plutolove’s diary

I love three things in this world, the sun, the moon and you. The sun for the day, the moon for the night, and you forever。

Clash 配置

  • 安装clash
sudo pacman -S clash
  • 配置文件,external-ui需要单独安装
port: 7890
socks-port: 7891
redir-port: 7892
mixed-port: 7893
allow-lan: false
mode: Rule
log-level: info
ipv6: false


external-controller: 0.0.0.0:9090

external-ui: dashboard

clash

  • 开机自启
sudo vim /etc/systemd/system/clash.service
[Unit]
Description=Clash daemon, A rule-based proxy in Go.
After=network.target

[Service]
Type=simple
Restart=always
ExecStart=/usr/bin/clash -d /etc/clash

[Install]
WantedBy=multi-user.target
sudo systemctl enable clash
sudo systemctl start clash

C++ 模板类型推导

C++

以下列代码为例子，当调用func(expr)时，编译器会自动推导出来T的类型和ParamType的类型，模板类型推导分为一下三种类型：

template<typename T>
void func(ParamType p);
  • 当ParamType是指针或者引用类型，并且不是通用引用类型 ，如果expr的类型是引用类型，丢掉其引用类型。然后用expr的类型去匹配ParamType以确定T的真实类型，例如：
template<typename T>
void func(T& p);

int x = 0;
const int cx = x;
const int& rx = x;

f(x);   //ParamType 为 int&, T 为 int
f(cx);  //ParamType 为 const int&, T 为 const int
f(rx);  //ParamType 为 const int&, T 为 const int
  • ParamType是通用引用类型，如果expr是一个lvalue，T会被推断为对应expr裸类型的左值引用，而根据引用折叠规则，ParamType也被推断为左值引用，如果expr是一个rvalue，情况1生效，即expr会被推断为对应的裸类型，而ParamType将会是裸类型对应的右值引用类型，例如：

引用折叠规则：

  • 到右值引用的右值引用折叠成右值引用
  • 其他所有情况折叠左值引用
template<typename T>
void func(T&& p);

int x = 0;
const int cx = x;
const int& rx = x;

f(x);       //x 为左值，ParamType 为 int&，T 为 int&
f(cx);      //cx 为左值，ParamType 为 const int&，T 为 const int&
f(rx);      //rx 为左值，ParamType 为 const int&，T 为 const int&
f(0);       //0 为右值，ParamType 为 int&&, T 为 int
  • ParamType既不是指针也不是引用，如果expr的类型中含有引用，const，volatile，则舍弃这些，然后用expr的裸类型去匹配T

Manjaro CUDA 

# 独显性能
optirun glxgears -info

# 打开nvida面板
optirun -b none nvidia-settings -c :8

# 不依赖Bumblebee来使用CUDA
sudo tee /proc/acpi/bbswitch <<< 'ON'

# 使用完CUDA 停止NVIDIA显卡
sudo rmmod nvidia_uvm nvidia && sudo tee /proc/acpi/bbswitch <<< OFF

inxi -G # 查看显卡情况
optirun nvidia-smi # 查看CPU情况

#安装cudnn
sudo cp *.h /usr/local/cuda/include/
sudo cp cudnn/lib/* /usr/local/cuda/lib/
sudo cp cudnn/lib/* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h

Kickstart Practice Round 2018 Problem Problem B. Googol String

题意

A "0/1 string" is a string in which every character is either 0 or 1. There are two operations that can be performed on a 0/1 string:

switch: Every 0 becomes 1 and every 1 becomes 0. For example, "100" becomes "011". reverse: The string is reversed. For example, "100" becomes "001". Consider this infinite sequence of 0/1 strings:

Read more

hiho-[Offer收割]编程练习赛65-题目4 : 解方程

hiho

题目链接:https://hihocoder.com/problemset/problem/1771

题意

设 f(n) 表示 n 的每一位数字的平方之和，求 [a,b] 中有几个 n 满足 k × f(n)=n (1 ≤ k, a, b ≤ 1018，且a ≤ b)

解法

由于f(n)表示每一位数字的平方之和，那么f(n)的范围最大不超过18*9*9，那么只需要枚举f(n)，反推出来n并判断即可。

Read more

hiho-[Offer收割]编程练习赛65-题目2 : 最长子段

hiho

题目链接:https://hihocoder.com/problemset/problem/1769

题意

给定一个数组a[1..n]，你需要选一个尽可能长的非空连续子段，使得这个子段的和小于等于给定的一个数 S.

解法

sum[i]数组维护前缀和，mas[i]数组维护以i结尾的最大的sum[i]+S：mas[i] = max(sum[i] + s, mas[i-1])
遍历所有的sum[i]，并在mas[0]到mas[i]中lower_bound查找，假设查找结果下表为index，由于mas[index]为最大的sum[index]+S，且大于等于sum[i]，那么可以的出sum[i] - mas[index] <= 0，及就是sum[i] - sum[index] <= S，且最大。

Read more

RTree index speed up Range query in SparkSQL

SparkSQL

本文接着Add Range Query on Spark DataSet继续，上一篇只是添加了基本的Range操作，为了加速执行，本文将在RDD上实现一个RTree Index来加速执行Range和Knn操作，全部代码在Github。实现之后的例子如下：

import org.apache.spark.sql.SparkSession
import scala.util.Random
object Main {
  case class PointData(x: Double, y: Double, z: Double, other: String)
  def main(args: Array[String]): Unit = {
    val sparkSession = SparkSession
      .builder()
      .master("local[4]")
      .appName("SparkSession")
      .getOrCreate()
    import sparkSession.implicits._
    var points = Seq[PointData]()
    for(i <- 0 until 3000) {
      points = points :+ PointData(Random.nextInt()%30, Random.nextInt()%30, Random.nextInt()%30, "point: "+i.toString)
    }
    val pointsList = points.toDS()
    pointsList.createIndex("rtree", "RtreeForData",  Array("x", "y") )
    pointsList.range(Array("x", "y"), Array(0, 0), Array(10, 10)).show()
    pointsList.knn(Array("x", "y"),Array(1.0, 1.0),4).show(4)
}
Read more

Add Range Query on Spark DataSet

SparkSQL

准备工作

首先下载代码并编译，将编译之后的代码导入到IDEA中，若在IDEA中编译出现问题，一般是由于有的代码在编译时才生成，在导入到IDEA之后要重新生成一下，点击Generate Sources and Update folders后重新编译即可。(我用的是Spark-2.1版本的代码)

git clone -b branch-2.1 https://github.com/apache/spark.git
./build/mvn -DskipTests clean package

目标

在DataSet中添加Range查询操作，使得DataSet支持Range查询。

import org.apache.spark.sql.SparkSession
object Range {
  case class PointData(x: Double, y: Double, z: Double, other: String)
  def main(args: Array[String]): Unit = {

    val sparkSession = SparkSession
      .builder()
      .master("local[4]")
      .appName("SparkSession")
      .getOrCreate()

    import sparkSession.implicits._
    val caseClassDS = Seq(PointData(1.0, 1.0, 3.0, "1"),  PointData(2.0, 2.0, 3.0, "2"), PointData(2.0, 2.0, 3.0, "3"),
      PointData(2.0, 2.0, 3.0, "4"),PointData(3.0, 3.0, 3.0, "5"),PointData(4.0, 4.0, 3.0, "6")).toDS()
    caseClassDS.range(Array("x", "y"), Array(0.0, 0.0), Array(3.0, 3.0)).show()
  }
}
Read more