缘起
真北敏捷社区的宗旨是：求知、连接。求知就是学习，家里没矿的话，学习是一个人最重要的动力之源。连接就是把人拉在一起，我们相信人与人的互动会带来美好的变化。今天的直播是把大家拉在一起学习，就是求知、连接。
嘉宾介绍
董越，DevOps 资深专家，阿里巴巴集团前研发效能事业部架构、高级产品专家等职，从事 Aone&云效 DevOps 产品设计、阿里云专有云集成与交付解决方案设计等工作。在加入阿里之前，他还曾就职于西门子、摩托罗拉、雅虎、索尼、去哪儿网等大型企业，一直从事软件配置管理、软件集成与交付、DevOps 相关的工作。当前主要从事企业级DevOps体系建设与咨询工作，帮助众多企业提升软件研发交付效能。已服务过的客户有华为、工商银行、交通银行、招商银行、中信银行、中国移动、中国联通、中国电信、华泰证券、泰康人寿等。
直播笔记
# 简明DevOps学习地图
50+位真北敏捷小伙伴参与了学习与互动。
## 概念辨析
* 软件工程：随着软件规模和参与人员的扩大，如何把造金字塔的智慧、造长城的智慧应用到软件开发，做工作的分解、计划、把握质量等，这就是工程化。
* 敏捷、精益：是对工程化的反动，需求和实现的不确定，严格的工程方法不适用。敏捷宣言左边是软件工程，右边是矫正。大项目更需要工程，小项目更适用敏捷。敏捷包括工程实践和管理实践，工程实践如PP二十年推广的不够好。推荐TDD。
精益来自精益制造，落实到软件：精益看板墙、精益创业。精益范围很广，从需求到发布上线都涉及，是一个方法论。精益有明确的思想。DevOps是一个大杂烩。
* 持续集成、持续交付、持续部署：敏捷关注开发过程，对测试研究不深入，是从开发者的视角。持续是说不应该放在最后搞，而是要不断搞。不追求开发人员每天提交到主干。集成是说先做出一个个小零件，再组装成汽车、手机。软件中指的是对代码改动的组装。集成的演化含义，持续集成没那么重要，如果在本地没有质量问题，合起来也没什么问题，特别是模块化微服务做的好。把改动捏到一起，做一定测试，才算集成，否则就只是构建。
持续交付是对持续集成的演进。是在接近生产环境做更多测试。持续的含义有变化。CI一天做N个Build。CD里的持续不太持续，两周上线一次已经很持续交付了。
持续部署，来源非常草率。最早的文章说不要做测试了，直接发到线上，等着别人提意见。后来被引申修补，指的是改动后经过自动化的过程后上线。没有人工测试很难做到。单个特性自动化测试和发布没问题。
* DevOps：故事是愉快地合作。实际是把Ops自动化，开发可以完成变更发布，不由运维人员操作。配管也发生了同样的故事，以前开发与配管5：1，随着工具进步，变成500：1，工具化平台化服务化。最后是去掉了运维的手工的工作，运维人员去做平台或咨询（帮助开发人员启动）。再演化成BizDevOps，什么都是DevOps。
* 研发效能：国内概念。阿里有研发效能事业部。不像精益有自己的思想，只有一个范围，从需求到上线，怎么提升效能。平台工程说的是把平台做好，让开发更好用，跟DevOps一体两面。工具其实很重要。
* 云原生：是关于部署架构，云计算，弹性，容器化，偏向架构。12要素，也有部署发布相关，但主要是架构相关。
问答：chatgpt会代替devops吗？
答：不会。低代码会影响。chatgpt对软件开发过程有影响。
## 研究范围
全图：
* 软件开发(广义) = 定义需求 + 实现需求
* 实现需求 = 软件开发(狭义) + 软件交付
DevOps聚焦软件交付。
软件交付包括：
* 程序形态的转化
* 程序质量的提升
* 程序改动的聚积
体现在分支策略、代码提交等。
## 追求目标
* 整体目标：为了业务的成功
* 定义需求：有效率地找到有效的软件需求
* 从定义需求到实现需求：小步快跑
* 实现需求：效率与质量
* 效率要兼顾需求吞吐量和需求响应时长：资源利用的效率，能处理多少个需求。另一方面是反应的速度，改两行代码，多长时间能上线，两分钟还是两个月。
* 质量不是越高越好，是要适合业务：星舰要高质量，个人小游戏不用。
* 质量由问题出现量和问题修复时长共同决定：难修的要质量高。降低修复时长比降低问题数容易，效果好。
* 兼顾短期和长期：避免技术债。
> 数量
>
> ↑
>
> 需求吞吐量 | 问题出现量
>
> 效率 ←------------+--------------→ 质量
>
> 需求响应时长 | 问题修复时长
>
> ↓
>
> 时间
* Dora的DevOps核心指标
* 部署频率（Deployment Frequency）：响应时长。
* 变更前置时间（Lead Time for Changes）
* 变更失败率（Change Failure Rate）：问题出现量。
* 服务恢复时间（Time to Restore Service）：问题修复时长。
吞吐量统计就会变形。
## DevOps三步工作法
* 从左到右，快速流动
* 从右到左，快速反馈
* 持续学习与实验的文化
DevOps没有特质方法论，三步法是精益的老生常谈。流动是精益。反馈是敏捷。学习与改进也不是原创，也是敏捷原则之一。
不是原创，但三步法挺好。梳理价值流，从代码改动到上线，看修复时长等。
## 核心策略
1. 小批量持续流动的流程
2. 综合手段保证质量和安全
- 各种各样的测试
- 左移+右移
- 开发人员+测试人员
- 自动化测试+人工测试
3. 细粒度、低耦合、可复用的架构
- 软件架构
- 测试脚本与测试数据的架构
- 组织架构
4. 自动化与自助化
- 单项活动的自动化
- 流程的自动化
- 自助化
5. 加速各项活动
- 提高硬件能力
- 考虑并行处理
- 避免重复
- 只关注增量
- 使用缓存
6. 及时修复
- 通知要及时和精准
- 优先处置
- 修不如退
- 便捷排查
7. 完备记录，充分展现
- 跟踪事项，记录执行
- 版本与配置信息
- 关联关系
8. 标准化和一致性
- 规范可重复
- 方案收敛
- 环境一致性
9. 协调完成完整功能
10. 基于度量的持续改进
头脑中有个弦，要做自动化。
## 入行必读书
* 《持续集成》
* 《持续交付》
* 《DevOps实践指南》（特别是第2版）
* 《精益产品开发：原则、方法与实施》
《全程软件测试》
《SRE：Google运维解密》
问答：
关于如何学习：根据实际的工作，选择确定的领域，比如流水线，再去做相关的学习。
关于DevOps教练：为组织服务的团队，做工具，就是搞DevOps的。有了工具之后还需要方法和流程，比如相对统一的分支策略、发布流程，需要统一的人来协调，不要太百花齐放。这时候就有DevOps教练。敏捷的工程教练也可以说是DevOps教练。DevOps教练包括工具和方法。进驻到项目，一起工作一段时间。做开发平台，做培训分享。
道与术：道术法器用。
DevOps人员占比：100比几万研发。小企业偏向开源，大企业偏自研。
转型：测试、工具开发、配管、有开发背景的Ops、开发人员、只要更软件沾边的，都可以转DevOps。
如何评价一站式平台：是方向。不过拿开源工具攒，比较费事。
DevOps甩锅现象？目标是避免甩锅，让大家有良好沟通的环境，不担心被指责，分析问题根因，避免。
DevOps认证：更推荐企业认证。
chatops：代替不了DevOps。IDE作为DevOps入口是有前景的。gitops是解决特定的问题，也不能代替DevOps。
反馈：从价值流的每一步都有对前一步的反馈，是普遍适用的。
小团队：投资不能太大，可以买一套平台，azure或国内的。如果只搭个Jenkins，就两天。整套打通可能要几个人月。
著作推介
董越老师的新书《软件交付通识》从头到尾梳理了软件交付过程（也就是从改了一行代码到它发布上线的过程），分门别类地讲解了流程各个阶段的各个要点，以及流程中各个活动的各个要点。软件高效交付的10个策略更是这本书中的核心观点和内容，如果你想快速通读所有10个策略，请关注这本不容错过的好书。
未尽之处，欢迎留言提问。
欢迎打赏，本篇打赏归董老师。
目录前言滤波电路科普主要分类实际情况单位的概念常用评价参数函数型滤波器简单分析滤波电路构成低通滤波器RC低通滤波器RL低通滤波器高通滤波器RC高通滤波器RL高通滤波器部分摘自《LC滤波器设计与制作》，侵权删。前言最近需要学习放大电路和滤波电路，但是由于只在之前做音乐频谱分析仪的时候简单了解过一点点运放，所以也是相当从零开始学习了。滤波电路科普主要分类滤波器：主要是从不同频率的成分中提取出特定频率的信号。有源滤波器：由RC元件与运算放大器组成的滤波器。可滤除某一次或多次谐波，最普通易于采用的无源滤波器结构是将电感与电容串联，可对主要次谐波（3、5、7）构成低阻抗旁路。无源滤波器：无源滤波器，又称
最近在学习CAN，记录一下，也供大家参考交流。推荐几个我觉得很好的CAN学习，本文也是在看了他们的好文之后做的笔记首先是瑞萨的CAN入门，真的通透；秀！靠这篇我竟然2天理解了CAN协议！实战STM32F4CAN！原文链接：https://blog.csdn.net/XiaoXiaoPengBo/article/details/116206252CAN详解（小白教程）原文链接：https://blog.csdn.net/xwwwj/article/details/105372234一篇易懂的CAN通讯协议指南1一篇易懂的CAN通讯协议指南1-知乎(zhihu.com)视频推荐CAN总线个人知识总
深度学习部署：Windows安装pycocotools报错解决方法1.pycocotools库的简介2.pycocotools安装的坑3.解决办法更多Ai资讯：公主号AiCharm本系列是作者在跑一些深度学习实例时，遇到的各种各样的问题及解决办法，希望能够帮助到大家。ERROR:Commanderroredoutwithexitstatus1:'D:\Anaconda3\python.exe'-u-c'importsys,setuptools,tokenize;sys.argv[0]='"'"'C:\\Users\\46653\\AppData\\Local\\Temp\\pip-instal
我完全不是程序员，正在学习使用Ruby和Rails框架进行编程。我目前正在使用Ruby1.8.7和Rails3.0.3，但我想知道我是否应该升级到Ruby1.9，因为我真的没有任何升级的“遗留”成本。缺点是什么？我是否会遇到与普通gem的兼容性问题，或者甚至其他我不太了解甚至无法预料的问题？ 最佳答案 你应该升级。不要坚持从1.8.7开始。如果您发现不支持1.9.2的gem，请避免使用它们(因为它们很可能不被维护)。如果您对gem是否兼容1.9.2有任何疑问，您可以在以下位置查看:http://www.railsplugins.or
如何学习ruby的正则表达式？(对于假人) 最佳答案 http://www.rubular.com/在Ruby中使用正则表达式时是一个很棒的工具，因为它可以立即将结果可视化。 关于ruby-我如何学习ruby的正则表达式？，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.com/questions/1881231/
如何只加载map边界内的标记gmaps4rails？当然，在平移和/或缩放后加载新的。与此直接相关的是，如何获取map的当前边界和缩放级别？ 最佳答案 我是这样做的，我只在用户完成平移或缩放后替换标记，如果您需要不同的行为，请使用不同的事件监听器:在你看来(index.html.erb):{"zoom"=>15,"auto_adjust"=>false,"detect_location"=>true,"center_on_user"=>true}},false,true)%>在View的底部添加:functiongmaps4rail
深度学习12.CNN经典网络VGG16一、简介1.VGG来源2.VGG分类3.不同模型的参数数量4.3x3卷积核的好处5.关于学习率调度6.批归一化二、VGG16层分析1.层划分2.参数展开过程图解3.参数传递示例4.VGG16各层参数数量三、代码分析1.VGG16模型定义2.训练3.测试一、简介1.VGG来源VGG（VisualGeometryGroup）是一个视觉几何组在2014年提出的深度卷积神经网络架构。VGG在2014年ImageNet图像分类竞赛亚军，定位竞赛冠军；VGG网络采用连续的小卷积核（3x3）和池化层构建深度神经网络，网络深度可以达到16层或19层，其中VGG16和VGG
文章目录1、自相关函数ACF2、偏自相关函数PACF3、ARIMA(p,d,q)的阶数判断4、代码实现1、引入所需依赖2、数据读取与处理3、一阶差分与绘图4、ACF5、PACF1、自相关函数ACF自相关函数反映了同一序列在不同时序的取值之间的相关性。公式：ACF(k)=ρk=Cov(yt,yt−k)Var(yt)ACF(k)=\rho_{k}=\frac{Cov(y_{t},y_{t-k})}{Var(y_{t})}ACF(k)=ρk=Var(yt)Cov(yt,yt−k)其中分子用于求协方差矩阵，分母用于计算样本方差。求出的ACF值为[-1,1]。但对于一个平稳的AR模型，求出其滞
写在之前Shader变体、Shader属性定义技巧、自定义材质面板，这三个知识点任何一个单拿出来都是一套知识体系，不能一概而论，本文章目的在于将学习和实际工作中遇见的问题进行总结，类似于网络笔记之用，方便后续回顾查看，如有以偏概全、不祥不尽之处，还望海涵。1、Shader变体先看一段代码......Properties{ [KeywordEnum(on,off)]USL_USE_COL("IsUseColorMixTex?",int)=0 [Toggle(IS_RED_ON)]_IsRed("IsRed?",int)=0}......//中间省略，后续会有完整代码 #pragmamulti_c
TCL脚本语言简介•TCL（ToolCommandLanguage）是一种解释执行的脚本语言（ScriptingLanguage）,它提供了通用的编程能力：支持变量、过程和控制结构；同时TCL还拥有一个功能强大的固有的核心命令集。TCL经常被用于快速原型开发，脚本编程，GUI和测试等方面。•实际上包含了两个部分：一个语言和一个库。首先，Tcl是一种简单的脚本语言，主要使用于发布命令给一些互交程序如文本编辑器、调试器和shell。由于TCL的解释器是用C\C++语言的过程库实现的，因此在某种意义上我们又可以把TCL看作C库，这个库中有丰富的用于扩展TCL命令的C\C++过程和函数，所以，Tcl是
