文章

最近我把主要的工作环境转移到了Windows系统。之前 Windows 最困扰我的是 Shift + Space 的快捷键。在中文输入法状态下稍微打字快一点，就会误触发切换半角全角的功能，打乱输入的节奏。既然我决定长期使用 Windows 系统，就花了一些时间全面解决了这个问题。

最近正儿八经尝试使用 iOS 来工作，讽刺的事最终释放 iPad 生产力的竟然是键盘和触控板。这篇文章会记录下我的一些感受。我用的是家里领导手中闲置的 iPad Mini，那些显然在 iPad Pro 上不是问题的问题就不会提及了。 首先说下结论，对于我来说，iPad 有自己很好的使用场景，和笔记本电脑能形成不错的互补，甚至作为主力机器我觉得自己也能完全适应。但是必须得有备用电脑，因为当正经使用起来的话，还是很容易碰到系统限制，但是又找不到 App 能解决问题的场景。

Asymmetric Revocable Commitments 是 Lighting Network 的基础，是非对称加密技术很巧妙的应用。它用于互不信任的双方在链下通过协商完成一系列交易。最终需要提交到链上的只需要最初的创建和最后的结算两个交易，大大提高了交易处理速度。

11 点睡觉，7 点起床 坚持锻炼。主要是跑步，大概每周 20 公里，天气不好就玩 Just Dance 代替。游泳，大概每周 5 公里。 前一天晚上做好第二天的计划。这样起床后就可以直接开始做重要的事情。 将每天分成时间块，用三餐时间分隔成 1+3+3+3 共 4 块，10 小时。重要的事情在日历软件上标注出时间块。比较固定的安排 早晚查两次邮件。 早上学习一项对自己职业来说最重要的事情，比如学习一项新技术。 上午用于工作中最重要的事情。 下午是较次要技术的学习，继续工作 晚上一项个人兴趣爱好 优先做重要的事，看 RSS 阅读器中的文章，看新闻等琐碎的事情总会在精力不那么充沛的下午和晚上找到时间。 提前为计划的事情做好准备工作。比如第二天要跑步，就把手表，MP3 充好电，衣服鞋子准备好。 每天进步一点，并记录完成情况。完成条件都很宽松，关键是每天都有在做。 完成一项关键项目中的任务。关键项目是对自己非常重要的事情，比如职业规划上的关键技术的学习等，个人的兴趣爱好的学习。 读一页非技术书。 学习一组 Flash Cards，或者用 Duolingo 学一节课。 跟踪时间，知道时间花在哪里了。 同类的项目，同时进行 2 项，比如同时学习两项关键技术，两个兴趣爱好，然后交叉进行，避免每天都重复同样的事情而枯燥。 开始任务后计时，发现超过 1 个小时了就休息会。不会特意提前定好要坚持多久，根据精力灵活调整。 工具和设备 OmniFocus 任务管理 Calendar 日历软件 Tyme2 手动任务计时，有时候忘了记可以通过 Timing 的记录补下。 Timing 自动记录电脑上各个软件的使用时间，已经不同网站的访问时间。 Focus 屏蔽指定软件启动，禁止访问指定网站。 索尼 WS414，跑步可以不用带手机，游泳也能听歌。 阅读： Kindle 读 Instapaper 保存的文章，JD Read 读非技术书籍。 Medium 上的文章使用 Medium 的书签管理稍后读列表 新闻：财新，澎湃，东方体育

最近在一个 Ruby on Rails 项目中需要集成各种支付系统。这些系统多使用 RSA 进行加密和签名验证。不过提供的 RSA Key 格式公式个样，所以把各种格式和如何在 Ruby 中读取整理了一下。 RSA 是非对称加密算法，需要 2 个 Keys, 私钥和公钥。Key 本身就是二进制字符串，不过会被编码成各种格式。

zfs 会在访问文件时记录下问题文件，也可用使用 scrub 来扫描文件，其中 poolname 是卷名。

iOS 的通知可以按 App 配置 是否显示图标上的未读数角标 是否显示横幅提醒 横幅提醒是自动消失还是必须要点击才会消失 是否显示在通知中心 是否播放通知提示音 我的配置是绝大多数关闭，然后根据使用场景可以把 App 划分为几类，分别配置不同的策略。

填半年前挖的坑。分享 Lua C API 中的 userdata 和 light userdata。 在编程过程中，经常会需要给一块数据分配一个唯一句柄，通过句柄能够读取或者操作这块数据。原因主要有： 数据内聚性很强，封装在一起方便传递，减少参数数量。 隐藏数据的内部结构，通过 API 提供操作接口。 减少数据拷贝。 最典型的就是 C 中的指针了。但句柄并不一定就必须是指针，比如 Linux 系统中的 fd 可以当作是 IO 设备的句柄。 在 Lua C API 中提供了 userdata 和 light userdata 可以让 C 返回一个句柄给 Lua，而 Lua 可以将句柄再通过在 C 中注册的方法传回 C。 Lua Userdata…

这是 Graylog 系列最后一篇。 日志集中保存到 Graylog 后就可以方便的使用搜索了。不过有时候还是需要对数据进行近一步的处理。主要有两个途径： 直接访问 Elastic 中保存的数据 通过 Graylog 的 Output 转发到其它服务…

Graylog 通过 Input 搜集日志，每个 Input 单独配置 Extractors 用来做字段转换。 Graylog 中日志搜索的基本单位是 Stream，每个 Stream 可以有自己单独的 Elastic Index Set，也可以共享一个 Index Set。用 Set 是因为日志的保存会使用一个前缀然后滚动创建新的 Index。Stream 通过配置条件匹配日志，满足条件的日志添加 stream ID 标识字段并保存到对应的 Elastic Index Set 中。同一个 Input 中的日志可以属于不同的 Stream，不同 Input 中的日志可以属于同一个 Stream，就是同一条日志也可以属于多个 Stream。 系统会有一个默认的 Stream，所有日志默认都会保存到这个 Stream 中，除非匹配了某个 Stream，并且这个 Stream 里配置了不保存日志到默认 Stream。 下图是日志处理流程图 Graylog 日志处理 后文会分别分享各个步骤需要注意的一些地方。