0%

在老东家形成的工作习惯,在进行产品、系统设计的时候,先对很多概念进行定义,对项目达成的场景进行描述,以便团队就意识形态领域上达成一致理解和一致预期。

今天收到一封邮件,周知最新的系统建设情况,看了一下挺NB的,为了了解细节,就点击去看看;当我看到里头对于账户的定义时:

基金账户

TA生成的,又称TA基金账户,Transaction Account,简称TA基金账户,是指注册登记人为投资人建立的用于管理和记录投资人交易该注册登记人所注册登记的基金种类、数量变化情况的账户

交易账户

是指销售机构为投资人开立的,对应记录客户份额信息

我就觉得…是不是跟行业标准(或者说跟行业的理解)…不太一致(或者说有点偏差)啊…… -_-|||

我觉得知乎上的这篇,说得蛮清楚的,我摘录下来,一起对比下:

TA

全称叫「Transfer Agent」,也就是注册(过户)登记人,是负责基金投资人账户保管、交易记录保存、代理分红、投资人账户报告、登记基金份数等服务的机构。

TA账户「Transfer Agent Account」

也就是注册登记人为基金投资人设立的基金账户,用于记录和保存持有人的基金单位份数。TA 账户与投资者的身份证件一一对应,它是帮助基金公司识别客户的,它包括户名,证件号码等。

基金交易账号

基金交易账号是由基金销售机构为投资人开立的,用于管理和记录投资人在该销售机构交易的基金种类、数量变化情况的账户。

对业务的理解偏差,导致对同一个事物存在不一致的看法,是常见的。如果这发生在个人领域的话,我觉得还好;但如果放到行业中看,就有点搞笑并且尴尬了。

想到这,不得不让我对所谓标准化产生的疑惑——难道,行业中就没有机构来“澄清”一下吗?都靠个人自己理解啊?

阅读全文 »

研究numpyaxis,是因为使用cv2时,图片数据都是以ndarray存储的,然后为了对其中的矩阵数据进行解析、处理(比如局部马赛克),就需要对axis有所了解。

首先看看cv2读取图片信息后是啥东东:

cv2.imread(/path/to/image, flag)

对于flag的取值:

  • cv2.IMREAD_COLOR 读取图片的RGB信息,忽略透明度(Alpha)的channel,按照BGR这3个channel的次序返回numpy.ndarray;若调用imread时,没有设置flag的话,flag默认取这个值
  • cv2.IMREAD_GRAYSCALE 只返回灰度图像信息,每一个元素的下标可以理解为(y, x)
  • cv2.IMREAD_UNCHANGED 按照原图像信息返回。如果为RGB图像,按照BGR这3个channel的次序返回numpy.ndarray;如果为ARGB,按照BGRA这4个channel的次序返回numpy.ndarray

对于ARGB或者RGB,每一个元素的下标可以理解为[y, x, channel]:

  • [:, :, 0] Blue channel
  • [:, :, 1] Green channel
  • [:, :, 2] Red channel
  • [:, :, 3] Alpha channel,即 Transparency channel

将BGR转为RGB:

img_rgb = img_bgr[:,:,::-1]

阅读全文 »

ndarray是类,而array是一个numpy中的方法,返回ndarray实例

>>> np.ndarray

<class ‘numpy.ndarray’>

>>> np.array

<built-in function array>

array_help_01

array_help_02

今天整理微服务相关资料时,顺便看了下Docker,自己给自己做了个科普,窃取几张图(来自下文中的参考资料),并整理了下两种技术的对比

Hypervisor Type I

Hypervisor Type II

Docker vs VM

分析项 Docker容器技术 虚拟机(VM)技术
启动耗时 在几秒钟内启动 需要几分钟才能启动
运行形态 通过执行引擎(execution engine)运行
直接运行于宿主机的内核上,不同容器共享同一个Linux内核
通过管理程序(hypervisor)运行
即运行于hypervisor上
独立性 由于没有隔离系统的规定,容易受扰 由于有效的隔离机制,干扰的可能性最小
OS依赖 基于Linux内核,仅支持Linux OS无关
部署 部署很容易,因为只有一个镜像,容器化可以在所有平台上使用 部署相对较长,因为单独的实例负责执行
用法 有一个复杂的使用机制,由第三方和docker托管工具组成 工具相对简单易用
占用磁盘空间 小,甚至几十KB(镜像层的情况) 非常大,上GB
内存效率 无需虚拟化,内存占用少 需要先启动虚拟化的OS,效率相对低下
并发性 一台宿主机可以启动成千上百个容器 最多几十个虚拟机
性能 接近宿主机本地进程 逊于宿主机

相关参考材料

之前做的ImageBrowser的Demo,使用的现成的ruler库,但真心不实用;

之前给同事看的时候,同事还问我,这个怎么用,干什么用的——确实,我自己做出来之后也有类似的疑问……

所以还是自己根据自己的想法,做了一个,算是满意的:

ImageBrowser重制版Demo

ImageBrowser重制版传送门

ImageBrowser重制版Readme

这个以后就算是归档好了:

ImageBrowser老版本传送门

ImageBrowser原Demo