ARTS 打卡第一周

1、A 算法题

题目：

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。

每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？

解题：

大概如下 1→1 2→C02+C11=2 3→C03+C12=3 4→C04+C13+C22=5

总结规律： n→C0N+......C(N-K)K (N>=K) 因为 C 对 INT 长度有限制所以用的是 PYTHON。

def cal1(n:int)->int:    if(n==0 or n==1):        return 1;    num=1    for i in range(n,1,-1):        num = num*i    return num
def cal2(j:int,i:int)->int:    num=1    for t in range(0,i):        num*=j        j=j-1    return num//cal1(i)class Solution:    def climbStairs(self, n: int) -> int:        i=0        num=0        for j in range(n,i-1,-1):            num+=cal2(j,i)            i=i+1               return num

2、R 阅读英文文章

英文原文：Lean AI Can Revolutionize Venture Capital Investment

风险投资（VC）业务经常被描述为一种高风险的博弈形式。现在，没有人有心情在任何事情上下注。一种新兴形式的人工智能（AI）可能会极大地改变风险投资的实践，这是一项由直觉和分析相结合在很大程度上推动的业务。

这种人工智能可以贯穿场景，并确定营销成本和供应链阈值。机器可以使用超级高效的算法，而不是创始人在电子表格上大肆宣传或玩实时媒体仪表板。

精益人工智能（AI）对风险投资的影响主要体现在两个方面：一是通过更准确、高效的数据分析，帮助投资者评估投资组合的风险和回报；二是通过智能投资和交易系统，改进投资决策过程，降低人为错误和情绪影响。

首先，AI 可以帮助投资者更准确地评估投资组合的风险和回报。通过对大量数据的学习和分析，AI 可以识别出投资组合中不同证券的相关性和波动性，从而帮助投资者构建更加有效的投资组合，降低风险。此外，AI 还可以根据市场数据和历史模式进行预测，为投资者提供更准确的投资建议。

其次，AI 可以通过智能投资和交易系统来改进金融风险管理。传统的投资决策主要依赖于人类投资经理的判断和决策，但这种方式容易受到人为误判和情绪的影响。而 AI 可以利用强大的计算能力和预测模型来辅助决策，减少这些因素的影响。此外，AI 还可以通过智能交易系统自动执行交易策略，提高交易效率和准确性，降低市场风险。

3、T 学习技术技巧

我们提供个客户的产品操作系统是 Centos7.4，被客户安全部门扫描出很多漏洞，需要将系统升级到 7.9。

由于客户是内网环境，无法上网，所以做了 Centos7.4 离线升级到 7.9 的步骤。

1、查看当前内核版本 uname -r

2、拷贝 centos7.9 镜像到 root 下

3、创建目录 mkdir /media/iso   

4、挂载 centos7.9 镜像 mount -o loop CentOS-7.9-x86_64-DVD-2009.iso /media/iso   

5、删除已有 yum 配置 cd /etc/yum.repos.d/，然后 rm -rf *

6、新建 local.repo ，vi /etc/yum.repos.d/local.repo                             

[local_server]

name=This is a local repo

baseurl=file:///media/iso/

enabled=1

gpgcheck=0

7、执行 yum update 命令进行升级

8、升级完成

9、重启操作系统，查看系统版本及内核

4、S 分享技术文章

面对越来越复杂的网络环境，每天发生着数以万亿的数据交互，一旦出现问题我们就需要快速去定位解决，那么我们就必须储备丰富的知识，利用手头各种工具帮助我们来分析问题。

但有时应用日志、网管平台等看起来一切都没有异常，分析变得一筹莫展，这是就需要使用数据包分析技术，来深入探索每一个 TCP 连接及上层应用，最终来定位问题。

这里分享下数据包分析的两大前提：

一、明确故障现象

针对我们要分析的问题首先需要有个全面的了解，了解的也详细对我们分析根因越有帮忙。这里就像我们写记叙文一样要掌握这个故障问题的时间地点人物事件四要素。

• 时间：问题发生的准确时间点是第一要素，数据流交互过程以毫米、微秒、纳秒计算，需要在海量数据中提取数据需要明确的时间范围。

• 地点：在网络拓扑上，问题发生在哪里，涉及哪些设备和路径。

• 事件： ​故障现象的真实描述，还原现场，真实的现场还原描述是分析问题的基础，任何一个细节都有可能是突破口。

• 人物：受到影响的用户是谁？或者波及的范围有多大？问题波及的用户面可以快速帮助我们判断问题发生的层次、位置。

二、获取有效数据

是否能够获取有效的数据，对我们分析起到至关重要的影响。有效的数据往往就是事半功倍。我们在实际环境中，主要通过以下四个步骤。

1、逻辑拓扑：了解应用逻辑和数据路径，以及物理拓扑

• 对于多层架构的应用，发生问题不再是请求/响应这样单一的过程。

• 了解业务逻辑拓扑是为了获取有效数据包、制定下一步的分析策略。

2、关键节点：把握数据路径上的关键环节

• 网络层：防火墙、应用交付类设施，这些设施可以改变、控制业务数据流，即有可能影响到业务交互。

• 应用层：按照逻辑架构(Web、App、DB...)，结合问题现象，列出关键节点。

• 客户端：影响到终端的问题，在客户端进行模拟测试可以获得真实现象信息。

在这里可能会涉及到流量获取位置的选择，一般会基于以下的策略：

1）根据故障或者异常现象，首先确认用户到应用服务器的数据访问路径。

2）从靠近应用服务器的一端开始，定位问题发生的层面(应用服务自身层面的原因?还是网络传输层面的原因)。

3）在网络层面，重点关注防火墙、负载均衡类设备(当有负载均衡类设备或者负载均衡链路时，要注意可能需要同时捕获多个端口的流量才能获得完整的 TCP 会话数据)。

4）在数据路径上多点同时捕获数据，进行对比分析。