lmingzhi08 最近的时间轴更新 lmingzhi08 最近的时间轴更新 | lmingzhi08V2EX 第 383690 号会员，加入于 2019-02-14 09:28:31 +08:00 |
lmingzhi08 最近回复了
213 天前 回复了 2067 创建的主题 云计算 终于把丢了 Authenticator 的 OracleCloud 账号救回来了 |
262 天前 回复了 2067 创建的主题 云计算 终于把丢了 Authenticator 的 OracleCloud 账号救回来了 |
update 2025-01-21
配置好了， 走的是
https://oc-cx-en.custhelp.com/app/chat/chat_launch/incidents.c$sc_country/85?prod=iaas
发送「 Chat with a live agent 」，然后接入人工客服，向他们咨询「 reset my MFA 」
然后发了注册时候的信息
1)Registered email address and tenancy name.
2)Last 4 digits of your card number and expiration date associated to your account.(The card that was used during sign up)
3)Registered phone number
然后重新登录 「域 - Default 」（通过邮箱重置了密码登录），登录后验证添加新的 MFA
继续通过 t/1020245 介绍的方法，配置了 OracleIdentityCloudService 域 的 2 步验证
配置好了， 走的是
https://oc-cx-en.custhelp.com/app/chat/chat_launch/incidents.c$sc_country/85?prod=iaas
发送「 Chat with a live agent 」，然后接入人工客服，向他们咨询「 reset my MFA 」
然后发了注册时候的信息
1)Registered email address and tenancy name.
2)Last 4 digits of your card number and expiration date associated to your account.(The card that was used during sign up)
3)Registered phone number
然后重新登录 「域 - Default 」（通过邮箱重置了密码登录），登录后验证添加新的 MFA
继续通过 t/1020245 介绍的方法，配置了 OracleIdentityCloudService 域 的 2 步验证
262 天前 回复了 2067 创建的主题 云计算 终于把丢了 Authenticator 的 OracleCloud 账号救回来了 |
@taofu 你好，可以问一下你重置 MFA 的流程吗？
2023-10-26 14:25:05 +08:00 回复了 dreamn 创建的主题 Linux 求推荐自组装 Linux 主机 |
目前用的 xiaomi 迷你主机，不过可能不适合要求 8T 硬盘
- 主机 ￥ 2999 （小米官网 8GB * 2 + 512GB nvme)
- 内存 ￥ 689 （闲鱼 DDR4 32GB * 2 ）
- WD SN770 1T ￥ 379 （京东 NVME 固态）
- 金士顿 m2 ngff 2242 512GB ￥ 223.9 （闲鱼，感觉是山寨的）
合计 ￥ 4290.9 ，目前主要安装了 PEV 虚拟机平台
- 主机 ￥ 2999 （小米官网 8GB * 2 + 512GB nvme)
- 内存 ￥ 689 （闲鱼 DDR4 32GB * 2 ）
- WD SN770 1T ￥ 379 （京东 NVME 固态）
- 金士顿 m2 ngff 2242 512GB ￥ 223.9 （闲鱼，感觉是山寨的）
合计 ￥ 4290.9 ，目前主要安装了 PEV 虚拟机平台
2019-12-04 10:18:10 +08:00 回复了 ristory 创建的主题 macOS MacOS 上能支持 FTP 协议的播放器 |
@shadownet 目前 nplayer 已经出了 macOS 版本的了，可以在 mac 上实现远程播放 ftp 视频
2019-08-15 20:45:26 +08:00 回复了 aaronhua 创建的主题 Python 讨论型主题：想写一个库，用来本地化 cookies 的，大家给点建议。 |
redis cookies 池？
可以参考静觅的爬虫书《 Python3 网络爬虫开发实战》
可以参考静觅的爬虫书《 Python3 网络爬虫开发实战》
2019-08-15 20:30:38 +08:00 回复了 Thymolblue 创建的主题 Python 不懂就问： Python 脚本 并行 |
最近在研究异步写文件，平常都是用 pandas 来处理数据，其实数据相关的处理推荐看看 python 的 pandas.
然后利用 pandas 的 map 或 apply 应用函数到数据集，比直接用 python 的 for 循环，速度有极大的提升(毕竟 pandas 的底层都是经过优化的)。
如果是计算，应该是 cpu 密集型，用多核 cpu(多进程)加速运算还是可以节约很多时间.
一般可以将独立的一个任务流程封装在一个函数里，然后再应用。这个专门讲 python 并行处理任务的，我觉得挺有参考价值的:
https://python-parallel-programmning-cookbook.readthedocs.io/zh_CN/latest/chapter4/02_Using_the_concurrent.futures_Python_modules.html
然后利用 pandas 的 map 或 apply 应用函数到数据集，比直接用 python 的 for 循环，速度有极大的提升(毕竟 pandas 的底层都是经过优化的)。
如果是计算，应该是 cpu 密集型，用多核 cpu(多进程)加速运算还是可以节约很多时间.
一般可以将独立的一个任务流程封装在一个函数里，然后再应用。这个专门讲 python 并行处理任务的，我觉得挺有参考价值的:
https://python-parallel-programmning-cookbook.readthedocs.io/zh_CN/latest/chapter4/02_Using_the_concurrent.futures_Python_modules.html
2019-08-15 20:09:23 +08:00 回复了 liwenbest 创建的主题 Python 求助 v 站大佬 如何利用 Python 迁移数据 |
1 远程服务器 A,B 是否为 linux 系统
2 A 服务器是否可以通过 ssh(bash 端)访问 B 服务器
3 如果满足前面 2 个，那么可以用 SSHTunnelForwarder 做端口映射，将在 A 服务器将远程的 B 服务器上面的数据库端口映射在本地
4 在 A 服务器用 python 访问本地数据库和远程数据库，完成数据迁移
其实感觉也可以直接用 bash 脚本，A 服务器定时将数据库的数据导出成本地文件，将本地文件 rsync 到远程服务器 B, 远程服务器 B 将文件导入到数据库
2 A 服务器是否可以通过 ssh(bash 端)访问 B 服务器
3 如果满足前面 2 个，那么可以用 SSHTunnelForwarder 做端口映射，将在 A 服务器将远程的 B 服务器上面的数据库端口映射在本地
4 在 A 服务器用 python 访问本地数据库和远程数据库，完成数据迁移
其实感觉也可以直接用 bash 脚本，A 服务器定时将数据库的数据导出成本地文件，将本地文件 rsync 到远程服务器 B, 远程服务器 B 将文件导入到数据库
2019-08-15 17:24:43 +08:00 回复了 zky001 创建的主题 Python pandas 处理数据慢，求好方法 |
54 万行不算很多...
obj = df['target_col']
objn = obj.str.split(',')
for i in range(4):
df['col_%s' % i] = objn.str[i]
如果再觉得内存不够，分批次处理，每次处理个 1 万行，使用 chunksize
https://blog.csdn.net/zm714981790/article/details/51375475
df_list = pd.read_table('tmp.sv', sep='|', chunksize=4)
for df in df_list:
print(chunk)
如果想要再加速，那么试试多进程，每次后存成一个单独的文件，最后再合并，应该几分钟搞定
obj = df['target_col']
objn = obj.str.split(',')
for i in range(4):
df['col_%s' % i] = objn.str[i]
如果再觉得内存不够，分批次处理，每次处理个 1 万行，使用 chunksize
https://blog.csdn.net/zm714981790/article/details/51375475
df_list = pd.read_table('tmp.sv', sep='|', chunksize=4)
for df in df_list:
print(chunk)
如果想要再加速，那么试试多进程，每次后存成一个单独的文件，最后再合并，应该几分钟搞定
2019-08-15 17:12:04 +08:00 回复了 BryceBu 创建的主题 Python str 转 dict 的问题 |
# 或者使用正则
import re
astr = '''{a: {b: '值 1', c: 0, d: '值 2', e: '1', f:[1,2,3]}}'''
eval(re.sub(r'\s*(\w+)\s*:', r"'\1':", astr))
# {'a': {'b': '值 1', 'c': 0, 'd': '值 2', 'e': '1', 'f': [1, 2, 3]}}
import demjson
demjson.decode(astr)
import re
astr = '''{a: {b: '值 1', c: 0, d: '值 2', e: '1', f:[1,2,3]}}'''
eval(re.sub(r'\s*(\w+)\s*:', r"'\1':", astr))
# {'a': {'b': '值 1', 'c': 0, 'd': '值 2', 'e': '1', 'f': [1, 2, 3]}}
import demjson
demjson.decode(astr)
Select Language