肖永威的专栏

本文揭示一种新式的分片锁+三级缓存+sqlite多数据库文件连接池架构，在保持SQLite轻量级优势的同时，实现较高的TPS的写入性能。

储能度电成本LCOS简化公式及Python实现

Selenium自动化与浏览器控制全解析

随着Python快速发展，升级 Python到较新版本势在必行，从 3.8 到 3.10 可以带来性能提升、新特性支持和更好的生态兼容性，但需注意依赖冲突和路径配置问题。以下升级实践过程笔记，包括详细的升级理由、步骤、依赖和注意事项等。

使用pip-licenses工具查询Python依赖库许可信息

借 Deepseek 交互研究电池组充电，规划优化可用分支定界等 MILP 算法并对比。以 PuLP 进行 MILP 建模，能快速解决电力能源规划问题。示例代码：用 PuLP 定义变量、目标函数、约束，求解输出最优充电方案 。

VSCode开发调试Python入门实践（Windows10）

针对在线机器学习训练、时序预测（如Prophet在线拟合）和定时优化任务（如粒子群算法）导致的“动态资源争抢”问题，设计基于`psutil`的“跨平台资源监控系统”，实时跟踪CPU/内存占用，识别资源瓶颈，动态协调任务调度，保障系统响应能力。

在机器学习在线训练场景中，模型训练任务的高资源消耗可能导致系统稳定性问题（如CPU占用过高、服务延迟等）。为保障系统平稳运行，需从**资源控制**和**多进程编程**两方面优化。

本次开发实现了基于Flask-Login的登录与权限管理系统，涵盖用户注册、角色分配、权限验证及错误处理，最终确保系统能安全处理用户角色与权限逻辑。

本文介绍了 Flask + Plotly 的动态数据可视化方案，探讨了两种主要实现方式：方案一：后端生成 HTML，适合快速开发，直接渲染图表；方案二，后端返回 JSON，适用于动态更新、单页应用（SPA），提供更灵活的前端控制。 在开发过程中，DeepSeek 提供了高效的代码生成和问题排查支持，帮助快速定位并解决常见问题。

列表（List）是 Python 中最常用的数据结构之一，它是一个有序、可变的集合，可以存储任意类型的元素。以下是列表的定义及常见用法，包括拼接、增加数据、插入数据、删除数据、计算差值、相加、清空等操作，与字典和pandas结合使用场景比较多。

本文介绍了如何使用 Python 的 threading 模块结合 Flask 框架，实现多线程任务的监控与自动重启功能。通过 ThreadMonitor 类，可以轻松管理后台线程，确保它们在意外崩溃时自动恢复运行。文章详细讲解了线程监控的核心逻辑，包括线程状态检查、异常捕获、自动重启机制，并展示了如何通过 Flask 提供 Web 界面，实时查看线程运行状态。并优化了代码结构，将 HTML 模板分离至 templates 文件夹，使项目更符合 Flask 的标准工程化实践。

通过 DeepSeek 的帮助，快速掌握了 Flask，实现了 CSV 文件上传、数据展示与存储功能，无需深入 Web 开发细节。Flask 的简洁性和 DeepSeek 的辅助让你能专注于算法开发，同时轻松扩展 Web 能力。

从网页、手机App上抓取数据应用服务，涉及到多个系统集成协同工作，依赖工具较多。在这样的集成环境中，任何一个环节出现问题，整个流程势必中断。除了必要的数据检验处理外，还需要实时侦听各个独立服务是否存活，并确认流程是否畅通。常用的监控工具往往只能监控进程和端口，无法深入系统内部进行监控，因此，我们采用Socket通讯方式，自主开发监控机制方案。同理，本方案也适用于控制类集成方案。

python打包部署工具PyInstaller使用

CentOS环境上Python3.8及相关科学计算离线安装包安装方法。

运行 Python 程序时遇到ModuleNotFoundError: No module named '_ctypes'错误，及相关内容。

为了帮助非python计算机软件开发人员快速上手使用python环境，我准备好了的Python 3.8免安装环境，并安装Jupyter Notebook以进行Python学习，以下是一个简单易懂的教程

python元组取极值与排序技术，用于筛选设备及其组合案例。

python实现如下功能：有一组无序的数据列表，先对列表去重，再排序，然后差分出新列表。并介绍相关集合常用方法。

python推导式及列推导式应用实践

整体而言，这是一个功能丰富的SQLite数据库操作类，但在实际应用中需要注意解决 pandas.to_sql 与SQLite的兼容性问题，并考虑添加异常处理、改进返回值处理、优化代码复用以及提供更好的文档和注释。

在Python中，如果你有两个同长度的列表，并且你想要对它们进行元素级别的相减（即，第一个列表的每个元素减去第二个列表的对应元素），你可以使用列表推导式或者zip函数来实现。在这两个例子中，zip函数用于将两个列表的元素打包成一个个的元组，然后列表推导式或map函数用于对这些元组中的元素进行相减操作。最终的结果是一个新的列表，包含了相减后的结果。

WinSW是一个功能强大、易于使用的Windows服务封装工具，它通过将任何可执行文件包装为服务，实现了自动化管理和监控python程序。无论是开发者、系统管理员还是自动化爱好者，都可以通过WinSW来简化Windows服务的创建和管理过程。

模块化：将不同的功能模块化，便于维护和扩展。多进程与多线程结合：使用multiprocessing实现并行计算任务，使用threading实现RabbitMQ消息侦听和Flask Web服务的非阻塞运行。进程间通信：通过multiprocessing.Queue实现消息侦听任务与并行计算任务之间的资源交互。事件控制：通过threading.Event控制消息侦听任务的启停。

线程启动所遇到的问题及解决方案。

基于flask、pika、multiprocessing、thread，搭建一个多线程多进程及Web服务架构，其中，使用multiprocessing完成并行计算任务，thread完成rabbitmq侦听和Flask服务，并通过multiprocessing.Queue与并行计算任务交互资源，由web路由api服务，启停消息侦听任务、并行计算任务，以及动态调参的任务。

使用python multiprocessing库构建一个多进行计算服务，使用pika库与外部RibbitMQ间传递消息。计算服务的生产者听RabbitMQ消息，并把消息数据放入multiprocessing.Queue队列中，进程间通讯使用multiprocessing.Queue，计算服务的消费者从multiprocessing.Queue队列中获取数据，大概经过1个小时的计算，把计算结果发送到RabbitMQ。

RabbitMQ python第三方库pika应用入门实践

使用夜神模拟器环境，实践爬虫利器Frida RPC入门。Frida是一款轻量级HOOK框架，可用于多平台上，例如android、windows、ios等。frida分为两部分，服务端运行在目标机上，通过注入进程的方式来实现劫持应用函数，另一部分运行在系统机器上。

文中代码和主体文字内容是由”文言一心“辅助完成，在此表示感谢AI提高工作效率。我的三句问话如下，供参考：问一：dict中，如何判断关键字存不在？问二：如果my_dict = {'a': 1, 'b': 2, 'c': {’d‘:66}} ，如何判断关键字’d'是否存在？问三：如果是3层，或者，更多层嵌套呢？问四：如果要求有级联嵌套顺序的关键字怎么处理？问五：如何快速查询嵌套字典中的值？

python编程经验三则（小数截断、JSON排序、迭代多个对象）

在pandas中，DataFrame的数据是时间索引，要求按时间（12点）为条件修改数据，使用apply和lambda。

一般程序日志文件不易过大，需要对日志按容量、时间等进行分隔，过期久远的日志自动清除。

在Windows环境上，如何隐藏python服务程序在后台运行方法，有三种方法。

在Python中，可以使用sys.argv来获取命令行参数。

在使用Python requests接口访问开发的过程中，遇到401错误，跟踪原因是 Unauthorized ，这个错误通常意味着我在尝试访问某个资源时侯，没有提供正确的身份验证信息，或者你的身份验证信息已经过期。

使用python适配器模式，设计个设备通用控制接口，以适配不同厂商的控制接口，主要功能为： 初始化设备接口、发送控制命令、转换数据，用以适应不同设备接口要求。

`'utf-8' codec can't decode byte 0xba in position 0: invalid start byte`经分析，恍然大悟！`是中文双字节问题！`读取字节流时，遇到中文时，出现截取半个中文的问题。解决方案是抓取字符编码异常，去掉字节流首个字节，也就去掉半个汉字。