Reader和键盘记录等功能。 后文将对每一种功能源代码如何实现进行分析。 顺便吐槽一下，国内也有不少科技网站对其进行了转载报道，但鲜有针对源码进行分析解读，笔者最终在国外安全人员的个人博客中发现了这份不太完整的（817

ext= 这个工具可以简称为 Python to GoLang，把 Python 源码自动转化为 Go 源码，然后可编译为独立的可执行文件。(附：Go 语言是新兴的类C可编译语言，开源) 大家一般把

作为最近一年最火热的服务端技术（也许没有之一），Docker引发了大量的关注和讨论，我在从事持续集成服务平台方面的工作，因此也在关注和了解的以后尝试将现有系统进行了Docker化的改造。这个过程加深了认识和理解，本文就是对这些工作的一个总结。

DIND（Docker-in-Docker）是让你可以在 Docker 容器里面运行 Docker 的一种方式，在 Docker 6.0 中实现的方式是，为容器添加特权模式。如果你想把 Docker 本身作为一项服务提供给

本文来自Docker的官方文档，详细介绍了Docker的体系结构、重要概念、内部工作机理等内容，推荐不了解Docker内部原理的同学阅读。 什么是Docker？ Docker是一个用于开发、交

2014年12月，容器专家Docker精心在阿姆斯特丹准备了一场会议，同时编排服务和Docker企业产品也登台亮了相，Docker真的火了吗? 但在Docker的联合创始人兼 CTO的Solomon

Resources Docker Weekly Huge resource Century Links Labs Valuable Docker Links Very complete Docker Ecosystem

的一个源代码管理分析工具，它可以在Windows，Linux等多种平台下工作。功能类似于windows下的Sourceinsight，它可以显示类，函数以及成员之间的关系，对阅读分析源代码机器有用。

明，今天我们主要深入的使用EventBus，同时会从源码的角度对于订阅和发送消息做分析，以及和另外的消息总线框架Otto在性能等方面做一个对比分析。 FastDev4Android框架项目地址: https://github

erInject ActivityModule_ProviderUserModelFactory 分析代码 注入程序的入口 mActivityComponent.inject(this); @Component(modules

无须重启换肤 等。 针对第一个问题，相关的研究已经比较多了，通过研究 Resource 类 的源码，在其构造函数中有个 AssetManager 类参数，而最终获取资源都是通过 AssetManager

vue-i18n 这个插件来进行。插件提供了单复数，中文转英文的方法。a下文有对 vue-i18n 的源码进行分析。因为英文的阅读方向也是从左到右，因此语言展示的方向不予考虑。但是在一些阿拉伯地区国家的语言是从右到左进行阅读的。

首先奉献caching的开源地址[ 微软源码 ] 1.工程架构 为了提高程序效率，我们经常将一些不频繁修改，但是使用了还很大的数据进行缓存。尤其是互联网产品，缓存可以说是提升效率优化第一利器。

(-IntegerCache.low)]; return new Integer(i); } 从源码中可以看出， Integer对象自动缓存int值范围在low~high（-128~127），如果超出这个范围则会自动装箱为包装类。

1 背景 之所以选择这个知识点来分析有以下几个原因： 逛GitHub时发现关注的isuss中有人不停的在讨论Android中的Looper , Handler , Message有什么关系。 其实

所以必然要对netty的机制，甚至源码了若指掌，于是，便催生了netty源码系列文章。后面，我会通过一系列的主题把我从netty源码里所学到的毫无保留地介绍给你，源码基于4.1.6.Final why

本篇的主要目标是通过实际问题来介绍 webpack 中容易被人忽略的细节, 以及源码分析( 以最新发布的 release 版本1.14.0的源码为例 ), 并且提供几种解决方案。 webpack from

从左上角开始，点击事件总是先传递给Activity，再由activity向下分发。下面就按照图中1-9的顺序从源码角度跟踪点击事件的去向。 1. Activity#dispatchTouchEvent ->

数据库连接池BONECP源码分析报告 1 1. 简述 2 1.1 官方主页 2 1.2 API文档 2 1.3 BoneCP简介（译自官方） 2 1.4 BoneCP特点（译自官方） 2 1.5 本次分析使用的版本

k-d tree是对多维数据的组织方法。<br> 假设现在又N个多维数据。k-d tree就是不断的将这些数据切分成一半再切分成一半，知道不能切分为止。通过这个过程最终会形成一个二叉树，所有数据都在这棵二叉树的叶子上。将数据切分的方法是：1.选择维度，有很多种选择方法，比如说x->y->z->x...； 2.在选定的维度使用中位数将所有数据点一分为二。<br> 基于k-tree数据结构和容易使用branch bound算法来快速搜索新给定的一个点和这颗树上哪一片叶子最接近。分支和定界的方法都是显而易见的。<br> 这种方法对于高位数据比较好使，一半来说如果数据数量和数据维数满足N >> 2D关系时，该算法才能真正降低计算成本。对于高维数据，提出sift算法的David Lowe在1997的一篇文章中提出一种近似算法best-bins-first。