助。在面试中，关于闭包的问题通常会考察你对函数作用域、变量生命周期等概念的理解。闭包是指在一个函数内部定义的函数，并且这个内部函数可以访问外部函数作用域中的变量，即使外部函数已经执行完毕，这些变量仍然可以被内部函数访问。您说得对，我的疏忽，在 Python 基础部分的函数部分，闭包是一个重要的概念，尤其在面试中经常被问到。在闭包中，内部函数引用的外部函数的局部变量被称为自由变量。

原创 爬虫中断信号

在扩展中，你可以根据自定义条件暂停爬虫。要恢复爬虫，你需要提供一种机制（例如，通过 Telnet Console 或外部脚本）来调用。在中间件中，你可以根据自定义条件暂停爬虫。要恢复爬虫，你需要提供一种机制来调用。Scrapy 提供了一个 Telnet 控制台，允许你在运行时与爬虫引擎交互。Scrapy 支持将爬虫的状态保存到磁盘，并在需要时恢复。类似于扩展，你也可以通过自定义中间件来控制爬虫的暂停和恢复。可以编写自定义扩展来控制爬虫的暂停和恢复。在爬虫运行时，可以通过按。

原创 Django的哪些面试题和面试经验

希望以上信息对您有所帮助！记住，面试中最重要的是展示你对 Django 的深入理解和实际项目经验，以及你解决问题的能力。建议在准备面试时，多做实践项目，积累实战经验，并深入理解 Django 的核心原理。祝您面试顺利！

原创 快速排序方便记忆的内容

的过程，通过两个指针将数组分成了不同的区域，最终找到 pivot 的正确位置。这样理解和记忆应该会容易很多。关键是要理解这是一个。，pivot = 3（最后一个元素）

原创 不同的快速排序的方法

在实际应用中，还可以根据数组的大小选择不同的排序算法，比如对于小数组使用插入排序，这样可以获得更好的性能。

原创 Python经典面试题

好的，以下是一些常见的 Python OJ（Online Judge）形式面试题，这些题目通常考察数据结构、算法和基本的编程能力。在每次循环中，记录当前队列的长度，然后处理当前层的所有节点，并将它们的子节点入队。从下标 0 开始，判断每一个位置的所有字符串是否相同，如果相同，则继续判断下一个位置，直到遇到不相同的位置。遍历字符串，遇到左括号则入栈，遇到右括号则检查栈顶元素是否是对应的左括号，如果是则出栈，否则返回。遍历数组，记录当前遇到的最小值，并计算以当前价格卖出股票的利润，更新最大利润。

原创 QT页面截图一

原创 Python经典OJ面试题

在每次循环中，记录当前队列的长度，然后处理当前层的所有节点，并将它们的子节点入队。，请你在该数组中找出和为目标值的那两个整数，并返回它们的数组下标。从下标 0 开始，判断每一个位置的所有字符串是否相同，如果相同，则继续判断下一个位置，直到遇到不相同的位置。遍历字符串，遇到左括号则入栈，遇到右括号则检查栈顶元素是否是对应的左括号，如果是则出栈，否则返回。是否在哈希表中，如果在，则返回当前元素的索引和哈希表中对应元素的索引；遍历数组，记录当前遇到的最小值，并计算以当前价格卖出股票的利润，更新最大利润。

原创 三种不同的快速排序的算法

这种实现方式通过随机选择基准值来避免最坏情况的发生，提高算法的平均性能。您可以根据实际需求选择合适的实现方式。希望这些代码和解释对您有所帮助！这种实现方式直接在原数组上进行分区操作，不需要额外的空间。这种实现方式更易于理解，但需要额外的空间来存储子数组。

原创 Python常见面试题解答

搜索过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜索过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间元素开始比较。协程之间的切换是由程序员控制的，而不是由操作系统控制的，因此没有线程切换的开销。通常，接口的概念是通过定义一个只包含抽象方法的抽象类来实现的。它重复地遍历要排序的列表，一次比较两个元素，如果它们的顺序错误就把它们交换过来。抽象方法是没有具体实现的方法，它只是一个声明，需要在子类中进行具体实现。模块来进行多线程编程。

原创 Python常见面试题50道

希望这些问题对您有所帮助！如果您有任何其他问题，请随时提出。

原创 TDEngine的连续查询

TDengine 的连续查询是一个强大的特性，适合处理需要定期执行的数据聚合和分析任务。通过合理配置和使用，可以实现高效的实时数据处理。但也需要注意资源使用和性能优化。

原创 九十五分位数和四分位数

百分位数是一个统计学术语，用于表示一组数据中某个特定百分比的数据点所在的位置。它将一组数据从小到大排序，然后将数据分成 100 个相等的部分。每个部分代表 1%，而特定百分位数表示在该百分位数以下的数据所占的百分比。例如，在网络延迟的测量中，95 分位延迟表示 95% 的请求的延迟都低于这个值，只有 5% 的请求的延迟高于这个值。95 分位计算是指在一组数据中找到一个值，使得 95% 的数据点小于或等于该值，而只有 5% 的数据点大于该值。四分位数是一组特殊的百分位数，它们将数据分成四个相等的部分。

原创 TDengine和降采样

您说得对，这确实是一个需要注意的点，因为存储全量原始数据可能会带来存储压力。您觉得哪种方案更适合您的场景？

原创 内存暴涨-状态计算和增量计算

这种方案通过状态向量和增量计算的方式，巧妙地解决了传统方法中的内存暴涨问题，同时通过两级聚合的设计提高了分布式系统的计算效率。

原创 Go语言的适合的场景和不适合的场景

总的来说，Go语言最适合开发高性能、高并发的服务端应用和系统工具，在云原生和微服务领域有很大优势。但在GUI、移动应用、科学计算等领域，可能需要考虑其他更专业的编程语言。