ARTS的初衷
- Algorithm：主要是为了编程训练和学习。每周至少做一个 leetcode 的算法题（先从Easy开始，然后再Medium，最后才Hard）。进行编程训练，如果不训练你看再多的算法书，你依然不会做算法题，看完书后，你需要训练。关于做Leetcode的的优势，你可以看一下我在coolshell上的文章 Leetcode 编程训练 - 酷 壳 - CoolShell。
- Review：主要是为了学习英文，如果你的英文不行，你基本上无缘技术高手。所以，需要你阅读并点评至少一篇英文技术文章，我个人最喜欢去的地方是http://Medium.com（需要梯子）以及各个公司的技术blog，如Netflix的。
- Tip：主要是为了总结和归纳你在是常工作中所遇到的知识点。学习至少一个技术技巧。你在工作中遇到的问题，踩过的坑，学习的点滴知识。
- Share：主要是为了建立你的影响力，能够输出价值观。分享一篇有观点和思考的技术文章。
作者：陈皓
链接：https://www.zhihu.com/question/301150832/answer/529809529
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
Algorithm
给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。
注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。
示例 1:
输入: [7,1,5,3,6,4]
输出: 7
解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。
示例 2:
输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。
因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。
示例 3:
输入: [7,6,4,3,1]
输出: 0
解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
来源： https://leetcode-cn.com/explore/featured/card/top-interview-questions-easy/1/array/22/
# 审题很重要，第一次看这题的时候，一直在想怎样模拟出最佳交易策略；然而我们只是计算最大收益，这个是上帝视角的，只要做一下前后对比即可。
class Solution:
def maxProfit(self, prices: List[int]) -> int:
profit = 0
length = len(prices)
for i in range(0, length - 1):
j = i + 1
fake_profit = prices[j] - prices[i]
if fake_profit > 0:
profit += fake_profit
return profit
Tip
官方维护的软件仓库总有不够用的时候，有时会遇到需要自己打软件包的情况，掌握这项技能还是很必要的。
- deb打包
参考资料：deb打包教程
# 打包anaconda的简单示例，操作都在Package目录下进行
mkdir anaconda # 新建anaconda包的fake-root目录，软件包需要用到的所有文件都放在该目录下
mkdir anaconda/DEBIAN # 新建包信息目录
cat anaconda/DEBIAN/control # 配置信息示例
Package: anaconda3-diy
Version: 4.3.1-20191113
Section: unknown
Priority: optional
Depends:
Suggests:
Architecture: amd64
Installed-Size: 9071876
Maintainer: chang.yaocheng
Provides:
Description: Anaconda diy
ls anaconda3 # anaconda3的目录内容
DEBIAN home usr
dpkg-deb -b anaconda3 anaconda3-amd64.deb # 开始打包
Review & Share
目前还做不到分享一篇有观点和思考的技术文章，那就先做好积累吧。
物理机迁移kvm方案调研
最近公司搞成本优化，需要迁移一批物理机到kvm虚拟机。苦于迁移成本太高，对于环境复杂的机器，一人力一天只能迁移个1到2台。于是，我便寄希望于将物理机直接虚拟化的方案，希望能够降低迁移成本。
现有的迁移方案基本分类两类：
- Hot migration，不停机迁移，这类方案要求物理机上的数据相对固定(Recommended for static data)；
- Cold migration，关机迁移，这类方案基本上是从livecd这类系统启动，对整个硬盘做镜像。
维基百科上列举了一些成熟的方案和工具，它们适用的场景各有不同，多数是cold migration。
hot migration的可行性
现有业务场景下，想要的是hot migration，所以重点看hot方案的可行性。
网上搜索了半天， 找到几个可行的方案，很多方案实际上还是cold migration，只不过停机时间很短。
- kvm官方虚拟机跨物理机迁移文档，记录作为参考。
- 先使用rsync同步大部分数据，停止服务继续同步变化后的文件，最后修正虚拟机的引导和fstab：Manual P2V of Debian Sarge
- P2V Migration with Post-Copy Hot Cloning for Service Downtime Reduction，这篇论文提出了利用内核模块同步文件块改动的方式来在线clone物理机的磁盘，实现成本比较高，且还是需要手动调整配置，修复引导。
- 停服务不关机，使用dd拷贝整个磁盘：Converting a running physical machine into a KVM virtual machine
- 使用tar打包，根据机器上的具体服务器要的，exclude非必要的文件夹：链接
以上方法都存在，不可自动化和成功率难保证的问题（需要手动配置引导、热拷贝的数据难保证完全一致），所以无法在实际生产环境中使用。
cold migration
cold migration有很多成熟的方案和工具，可参考维基百科，该类方法理论上可以做到半自动化，但是操作成本高，需要重启服务器，同样不适用于我碰到的问题。
结论
初步结论，系统级别的hot migration实现成本高，无成熟解决方案（包括商业和开源）。现有成熟方案都是 cold migration。
由于没有停机迁移的条件，想要降低迁移成本的话，从新机器环境配置上下功夫更靠谱。
- tar大法可以尝试下，迁移一部分看成本能否接受
https://www.kancloud.cn/ivandu/linux/405447 - 调研使用saltstack或者shell脚本快速同步配置的方法