分类 默认分类 下的文章

1.在终端修改：

npm config get registry //查看当前源地址

修改指令：

npm config set registry <要修改的原地址>

如下：

npm config set registry https://registry.npm.taobao.org //换位淘宝
npm config set registry https://mirrors.huaweicloud.com/repository/npm //换位华为

2.粗暴的方法，在源文件编辑【一般文件地址在电脑的用户下的叫.npmrc里面】

3.使用nrm管理registry地址

npm install -g nrm //安装nrm
nrm ls //查看镜像列表
nrm use taobao//切换

在 Python 的项目中，如何管理所用的全部依赖库呢？最主流的做法是维护一份“requirements.txt”，记录下依赖库的名字及其版本号。

pip freeze > requirements.txt

这种方法用起来方便，但有几点不足：

  • 它搜索依赖库的范围是全局环境，因此会把项目之外的库加入进来，造成冗余（一般是在虚拟环境中使用，但还是可能包含无关的依赖库）
  • 它只会记录以“pip install”方式安装的库
  • 它对依赖库之间的依赖关系不做区分
  • 它无法判断版本差异及循环依赖等情况

可用于项目依赖管理的工具有很多，本文主要围绕与 requirements.txt 文件相关的、比较相似却又各具特色的 4 个三方库，简要介绍它们的使用方法，罗列一些显著的功能点。至于哪个是最好的管理方案呢？卖个关子，请往下看……

pipreqs
这是个很受欢迎的用于管理项目中依赖库的工具，可以用“pip install pipreqs”命令来安装。它的主要特点有：

  • 搜索依赖库的范围是基于目录的方式，很有针对性
  • 搜索的依据是脚本中所 import 的内容
  • 可以在未安装依赖库的环境上生成依赖文件
  • 查找软件包信息时，可以指定查询方式（只在本地查询、在 PyPi 查询、或者在自定义的 PyPi 服务）

基本的命令选项如下：

Usage:    
    pipreqs [options] <path>    
Options:    
    --use-local           Use ONLY local package info instead of querying PyPI    
    --pypi-server <url>   Use custom PyPi server    
    --proxy <url>         Use Proxy, parameter will be passed to requests library. You can also just set the    
                          environments parameter in your terminal:    
                          $ export HTTP_PROXY="http://10.10.1.10:3128"    
                          $ export HTTPS_PROXY="https://10.10.1.10:1080"    
    --debug               Print debug information    
    --ignore <dirs>...    Ignore extra directories    
    --encoding <charset>  Use encoding parameter for file open    
    --savepath <file>     Save the list of requirements in the given file    
    --print               Output the list of requirements in the standard output    
    --force               Overwrite existing requirements.txt    
    --diff <file>         Compare modules in requirements.txt to project imports.    
    --clean <file>        Clean up requirements.txt by removing modules that are not imported in project.

其中需注意，很可能遇到编码错误：UnicodeDecodeError:'gbk'codec can't decode byte 0xae in。需要指定编码格式“--encoding=utf8”。

在已生成依赖文件“requirements.txt”的情况下，它可以强行覆盖、比对差异以及清除不再使用的依赖项。

pigar
pigar 同样可以根据项目路径来生成依赖文件，而且会列出依赖库在文件中哪些位置使用到了。这个功能充分利用了 requirements.txt 文件中的注释，可以提供很丰富的信息。

pigar 对于查询真实的导入源很有帮助，例如 bs4 模块来自 beautifulsoup4 库， MySQLdb 则来自于 MySQL_Python 库。可以通过“-s”参数，查找真实的依赖库。

$ pigar -s bs4 MySQLdb

它使用解析 AST 的方式，而非正则表达式的方式，可以很方便地从 exec/eval 的参数、文档字符串的文档测试中提取出依赖库。

另外，它对于不同 Python 版本的差异可以很好地支持。例如， concurrent.futures 是 Python 3.2+ 的标准库，而在之前早期版本中，需要安装三方库 futures ，才能使用它。pigar 做到了有效地识别区分。（PS：pipreqs 也支持这个识别，详见这个合入：https://github.com/bndr/pipreqs/pull/80）

pip-tools
pip-tools 包含一组管理项目依赖的工具：pip-compile 与 pip-sync，可以使用命令“pip install pip-tools”统一安装。它最大的优势是可以精准地控制项目的依赖库。

两个工具的用途及关系图如下：

pip-compile 命令主要用于生成依赖文件和升级依赖库，另外它可以支持 pip 的“Hash-Checking Mode ”，并支持在一个依赖文件中嵌套其它的依赖文件（例如，在 requirements.in 文件内，可以用“-c requirements.txt”方式，引入一个依赖文件）。

它可以根据 setup.py 文件来生成 requirements.txt，假如一个 Flask 项目的 setup.py 文件中写了“install_requires=['Flask']”，那么可以用命令来生成它的所有依赖：

$ pip-compile    
#    
# This file is autogenerated by pip-compile    
# To update, run:    
#    
#    pip-compile --output-file requirements.txt setup.py    
#    
click==6.7                # via flask    
flask==0.12.2    
itsdangerous==0.24        # via flask    
jinja2==2.9.6             # via flask    
markupsafe==1.0           # via jinja2    
werkzeug==0.12.2          # via flask

在不使用 setup.py 文件的情况下，可以创建“requirements.in”，在里面写入“Flask”，再执行“pip-compile requirements.in”，可以达到跟前面一样的效果。

pip-sync 命令可以根据 requirements.txt 文件，来对虚拟环境中进行安装、升级或卸载依赖库（注意：除了 setuptools、pip 和 pip-tools 之外）。这样可以有针对性且按需精简地管理虚拟环境中的依赖库。

另外，该命令可以将多个“*.txt”依赖文件归并成一个：

$ pip-sync dev-requirements.txt requirements.txt

pipdeptree
它的主要用途是展示 Python 项目的依赖树，通过有层次的缩进格式，显示它们的依赖关系，不像前面那些工具只会生成扁平的并列关系。

除此之外，它还可以：

  • 生成普遍适用的 requirements.txt 文件
  • 逆向查找某个依赖库是怎么引入进来的
  • 提示出相互冲突的依赖库
  • 可以发现循环依赖，进行告警
  • 生成多种格式的依赖树文件（json、graph、pdf、png等等）

它也有缺点，比如无法穿透虚拟环境。如果要在虚拟环境中工作，必须在该虚拟环境中安装 pipdeptree。因为跨虚拟环境会出现重复或冲突等情况，因此需要限定虚拟环境。但是每个虚拟环境都安装一个 pipdeptree，还是挺让人难受的。

好啦，4 种库介绍完毕，它们的核心功能都是分析依赖库，生成 requirements.txt 文件，同时，它们又具有一些差异，补齐了传统的 pip 的某些不足。

本文不对它们作全面的测评，只是选取了一些主要特性进行介绍，好在它们安装方便（pip install xxx），使用也简单，感兴趣的同学不妨一试。

更多丰富的细节，请查阅官方文档：
https://github.com/bndr/pipreqs
https://github.com/damnever/pigar
https://github.com/jazzband/pip-tools
https://github.com/naiquevin/pipdeptree

CPU是一台电脑核心硬件，相当于人体的大脑，它决定了一台电脑的运算速度，CPU的性能好坏会直接影响电脑的速度快慢。无论是台式机还是笔记本，CPU型号后缀都有不同，那么CPU型号后缀带K、KF、F、KS、X、G、H、U、P的含义与区别是什么？下面装机之家晓龙来科普一下台式机和笔记本CPU型号后缀含义和区别。

CPU型号后缀含义

先来说说台式机CPU型号后缀的含义与区别。

F：intel CPU后缀，F代表无内置核显的CPU型号，举例型号：i5 13400F、i5 14400F；当然AMD CPU型号也有F后缀，也是代表无内置核显的CPU型号，举例型号：R5 7500F。

K：intel CPU后缀，K代表支持超频且内置核显的CPU型号，通常支持搭配Z系列主板，可以支持CPU超频。举例型号：i7-14700K、i5-14600K；

KF：intel CPU后缀，KF代表支持超频且无内置核显的CPU型号，搭配Z系列主板可支持CPU超频，举例型号：i7-14700KF、i5-14600KF。

KS：intel CPU后缀，一般是K的高频版，并且内置核显，例如i9-13900KS。i9-13900KS其实就是i9 13900K官方特挑CPU体质，出厂提高CPU频率成为一款单独的产品。

X/XE：intel CPU后缀，至尊旗舰级，举例型号：i9 10900X、i9-10980XE，十代CPU之后X/XE就终结了。

T：intel CPU后缀，属于低功耗版的CPU，相同型号下功耗更低，由于功耗的降低，性能也大大折扣，一般运用在一体机电脑上，为了降低发热量，举例型号：i5 13400T。

X：目前AMD常见的后缀，带X结尾的处理器是指支持XFR技术的处理器，XFR是一种超频技术，是在Boost加速频率的基础上允许再次超频运行的一种技术，这个技术能让频率随不同散热解决方案(风冷/水冷/液氮)而升降。

G：AMD CPU后缀，属于APU，G后缀的CPU通常内置性能较强的核心显卡，举例型号：R5 5600G、R7 5700G，这两个型号的CPU所内置的核显性能基本相当于GTX750Ti独显。

GE：AMD CPU后缀，一般属于低功耗带核显的CPU，例如R5 3400GE。

XT：AMD CPU后缀，相当于不带T的加强版，也可以说是特挑体质版，相同型号下XT比X性能略有提升，举例型号R9 3900XT、R7 3800XT、R5 3600XT；

X3D：配备3D V-Cache技术（3D垂直缓存）的CPU，X3D版本其实就是在原版的基础上扩展了三级缓存容量，是AMD专门为游戏玩家打造的一款CPU产品，侧重游戏性能，例如R7 7800X3D。

再来说说笔记本移动版CPU型号后缀的含义和区别。

H：标压CPU，性能强，通常出现在游戏本和设计师电脑中，举例型号：i5-13500HX 、i7-13700H；

U：低电压CPU，性能弱些但功耗低，通常出现在轻薄本中，举例型号：i5-1334U；

Y：超低电压CPU，性能很弱功耗非常低，通常出现在轻薄本中，举例型号：i3-10110Y，目前少见。

P：可以理解为H的降频版CPU，相比H型号在频率、三级缓存进行了缩水，“P”性能介于H和U之间，一般出现在有一定的性能且续航强的高性能轻薄笔记本中。

HK：一般使用在高端发烧级CPU上，标压可超频CPU，举例型号：i9-13900HK；

HX：一般使用在高端发烧级CPU上，至尊版CPU，可以理解是HK的特挑版，属于顶级CPU行列，性能强悍，主要在高端游戏本中使用。举例型号：i9-13900HX。

G：G1、G4以及G7等，G后面的数字表示核显性能强弱，数字越大代表核显性能越强，通常数字小于4的是集成的普通超高清(UHD)核显，大于等于4的是集成的高性能锐炬(Iris)核显。intel移动版CPU后缀，举例型号：i5-1155G7、i3-1115G4、i3-1005G1；

HS：相当于H功耗略低，通常出现在轻薄全能本，性能较强，举例型号：R7 5800HS、R5 5600HS；

HQ：标准电压，Q板载四核，早期的老后缀，举例型号：i7-7700HQ，现被淘汰；

MQ：标准电压，Q插拔四核，早期的老后缀，举例型号：i7-4810MQ，现被淘汰；

M：早期后缀M就是移动端CPU，只是为了与台式机区别开，举例型号：i7-2620M，现被淘汰。

当你的代码库较比大时，新建任务首次拉取代码时会非常慢，更有可能超时（默认拉取时间10分钟）而失败。
可以使用jenkins的GIT插件自带的高级选项

点开 Git - Repositories 的高级按钮

  • 设置 Refspec: (如：+refs/heads/mingyi-bjqhch:refs/remotes/origin/mingyi-bjqhch，一般是设置成 Branches to build 对应的分支（发布生产环境的分支）)，Refspec这个值默认是：+refs/heads/:refs/remotes/REPOSITORYNAME/

1.png

  • 设置构建分支 Branches to build：如：*/mingyi-bjqhch

  • 添加 Additional Behaviours 高级选项（git fetch 时会自动添加对应参数）：

    • 取消：Fetch tags （fetch参数 --no-tags）
    • 勾选：Honor refspec on initial clone （fetch参数 会使用Refspec设置的分支进行拉取指定分支的，而不是默认的*）
    • 勾选：浅克隆 (fetch参数 --depth=1)

2.png

  1. 1
  2. ...
  3. 44
  4. 45
  5. 46
  6. 47
  7. 48
  8. 49
  9. 50
  10. ...
  11. 138