代码天地

玩Android-Flutter客户端开发

前言这是一款使用Flutter编写的，MaterialDesign风格的WanAndroid客户端应用这是一个可以用来入门Flutter的项目，我用了两周的晚上时间完成了第一个版本的开发项目完全开源，欢迎Star&Fork，有问题请提交Issu

分类: 编程语言发布时间: 01-19 23:35 阅读次数: 0

iOS 中的事件传递和响应机制 - 原理篇

注：根据史上最详细的iOS之事件的传递和响应机制-原理篇重新整理（适当删减及补充）。在 iOS 中，只有继承了 UIReponder（响应者）类的对象才能接收并处理事件。其公共子类包括 UIView 、UIViewController 和 UIApplica

分类: 移动开发发布时间: 01-19 23:34 阅读次数: 0

grpc和consul结合实现分布式rpc调用

GRPC 主要介绍了grpc在使用示例和原理，以及如何与consul结合 gRPC 是什么？ gRPC 也是基于以下理念：定义一个服务，指定其能够被远程调用的方法（包含参数和返回类型）。在服务端实现这个接口，并运行一个 gRPC 服务器来处理客户端调用。

分类: 服务端发布时间: 01-19 23:34 阅读次数: 0

Python自动化部署工具-Fabric

今天分享一个Python的自动化发布工具—Fabric。我在前面文章「Linux系列开坑记(一)-常用的3个命令」说了tar，rsync，supervisor这三个，从打包上传备份上线，进程管理工具。我相信细心的读者发现了，但是这里其实还缺一个工具。那就

分类: 服务端发布时间: 01-19 23:34 阅读次数: 0

设计模式第七讲-责任链模式

简介责任链模式的定义：使多个对象都有机会处理请求，从而避免请求的发送者和接受者之间的耦合关系将这个对象连成一条链，并沿着这条链传递该请求，直到有一个对象处理他为止。图例责任链-根据事情大小来决定责任向上冒泡到谁身上场景设置如上图－DBA某人把线上

分类: 服务端发布时间: 01-19 23:34 阅读次数: 0

Java的API设计实践

Introduction了解在设计Java API时应该应用的一些API设计实践。通常，这些实践很有用，并确保API可以在模块化环境中正确使用，例如OSGi和Java平台模块系统（JPMS）。有些做法是规定性的，有些则是禁止性的。当然，其他良好的API设计实践

分类: 服务端发布时间: 01-19 23:34 阅读次数: 0

图像修复三： Image Completion Approaches Using the Statistics of Similar Patches

前面介绍了基于边界优先级的图像填充和基于投票加权的填充方式，再实现了另外一个基于graph-cut的算法，应该算是实现的最后一个图像填充传统算法了。貌似目前用传统算法的已经不多了，看到Github上传统算法star基本个位数，star比较高的基本都是deep learning的项目，感觉时代大潮席卷而过，deep learning毕竟可以通过训练学习的方式修复原本不存在于图片中的信息，仅仅这一点，是传统算法无论如何都逾越不了的。之后的工作中深度学习的应用也会更广泛， Contribution

分类: 编程语言发布时间: 01-19 23:34 阅读次数: 0

RxJava2源码分析（二）：操作符原理分析

前言：上一篇文章RxJava2源码分析（一）：基本流程分析,是对RxJava2基本流程的分析，有了上一篇的基础，这篇就再深入一点，开始分析一下RxJava2操作符的原理。为了方便理解RxJava2操作符的原理，这里选择最常用的map操作符来讲解操作符

分类: 移动开发发布时间: 01-19 23:34 阅读次数: 0

RxRetroHttp，为多套API请求适配而生

前言 "后端更新换代，新接口返回全用新的规则，老接口不变！"。。。WTF！ “我们的这几个网站，要做一个统一的App，后端都是现成的，这是API文档。”。。。几个网站的API规范和请求Host地址居然完全不一样？。。。WTF！。。。千万只草泥马呼啸而过。。。

分类: 移动开发发布时间: 01-19 23:34 阅读次数: 0

matplotlib----初探------2Numpy的基本知识

1. Numpy是python开源的一个计算库 2.可用来存储和处理大型矩阵，比Python自身数据结构要高效。 3.NumPy将Python变成一种免费的强大的Matlab系统一般有三种创建方式：从python的基础数据对象转化　　 import numpy as np a = [1,2,3,4] x1 = np.array(a) x2 = np.array([a,a]) print(type(x1))>>>>>>>>>>>> <class 'numpy.ndarray'> 通过Num