marblejs 是 nodejs 的服务端框架，使用 typescript，RxJs。 其作用类似于 expressjs 等。

• Express + mongodb + pug（express模板引擎）
• 需要下载项目模板

• 集成了多个api 服务

  老编想说：既然都mongodb了，为什么不Meteor?

安装

npm install dotenv-flow --save

使用

require('dotenv-flow').config();

console.log('database host:', process.env.DATABASE_HOST);
console.log('database port:', process.env.DATABASE_PORT);
console.log('database user:', process.env.DATABASE_USER);
console.log('database pass:', process.env.DATABASE_PASS);
console.log('database name:', process.env.DATABASE_NAME);

加载顺序

👇.env 最先被加载 ️👇.env.local 如果有则加载 👇NODEENV 如果指定了NODEENV且有则加载 👇NODEENV.local 如果指定了NODEENV且有则加载

上面的顺序是覆盖规则，即后加载的如果有对应的key,则会覆盖，如果没有则不会删除原来的key

默认，会加载.env.local 如果指定了NODEENV环境变量，则会加载.env.${NODEENV} 建议的环境名为development, test, production, qa, stage

可通过DOTENVFLOWPATH指明配置加载地址

建议.env.production不要放在git上，而是仅放在服务器上。

镜像选择小的，推荐node:slim而不是node:alpine

不要修改node_modules文件夹，应该在容器内下载依赖

使用node而不是npm启动程序

主要原因是npm不能转发进程信号

Monorepos指的是一个git项目里包含多个子项目的结构。

目前npm需要通过lerna来提供支持。

npm7将提供对此种结构的内在支持。

Amazon Transcribe是AWS提供的实时语音解析服务，其内部使用了AI。

现在Amazon Transcribe支持British English (en-GB 英式英语), US English (en-US美式英语), French (fr-FR法语), Canadian French (fr-CA加拿大式法语), and US Spanish (es-US美式西班牙语).

d3很强大，强大得不是很容易用。semiotic对其进行了封装，成了react组件。

三种图表结构：

• X,Y结构例如line charts（线图）和 scatterplots（散点图）
• 顺序结构例如直方图
• 网络结构例如流程图

示例

iframe父元素relative,css创建一个伪元素，大小是指定的，再将iframe高宽设置为100%。

代码:

⚠️ 运行 CPU 会狂转!

使用liquidfun(基于 box2d 的刚体引擎)和regl WebGL library

CSS-in-JS 做了什么

• 使用javascript语法写样式

• 使用组件来编排样式

• 利用javascript的语法特性

• 利用javascript生态系统

CSS-in-JS 做了什么抽象

• 不需要关心级联(cascade)
• 不需要关心权重(Specificity)
• 不需要关心命名选择器(Naming selectors)
• 不需要关心强制命名转换(Enforcing naming conventions)
• 不需要关心关联其他语言(Linting another language)
• 不需要关心特定的文件结构（Enforcing file structures for another language）
• 不需要关心附加的构建工具(Additional build tools) 总之，只需要js就够了。

从哪里开始

阅读 https://www.gatsbyjs.org/docs/css-in-js/ 使用 Emotion 和 Styled-Components

在线demo

不使用panda

import json
with open('data.json', 'w') as outfile:
    json.dump(data, outfile)

panda读取文件

import pandas as pd

df = pd.read_json('data.json')

df

json to csv

df.to_csv("data.csv")

直接网络获取

# 方法一
url = "https://api.exchangerate-api.com/v4/latest/USD"
df = pd.read_json(url)
df.head()

# 方法二
import requests
from pandas.io.json import json_normalize

url = "https://think.cs.vt.edu/corgis/json/airlines/airlines.json"
resp = requests.get(url=url)

df = json_normalize(resp.json())
df.head()

• 生产环境，往往有多个服务器，如果同时发布，容易造成同时整合数据库造成问题。
• 依赖发布程序来整合数据库，也就依赖程序会有downtime。

解决： 数据库整合应该是单独的操作，这样可以通过策略来避免downtime。 可使用flyway这样的开源工具来自动整合。