鸡和猪的故事

The fable of the Chicken and the Pig is used to illustrate the differing levels of project stakeholders involved in a project. The basic fable runs：[1]

A Pig and a Chicken are walking down the road.
The Chicken says: “Hey Pig, I was thinking we should open a restaurant!”
Pig replies: “Hm, maybe, what would we call it?”
The Chicken responds: “How about ‘ham-n-eggs’?”
The Pig thinks for a moment and says: “No thanks. I’d be committed, but you’d only be involved.”

Sometimes, the story is presented as a riddle:

Question: In a bacon-and-egg breakfast, what’s the difference between the Chicken and the Pig?
Answer: The Chicken is involved, but the Pig is committed!

从这个寓言／冷笑话的故事里我们会有什么启示呢？

介绍

不提倡什么授权、加密、混淆，不过，有开源项目，也会有商业项目。也并不是所有产品都是Saas服务，如果是有对外有项目输出，且产品采用授权使用形式的企业，那么对自己的软件产品加上授权验证必不可少

特性

1. RSA 非对称加密，公钥加密，私钥解密，保证license信息安全; –10.31补充，RSA每次加密密文都不一致，所以machine 信息不能用非对称加密，只能选用对称加密
2. Digital Signature公钥数字签名；
   1. 防止license被冒充签发（认证）；
   2. 保证数据完整性；
   3. 数字签名具有不可抵赖性（即不可否认性）
3. 硬件信息采集，防止程序被无限copy
4. 授权截止时间，完成业务上授权需求
5. 使用license的业务代码混淆加密，防止反编译替换跳过验证流程
6. 可以加入自定义数据（授权版本、授权对象、授权功能列表）等等，方便扩展

ssh 免密登陆

原理：

用ssh-keygen在ServerA上生成私钥跟公钥，将生成的公钥拷贝到远程机器ServerB上后,就可以使用ssh命令无需密码登录到另外一台机器ServerB上。

e.g. ServerA 免密登陆 ServerB

在ServerA，ssh-keygen -t rsa ,三次回车生成id_rsa，在~/.ssh/目录下会生成id_rsa（私钥） id_rsa.pub（公钥）这两个文件；然后将公钥拷贝到

ssh-keygen -t rsa
scp ~/.ssh/id_rsa.pub root@ServerB:~/.ssh/authorized_keys

登陆ServerB，变更~/.ssh/authorized_keys 权限

chmod 600 ~/.ssh/authorized_keys

这样就可以在ServerA免密登陆ServerB了。authorized_keys可以放多个公钥，那时就不能用scp命令了。

centos下 安装和配置、自动备份、恢复、迁移 gitlab

内容：

• 安装配置
• 邮件配置
• 默认端口变更、域名配置
• 自动备份
• 恢复
• 迁移

环境：centos 6.5

民用地图不能反映真实经纬度坐标，存在一定偏差，感兴趣的一定知道为什么，不做过多解释

经纬度纠偏工具包，全文只有代码～～～

• mapbar地图纠偏
• 百度地图纠偏
• 火星坐标纠偏
• 经纬度距离计算

判断一个点是否在多边形内&GIS LBS 系统中的应用说明

如何判断一个点是否在多边形内部？

1. 面积和判别法：判断目标点与多边形的每条边组成的三角形面积和是否等于该多边形，相等则在多边形内部。
2. 夹角和判别法：判断目标点与所有边的夹角和是否为360度，为360度则在多边形内部。
3. 引射线法：从目标点出发引一条射线，看这条射线和多边形所有边的交点数目。如果有奇数个交点，则说明在内部，如果有偶数个交点，则说明在外部。

1.2.都非常好理解，但是1.2. 并不适合所有的多边形，比如说凹多边形。关于射线算法，好像没有公式证明，不过网上很多论文可以google到.

图一：点延伸出的射线穿过不规则多边形，往左射线交5点，往右射线交3点，所以判断点在多边形内

多边形要规避一些极端情况，比如自我闭合等情况，具体可以参考Determining Whether A Point Is Inside A Complex Polygon

关于GIS/LBS上的应用，问，该算法是否可以判断经纬度坐标是否在一个标记的地图围栏中（任意多边形）,答案是可以，但是需要注意两个问题：

道格拉斯-普克抽稀算法，是用来对大量冗余的图形数据点进行压缩以提取必要的数据点。

文章包括三部分

1. 算法原理
2. 代码实现（csharp)
3. 实际应用举例对比（图）

道格拉斯普克算法原理

该算法实现抽稀的过程是：

1）对曲线的首末点虚连一条直线，求曲线上所有点与直线的距离，并找出最大距离值dmax，用dmax与事先给定的阈值D相比：
2）若dmax<D，则将这条曲线上的中间点全部舍去；则该直线段作为曲线的近似，该段曲线处理完毕。
　 若dmax≥D，保留dmax对应的坐标点，并以该点为界，把曲线分为两部分，对这两部分重复使用该方法，即重复1），2）步，直到所有dmax均<D，即完成对曲线的抽稀。
　
显然，本算法的抽稀精度也与阈值相关，阈值越大，简化程度越大，点减少的越多，反之，化简程度越低，点保留的越多，形状也越趋于原曲线。

Guava BloomFilter 实现

Guava BloomFilter 改进点

1. 重写了 bitset，可以参见 LockFreeBitArray类的实现 ，突破了int.maxsize 大约21亿的限制
2. 采用MurmurHash3 非加密型哈希函数，对大块的数据，具有较高的平衡性与低碰撞率。en.wikipedia.org、100w字符串hash，1s+
3. 论文Less Hashing, Same Performance！Building a Better Bloom Filter，提到只需要两个；论文用google翻译了一部分，见
4. 32位散列函数这个技巧并不会显着降低Bloom过滤器的性能；guava 具体做法见 BloomFilterStrategies 类的MURMUR128_MITZ_32 和 MURMUR128_MITZ_64两种策略的实现
5. 添加元素过程中，并非执行了 optimalNumOfHashFunctions 次hash 操作，改为一次MurmurHash3，和optimalNumOfHashFunctions次基础运算，大大减少了计算次数，提高了性能
6. BloomFilter 一直被标记为@Beta，但已经在google很多产品中得到运用