技术人培养产品思维，这一点是技术人在职业成长中不可缺少的一部分。无论是做业务开发，还是做纯粹的基础架构、技术优化，有了产品意识，才能把自己的技术作品打磨地更好，能在更多工作场景派上用场。那么，今天就聊一下作为技术人，有什么方式可以提升产品意识。
把这个问题丢给AI，概括一下答案是几大块：第一块是学习产品知识，比如阅读相关产品设计书籍，参与课程讲座；第二块是深入了解用户需求，培养用户视角；第三块是加强跨部门沟通，和其它团队紧密合作。AI给到了很好的一套思维框架，帮助我们技术人找到一些提升产品意识的路径，但具体怎么做，最终还是要结合咱们自己的经历来。所以今天，就分享一下个人经验。
在线上服务变更过程中，我们希望可以通过一套实时观测机制去监测线上服务的风险，从而能够确保线上稳定性，在出问题时可以及时回滚变更。今天这篇文章，就简单讲一下变更风险观测的流程逻辑需要怎么设计。
首先我们需要建模变更观测的过程。变更观测的生命周期，一般来讲，当服务某阶段变更开始后，观测会开始，然后当服务某阶段变更完，一般还需要停留观察一段时间，确定线上没有遗留风险之后，观测才会结束。可以简单的认为，一次变更观测，关联一次发布的某一个过程。所以一个观测任务，结构数据上需要包含发布工单的元信息、观测参数的元信息，以及任务自己的运转状态，同时每个任务实例需要被有序的调度起来，因此所以要有一个调度系统去处理每个任务实例的状态推进。
然后，再细一个粒度，对于一个特定的变更风险点，我们也需要用一个特定的观测能力去cover，所以对于每个观测能力，也要和上层的观测任务一样，有自己的元信息和状态转换定义。任务对能力是一对多的关系，一个观测任务当中，可以通过某种编排，把不同能力在不同的时间点启动起来，切入到发布过程的不同时机，这样就能够形成灵活的变更观测。
从这些角度出发，以一个简单的串行思维，整个变更观测任务需要做以下的动作：
作为程序员，脑力劳动者，保持一个健康的身体，是非常重要的。回顾24年自己取得的结果，一个比较亮眼的就是减肥减了10kg，到达了一个比较健康的体重，保持了半年没有反弹，当然到现在也依然在保持。今天这篇文章就给大家分享一下自己的减肥和体重保持的经验。
减肥的要领，主要包括以下几点：心态、吃、运动以及休息。
最近一段时间闲来无事，简单研究了一下pyside6，也就是PyQt5的升级版。做这个的目的，也是回顾下桌面开发的基础，兴许未来可能用得上。虽然在日常工作中，可能用到桌面开发的场景比较少，桌面工具的成果也比较难包装，但有一个这样的工具，确实可以解决许多工作效率方面的问题。
在之前笔者也写过几篇pyside6文章，但不是特别系统，比如说：
因此，今天这篇文章就系统分享一下，怎么样用pyside6写一个postman接口调用的小功能，开发并部署出来。作为一个自己写的教学文章，这篇文章会重点提一些自己觉得实操过程中的要点，少一些ChatGPT就能回答的东西。有了这些基础之后，做其他的工具需求，也会变得更加简单一点。
安装方面不再赘述，详情可以看官网的Getting Started以及Tools的部分，然后先前的文章也基本上把目录组织和最小demo给讲清楚了。
核心要解决的问题就是通过目录组织，把工作流的每一个模块给拆出来，互不影响。比如这样：
最近笔者接触到了Cypher这款游戏，玩法很简单，就是通过文字、图片等各种表达手段组成的谜面，猜一段英文，算是初步接触了密码学的一些知识。游戏中提到了很多类型的密码，其中Enigma密码机就是单独一种，在电影《模仿游戏》中，夏洛克.福尔摩斯费尽心力破解的德军密码，也就出自此密码机之手。在游戏里，有一道题目便是，需要根据Enigma密码机的初始设置，破译一段密文，得到明文。没办法，为了解出来这道题，只能发挥程序员的职业本性，写一段程序来跑一下了。
今天，笔者就分享一下自己用python实现的Enigma密码机，虽然代码非常粗糙，有很多优化空间，但整体逻辑比较清晰，尤其是解Cypher游戏里的题目，已经够用了。
简单来讲，一个Engima密码机是分层的，包含以下几个部分：
一个产品随着不断研发，其服务架构的复杂度会越来越高。随着产品的用户体量变大，为了保证产品能够长线运营，就需要保证整个服务架构的稳定性。因此，今天这篇文章，就从实操的角度，粗浅讨论一下，服务架构的稳定性需要如何做到基础保障。
既然是基于实操的角度，那么理论上的东西不会涉及的太深刻。好比说，谈到稳定性，我们就会考虑SLI、SLO、SLA这些基础概念，但这些比较宏观。拿OKR举例子的话，O是SLA，KR是SLO，而SLI则是KR具体的指标定义。所以这篇文章主要讲如何保证SLI以及其他指标，间接满足SLO、SLA的需要。
在某些python的工具模块开发场景下，我们可能需要根据用户给定的web请求输入，来转化成一个curl的输出，用于一些网络请求测试，或者方便开发之间交流信息。由于python的web请求基本上一万个人里面九成九都用requests，因此今天这篇文章就简单介绍一下，如何在python里面将requests实例转化成curl语句。
这个场景下，我们需要用到一个叫做curlify的工具库来达到效果。curlify提供了一个to_curl函数，可以将一个请求实例转化成curl语句：
又到了一年一度的校招季，今年由于团队同时招聘后端和智能化方向的同学，吸引了很多不同算法领域、后端领域以及甚至已经在大厂实习过的同学的简历，可谓是每年都非常优秀。至少比起笔者本人校招那个时候，是要优秀的很多，不是一点半点。
作为一个面试官，笔者面对的是很多不同方向的同学的简历，有些方向说实在的笔者自己也对相关的技术了解的不那么清晰。但既然是面试了，就必须有个把握，心中得有杆秤，宁可强杀，也不能错选，不然就得双输。这篇文章，就从面试官的角度，给各位今年的校招生，明年的校招生，以及未来的校招生，聊一下大厂面试的一些要点。虽然只是一家之言，但私以为还是比较具备参考价值的。
在上一篇文章当中，笔者介绍了一些作为新手小白超频CPU和NVIDIA显卡的经验。今天又有了更新，笔者通过降低CPU工作电压，并且结合Process Lasso对程序做CPU调度优化，成功再一次升级了CPU的表现，CS2的benchmark又提高了50左右的fps。
本篇文章，就介绍一下笔者在这方面的一些实践。配置方面再复述一次：主板是微星z690刀锋ti，cpu是i9-12900kf，散热用的追风者冰灵m25-360，gpu是3070ti，内存是一个比较简陋的ddr4。
最近cs2更新了之后，因为总是解决fps过高的问题，导致游戏性能降的非常明显。笔者组的老土机子先前一直没有搞超频，现在也不得不睿一下保证游戏能够稍微流畅的运作，最终比以前稍微提升了50fps左右，cs2的dust2-benchmark地图能勉强达到平均400fps。本文就分享一下笔者在这块的粗浅经验，有什么技术概念性问题也麻烦大家指正。
配置方面，笔者主板是微星z690刀锋ti，cpu是i9-12900kf，散热用的追风者冰灵m25-360，gpu是3070ti，内存是一个比较简陋的ddr4，当然ddr5主板也没法支持，可以说整体是非常乞丐了。