1010

前言: 好久沒寫廢文了. 最近因為學Tensorflow, 想在家裡建一些VM, 反正VirtualBox用到熟透了想玩些新的, 所以這幾天下班回家就像中了降的研究Hyper-v(明明Tensorflow才是重點), 得出了一些經驗筆記總結一下. 1. Windows 10只要是Home版本以上本身就自帶了Hyper-v, 只要去Programs and Features加入Hyper-V就好[1]. 2. 爬文發現上年年底開始Hyper-v本身有提供常用的Guest OS Template, 並且已經最佳化不用再自己設了, Windows及Ubuntu都有. 雖然Hyper-V是Type 1的hypervisor[2], 不過無論是Windows或者Ubuntu, 都不是KVM(Kernal based virtual machine). 3. 跟Virtualbox一樣提供GPU的模擬介面(RemoteFX 3D Video Adapter). 要了解Host中的顯示卡那些可以被使用, 可以在Powershell中輸入Get-VMRemoteFXPhysicalVideoAdapter了解. [3] 4. 要Hyper-v的Guest OS抓得到顯示卡, 需要兩個步驟. 第一步是把顯示卡加到Hyper-v中,可以在Poweshell中輸入 Enable-VMRemoteFXPhysicalVideoAdapter指令; 第二步是把Hyper-v的顯示卡加到Guest OS中(VMRemoteFx3dVideoAdapter). 不過在WIndows 10 1803不知道為甚麼VMRemoteFx3dVideoAdapter就被刪除了, 幸好只是介面被刪除而已, 還是可以在Powershell中輸入Add-VMRemoteFx3dVideoAdapter -VMName [vm_name]把GPU加回去Guest OS. [3] 5. 未必所有顯示卡或者integrated graphics都可加到Hyper-v中, 例如我家裡用的是老舊的intel H67 Express晶片就不行了. 另外一張Radeon R9 200 Series倒是可以. 6. 使用了兩天的經驗是, 如果上面步驟沒錯, 又直接用Hyper-v的Guest OS T...

沒想到2019年年初就飽吃驚風散，這次是發生在iOS的Issue。 2019上班第一天有user通報由公司內部使用的iOS app上傳的資料日期有問題，我們的date field是string，紀錄顯示2018/12/31號的數據全變成了2019/12/31號，影響範圍暫不清楚，2019第一天就立即要bug fix，真是可喜又可賀。 先評估一下受波及的數據： 發覺就只有2018/12/31號那天變成了2019/12/31，然後2019/01/01開始又好像自動變回正常了。 發覺只有年份不對，月份跟日期沒有問題。 再看看程式團隊開發的程式碼： NSDate * localDate = [ NSDate date ] ; NSDateFormatter * dateFormatter = [ [ NSDateFormatter alloc ] init ] ; dateFormatter.dateFormat = @ "YYYY/MM/dd" ; NSString * dateString = [ dateFormatter stringFromDate : localDate ] ;   感覺也沒有太大問題，一直在抓頭的時候找到 一篇文章 ，問題就出現在formatter中“YYYY/MM/dd”的那個大寫“Y”字。原來Unicode Locale Data Markup Language的說明，大寫Y意思是說 “Year (in "Week of Year" based calendars). This year designation is used in ISO year-week calendar as defined by ISO 8601, but can be used in non-Gregorian based calendar systems where week date processing is desired. May not always be the same value as calendar year. ”就是把一年第一個星期一開始到最後一個星期天之前的日子才算為“本年”，2018年的12/31號是最後一個星期日的第二天，所...

案例分析： 前幾天公司一台SQL Server突然掛點導致大停工，筆記一下這一次的經驗及研究。 SQL Server軟體部分由 兩台Replicas 及 一個Share File Witness 所組成，硬體部分兩組Replicas分別位於兩台完全沒有關連的伺服器上。 用Ping確認兩台伺服器 生存 情況，發現Secondary Replica沒有回應，到伺服器房間發現Secondary Replica硬體發生故障 連呼吸燈都沒了 ，可是好奇Secondary Replica當掉為什麼整個服務會死，進入Primary Replica看看情況。 在Primary Replica中： AlwaysOn Dashboard已經沒有回應，並且錯誤，如下： 在Object Explorer中，AlwaysOn的目錄發現Availiability Groups狀態為Resolving。Primary Replicas同樣顯示為Resolving，如下。 再進入Windows的FailOver Cluster manager，發現整個node的選項都不見了，只剩下Cluster Events可以讀取，打開來看，發現Cluster整個掛了 背脊涼涼的 ，並且出現去不到File Share Witness的情況。 解決流程: 由於Cluster已經沒有功能 已經有壯士斷臂的決心 ，以儘快救回服務為前題。 在Primary的伺服器上進入Services，把Cluster Service Disable掉。 然後進去Failover Cluster manager，嘗試 Force Cluster start without a Quorum，成功之後在Quorum Configuration中出現"Cluster is running in ForceQuorum state. brabrabra.." 資料庫還是不能連接。 按照此篇 文章 的設定，手動設定node weight， 全國最大的線上 資料庫上線啦。 重新測試AG設計： 事情發生後我在測試環境模擬了各種情況，結果如下: 總結： 這次經驗令我重新review了AG的技術，得出了以下的結論： AlwaysOn技術真的是Always...

前言: 前年跟朋友一起入手了一隻Raspberry Pi 2 Model B, 其中一隻拿來當了備份用的NAS(不要期望當真的NAS, 因為存取很慢)， 另外一隻閒置了一年變成上一年的to-do side project，最後也來得及在2017最後一天 拖延症康復了所以 完成了這個project。把難搞到事記筆記一下。 需求: 任何地方打開網頁就可以隨時監控家裡溫濕度變化。 硬體準備: 1. 1張灌好作業系統的16GB micro sd card。 我使用的是 Raspbian with Desktop 。 2. 溫濕度監測器，我使用的是用Arduino弄好的DHT11 Sensor。使用它的原因主要是超便宜，溫度感測是還可以，濕度的話...用來看Delta還是可以啦。 3. 把DHTsensor插到正確的腳位上，如圖 安裝: 我是參考 Jeffery大大的文 章. 先開啟SSH。Raspbian雖然有圖型化介面，但是Model B跑起來實在太慢了，用SSH進入好太太太（回音）太太太多了。開啟教學在 這裡 。 利用SSH進入設備。 安裝python。 根據Jeffery大大文中所說安裝PIGPIO library。 sudo pigpiod 起動daemon。 測試一下剛剛接的sensor是否正確，進入到PIGPIO目錄下，sudo python跑一下dht11.py，有回傳數值代表可以了。 去ubidots註冊一個帳號，使用它的原因是少量sensor是免費的而且介面好用。然後建立一個Data Resource，在Resource中建立Temperature跟Humidity兩項參數。並且取得它們的API Key。API Key是用來上傳資料到ubidots用的。詳細建立的方法在 這裡 。 取得API Key以後，回到SSH介面，因為沒有豪華的Visual Studio，所以我是用sudo nano dht11.py開啟檔案，根據Jeffery大大的修改方式把它修改成可以上傳到ubidots的方式。重點是API Key不要填錯。 修改完以後執行sudo python dht11.py &，如果沒有出現錯誤的話，在ubidots頁面大概會開始看到數據了，大概像這樣， 你沒看錯，濕度真的是很不準... 最後，設...

前言： 前陣前幫公司開發專案打算使用Code First建立資料庫遇到了不少問題，現在終於有點時間在公司好好 再摸魚 認真研究一下，順便記錄起來。關於如何在專案中使用Code First Entity Framework很多神人已經有詳細的教學，我是看 Kevin大的這篇 還有 軟體主廚大的這篇  ，很快已經可以弄出來。 建立資料庫之前最好先設定資料庫名稱，可以在web.config中修改。 第一次使用Code first database先要在 "Package Manager Console" 輸入enable-migrations，如果不止一個DbContext的話要加入參數 –ContextTypeName 指定Db才能繼續進行。建立好Model以後可以輸入add-migration把model加入到pending model，然後輸入update-database -Verbose (Verbose參數令Console直接看到產生出來的SQL)。建立資料庫後如要修改Model也沒有問題，可以在修改後重覆上面步驟更新資料庫，流程如下： update-database -Verbose 可以把整個資料庫重構，這在測試環境當然是沒有問題，可是當在production環境就不行了。上面大大的文章提到可以使用update-database -Script -Verbose自動產生跟資料庫上面diff版本SQL交給DBA去更新，可是怎樣找出跟production環境的diff呢? 我自己是直接改Context檔案裡面的:base("name=Connectionstringname")，然後再輸入一次update-database -script -Verbose就可以得到跟production環境的diff SQL了。 總結： 之前的專案因為有兩個測試環境和production環境，在資料庫結構不停修改的那段時間同步不同環境簡直是場災難，使用自動產生的diff SQL至少可以減少錯誤，而且可以keep track每次修改的History，是個不錯的工具；另外CodeFirst這種開發方式剛開始的時候是有些不習慣，會因為設計不好經常出現錯誤，不過由於資料結構都變成strongly type，在開發上比較...

2018年快樂! 新的一年身為程序猿當然要學學現在最夯的深度學習技術, 不然很快就被 新鮮的肝 淘汰了. 選擇Tensorflow試水溫的原因, 主要是Tensorflow的社群在2017年 最活躍 , 感覺有問題問現場觀眾也比較容易啊. 在Ubuntu 16.04 LTS安裝Tensorflow遇到的問題: 基本上安裝Tensorflow只要跟著 官方教學 安裝就好, 我使用的是native pip, 不使用GPU, 所以要先安裝python dev. 然後pip install tensorflow, 看到successfully. 好像很簡單吧, 打開python, 輸入 import tensorflow as tf , 果然出狀況了, 出現' tensorflow is not defined '的錯誤. 所以再看看教學, 把Optional的部分也裝一下, 再出現錯誤, 這次是 ' tensorflow-1.4.1-cp27-none-linux_x86_64.whl is not a supported wheel on this platform.'   有想過不如giveup去打PS4好了. 爬文以後發現原來要把教學的 sudo pip install --upgrade xxxx 改成  sudo python2.7 -m pip install --upgrade  https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.1-cp27-none-linux_x86_64.whl   # Python 2.7 , 簡單來說就是在pip前面加上 python<version> -m 然後就順利安裝了, 出現 'Successfully installed backports.weakref-1.0.post1 bleach-1.5.0 enum34-1.1.6 funcsigs-1.0.2 futures-3.2.0 html5lib-0.9999999 markdown-2.6.11 mock-2.0.0 numpy-1.13.3 pbr-3.1.1 protobuf-3.5....