proxy_pass http://IPaddr/ #删除匹配段，一般配置接口使用访问 http://域名/abc/test.map 分下面两种情况
1）location /abc/
会转发到 http://IPaddr/test.map
2) location /abc
会转发成 http://IPaddr//test.map —————-linux //路径=/路径
所以也等价于 http://IPaddr/test.map 的访问
proxy_pass http://IPaddr #匹配段和此地址段拼接这个也分两种情况
1） location /abc
这种可以匹配 /abc 和 /abc/
2）location /abc/
这种只能匹配 /abc/ 匹配目录
Java与Docker的结合，虽然更好的解决了application的封装问题。但也存在着不兼容，比如Java并不能自动的发现Docker设置的内存限制,CPU限制。
这将导致JVM不能稳定服务业务！容器会杀死你JVM进程，而健康检查又将拉起你的JVM进程，进而导致你监控你的pod一天重启次数甚至能达到几百次。
我们希望当Java进程运行在容器中时，java能够自动识别到容器限制，获取到正确的内存和CPU信息，而不用每次都需要在kubernetes的yaml描述文件中显示的配置完容器，还需要配置JVM参数。
使用JVM MaxRAM参数或者解锁实验特性的JVM参数，升级JDK到10+，我们可以解决这个问题（也许吧~.~）。
首先Docker容器本质是是宿主机上的一个进程，它与宿主机共享一个/proc目录，也就是说我们在容器内看到的/proc/meminfo，/proc/cpuinfo
与直接在宿主机上看到的一致，如下。
cat /proc/meminfo MemTotal: 197869260 kB MemFree: 3698100 kB MemAvailable: 62230260 kBdocker run -it --rm alpine cat /proc/meminfo MemTotal: 197869260 kB MemFree: 3677800 kB MemAvailable: 62210088 kB那么Java是如何获取到Host的内存信息的呢？没错就是通过/proc/meminfo来获取到的。
默认情况下，JVM的Max Heap Size是系统内存的1/4，假如我们系统是8G，那么JVM将的默认Heap≈2G。
Docker通过CGroups完成的是对内存的限制，而/proc目录是已只读形式挂载到容器中的，由于默认情况下Java
压根就看不见CGroups的限制的内存大小，而默认使用/proc/meminfo中的信息作为内存信息进行启动，
这种不兼容情况会导致，如果容器分配的内存小于JVM的内存，JVM进程会被理解杀死。
我们首先来看一组测试，这里我们采用一台内存为188G的物理机。
#free -g
total used free shared buff/cache available
Mem: 188 122 1 0 64 64
以下的测试中，我们将包含openjdk的hotspot虚拟机，IBM的openj9虚拟机。
以下测试中，我们把正确识别到限制的jdk，称之为安全（即不会超出容器限制不会被kill），反之称之为危险。
这一组测试我们使用最新的openjdk8-12，给容器限制内存为4G，看JDK默认参数下的最大堆为多少？看看我们默认参数下多少版本的JDK是安全的
docker run -m 4GB --rm openjdk:8-jre-slim java -XshowSettings:vm -version
docker run -m 4GB --rm openjdk:9-jre-slim java -XshowSettings:vm -version
docker run -m 4GB --rm openjdk:10-jre-slim java -XshowSettings:vm -version
docker run -m 4GB --rm openjdk:11-jre-slim java -XshowSettings:vm -version
docker run -m 4GB --rm openjdk:12 java -XshowSettings:vm -version
[root@xiaoke-test ~]# docker run -m 4GB --rm openjdk:8-jre-slim java -XshowSettings:vm -version
VM settings:
Max. Heap Size (Estimated): 26.67G
Ergonomics Machine Class: server
Using VM: OpenJDK 64-Bit Server VM
openjdk version "1.8.0_181"
OpenJDK Runtime Environment (build 1.8.0_181-8u181-b13-2~deb9u1-b13)
OpenJDK 64-Bit Server VM (build 25.181-b13, mixed mode)
[root@xiaoke-test ~]# docker run -m 4GB --rm openjdk:8-jre-slim java -XX:+UnlockExperimentalVMOptions -XX:+UseCGroupMemoryLimitForHeap -XshowSettings:vm -version
VM settings:
Max. Heap Size (Estimated): 910.50M
Ergonomics Machine Class: server
Using VM: OpenJDK 64-Bit Server VM
openjdk version "1.8.0_181"
OpenJDK Runtime Environment (build 1.8.0_181-8u181-b13-2~deb9u1-b13)
OpenJDK 64-Bit Server VM (build 25.181-b13, mixed mode)
[root@xiaoke-test ~]# docker run -m 4GB --rm openjdk:9-jre-slim java -XshowSettings:vm -version
VM settings:
Max. Heap Size (Estimated): 29.97G
Using VM: OpenJDK 64-Bit Server VM
openjdk version "9.0.4"
OpenJDK Runtime Environment (build 9.0.4+12-Debian-4)
OpenJDK 64-Bit Server VM (build 9.0.4+12-Debian-4, mixed mode)
[root@xiaoke-test ~]# docker run -m 4GB --rm openjdk:9-jre-slim java -XX:+UnlockExperimentalVMOptions -XX:+UseCGroupMemoryLimitForHeap -XshowSettings:vm -version
VM settings:
Max. Heap Size (Estimated): 1.00G
Using VM: OpenJDK 64-Bit Server VM
openjdk version "9.0.4"
OpenJDK Runtime Environment (build 9.0.4+12-Debian-4)
OpenJDK 64-Bit Server VM (build 9.0.4+12-Debian-4, mixed mode)
[root@xiaoke-test ~]# docker run -m 32GB --rm openjdk:10-jre-slim java -XshowSettings:vm -XX:MaxRAMFraction=1 -version
VM settings:
Max. Heap Size (Estimated): 1.00G
Using VM: OpenJDK 64-Bit Server VM
openjdk version "10.0.2" 2018-07-17
OpenJDK Runtime Environment (build 10.0.2+13-Debian-2)
OpenJDK 64-Bit Server VM (build 10.0.2+13-Debian-2, mixed mode)
[root@xiaoke-test ~]# docker run -m 4GB --rm openjdk:11-jre-slim java -XshowSettings:vm -version
VM settings:
Max. Heap Size (Estimated): 1.00G
Using VM: OpenJDK 64-Bit Server VM
openjdk version "11.0.1" 2018-10-16
OpenJDK Runtime Environment (build 11.0.1+13-Debian-3)
OpenJDK 64-Bit Server VM (build 11.0.1+13-Debian-3, mixed mode, sharing)
[root@xiaoke-test ~]# docker run -m 4GB --rm openjdk:12 java -XshowSettings:vm -version
VM settings:
Max. Heap Size (Estimated): 1.00G
Using VM: OpenJDK 64-Bit Server VM
openjdk version "12-ea" 2019-03-19
OpenJDK Runtime Environment (build 12-ea+23)
OpenJDK 64-Bit Server VM (build 12-ea+23, mixed mode, sharing)
docker run -m 4GB --rm adoptopenjdk/openjdk8-openj9:alpine-slim java -XshowSettings:vm -version
docker run -m 4GB --rm adoptopenjdk/openjdk9-openj9:alpine-slim java -XshowSettings:vm -version
docker run -m 4GB --rm adoptopenjdk/openjdk10-openj9:alpine-slim java -XshowSettings:vm -version
docker run -m 4GB --rm adoptopenjdk/openjdk11-openj9:alpine-slim java -XshowSettings:vm -version
[root@xiaoke-test ~]# docker run -m 4GB --rm adoptopenjdk/openjdk8-openj9:alpine-slim java -XshowSettings:vm -version
VM settings:
Max. Heap Size (Estimated): 3.00G
Ergonomics Machine Class: server
Using VM: Eclipse OpenJ9 VM
openjdk version "1.8.0_192"
OpenJDK Runtime Environment (build 1.8.0_192-b12_openj9)
Eclipse OpenJ9 VM (build openj9-0.11.0, JRE 1.8.0 Linux amd64-64-Bit Compressed References 20181107_95 (JIT enabled, AOT enabled)
OpenJ9 - 090ff9dcd
OMR - ea548a66
JCL - b5a3affe73 based on jdk8u192-b12)
[root@xiaoke-test ~]# docker run -m 4GB --rm adoptopenjdk/openjdk9-openj9:alpine-slim java -XshowSettings:vm -version
VM settings:
Max. Heap Size (Estimated): 3.00G
Using VM: Eclipse OpenJ9 VM
openjdk version "9.0.4-adoptopenjdk"
OpenJDK Runtime Environment (build 9.0.4-adoptopenjdk+12)
Eclipse OpenJ9 VM (build openj9-0.9.0, JRE 9 Linux amd64-64-Bit Compressed References 20180814_248 (JIT enabled, AOT enabled)
OpenJ9 - 24e53631
OMR - fad6bf6e
JCL - feec4d2ae based on jdk-9.0.4+12)
[root@xiaoke-test ~]# docker run -m 4GB --rm adoptopenjdk/openjdk10-openj9:alpine-slim java -XshowSettings:vm -version
VM settings:
Max. Heap Size (Estimated): 3.00G
Using VM: Eclipse OpenJ9 VM
openjdk version "10.0.2-adoptopenjdk" 2018-07-17
OpenJDK Runtime Environment (build 10.0.2-adoptopenjdk+13)
Eclipse OpenJ9 VM (build openj9-0.9.0, JRE 10 Linux amd64-64-Bit Compressed References 20180813_102 (JIT enabled, AOT enabled)
OpenJ9 - 24e53631
OMR - fad6bf6e
JCL - 7db90eda56 based on jdk-10.0.2+13)
[root@xiaoke-test ~]# docker run -m 4GB --rm adoptopenjdk/openjdk11-openj9:alpine-slim java -XshowSettings:vm -version
VM settings:
Max. Heap Size (Estimated): 3.00G
Using VM: Eclipse OpenJ9 VM
openjdk version "11.0.1" 2018-10-16
OpenJDK Runtime Environment AdoptOpenJDK (build 11.0.1+13)
Eclipse OpenJ9 VM AdoptOpenJDK (build openj9-0.11.0, JRE 11 Linux amd64-64-Bit Compressed References 20181020_70 (JIT enabled, AOT enabled)
OpenJ9 - 090ff9dc
OMR - ea548a66
JCL - f62696f378 based on jdk-11.0.1+13)
分析之前我们先了解这么一个情况:
JavaMemory (MaxRAM) = 元数据+线程+代码缓存+OffHeap+Heap...
一般我们都只配置Heap即使用-Xmx来指定JVM可使用的最大堆。而JVM默认会使用它获取到的最大内存的1/4作为堆的原因也是如此。
OpenJdk8-12,都能保证这个安全性的特点（8和9需要特殊参数，-XX:+UnlockExperimentalVMOptions -XX:+UseCGroupMemoryLimitForHeap）。
IbmOpenJ9所有的版本都能识别到容器限制。
自动识别到容器限制后，OpenJdk把最大堆设置为了大概容器内存的1/4，对内存的浪费不可谓不大。
当然可以配合另一个JVM参数来配置最大堆。-XX:MaxRAMFraction=int。下面是我整理的一个常见内存设置的表格，
从中我们可以看到似乎JVM默认的最大堆的取值为MaxRAMFraction=4，随着内存的增加，堆的闲置空间越来越大，在16G容器内存时，java堆只有不到4G。
| MaxRAMFraction取值 | 堆占比 | 容器内存=1G | 容器内存=2G | 容器内存=4G | 容器内存=8G | 容器内存=16G |
|---|---|---|---|---|---|---|
| 1 | ≈90% | 910.50M | 1.78G | 3.56G | 7.11G | 14.22G |
| 2 | ≈50% | 455.50M | 910.50M | 1.78G | 3.56G | 7.11G |
| 3 | ≈33% | 304.00M | 608.00M | 1.19G | 2.37G | 4.74G |
| 4 | ≈25% | 228.00M | 455.50M | 910.50M | 1.78G | 3.56G |
关于OpenJ9的的详细介绍你可以从这里了解更多。
对于内存利用率OpenJ9的策略是优于OpenJdk的。以下是OpenJ9的策略表格
容器内存<size> | 最大Java堆大小 |
|---|---|
| 小于1 GB | 50％<size> |
| 1 GB – 2 GB | <size>– 512 MB |
| 大于2 GB | 大于2 GB |
1.如果你想要的是jvm进程在容器中安全稳定的运行，不被容器kiil，并且你的JDK版本小于10（大于等于JDK10的版本不需要设置，参考前面的测试）
你需要额外设置JVM参数-XX:+UnlockExperimentalVMOptions -XX:+UseCGroupMemoryLimitForHeap，即可保证你的Java进程不会因为内存问题被容器Kill。
当然这个方式使用起来简单，可靠，缺点也很明显，资源利用率过低（参考前面的表格MaxRAMFraction=4）。
2.如果想在基础上我还想提高一些内存资源利用率，并且容器内存为1 GB – 4 GB，我建议你设置-XX:MaxRAMFraction=2，在大于8G的可以尝试设置-XX:MaxRAMFraction=1（参考上表格）。
Using Tini has several benefits:
SIGTERM properly terminates your process even if you didn’t explicitly install a signal handler for it.In Docker, you will want to use an entrypoint so you don’t have to remember to manually invoke Tini:
# Add Tini
ENV TINI_VERSION v0.19.0
ADD https://github.com/krallin/tini/releases/download/${TINI_VERSION}/tini /tini
RUN chmod +x /tini
ENTRYPOINT ["/tini", "--"]
# Run your program under Tini
CMD ["/your/program", "-and", "-its", "arguments"]
# or docker run your-image /your/program ...在查找某个目录的时候，如果要排除其中某个子目录可以用-path pathname -prune
例：查找根目录下24小时内修改过的文件，但是不要查询proc目录可用如下命令
find / -path /proc -prune -mtime -1 -type f
#排除多个目录
find / \( -path /proc -o -path /run \) -prune -mtime -1 -type f例2：系统被病毒攻击，会产生很多可执行文件,如果发现被攻击时间是2天前
#全局查找命令如下
find / -mtime -3 -perm /111 -type -f
#查找并显示详细信息
find / -mtime -3 -perm /111 -type -f -exec ls -la {} \;
#查找并删除文件
find / -mtime -3 -perm /111 -type -f -exec rm -f {} \;
#查找并删除文件 xargs
find / -mtime -3 -perm /111 -type -f | xargs rm -f Click是Flask的作者开发的一个第三方模块，用于快速创建命令行。它的作用与Python标准库argparse相同，但是使用更加简单。
click相对于argparse，就好比requests相对于urllib
Click使用分两步：
1）使用@click.command() 装饰一个函数，使之成为命令行接口；
2）使用@click.option() 等装饰函数，为其添加命令行选项等。
##Click 官方例子1
import click
@click.command() //使函数hello成为命令行接口
@click.option('--count', defaut=1, help='Number of greetings.')
@click.option('--name', prompt='Your name', help='The person to greet.')
def hello(count, name):
"""Simple program that greets NAME for a total of COUNT times."""
for x in range(count):
click.echo('Hello %s! % name')
if __name__ == '__main__':
hello() ##option常用的设置参数
default: 设置命令行参数的默认值
help: 参数说明
type: 参数类型，可以是string, int, float等
prompt: 命令行提示信息，可输入参数
nargs: 指定命令行参数接受的值的个数##Click 官方例子2
##通过nargs设定参数个数，type设置参数类型
@click.command()
@click.optoin('--pos', nargs=2, type=float)
def findme(pos):
click.echo('%s / %s' % pos)
###
@click.command()
@click。option('--hash-type', type=click.Choice(['md5', 'sha1']))
def digest(hash_type):
click.echo(has_type)典型的配置文件包含一到多个章节（section）,每个章节下可以包含一个到多个的选项（option）。如下就是一个典型的MySQL配置文件：
[client]
port = 3306
user = mysql
password = mysql
host = 127.0.0.1
[mysqld]
basedir = /usr
datadir = /var/lib/mysql
tmpdir = /tmp
skip-external-lockingPython 标准库的configparser模块用以接卸配置文件。
ConfigParse模块包含一个ConfigParser类，一个ConfigParser对象，可同时解析多个配置文件。
import ConfigParser
##ConfigParser方法
###读取配置
sections //返回一个包含所有章节的列表
has_section //判断章节是否存在
items // 元组的形式返回所有选项
options // 返回一个包含章节下所有选项的列表
has_option // 判断某个选项是否存在
get getboolean getint getfloat // 获取选项的值
###修改配置
remove_section // 删除一个章节
add_section // 添加一个章节
remote_option // 删除一个选项
set // 添加一个选项
write // 将ConfigParser对象中的数据保存到文件中
cf = ConfigParser.ConfigParser(allow_no_value=True) //allow_no_value 默认为false,表示允许选项没有值，选项存在就表示取值为真，不存在取值为假
In [4]: cf.read('my.cnf')
Out[4]: ['my.cnf']
In [5]: cf.sections()
Out[5]: ['client', 'mysqld']
In [6]: cf.has_section('client')
Out[6]: True
In [7]: cf.options("client")
Out[7]: ['port', 'user', 'password', 'host']
In [8]: cf.has_option("client", "user")
Out[8]: True
In [9]: cf.get("client","host")
Out[9]: '127.0.0.1'
In [10]: cf.getint("client" ,"port")
Out[10]: 3306
In [11]: cf.remove_section('client')
Out[11]: True
In [12]: cf.add_section('mysql')
In [13]: cf.set('mysql','host','127.0.0.1')
In [14]: cf.set('mysql','port',3306)
In [15]: cf.write(open('my_copy.cnf', 'w'))
import openpyxl
#打开文件
wb = oepnpyxl.load_workbook('example.xlsx')
#workbook
##workbook对象属性
wb.active //获取活跃的worksheet
wb.read_only
wb.encoding
wb.properties //文档元数据，如标题、创建者、创建日期
##workbook对象方法
wb.sheetnames //获取所有表格名称
ws = wb['sheetname'] //获取worksheet对象
wb.remove_sheet //删除工作表
wb.create_sheet //创建工作表
wb.copy_worksheet
wb.save('sample.xlsx') //保存工作簿
#worksheet
##worksheet对象属性
ws.title //表格标题
ws.dimensions //表格大小区域 ，A1:E11
ws.max_row //最大行
ws.min_row //最小行
ws.max_column //最大列
ws.min_column //最小列
ws.rows //按行获取单元格（cell对象）
ws.columns //按列获取单元格（cell对象）
ws.values //按行获取表格内容
ws.freeze_panes //冻结窗格，冻结第一行-A2;冻结第一列B1;冻结第一行列B2
##columns rows values 通过生成器返回数据
##worksheet对象方法
iter_rows //按行获取所有单元格，可以指定起点、终点
list(ws.iter_rows(min_row=2, max_row=4, min_col=1, max_col=3)) //使用例子
iter_columns
append //在表格末尾加数据
merged_cell //合并多个单元格
unmerged_cell //移除合并的单元格
#Cell对象
ws['A2'] //cell对象
ws.cell(row=1, column=2)
##cell属性
row //单元格所在行
column //单元格所在列
cordinate //单元格的坐标，行和列
##打印表格内容
###Example 1
for row in ws.values;
print(*row)
###Example 2
for row in ws.rows:
print(*[cell.value for cell in row])
###Example 3
for row in ws.iter_rows():
print(*[cell.value for cell in row])示例代码1
#！/usr/bin/python
#-*- coding: utf-8 -*-
import openpyxl
##计算表中学生的总成绩和平均成绩
def process_worksheet(sheet):
avg_column = sheet.max_column + 1
sum_column = sheet.max_column + 2
for row in sheet.iter_rows(min_row=2, min_col=3):
scores = [cell.value for cell in row]
sum_scores = sum(scores)
avg_scores = sum_scores / len(scores)
#计算平均分和总分，并且保存到最后两列
sheet.cell(row=row[0].row, column=avg_column).value = avg_scores
sheet.cell(row=row[0].row, column=sum_column).value = sum_scores
#设置平均分和总分的标题部分
sheet.cell(row=1, column=avg_column).value = 'avg'
sheet.cell(row=1, column=sum_column).value = 'sum'
def main():
wb = openpyxl.load_workbook('example.xlsx')
sheet = wb['student']
process_worksheet(sheet)
wb.save('example_copy.xlsx')
if __name__ == '__main__':
main()示例代码2
#！/usr/bin/python
#-*- coding: utf-8 -*-
import os
import glob
import openpyxl
##合并多个excle到一个
def merge_xlsx_files(xlsx_files):
wb = openpyxl.load_workbook(xlsx_files[0])
ws = wb.active
ws.title = "merged result"
for filename in xlsx_files[1:]:
workbook = openpyxl.load_workbook(filename)
sheet = workbook.active
for row in sheet.iter_rows(min_row=2):
value = [cell.value for cell in row]
ws.append(value)
return wb
def get_all_xlsx_files(path):
xlsx_files = glob.glob(os.path.join(path, '*.xlsx'))
sorted(xlsx_files, key=str.lower)
return xlsx_files
def main():
xlsx_files = get_all_xlsx_files(os.path.expanduser('~lmx'))
wb = merge_xlsx_files(xlsx_files)
wb.save('merged_form.xlsx')
if __name__ == '__main__':
main()点击图片，ctrl+1
yum install pandoc lynx
pandoc makrdown.md|lynx -stdin
正常机器如果开启ssh可能会被暴力破解用户密码，可以配置ssh的pam限制登录失败时可以锁定用户一段时间，就算密码输入正确也无法登录，等恢复之后才可以再次进入。
具体的pam配置在/etc/pam.d下，对ssh服务的位置是：/etc/pam.d/sshd，打开第一行就可以发现引入了password-auth，然后可以直接编辑/etc/pam.d/password-auth，在最上面添加一行：
auth required pam_tally2.so deny=6 unlock_time=300 even_deny_root root_unlock_time=300
even_deny_root表示root用户也会限制
保存后，重启sshd服务即可生效 systemctl restart sshd
查看登录失败统计和清除次数同样使用下面的命令：
pam_tally2 --user root
# 或者简写-u
pam_tally2 -u root
# 清除次数
pam_tally2 --user root --reset1、另外ssh还有个通用的配置就是连续尝试几次密码登录失败的话，可以直接断开数据包，这样也可以防止连接一次后不断尝试，编辑配置文件：/etc/ssh/sshd_config，修改下面配置：
MaxAuthTries 3
2、更高级的功能可以引入第三方软件——fail2ban,它可以更精确的拦截来源IP