鹏少的自留地

进入素养调研5022

Thu, 30 Apr 2026 16:27:08 +0800

素养调研点击这里进入

网络测试系统学校账号 ：4405231138001

Fly、Railway、Cloudflare 和 Vercel 流行的云服务平台优缺点比较

Fri, 02 May 2025 00:33:11 +0800

fly、Railway、Cloudflare 和 Vercel 都是流行的云服务平台，各自有不同的特点和适用场景。以下是它们的对比和主要用途（来自deepseek）：

特性	Fly.io	Railway	Cloudflare	Vercel
核心定位	全球分布式应用托管（边缘容器）	全栈应用托管	边缘网络/无服务器/静态托管	前端/全栈托管（Next.js 优先）
部署单元	🔹 轻量容器（Docker 或 Buildpacks）	🔹 应用 + 数据库服务	🔹 Workers（JS/Wasm） 🔹 Pages（静态/SSG）	🔹 前端框架 + Serverless Functions
运行时支持	✅ 任意语言（通过容器）	✅ Node.js, Python, Go 等	✅ JavaScript/Wasm（Workers）	✅ Next.js, React, Svelte 等
数据库支持	✅ 需自托管或外接（如 PostgreSQL）	✅ 内置 PostgreSQL, Redis	❌ 无内置（可用 D1/SQLite）	❌ 无内置（需外接）
边缘网络	✅ 全球 30+ 区域（自动就近部署）	❌ 单区域部署	✅ 全球 300+ 节点（最快 CDN）	✅ 全球 CDN（优化前端）
无服务器函数	❌ 需自行部署容器	✅ 支持	✅ Workers（边缘运行）	✅ Serverless Functions
冷启动时间	❌ 容器启动较慢（秒级）	✅ 中等（依赖语言）	⚡ 极快（毫秒级）	❌ 明显（免费层）
免费层	✅ 每月 2,300 vCPU 秒 + 3GB 内存	✅ 每月最低5刀	✅ 免费 10 万次 Workers/日	✅ 免费层（函数限制）
适用场景	- 全球分布式后端 - 低延迟微服务	- 全栈应用 - 快速原型	- 边缘逻辑 - 静态站点	- Next.js 应用 - JAMStack
优势	真正的全球部署，支持任意语言	简单易用，内置数据库	免费额度高，延迟极低	Next.js 深度优化
劣势	学习曲线陡（需容器知识）	无边缘网络，国际化弱	后端功能有限	后端扩展性差

关键区别总结

Fly.io
- 核心优势：将容器部署到全球边缘节点，适合需要低延迟的后端服务（如实时 API、WebSocket）。
- 适合场景：替代传统云服务（AWS ECS），但更轻量且全球化。
Railway
- 核心优势：开箱即用的全栈托管（后端 + 数据库），适合快速迭代。
- 适合场景：替代 Heroku，或需要内置数据库的项目。
Cloudflare
- 核心优势：无与伦比的边缘网络（Workers + Pages），适合静态站点或边缘计算。
- 适合场景：全球加速的轻量级逻辑（如短链接、API 网关）。
Vercel
- 核心优势：前端框架的最佳体验（尤其是 Next.js），无缝集成 Git。
- 适合场景：以内容为核心的应用（博客、营销页）、Next.js 全栈。

组合使用示例

实时游戏后端：
- Fly.io（全球容器部署 WebSocket） + Cloudflare（边缘缓存）
Next.js 全栈博客：
- Vercel（前端） + Railway（PostgreSQL 后端）
全球 API 网关：
- Cloudflare Workers（路由/鉴权） + Fly.io（业务逻辑容器）

通俗易懂的语言解释什么是“反向代理”

Fri, 18 Apr 2025 10:32:45 +0800

正向代理（类似“代购”）
- 你（客户端）找代购（正向代理）帮你买商品（访问服务器）。
- 商家（服务器）只知道代购，不知道你。
反向代理（类似“快递柜”）
- 商家（服务器）把商品放到快递柜（反向代理）。
- 你（客户端）只知道快递柜，不知道商家仓库在哪。
一句话总结
正向代理 = 替客户端跑腿（隐藏客户端）。

反向代理 = 替服务器接客（隐藏服务器）。

国内AI大乱斗，除了豆包，kimi外，最近又来了个deepseek

Sun, 05 Jan 2025 23:53:45 +0800

这个最新的DeepSeek-V3 提供在线chat的外，还提供API接入，价格只要10块起步，一般人用一年都够用。当然要免费的也可以去下载豆包或者kimi。

目前已经通过API接入到我自己的人工智能http://share.0754110.com/chat里面，有兴趣的可以去免费使用看看。

十年前的南澳岛前江湾天然沙滩

Sat, 07 Dec 2024 13:51:46 +0800

那时还没有开发沙滩公园~

南澳大桥，夕阳西下~

Thu, 05 Dec 2024 01:03:35 +0800

SQLite 数据库在windows下的安装

Sun, 08 Sep 2024 20:00:50 +0800

在 Windows 上安装 SQLite

点击访问 SQLite 下载页面，从 Windows 区下载预编译的二进制文件，win系统是32位就下载32-bit，64位则下载64-bit，以上二选一。最后一个sqlite-tools-win-*.zip 必须下。

下载 sqlite-dll-win-*.zip 和 sqlite-tools-win-*.zip 好后，解压缩文件到同一个文件夹中，这里假设在 C:\>sqlite，将得到 sqlite3.def、sqlite3.dll 和 sqlite3.exe 等若干文件
添加 C:\>sqlite 到 PATH 环境变量，最后在命令提示符cmd中，使用 sqlite3 命令，如果cmd中出现如下sqlite>

则说明安装成功。若没有反应，提示错误Windows 找不到文件 'sqlite3'，则说明添加到PATH环境变量可能没添加正确。

用批处理实现快速导出当前环境安装的包库目录到requirements.txt中实现python快速转移复制环境

Thu, 25 Jul 2024 23:43:26 +0800

正常情况下，在python的配置（虚拟）环境复制到新的机器中是，需要将原来的库打包

打包方法：

pip freeze>requirements.txt

将生成的requirements.txt文件拷贝到新的环境机器中，然后再以下命令安装回来即可实现复制环境，达到快速开发的作用。

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

但是在原环境中，有时开发环境的库一更新就要重新pip freeze>requirements.txt 打包一次，比较麻烦。这里采用批处理文件执行的方式来打包，这样只要在系统中运行批处理文件即可实现快速打包。

@echo off
echo 激活venv虚拟环境
echo -------
call excel_dev_env\Scripts\activate
echo 生成 requirements.txt...
echo -------
pip freeze > requirements.txt
if exist requirements.txt (
    echo 【1】requirements.txt 生成成功，则
    echo  运行pip install -r requirements.txt 可批量安装回里面的库
    echo -------
    echo 【2】如果生成的requirements.txt里面是空白的，则
    echo 可能是这个bat文件里面call的venv路径错误。   
    echo -------
)
pause

将上面的代码复制，打开记事本，然后保存为bat文件即可。或者下载下面的rar压缩包解压即可。

库快速打包.rar

【一定要注意的是】

代码中，第四行

call excel_dev_env\Scripts\activate

里面的

excel_dev_env\Scripts\activate

必须改成你要打包的环境的绝对路径，否则就出错了。打包成空白了。

python操作sqlite3数据库，通过一般方法和使用pandas来读取显示数据库内容

Thu, 25 Jul 2024 19:38:05 +0800

本文通过两种方式来读取显示一个根目录下stu.db数据库中【student_scores】表的内容，【student_scores】表中有'级别', '班别', '学生姓名', '等级', '成绩'等关键字段。

#传统方法：

show_data（使用 params 参数传递两个查询参数，避免 SQL 注入）【显示】调用 fetch_data（）【查询】出来的【数据】，

【数据】通过connect_db（db_path）【连接】db_path指定的【数据库】获得。

#pandas方法：

show_data_pandas（使用 params 参数传递两个查询参数，避免 SQL 注入）【显示】调用 fetch_data_pandas（）【查询】出来的【数据】，

【数据】通过connect_db（db_path）【连接】db_path指定的【数据库】获得。

下面的示例是

    show_data(2, 'D')        # 一般方法查询班级为"2"班，成绩等级"D"并打印显示出来
    show_data_pandas(1, 'C') # 通过pandas查询班级为"1"班，成绩等级"C"并打印显示出来

以下是示例的所有内容。

import os
import sqlite3
import sys
import logging
import pandas as pd


def connect_db(db_path):
    """连接数据库并返回连接对象"""
    try:
        conn = sqlite3.connect(db_path)
        return conn
    except sqlite3.Error as e:
        logging.error(f"连接数据库失败: {e}")
        sys.exit(1)


def fetch_data(conn, class_id, grade):
    """从数据库中查询数据并返回结果"""
    try:
        cursor = conn.cursor()
        query = "SELECT * FROM student_scores WHERE 班别=? AND 等级=?"
        cursor.execute(query, (class_id, grade))
        return cursor.fetchall()
    except sqlite3.Error as e:
        logging.error(f"查询数据失败: {e}")
        return []


def fetch_data_pandas(conn, class_id, grade):
    """使用 pandas 从数据库中查询数据"""
    try:
        # 使用参数化查询
        query = "SELECT * FROM student_scores WHERE 班别=? AND 等级=?"
        data = pd.read_sql(query, conn, params=(class_id, grade))
        # print(data)
        return data
    except sqlite3.Error as e:
        print(f"数据库连接失败: {e}")


def show_data(class_id, grade):
    """显示数据"""
    db_path = 'stu.db'
    if not os.path.exists(db_path):
        logging.warning(f"数据库文件不存在，请检查{db_path}路径")
        return

    conn = connect_db(db_path)
    results = fetch_data(conn, class_id, grade)
    for row in results:
        print(row)
    conn.close()


def show_data_pandas(class_id, grade):
    """显示pandas查询到的数据"""
    db_path = 'stu.db'
    if not os.path.exists(db_path):
        logging.warning(f"数据库文件不存在，请检查{db_path}路径")
        return

    conn = connect_db(db_path)
    results = fetch_data_pandas(conn, class_id, grade)
    print(results)
    conn.close()


if __name__ == "__main__":
    logging.basicConfig(level=logging.INFO)    
    show_data(2, 'D')
    show_data_pandas(1, 'C')

如果要修改查询的关键字，可以更改这段最后的字段为你要查询的字段。

query = "SELECT * FROM student_scores WHERE 班别=? AND 等级=?"

注意：运行上面代码的前提是根目录有一个stu.db数据库，数据库里有个student_scores 表，表里有'级别', '班别', '学生姓名', '等级', '成绩'等字段,其中'班别'和'等级'必须有，因为前面sql查询语句里面指定了这两个条件。

python项目移动或更改目录名称后，pycharm运行pip出错的处理方法

Thu, 18 Jul 2024 01:47:33 +0800

当你的python项目（含有虚拟环境venv）更改目录或者改名字后，用pycharm打开项目，重新设置interpreter后正常了，但是会发现在使用pip的时候报错。处理的方法就是删除这个python项目里面所有的__pycache__目录。嫌麻烦也可以到虚拟环境所在的文件夹，也就是your_env\Lib\site-packages，删除里面的pip文件夹即可。重启pychram，再去terminal运行pip就能正常了。