Everything you care about in one place
Follow feeds: blogs, news, RSS and more. An effortless way to read and digest content of your choice.
Get Feederchegva.com
CHEGVA
Get the latest updates from CHEGVA directly as they happen.
Follow now 22 followers
Latest posts
Last updated 1 day ago
CORS跨域 Access-Control-Allow-Origin 响应头重复设置报错处理
2 days ago
最近在小程序IDE测试埋点上传时访问负载均衡代理的域名（wx.chegva.com）转发到目标nginx服务时，报错“Access-Control-Allow-Origin cannot contain more than one origin”。在浏览器访问时，跨域报错 https://wx.chegva.com has been blocked by...
高效沟通(二)：沟通阻碍和应对方法
7 days ago
了解了沟通原理和相关问题之后，我们来系统地分析一下哪些因素会成为沟通中最主要的障碍，并给出应对方法。信息不准确对照我们在沟通原理中提到的沟通模型，可以看到，如果被编码的信息本身是错误的，或是你的编码器中有 bug，把信息编辑错了，那么，无论是你有多牛的沟通技巧，采用多有效率的沟通方式，都不可能表达清楚。用词不当，词不达意，添油加醋，断章取义，歪曲事实……都是这类沟通方式最糟糕的表现。针对这类情况，我给出的建议是，在沟通之前，首先要想清楚沟通的目的是什么，然后整理自己的措辞。如果是一些比较重要的沟通，最好可以把自己的想法写下来，然后放一会儿，再回过头来看，想象一下如果是别人对自己讲这些话，自己会怎么理解。在实时交谈的过程中时，面对一些容易让人产生误解，或是自己感觉没有表达好的信息，你需要停下来，思考一下，换个方式，重新再来一次。我也经常这样。我会停一下，告诉对方，让他等一下，给我一点时间来组织语言和逻辑，或者说，对不起，我没表达好，我换个思路重新说……而当别人没有表达清楚的时候，你要及时打断对方，跟对方说，你没有听懂，你不知道这是什么意思，是否可以重新澄清一下，等等。这都是我们日常沟通中惯用的手法。而如果你明明知道你不懂却不好意思问的话，这就是沟通中最大的阻碍了，沟通就是要来来回回的确认。这里的关键点是，在信息不准确时，节约时间已经没有意义了。沟通效率的关键不在于快，而是准确！要做到这些，你需要不断地练习，多有几次准确表达自己、成功沟通的经历，就会驱使你的沟通表现越来越好。在《程序员面试攻略》中，我还分享了另一个方法，就是多看多写，养成写博客的习惯。当你越来越能把复杂的事情写清楚的时候，你的表达能力就会越好。信息太多信息太多就等于没有信息。有些人在交流的时候，会先说一些无效信息或者与主题无关的干扰信息。比如：害怕别人可能不能理解，就进行大量的前期铺垫和背景描述；害怕得罪别人，先花大量的时间进行解释和免责；想把所有的东西都告诉对方，在做 PPT 的时候，放入了大量的文字而让人 get 不到重点；怕别人听不进去，唠唠叨叨，车轱辘话来回说；用各种各样的比喻来说明一个事，但就是不直接说明这个事，把大家搞得云里雾里的；枝节太多，跑题，东拉西扯，抓不住重点；……我以前团队有个下属来跟我来说，“我最近工作很累，压力很大……”当时，听他这么说，我虽然表面故作镇定，但心里面却是不安的，我的直觉告诉我他可能接下来就要和我说离职了。然后，我开始安慰他，再把话题偏到和他分享我以前遇到相似的情况时我是怎么怎么做的。结果换来的是更多的解释，他跟我表达更复杂的情况，于是我又在帮他想办法……这样你躲我闪的沟通持续了三十分钟之后，我才搞明白他其实是只是想休假。他想请一个星期以上的长假，害怕申请不下来，所以，先给我解释这么多，而我以为他要离开。于是，在我俩各自“心怀鬼胎”的环境下，沟通变得越来越复杂了……其实，如果他第一句话就说：“我想请一周的假，想休息休???”，我觉得有点长了，自然会问他原因的，如果我不觉得长，我就马上给答案了。但无论是哪种情况，都不会像我以为他要离职这么复杂。是的，不要绕弯子，有话直说，这是最高效的沟通方式。这既是对对方的一种信任，也是一种对自己的尊重。这样沟通，事情往往能得到更好的解决。没有交互没有交互的沟通是一种有些令人沮丧的交流方式，这相当打击积极沟通的一方。尤其是面对程序员，开会也好，分享也好，我经常一个问题出去（比如：想听听大家有什么意见，我这么做有问题吗？等等），没有任何的回应，一片寂静，本来注视着你的眼神一下子都低下了头，相当令我沮丧，甚至有些令我不知所措。于是，沟通成了单向灌输，沟通中的一方或者双方喋喋不休地说，而且是只说不听，各说各的。这样不仅会把双方都搞得很疲倦，而且问题一点儿也没有解决。这样的沟通可以说是完全失败的，只是在浪费时间。遇到这种情况，一定要学会止损。也就是，一旦意识到这样的情况发生，就委婉终止这样的谈话，想办法脱身。而且还要反思自己和对方到底出了什么问题，然后寻找有效沟通的方式和技巧。这里多说一句，有时候，领导太过于威严，或是太过于强势，不听别人的观点，就会导致别人不敢表达自己的想法，或是觉得表达出来也没什么用。时间一长，就造成了没有交互的沟通。不要觉得这样“发命令式”的沟通很好，效率很高。实际上，你把你的员工当成不会思考的机器的话，他们也就真的成为了不会思考的机器。有一天，你需要你的员工为你分担压力，帮你贡献一些想法的时候，你会发现你这堆员工简直就跟机器一样没有差别。找到对方的兴趣点，降低表达自己真实想法的门槛，培养让大家畅所欲言的自由环境，把自己的答案变成问题，让其它人有参与感，这样才可能有好的沟通，也能够有好的结果。表达方式沟通中有两个非常重要的因素，一是沟通的内容，二就是表达方式和态度了。同样的沟通内容，以不同的表达方式说出来，实现的效果也会大相径庭。很多场景下，人们以一种平等且互相尊重的态度进行交流的时候，沟通一般都能得到顺利进行。试想如果一方态度不好，或者带着某种情绪，用听起来轻蔑且粗鲁的方式跟你说话的话，会出现什么样的结果？这就解释了为什么人们有时会为一些琐碎小事儿而争论不休。我们要尤其意识到，很多时候沟通失败，不是沟通内容出了问题，是表达方式、谈话的态度出了问题。后面讲述沟通技巧的时候，我会详细讲述这个问题。老实说，我有时候也会有这样的问题（就是那种情商为零的情况），我也在努力克服，努力改善中。要做到这些可能只有读万卷书，行万里路了……二手信息由于信息在传递过程中会自然损失的特性，导致即便在没有人为主观去篡改的情况下，很多二手信息内容的准确度也是不够的。这跟上面提到的“信息不准确”有些类似。通常来说，二手信息都是变味的信息，这些变味的信息在很多时候是会是影响人的判断力的。像道听途说、以讹传讹之类的二手信息，可能会让你做出严重的错误判断。流言止于智者，流言之所以能止于智者，不是因为智者聪明，而是智者会到信息源头上去求证。在网上有很多关于我的传闻和一些八卦故事，而且这些八卦是非常有生命的，里面那些所谓的“当事人”把一些事描述得活灵活现的，却基本没有人来找我求证是否真的是那样的？我怎么想也想也不明白：是我死了无法对证了，还是现在的人喜欢看八卦喜欢到已经不关心事实了？到信息的源头，向当事人去求证，会让这个世界更加和谐，也会让你变得更有智慧。信道被黑我们做计算机的人都知道，如果在网络通信的时候，信息在传输过程中被有恶意的人修改会产生什么样的后果。这???是信息不对称，这个世界有太多的人喜欢玩信息不对称的游戏，因为信息不对称了，轻则可以牟利，重则可以控制人的思想和行为。挑拨离间、散布谣言、假传圣旨、捏造事实、欺上瞒下……就是这方面的示例。所以，你应该知道信息平等是有多重要的一件事了。虽然有时候信息是负面的，隐瞒可以让你获得短暂的宁静，但是纸包不住火，一个谎言需要用更多的谎言去弥补，一旦被识破，你得到的将是信用的破产和大众报复性的结果。所以，在面对负面信息的时候，最好的方式不是隐瞒，而是公开以及给出解决方案。要解决信息被黑这个事，只有一条路可以走，那就是让信息公开透明，将没有被“嚼过”的信息，完整一致地传递给别人，让大家用自己的想法去理解它。尤其是在公司宣布一些变化的时候，千万别嚼完了再告知下属。但有些管理者会觉得，信息公开透明之后就不好做管理了，因为开启民智了。这些人的想法是：我就喜欢愚民，员工傻一点我好管。我让你加班你就加班，我让你朝东你就朝东，不会问我为什么朝东，为什么不朝西。但是，我想说，信息不对称只有短期利益，没有长期利益。短期来看，团队成员听话，团队好管理。但长远来看，这么做无疑是在剥夺员工自我成长的机会，从而无法培养员工的自驱性和创造力。当一个团队没有创造力，不会思考的时候，你还能走多远呢？小结总结一下今天的内容。在这篇文章中，我介绍了最主要的六种沟通阻碍：信息不准确、信息太多、没有交互、表达方式、二手信息和信道被黑，给出了各种阻碍所带来的沟通问题，同时给出了相应的解决办法。希望能够启发你的思考，并给你提供帮助。来源：《左耳听风专栏：高效沟通》
Nginx正向代理
14 days ago
Nginx可以通过配置stream模块来实现对HTTPS的TCP四层正向代理。核心是使用proxy_pass指令将流量转发到目标服务器，同时配合ssl_preread指令处理TLS握手，实现HTTPS的透明代理。一个简单的配置示例：stream { resolver 223.5.5.5 114.114.114.114; # 配置DNS解析器 resolver_timeout 10s server { listen...
Linux、Mac和Win10查看文件MD5值
19 days ago
工作中，发送大文件时必不可少的一步操作就是比对MD5值，这个步骤很有必要，有时候折腾半天才发现接收到的文件并不完整，MD5值对不上，又得重新拷贝一遍，MD5值主要用来校验文件完整性（如下载文件、备份验证）。Linux 系统方法 1：使用 md5sum 命令（最常用）md5sum 文件名示例：md5sum ubuntu.iso输出：d6e8f9265763a0d9a3e633b1c5f1c4b2 ubuntu.iso（d6e8... 即为 MD5 值）方法 2：结合其他工具（如...
绝地大逃杀2.0之开心乐园
26 days ago
距离绝地大逃杀1.0上线已经一个多月了，情况比想象中的要好，五只乌龟都还在，小强、虾王、斗鱼也没有被吃掉。国斗天天在小缸里干架，有只小乌龟还越狱了，被娃发现抓了回来，鱼龟混养算是成功啦。但是由于缸太小，水体小，虽然铺了火山石，一两周后水看着还是有点浑，石头下边都是粑粑，水培绿植和过滤也不太给力，于是换了个60的缸，重新开缸升级一版——绝地大逃杀2.0之开心乐园。底部：火山石+细菌屋+过滤板；水培绿植：水竹+春羽+绿萝；和娃周末一起自制了一个过滤器，里边放了过滤棉+滤材+火山石(用来种绿萝)。然后又买了十条观背青鳉，这种小鱼(游速快+体型小+躲避)和乌龟混养存活率会高很多，从旁边鱼缸捞了条草金放缸里，没过三分钟就被巴西蛊王咬到鱼鳍了，赶紧扔回鱼缸，不然就要目睹惨案发生了。中途出差两周没回来，虾王跳缸而亡，不知是新缸不适应还是太兴奋了，缘份已尽。回来发现鱼缸里的三条小黄辣丁崽子只剩下一条了，从公园里捞回来一个多月，长了一公分，大概率是被草金吃掉了，气得赶紧把仅剩的独苗捞到了乌龟缸里。旁边草金也跳了一条，后边斗鱼又跳了一条，被咬死一条，失踪一条，龟缸里只剩两条斗鱼了。观背青鳉失踪一条，还剩九条。周末娃从电玩城捞鱼机又捞了八条草金回来，这玩意根本死不完。目前是五只龟，小强(长了一公分，是条虾虎)，一条黄辣丁，九条青鳉，两条国斗。周末???捞了几条小鱼和虾，又从鱼缸弄了些田螺崽子放了进来。基本上黄辣丁和小强、小鱼虾喜欢待在过滤板下、石头缝和细菌屋管子里，有时上来玩玩。龟和鱼在上边玩，总体来说，相处得都还算和谐，希望它们都能开开心心在开心乐园里幸福地生活下去。 [video dplayer="true" autoplay="false" src="https://cdn.chegva.com/ueditor/php/upload/video/20250720/1752947083647950.mp4" loop="false" preload="true" theme="#b7daff" mutex="true" iconsColor="#ffffff"] [video dplayer="true"...
使用脚本、工具批量操作服务器做免密登录及修改密码
28 days ago
生产实践： 使用脚本、工具批量操作服务器做免密及修改密码学习技巧： Shell 脚本、sshpass、parallel-ssh及ansible工具使用脚本内容： 使用脚本、工具批量操作服务器做免密及修改密码，常用于服务器初始化及批量操作。一、sshpass使用1、确保本地机器已安装sshpass工具apt install sshpass # Ubuntu/Debian yum install sshpass...
AI领域核心术语技术总览表
about 1 month ago
分类术语基础概述关键技术发展历程应用场景基础概念AI（Artificial Intelligence）人工智能模拟人类智能的计算机系统，执行学习、推理、决策等任务，用于模拟、扩展和增强人类智能的技术工具和方法符号主义（规则系统）、连接主义（神经网络）、行为主义（环境交互），生成式AI、自然语言处理（NLP）、Transformer模型、BERT、PEFT微调方法及大语言模型（LLM）等1956年达特茅斯会议提出；2012年深度学习爆发；2022年生成式AI革命自动驾驶、医疗诊断、智能客服、内容创作辅助、人机协作ML（Machine Learning）机器学习利用数据进行学习的技术，从数据中学习规律，使计算机能够通过算法模型从数据中获取特征并不断优化模型以做出决策和预测，无需显式编程即可改进其性能监督学习（分类/回归）、无监督学习（聚类）、强化学习（奖励机制）机器学习的核心技术包括算法原理，涉及模型训练、特征工程、模型部署等流程，同时涵盖损失函数、正则化项等策略，以实现有效的模型评估与选择。1958年感知机诞生；1986年BP算法；2012年ImageNet竞赛突破金融风控、推荐系统、图像识别DL（Deep Learning）深度学习基于多层神经网络的复杂模式学习，利用多层神经网络处理复杂数据模式的机器学习技术，通过模拟人脑神经网络进行学习和识别的机器学习方法CNN（图像处理）、RNN/LSTM（时序数据）、Transformer（自注意力机制）2012年AlexNet夺冠；2014年GAN；2015年ResNetAlphaGo、语音识别、图像处理、自然语言理解RL（Reinforcement Learning）强化学习通过环境反馈（奖励/惩罚）优化决策策略，是一种优化整个决策过程以最大化累积收益的算法领域，重点关注决策之间的相互影响Q-learning和Sarsa、策略梯度、深度强化学习（DQN）强化学习的核心要素包括智能体、环境、状态、观测、动作、奖励和策略，它们共同决定了智能体如何通过与环境的交互来最大化累积奖励。1997年IBM深蓝；2016年AlphaGo；2025年工业机器人自主决策游戏AI、机器人控制、游戏对抗、资源调度模型技术LLM（Large Language Model）大语言模型超大规模神经网络，通过海量文本训练掌握语言规律，具备模拟人类语言理解和生成的能力变压器架构（Transformer）、注意力机制、位置编码、预训练与微调2018年BERT；2020年GPT-3；2023年GPT-4多模态融合ChatGPT、文心一言、代码生成推理模型结合逻辑规则与数据驱动的决策系统，专注于多步推理任务的模型，旨在增强人工智能的问题解决能力神经符号融合、知识图谱集成、动态计算分配2024年通义千问3推出"混合推理"（快思考+慢思考）法律咨询、医疗诊断、金融预测多模态模型融合文本、图像、音频等多种输入/输出形式的AI模型和技术跨模态对齐、联合表示学习、多模态生成、协同学习2023年GPT-4V；2024年谷歌Gemini；2025年Sora视频生成视频内容创作、跨媒体搜索、智能硬件交互、图像建模训练优化预训练通过在大规模未标注数据上进行训练，使模型能够学习到通用的语言模式和特征表示掩码语言建模（MLM）、自监督学习、万亿级token处理2018年BERT开启预训练时代；2023年千亿参数成为常态模型初始能力构建、迁移学习基础、推荐系统模型微调在预训练模型上使用领域数据适配特定任务，通常涉及数据集准备、模型训练和效果评估等步骤，相比提示词调优，它更为复杂且资源需求大指令微调（Instruction Tuning）、LoRA（低秩适配）、P-tuning v2参数高效微调技术2020年后成为LLM落地标准流程；2024年高效微调技术普及行业知识问答、专业文档分析、图像生成与编辑模型剪枝用于减少神经网络的大小和计算复杂度，通过删除不重要的权重或神经元来简化模型结构结构化剪枝（通道/层移除）、非结构化剪枝（权重归零）、知识蒸馏结合剪枝2015年首次应用于CNN；2024年移动端模型压缩关键技大规模语言模型压缩、手机端部署（如荣耀Magic V5搭载通义千问3）???馏通过将大型模型的知识和技能传递给小型模型，以提高小型模型的性能和效率，用小模型模仿大模型行为以降低推理成本知识迁移、软标签学习、输出分布匹配白盒蒸馏、多教师蒸馏、自蒸馏2015年Hinton提出知识蒸馏概念；2024年开源小模型（DeepSeek-V3）的核心技术大模型蒸馏、边缘计算、实时推理场景数据标注为训练数据添加标签以指导模型学习，是人工智能开发中的关键环节，涉及对原始数据进行标记和处理，以便机器学习算法能够理解和分析。这一过程通过添加标签、框选、涂色、转写等多种操作，确保数据集的质量和准确性主动学习、手工标、半自动标注、自动化标注、众包质量控制1992年LDC建立首个标注库；2025年AI辅助标注效率提升10倍自动驾驶数据集（图像标框）、医疗影像标注应用组件RAG（Retrieval-Augmented Generation）检索增强生成通过结合检索和生成模型，利用向量数据库存储和检索文档段落，增强大模型的回答能力，使其能够基于最新数据和文档内容准确回复用户问题，减少幻觉向量检索、上下文融合、多轮迭代查询、外部知识库、生成框架2020年Naive RAG；2024年Modular...
K8s集群etcd磁盘更换
about 1 month ago
在 Kubernetes 生产环境中更换 etcd 节点的磁盘是一个高风险操作，需谨慎执行。什么情况需要更换磁盘？磁盘性能不足，如机械盘升级到 SSD磁盘硬件存在问题，影响稳定性ETCD 对磁盘性能要求非常敏感，强烈建议使用 SSD 且独立挂盘。如果有更高性能要求，可以选择分离 snapshot(快照文件)/wal(预写日志)的目录，使用两块盘分离 IO 读写。以下是详细步骤和注意事项，以三节点...
高效沟通(一)：Talk和Code同等重要
about 1 month ago
Talk is cheap，show me the code，是我们技术人常说的一句话，也是技术社区中经常用的一句话。这句话的意思是，那些光说不练的人说一句是很简单的，而写代码的人则会为一句话付出很多很多的精力，其表明，一个看上去再简单的东西，用一行一行的代码实现起来，并能让其运转起来也是一件很复杂很辛苦的事。说得容易，做起来难！这句话是 Linus 说的，也是我引入到中文社区的，然而，逐渐地，大众对这句话的解读开始有点变味了，走向了另外一个极端——他们觉得代码才是最重要的，甚至其中有些人开始觉得真正的技术人员是只用代码说话的！似乎，这个世界上总是会有一些人，当他们看到一个观点的时候，在他们的脑袋里只有两个答案，一个是 true，如果不是 true，那就是 false。就好像只要一个人犯了个错误，这个人就是一个不折不扣的大坏蛋，如果一个人是个好人，那他要在所有的地方都是优秀完美的。对于技术人员来说，其实，Talk 和...
kube-proxy iptables 和 ipvs 模式的工作原理及示例
about 2 months ago
客户有个好几年前的k8s老环境，部署新的应用就出问题了，从部署的服务pod里访问k8s svc地址端口 172.16.0.1:443 不通，宿主机上访问都是通的，kube-proxy mode是 iptables 模式，endpoints检察都正常，svc 后端apiserver 6443 也都能正常访问，重建kube-proxy、kubernetes svc 后...
绝地大逃杀
about 2 months ago
最近整了两个新手快乐缸，一个养龟，一个养鱼，大多是小孩电玩城里弄的和野采搞的。乌龟缸里现有五只龟，一只虾，一条小鱼。野采放了几十只虾和小鱼都被乌龟给祸害掉了。尤其是这只大点的巴西龟啥都吃，鱼、虾、螺、水草绿植，只要是它想吃的，能吃的感觉它都想给吃咯，还特凶，叫它巴西蛊王不为过。这眼神一看就很有杀气！仅剩的这只虾和小鱼在这群恶龟围追堵截下能活下来也真不容易，就叫虾王和小强吧。 [video dplayer="true" autoplay="false" src="https://cdn.chegva.com/ueditor/php/upload/video/20250623/1750615590338990.mp4" loop="false" preload="true" theme="#b7daff" mutex="true" iconsColor="#ffffff"] 最近又整了6条国斗，以斗鱼快速的游速和火暴的脾气，乌龟想吃到它们应该没那么容易，结果就出去吃了个饭，小捞网被跳开了，两条斗鱼直接越狱，一条已经梆硬，一条还有一口气，还得打氧抢救，这两条鱼对自己是真狠。还有四条正常鱼，一条半残鱼。为了迎接斗鱼，周末把乌龟缸地图重新设计了下，之前的地图像个孤岛，这次有躲避城堡，桥洞，空隙，绿植，就叫它水中乐园，恶龟们想轻松吃肉是没那么容易了。最后，看效果还不错，国斗游得挺快，还在里头干架，给恶龟们运动运动锻炼下，又扔了些旁边鱼缸里的田螺宝宝过来，希望鱼龟虾螺最终能实现共生。当然，不管是虾王，小强还是斗鱼们，活到最后的才是真正的赢家。5只恶龟、4.5条斗鱼，1条小鱼，1只虾，绝地大逃杀开始了，快跑吧老六。 [video...
故障处理最佳实践
about 2 months ago
或多或少我们都会经历线上的故障。在我的职业生涯中，就经历过很多的线上故障。老实说，线上故障是我们技术人员成长中必须要经历的事。从故障中我们可以吸取到很多教训，能让我们学到很多书本上学不到的知识。坑踩多了，我们会变得越来越有经验，也就成为老司机了。不过，我看到很多公司处理线上故障的方式并不科学，而且存在很多问题，所以，想写文章来分享一些我的经验。这些经验主要来自亚马逊和阿里这两家互联网公司，以及我个人的经验总结。希望这套方法能够对你有帮助。故障发生时在故障发生时，最重要的是快速恢复故障。而快速恢复故障的前提是快速定位故障源。因为在很多分布式系统中，一旦发生故障就会出现“多米诺骨牌效应”。也就是说，系统会随着一个故障开始一点一点地波及到其它系统，而且这个过程可能会很快。一旦很多系统都在报警，要想快速定位到故障源就不是一件简单的事了。在亚马逊内部，每个开发团队至少都会有一位 oncall 的工程师。在 oncall 的时候，工程师要专心处理线上故障，轮换周期为每人一周。一旦发生比较大的故障，比如，S1 全部不可用，或 S2 某功能不可用，而且找不到替代方案，那么这个故障就会被提交到一个工单系统里。几乎所有相关团队 oncall 的工程师都会被叫到线上处理问题。工作流是，先线上签到，然后自查自己的服务，如果自己的服务没有问题，那么就可以在旁边待命（standby），以备在需要时进行配合。如果问题没有被及时解决，就会自动升级到高层，直到 SVP 级别。大家都知道，在亚马逊，不是按技能分工，而是按职责分工，也就是一个团队不是按前端、后端、运维等来分工，而是按所负责的...