个人小站

1. 创建虚拟磁盘

1

dd if=/dev/zero of=15g.img bs=1M count=15360 # 15GB

2. 挂载img

1
2

sudo losetup -l # 查看当前loop设备
sudo losetup /dev/loop0 15g.img # 挂在到空闲的loop0上

3. img分区

通过fdisk对img分区
执行：

1

sudo fdisk /dev/loop0

安裝和更新 V2Ray

地址：
https://github.com/v2fly/fhs-install-v2ray

1

bash <(curl -L https://raw.githubusercontent.com/v2fly/fhs-install-v2ray/master/install-release.sh)

安裝最新發行的 geoip.dat 和 geosite.dat

1

bash <(curl -L https://raw.githubusercontent.com/v2fly/fhs-install-v2ray/master/install-dat-release.sh)

移除 V2Ray

1

bash <(curl -L https://raw.githubusercontent.com/v2fly/fhs-install-v2ray/master/install-release.sh) --remove

1. V8编译历程

1.1 前言

1. 编译V8第一步就是保证能访问Google，当然不仅仅是为了查阅资料，最最重要的是V8源码下载的需要。
2. 访问 https://v8.dev/docs ，V8官网可查看到Building V8 from source 根据所写一步步来就好。

1.2 编译环境搭建

V8源码通过depot_tools工具来管理，首先下载这个工具，作者以/Users/*/Documents/test/v8 目录为工作目录。

由于需要访问国外站，在获取depot_tools前需要做一些不可描述的事情：

1

$ export http_proxy="http://127.0.0.1:8001"; export HTTP_PROXY="http://127.0.0.1:8001"; export https_proxy="http://127.0.0.1:8001"; export HTTPS_PROXY="http://127.0.0.1:8001"

主要任务

• 分类（classification）：将实例数据划分到合适的类别中。
  • 应用实例：判断网站是否被黑客入侵（二分类 ），手写数字的自动识别（多分类）
• 回归（regression）：主要用于预测数值型数据。
  • 应用实例：股票价格波动的预测，房屋价格的预测等。

监督学习（supervised learning）

必须确定目标变量的值，以便机器学习算法可以发现特征和目标变量之间的关系。在监督学习中，给定一组数据，我们知道正确的输出结果应该是什么样子，并且知道在输入和输出之间有着一个特定的关系。 (包括：分类和回归)

非监督学习（unsupervised learing）

在机器学习，无监督学习的问题是，在未加标签的数据中，试图找到隐藏的结构。因为提供给学习者的实例是未标记的，因此没有错误或报酬信号来评估潜在的解决方案。

1. 安装python3虚拟环境

此步骤根据需求而定，为了不影响系统Python环境，这里建立了虚拟环境。

1
2
3

cd ~
python3 -m venv .p3env
source ~/.p3env/bin/activate

2 修改pip源

为了能加速下载Python依赖，这里修改了pip源，这步也可根据自己的需求来。
可参考清华大学的pip源设置：https://mirrors.tuna.tsinghua.edu.cn/help/pypi/

临时设置

1

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

全局设置

1

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

Nginx安装和使用

Ubuntu 安装Nginx

1
2

sudo apt update
sudo apt install nginx

启动服务

nginx 所有服务

1
2

sudo service nginx
Usage: nginx {start|stop|restart|reload|force-reload|status|configtest|rotate|upgrade}

启动

1

sudo service nginx start

Linux 内核编译

准备Linux kernel 源码

下载地址：

https://www.kernel.org/

1
2
3

xz -d linux-5.10.12.tar.xz
tar xvf linux-5.10.12.tar
cd linux-5.10.12

安装依赖

1
2
3
4
5
6
7

sudo apt-get install build-essential
sudo apt-get install libelf-dev
sudo apt-get install libncurses-dev
sudo apt-get install flex
sudo apt-get install bison
sudo apt install kernel-package build-essential libncurses5-dev fakeroot
sudo apt install libssl-dev

编译源码

1
2

make menuconfig
make bzImage -j8

https://developer.android.com/ndk/guides/cmake?hl=zh-cn

https://cmake.org/cmake/help/latest/manual/cmake-toolchains.7.html#cross-compiling-for-android-with-the-ndk

NDK 通过工具链文件支持 CMake。工具链文件是用于自定义交叉编译工具链行为的 CMake 文件。用于 NDK 的工具链文件位于 NDK 中的 /build/cmake/android.toolchain.cmake 内。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

#/bin/bash

export ANDROID_NDK=/opt/env/android-ndk-r14b

rm -r build
mkdir build && cd build 

cmake -DCMAKE_TOOLCHAIN_FILE=$ANDROID_NDK/build/cmake/android.toolchain.cmake \
    -DANDROID_ABI="armeabi-v7a" \
    -DANDROID_NDK=$ANDROID_NDK \
    -DANDROID_PLATFORM=android-22 \
    ..

make && make install

cd ..

一、 Flutter 混合开发

Flutter 环境配置

1. Flutter 整体架构

一、编译Flutter Engine

1. 创建工作目录 engine

2. 添加 depot_tools 到环境变量，并在engine目录下创建.gclient文件

   1 2 3 4 5 6 7 8 9 10

   solutions = [ { "managed": False, "name": "src/flutter", "url": "[email protected]:<your_name_here>/engine.git", "custom_deps": {}, "deps_file": "DEPS", "safesync_url": "", }, ]

3. 在engine目录执行 gclient sync 命令同步源码和编译工具链

4. 进入 engine/src 目录下，如果是linux平台执行：

   1 2 3 4

   sudo ./build/install-build-deps-android.sh sudo ./build/install-build-deps.sh sudo ./flutter/build/install-build-deps-linux-desktop.sh

   如果是mac平台，安装jdk 1.8 和ant：

   1	brew install ant

5. 在engine/src 目录下，生成编译配置文件

   1	./flutter/tools/gn --android --unoptimized

   生成目录 engine/src/out/android_debug_unopt

6. 在engine/src 目录下，执行编译命令

   1	ninja -C out/android_debug_unopt

二、如何在mac下编译linux平台的产物？