光の技术屋

在vue技术栈下做图表需求，echarts是一个非常棒的选择，提供了非常多种多样的图标示例以及非常复杂强大的API。由于笔者近期工作内容中需要分析采样点的分布情况，因此自然而然接触到了echarts的3D散点图。在笔者的需求中，需要对不同点进行分类，并按特定的颜色显示出来。经过一番踩坑，了解到了echarts在实现这方面的机制。

echarts绘图/刷新只需要通过setOption接口即可实现。在各种options中，visualMap视觉映射组件能够根据数据在特定维度上的值，指定对应点的视觉属性（比如颜色、透明度、图元大小等等）。

要用到visualMap特性，需要import相关组件：

截至2021.9，不知道哪天更新了vscode，发现默认的终端从以前的git-bash变成了powershell，笔者用的windows电脑，于是乎要解决这个问题，把powershell变回git-bash。

打开settings，发现以前的terminal.integrated.shell.windows设置已经失效，不能再用。在settings的图形界面查看shell设置，默认的选项变成了PowerShell、Command Prompt和Javascript Debug Terminal，不能直接指定git-bash路径。

经过一番查找，发现官方文档已经说明可以通过设置terminal.integrated.profiles.windows的方法，增加一个shell选项，从而达到目的。于是我们可以在settings里添加一个git-bash选项：

1
2
3
4
5

"terminal.integrated.profiles.windows": {
    "git-bash": {
        "path": "X:\\GIT_ROOT\\bin\\bash.exe"
    }
}

然后在shell选项里就能选择git-bash了。试试看吧~

近期在研究寻路功能的测试工作，需要对玩家寻路过程中的行进轨迹进行采样，判断采样点是否在特定的寻路区域内。UE4自带了NavModifierVolume的actor，可以放置到场景里标识某个区域的寻路成本（不了解寻路相关背景的话可以参考先前的文章），因此我们做采样的时候，也需要判断某个点是否在特定的NavModifierVolume里。由于自己所负责的游戏是网游，NavModifierVolume最后导出给服务器用了，实际游戏里获取不到这些actor的数据，因此实际测试时，一方面需要下载服务器上的NavModifierVolume数据，另一方面还要手写相关的计算方法，来达到我们的工作目的。

NavModifierVolume是一个空的长方体，可以旋转成任意形式。因此判断玩家寻路采样点是否在特定寻路区域内，也就必须解决这个数学问题——3D空间下判断一个点是否在特定长方体内。

通常而言，这个问题有以下的解法：

在游戏领域，行为树是常用的AI解决方案，用行为树可以快速明了地描述AI的行为模型，而UE4提也供了非常完善的行为树解决方案，不仅有用户友好的界面，而且也有多样化的底层支持。在官网的行为树快速入门指南中，我们可以了解到UE4行为树编辑器的使用以及用蓝图创造行为树节点的方式，而在一些特定的需求当中，蓝图相对于C++并不会非常灵活。因此，笔者稍微研究了下行为树C++层次中的内容，简单分享下行为树里各种节点的C++写法

首先上一张行为树完整图，是基于场景查询系统（EQS）快速入门制作的：

在手游时代，尤其对于大世界游戏而言，寻路的实现基本在专门的寻路服务器上进行。在众多寻路的解决方案中，recastnavigation是最为经典实用的一个，很多游戏甚至游戏引擎都采用类似的实现。recastnavigation项目自带了RecastDemo，用图形化的界面帮助用户认识寻路网格（navmesh）的生成以及寻路的过程。因此，作为初学者的笔者，也决定通过RecastDemo去初步认识寻路的机理奥秘。

构建RecastDemo

首先克隆recastnavigation项目，从文档中可以看到RecastDemo的构建支持Windows、Linux、MacOS三端。从实际测试的效果来看，MacOS可能存在字体无法加载的问题，建议是用Windows跟Linux跑着玩。以Windows为例，首先需要下载premake5以及SDL开发库VC。premake5需要放到PATH下，而SDL开发库VC解压后需要按照文档描述，放到recastnavigation项目目录的RecastDemo/Contrib目录下，更名为SDL。

之后，在RecastDemo目录下执行premake5 vs2019，可以在RecastDemo/Build/vs2019中看到recastnavigation.sln项目文件。用VS2019打开，构建RecastDemo，就会生成exe在RecastDemo/Bin目录下。进入这个目录执行RecastDemo.exe，就能打开工具界面了。

基础寻路操作

前言

在测试工具的开发过程中，可能会遇到需要生成excel文件的需求。笔者在自研excel-diff工具的过程中，也同样接到了需要生成excel文件来展示每个sheet的diff数据。每个包含diff的sheet需要生成1个excel文件，每个文件分成3个sheet，2个sheet用于展示sheet原先的数据与修改后的数据，1个sheet用于描述性统计和超链接每个diff的情况。要生成这样的excel文件，不用专门的excel库是不行的。基于python的技术栈，经过一番调研，笔者采用openpyxl作为生成excel的库，并且顺利完成了需求。

学习openpyxl可以直接从官方文档入手。一些基本操作如下：

在python开发期间，由于GIL的原因，不能直接采用并行的方式处理代码逻辑。在multiprocessing库的支持下，python程序能够启动子进程执行特定的任务，但子进程的管理也成为了问题。为了简化用户开发成本，python在concurrent.futures下内置了ProcessPoolExecutor这一数据结构，实现了简单的进程管理及任务调度。如果没有特别的需求，开发者只需要用ProcessPoolExecutor即可实现并行执行任务。因此，本文简单对ProcessPoolExecutor的实现进行分析，帮助大家更加了解python开发中进程/任务调度的一种方式。

首先来看ProcessPoolExecutor的用法，可以参考官方文档

• constructor：构造器
  • max_workers：最大worker数量
  • context：进程启动方式，比如spawn、fork等。可以参考这篇文章
  • initializer：初始化环境用的回调/钩子，会在传进去的任务执行之前调用（比如要import什么库，读取什么配置之类）
  • initargs：初始化回调的参数
• submit：提交特定任务，返回一个future实例（类似于js的promise）
• map：批量submit
• shutdown：关闭进程池并销毁资源

可以看到用法非常简单，用户一侧只需要这样操作即可得到任务执行结果：

golang的数据类型转换是困惑新gopher的一大问题之一。相对于python，golang的数据类型转换可要麻烦的多，而且还不走寻常路地诞生了些新的方法跟名词。因此本文讲解golang常见数据类型string、int、rune等数据类型相互之间的转换方法，给大伙儿避坑。

在讲述方法之前，首先非常有必要讲下go源码对这些数据类型的表述：

在先前的《游戏策划表格检查工具的一种设计》一文中，笔者分享了在一般游戏测试业务背景下设计策划表格检查工具的一种方式。本文基于先前文章的内容，将原先的表格检查工具升级为表格测试工具，涵盖更多的内容，并对其中部分技术实现进行分享。

测试工具架构设计

整个测试工具分为两个部分：

• 仓库管理服务：负责管理多个策划表格的svn/git仓库，并涵盖导入表格数据的功能
• 表格测试服务：负责接收用户的测试请求，向仓库管理服务请求特定版本的数据，执行表格测试任务

测试工具的整体架构如下图：

UE4在构建场景光照时，会启动swarm agent进行构建，但如果只用一台电脑会出现构建速度较慢的情况。为了加快编译的效率，需要配置联机渲染。

首先需要注意的是，在UE4中自动打开swarm agent和手动打开swarm agent会用到不同的配置。因此，建议的方法是手动打开swarm agent进行配置（对于所有机器），然后再开UE4。每个swarm agent以及调度器swarm coordinator的可执行文件位置，都在引擎的Engine\Binaries\DotNET下

在官方文档中，有Unreal Swarm配置的例子可以参考。假设你有一台性能强劲的机子，和一台你日常工作但性能一般般的机子。这样可以如下配置：