看到个骚操作，玩了一下，写了个 bookmarkletnavigator.mediaDevices.getDisplayMedia({video:true}).then(function(stream){ const mr=new MediaRecorder(stream,{mimeType:"video/webm;codecs=h264,opus"}); mr.ondataavailable=function(ev){ const a=document.createElement('a');a.href=URL.createObjectURL(ev.data); a.download ='screen_capture.webm';a.click(); }; // will be called when .stop() with ev.data as a Blob mr.start(); })这段代码也是很多WebRTC共享白板的实现原理。看起来也很简单，而且不需要额外的权限确认。如果不需要另存为一个名字，则可以直接location.assign()又节约几个字。不知道还有没有办法继续节约代码量？有点很好奇为啥chrome不支持 .mp4 封装。偏袒自家的 webm ？ ...继续阅读 (85)

在 Flutter 中有两种处理异步操作的方式Future和Stream，Future用于处理单个异步操作，Stream用来处理连续的异步操作前言在 Flutter 中有两种处理异步操作的方式Future和Stream，Future用于处理单个异步操作，Stream用来处理连续的异步操作。比如往水杯倒水，将一个水杯倒满为一个Future，连续的将多个水杯倒满就是Stream。Stream 详解Stream是一个抽象类，用于表示一序列异步数据的源。它是一种产生连续事件的方式，可以生成数据事件或者错误事件，以及流结束时的完成事件。123abstractclassStream{Stream();}Stream分单订阅流和广播流。单订阅流在发送完成事件之前只允许设置一个监听器，并且只有在流上设置监听器后才开始产生事件，取消监听器后将停止发送事件。即使取消了第一个监听器，也不允许在单订阅流上设置其他的监听器。广播流则允许设置多个监听器，也可以在取消上一个监听器后再次添加新的监听器。Stream有同步流和异步流之分。它们的区别在于同步流会在执行add，addError或close方法时立即向流的监听器StreamSubscription发送事件，而异步流总是在事件队列中的代码执行完成后在发送事件。Stream家族StreamController带有控制流方法的流。 可以向它 ...继续阅读 (29)

背景 链接到标题 2023/03/01 更新：目前已正式使用，符合预期。 CentOS 7 自身的生命周期截止到 2024年6月30日。在2020年底，CentOS 社区宣布修改现有的发布模式，将 CentOS 从作为 RHEL 的下游改为 CentOS Stream，即 RHEL 的上游，更导致 CentOS8的生命周期短的可怜，这让社区中原本就对 CentOS 不满的开发者/使用者不满，从而出现了抛弃 CentOS 转投其他发行版的情况。 大家选择使用 CentOS ，虽然都在说稳定，但是我理解更看重的是 RedHat 在身后背书，CentOS 作为 RHEL 的下游，所有的软件版本都是经过 RedHat 测试验证的，且后期维护也是有 RedHat 的身影在，不担心维护的问题。 CentOS 原有的模式也是有问题的，用户很难参与到 RHEL 的研发周期。用户发现了 CentOS 某个版本存在问题，想要给 CentOS 进行贡献，让 CentOS 下一个版本修复该问题。此时只有一条路，就是贡献给开源组件自身，但是这样也只是存在修复的可能，最终是否可能修复还是看 RedHat 开发人员的决定（毕竟 RHEL/CentOS 中存在大量开源组件自身不包含，但是 RHEL/CentOS 通过 rpm spec 中进行 Patch 的方式包含的 Patch）。在引入了 CentOS Str ...继续阅读 (47)

文章 链接到标题 技术 链接到标题 与 CentOS 社区委员对话后 CentOS 时代 [[centos]] stream 之前的阶段，用户很难参与到 [[RHEL]] 的研发阶段，无法直接通过 [[centos]] 贡献代码，来保证下一个版本的 [[centos]] 包含自己所发现的问题修复，只能通过贡献给组件自身，然后由 RedHat 开发人员决定是否包含在下一个版本中。在 [[centos stream]] 之后的阶段，用户可以直接贡献给 [[centos]]，保证 [[centos]] 包含问题修复，至于 [[RHEL]] 是否修复，由 RedHat 自身决定。 关于 Fedora、Stream，还有 RHEL 未来的发展计划是什么？ 从社会组织的维度： Fedora：主题是如何提高对 Fedora 的贡献，如何使得社区更多样化； CentOS Stream：和 Fedora 差不多，提高社区贡献和使社区更多样化，另外就是发展 SIG（特殊兴趣小组），充分发挥 SIG 的作用； RHEL：进一步繁荣包括社区、合作伙伴、客户的 RHEL 生态 从代码的维度： Fedora： 集成上游社区最新最好的代码，功能最丰富，做业界的引领者； 面向特定的场景，做特色的发行版，如 Fedora IoT 就是面向物联网场景的 Fedora 操作系统。 CentOS Stream： RHEL ...继续阅读 (39)

好吧，我承认我标题党了。其实里面有很多分支条件的，是child_process模块中与stdio参数相关的函数需要加上on('data')事件处理。哪些与stdio相关呢？如child_process.spawn()中options就有个可选参数stdio，你可以指定其为inherit、pipe、ignore等。怎么算加上on('data')事件处理呢？监听这个事件算一个，将stdio指定为类似ignore这类操作也是算的。接下去我就以child_process.spawn()为例展开讲吧。child_process.spawn(command[, args][, options])我们先来看看child_process.spawn()函数：command：要执行的命令；[,args]：执行命令时的命令行参数；[,options]：扩展选项。我们不关心前面的内容，只关心options中的stdio属性。options.stdio可以是一个数组，也可以直接是一个字符串。如果options.stdio是一个数组，则它指定了子进程对应序号的fd应该是什么。默认不配置的情况下，spawn()出来的子进程对象（设为child）中会有child.stdin、child.stdout和child.stderr三个Stream对象，而子进程的stdin、stdout和stderr三个fd会通过管道 ...继续阅读 (49)

前面我们介绍了Flink DataStream数据处理流程中的source和sink，这篇文章我们介绍一下 Flink的Transformation 的操作，一般常用的算子有下面几种，我们分别用代码来演示下他基本用法： Map操作 val stream = env.generateSequence(1, 5) //简单的map操作 //val streamMap = stream.map(item => item * 3) //复杂的map操作 val streamMap = stre... ...继续阅读 (14)

《使用Redis的Stream模块实现群聊功能》Redis 5.0 加入了一个新的模块：[Stream](https://redis.io/topics/streams-intro)，在这篇文章中，我们使用它来实现IM中的群聊。首先我们来看看我们的IM有哪些功能，回忆一下我们使用的最多的IM---微信，聊天的形式有两种... ...继续阅读 (53)

背景 链接到标题 在之前的一篇博客《HTTP Content-Length 学习》 中提到自己踩了一个坑，就是 content-length 与实际大小不匹配导致文件下载失败，在解决过程中用到了 zipstreamer ，今天来看看 zipstreamer 是如何工作的。 zipfile 链接到标题 Python 标准库中提供了 zipfile 用来对 Zip 文件进行操作，可以进行 Zip 的创建、写入、读取、解压等动作，但是 zipfile 只能对文件进行操作，没办法传入 stream，所以能做的操作有限。 示例 链接到标题 import zipfile def test(): for i in range(1, 4): f = open("file" + str(i) + ".txt", 'w') f.write(str(i)) f.close() f = zipfile.ZipFile('filename.zip', 'w', zipfile.ZIP_DEFLATED) f.write('file1.txt') f.write('file2.txt') f.write('file3.txt') f.close() f = zipfile.ZipFile('filename.zip') f.extractall() f.close() if __name__ == "__ma ...继续阅读 (26)

【摘要】用字典树即可解决。首先在init的时候，把words中所有word逆置后存入字典树中；在query的时候，也有逆序的方式记录所有历史query过的值，同时判断其前缀是否存在于字典树中即可。阅读全文 ...继续阅读 (23)

【摘要】使用grpc-go调用grpc服务端时，出现rpc error: code = Internal desc = stream terminated by RST_STREAM with error code: PROTOCOL_ERROR报错时。 注意检查metadata里面的key有没有大写字母，阅读全文 ...继续阅读 (27)

在计算机领域，响应式编程（英文：Reactive Programming）是一种面向数据流和变更传播的异步编程范式1。就像一个简单的 Click 事件，我们可以通过监听它来做出相应的行为，响应式编程将所有的变量、用户输入、异步接口请求等均看作是可观察的（Observable）数据流，并通过监听这个流来做出响应。响应式编程学习响应式编程最困难的一点在于要用响应式编程的方式去思考。这也意味着我们要摒弃已有的编程思维，强迫大脑以一种新的方式去思考。下面，我将使用一个真实而简单的例子来展示如何用响应式编程的思维来工作。假设我们的程序需要监听一个用户列表上 Double clicks 事件，以便可以弹出一个用于编辑用户信息的对话框。首先我们将用户的 Click 事件当作是一个具有时间顺序的事件流（以下或称为 Stream），这个 Stream 可以释放出三种不同的信号：Value、Error 和 Completed，如下图所示。一般情况，我们的主要工作是定义 Value 信号的事件处理函数。响应式编程提供了一系列的函数，如map、filter等，可以将一个 Stream 转化为一个新的 Stream。在我们这个例子中，我们使用了几个简单的函数，将一个普通的 Click 流转化成了 Double clicks 流。灰色的方框是用来转换 Stream 的函数。首先，我们把连续 250 ms 内的 ...继续阅读 (24)

查找问题 最近在项目中遇到将摄像头数据处理后转Bitmap的内存溢出问题，大概运行到七八个小时后，就出现了内存溢出，后来看了一下错误提示发现 bitmap = BitmapFactory.decodeByteArray(stream.toByteArray(), 0, stream.size()); 这个地方会导致出现问题，故对此需要进行优化。 优化之前 首先看一下原先的处理方式 private ... ...继续阅读 (19)

《Redis 5.0 Stream简明教程》Redis是我最喜欢的工具之一。Redis 5.0推出了一个新的数据结构：Stream。当然是要好好的研究研究。首先，Stream就是一个流处理的数据结构，例如：任务流，消息流等等。因此，借助Stream模块，我们可以做分布式任务分发，消息订阅，可以做类似IRC的聊天软件等等... ...继续阅读 (46)

《Nginx作为TCP/UDP的负载均衡》从Nginx 1.9开始，nginx也可以支持TCP/UDP的负载均衡，当然前提是编译的时候把stream这个模块编译进去了，可以通过 `nginx -V` 来查看是否有... ...继续阅读 (42)

本文摘录自《Nodejs学习笔记》，更多章节及更新，请访问github主页地址。欢迎加群交流，群号197339705。模块概览nodejs的核心模块，基本上都是stream的的实例，比如process.stdout、http.clientRequest。对于大部分的nodejs开发者来说，平常并不会直接用到stream模块，只需要了解stream的运行机制即可（非常重要）。而对于想要实现自定义stream实例的开发者来说，就得好好研究stream的扩展API了，比如gulp的内部实现就大量用到了自定义的stream类型。来个简单的例子镇楼，几行代码就实现了读取文件内容，并打印到控制台：const fs = require('fs'); fs.createReadStream('./sample.txt').pipe(process.stdout);Stream分类在nodejs中，有四种stream类型：Readable：用来读取数据，比如fs.createReadStream()。Writable：用来写数据，比如fs.createWriteStream()。Duplex：可读+可写，比如net.Socket()。Transform：在读写的过程中，可以对数据进行修改，比如zlib.createDeflate()（数据压缩/解压）。Readable Stream以下都是node ...继续阅读 (5)

想必搞音视频的朋友都知道ffmpeg，在这里我就不对它进行详细的介绍了。本文基于我们在Linux系统中安装部署ffmpeg的实际经验，给出了ffmpeg编译安装说明，并给出了实际的编程说明。1.软件准备1)SDL源码包该软件主要实现播放需求，可以从http://www.libsdl.org上下载SDL。SDL有SDL1.2及SDL2.0版本，我们使用的是SDL2.0版本(下载文件SDL2-2.0.5.tar.gz)。2)yasm源码包该软件在编译ffmpeg的时候会用到，可以从http://yasm.tortall.net/Download.html上下载yasm-1.3.0.tar.gz。3)ffmpeg源码包可以从http://www.ffmpeg.org/download.html上下载ffmpeg-3.2.4.tar.bz2。2.编译安装(1)编译安装SDL包第一步，执行“tar zxvf SDL2-2.0.5.tar.gz”命令将文件解压到当前目录下。第二步，进入SDL2-2.0.5目录执行“./configure –prefix=/usr/local/SDL”命令。第三步，执行make命令。第四步，执行make install命令。第五步，设置环境变量，执行export PATH=”$PATH:/usr/local/SDL/bin:/usr/local/SDL/incl ...继续阅读 (29)

Java 8 发布三年多之后，即将快到2017年7月下一个版本发布的日期了。 你可能已经听说过 Java 9 的模块系统，但是这个新版本还有许多其它的更新。 这里有九个令人兴奋的新功能将与 Java 9 一起发布。1. Java 平台级模块系统Java 9 的定义功能是一套全新的模块系统。当代码库越来越大，创建复杂，盘根错节的“意大利面条式代码”的几率呈指数级的增长。这时候就得面对两个基础的问题: 很难真正地对代码进行封装, 而系统并没有对不同部分（也就是 JAR 文件）之间的依赖关系有个明确的概念。每一个公共类都可以被类路径之下任何其它的公共类所访问到, 这样就会导致无意中使用了并不想被公开访问的 API。此外，类路径本身也存在问题: 你怎么知晓所有需要的 JAR 都已经有了, 或者是不是会有重复的项呢? 模块系统把这俩个问题都给解决了。模块化的 JAR 文件都包含一个额外的模块描述器。在这个模块描述器中, 对其它模块的依赖是通过 “requires” 来表示的。另外, “exports” 语句控制着哪些包是可以被其它模块访问到的。所有不被导出的包默认都封装在模块的里面。如下是一个模块描述器的示例，存在于 “module-info.java” 文件中:module blog { exports com.pluralsight.blog; requires cms; }我 ...继续阅读 (26)

grpc++不支持异步多次写入(金庆的专栏 2017.5)见：Multi ClientAsyncWriter::Write() calls will crash. #7659https://github.com/grpc/grpc/issues/7659why the continuous write to async streaming crash? #4007https://github.com/grpc/grpc/issues/4007write stream error:GRPC_CALL_ERROR_ALREADY_INVOKEDhttps://github.com/grpc/grpc/issues/3953grpc_cb 支持真正的异步写。https://github.com/jinq0123/grpc_cb金庆2017-05-07 10:38发表评论 ...继续阅读 (36)

收集器可以简洁而灵活地定义collect用来生成结果集合的标准。更具体地说，对流调用 collect 方法将对流中的元素触发一个归约操作（由Collector来参数化）。一般来说，Collector 会对元素应用一个转换函数（很多时候是不体现任何效果的恒等转换， 例如 toList ），并将结果累积在一个数据结构中，从而产生这一过程的最终输出。下面就来学习那些可以从Collectors 类提供的工厂方法（例如groupingBy）创建的收集器。归约和汇总查找流中的最大值和最小值Collectors.maxBy 和 Collectors.minBy 来计算流中的最大或最小值。OptionalmaxDish = Dish.menu.stream(). collect(Collectors.maxBy(Comparator.comparing(Dish::getCalories))); maxDish.ifPresent(System.out::println); OptionalminDish = Dish.menu.stream(). collect(Collectors.minBy(Comparator.comparing(Dish::getCalories))); minDish.ifPresent(System.out::println);汇总Coll ...继续阅读 (15)

雷锋网按：近年来，微软一直在物联网领域紧密布局，特别是近两年，其在企业物联网、边缘计算上动作频频。前几日，微软就发布了一款IoT Central产品，以期简化企业开发物联网解决方案的复杂性。此外，微软在边缘运算上也毫不含糊，与思科、ARM和戴尔在此均建立了合作。在种种努力之下，微软已成为可以为用户提供PaaS、SaaS等全套物联网服务的少数几家企业之一。据Forbes 4月24日报道，近日微软又为其IoT平台增加了新的功能，如IoT Central，从而成为首家支持Edge Analytics（边缘分析）和设备管理等新兴工业用例的公司之一。 微软Azure IoT Suite（图/microsoft）从基础设施到PaaS再到SaaS众所周知，微软是提供端到端IoT平台的少数几家公司之一，例如，这一平台包含了Windows 10 IoT Core和Power BI等，第三方技术团队及其客户可通过连接Azure服务来创建高度定制的解决方案，如Azure中的IoT Hub，Event Hub（事件中心），Stream Analytics（数据流分析），Azure ML，Azure Functions，Document DB和Power BI都可以开放给这些团队。2015年10月，微软在AzureCon 技术大会上正式发布Azure物联网套件——Azure IoT Suite。该物联网套件 ...继续阅读 (9)

*原创作者：黑戈爾，本文属FreeBuf原创奖励计划，未经许可禁止转载0×01 故事起因系列回顾前两天以为freebuf上的网友stream（年龄、性别不详）私信我说他在阿里云上的服务器被NTP攻击了，流量超过10G，希望我帮忙一起分析一下，复现一下攻击。我这当代雷锋当然非常乐意了，于是我就和stream联系（勾搭）上了，今天我就详细讲一下我们一起复现NTP反射攻击的过程。0×02 分析攻击数据stream大兄弟把当时抓到的包发给了我，数据包不大只有31.4M当我打开数据包看了下时间才知道这数据包可不小啊！只有0.011秒就抓了67598个包，粗略计算一下67598*482/0.011=2 962 021 454字节，将近3G/s也就是24Gbps，对我来说这样的流量已经很大了。借助whireshark查看了一下源IP的情况，并排列了一下每个IP的发包数量，但是whireshark居然没有统计IP地址个数的地方，也可能是我没找到，于是我就另存为到一个txt文件中，查看行号计算数量，发现总共有3307个源IP（哈哈！这可都是宝贝啊！），然后把这些IP地址都转换个格式存起来，留着下个阶段复现的时候用。0×03 攻击复现原本以为知道了IP了复现起来很简单呢，其实过程并不顺利（还是自己没经验）。我先选了发包最多的那个IP测试一下，看看到底能不能返回monlist数据。果然能返回monlis ...继续阅读 (7)

初学，有些地方不懂，描述有误，请见谅！ 使用node向服务器推送数据（图片），使用的模块是form-data，form.pipe();先遇到的一个问题是， unhandle event error pipe stream!,查询完后在前面加了on(‘error’,)解决了，然后启动后，就出现undefined，自动退出， 日志没打印，也不知道什么问题。。 ...继续阅读 (4)

已经对Stream API的用法鼓吹够多了，用起简洁直观，但性能到底怎么样呢？会不会有很高的性能损失？本节我们对Stream API的性能一探究竟。为保证测试结果真实可信，我们将JVM运行在-server模式下，测试数据在GB量级，测试机器采用常见的商用服务器，配置如下：OSCentOS 6.7 x86_64CPUIntel Xeon X5675, 12M Cache 3.06 GHz, 6 Cores 12 Threads内存96GBJDKjava version 1.8.0_91, Java HotSpot(TM) 64-Bit Server VM测试所用代码在这里，测试结果汇总.测试方法和测试数据性能测试并不是容易的事，Java性能测试更费劲，因为虚拟机对性能的影响很大，JVM对性能的影响有两方面：GC的影响。GC的行为是Java中很不好控制的一块，为增加确定性，我们手动指定使用CMS收集器，并使用10GB固定大小的堆内存。集体到JVM参数就是-XX:+UseConcMarkSweepGC -Xms10G -Xmx10GJIT(Just-In-Time)即时编译技术。即时编译技术会将热点代码在JVM运行的过程中编译成本地代码，测试时我们会先对程序预热，触发对测试函数的即时编译。相关的JVM参数是-XX:CompileThreshold=10000。Stream并行执行时用到F ...继续阅读 (24)

前面我们已经学会如何使用Stream API，用起来真的很爽，但简洁的方法下面似乎隐藏着无尽的秘密，如此强大的API是如何实现的呢？Pipeline是怎么执行的，每次方法调用都会导致一次迭代吗？自动并行又是怎么做到的，线程个数是多少？本节我们学习Stream流水线的原理，这是Stream实现的关键所在。首先回顾一下容器执行Lambda表达式的方式，以ArrayList.forEach()方法为例，具体代码如下：// ArrayList.forEach() public void forEach(Consumersuper Eaction) { ... for (int i=0; modCount == expectedModCount && i < size; i++) { action.accept(elementData[i]);// 回调方法 } ... }我们看到ArrayList.forEach()方法的主要逻辑就是一个for循环，在该for循环里不断调用action.accept()回调方法完成对元素的遍历。这完全没有什么新奇之处，回调方法在Java GUI的监听器中广泛使用。Lambda表达式的作用就是相当于一个回调方法，这很好理解。Stream API中大量使用Lambda表达式作为回调方法，但这并不是关键。理解Str ...继续阅读 (25)

上一节介绍了部分Stream常见接口方法，理解起来并不困难，但Stream的用法不止于此，本节我们将仍然以Stream为例，介绍流的规约操作。规约操作（reduction operation）又被称作折叠操作（fold），是通过某个连接动作将所有元素汇总成一个汇总结果的过程。元素求和、求最大值或最小值、求出元素总个数、将所有元素转换成一个列表或集合，都属于规约操作。Stream类库有两个通用的规约操作reduce()和collect()，也有一些为简化书写而设计的专用规约操作，比如sum()、max()、min()、count()等。最大或最小值这类规约操作很好理解（至少方法语义上是这样），我们着重介绍reduce()和collect()，这是比较有魔法的地方。多面手reduce()reduce操作可以实现从一组元素中生成一个值，sum()、max()、min()、count()等都是reduce操作，将他们单独设为函数只是因为常用。reduce()的方法定义有三种重写形式：Optionalreduce(BinaryOperatoraccumulator)T reduce(T identity, BinaryOperatoraccumulator)U reduce(U identity, BiFunctionaccumulator, BinaryOperatorcombiner)虽 ...继续阅读 (20)

你可能没意识到Java对函数式编程的重视程度，看看Java 8加入函数式编程扩充多少功能就清楚了。Java 8之所以费这么大功夫引入函数式编程，原因有二：代码简洁，函数式编程写出的代码简洁且意图明确，使用stream接口让你从此告别for循环。多核友好，Java函数式编程使得编写并行程序从未如此简单，你需要的全部就是调用一下parallel()方法。这一节我们学习stream，也就是Java函数式编程的主角。对于Java 7来说stream完全是个陌生东西，stream并不是某种数据结构，它只是数据源的一种视图。这里的数据源可以是一个数组，Java容器或I/O channel等。正因如此要得到一个stream通常不会手动创建，而是调用对应的工具方法，比如：调用Collection.stream()或者Collection.parallelStream()方法调用Arrays.stream(T[] array)方法常见的stream接口继承关系如图：图中4种stream接口继承自BaseStream，其中IntStream, LongStream, DoubleStream对应三种基本类型（int, long, double，注意不是包装类型），Stream对应所有剩余类型的stream视图。为不同数据类型设置不同stream接口，可以1.提高性能，2.增加特定接口函数。你可能会奇怪 ...继续阅读 (18)

gulp-bufferify是我之前写的一个gulp插件，其实它没有实际的功能性用处，但是利用它可以快速实现一个gulp插件。举一个栗子：import bufferify from 'gulp-bufferify' gulp.src('./**/*.txt') .pipe(bufferify(content => content.replace(/sam/g, 'tom'))) .pipe(gulp.dest('.'))通过上面这段gulp代码，可以快速替换所有txt文档中的sam为tom。可以说，每一个gulp-bufferify就是一个插件，你可以利用它完成你想要的功能。我们来看看他的使用方法：let factory = (content, file, context, notifier) => {} bufferify(factory)工厂函数factory有四个参数：content经过toString()的文档内容，一般在处理文本类型的文档时可以直接使用。file当前buffer的file，拥有file.path, file.contents, file.clone()等有用的信息。context管道中的上下文，相当于stream中的this。可以通过它实现文件的添加修改和删除。具体的话，你还得知道stream的相关知识。notifier用在异步处理中，通知 ...继续阅读 (10)

0×01 故事起因系列回顾前两天以为freebuf上的网友stream（年龄、性别不详）私信我说他在阿里云上的服务器被NTP攻击了，流量超过10G，希望我帮忙一起分析一下，复现一下攻击。我这当代雷锋当然非常乐意了，于是我就和stream联系（勾搭）上了，今天我就详细讲一下我们一起复现NTP反射攻击的过程。0×02 分析攻击数据stream大兄弟把当时抓到的包发给了我，数据包不大只有31.4M当我打开数据包看了下时间才知道这数据包可不小啊！只有0.011秒就抓了67598个包，粗略计算一下67598*482/0.011=2 962 021 454字节，将近3G/s也就是24Gbps，对我来说这样的流量已经很大了。借助whireshark查看了一下源IP的情况，并排列了一下每个IP的发包数量，但是whireshark居然没有统计IP地址个数的地方，也可能是我没找到，于是我就另存为到一个txt文件中，查看行号计算数量，发现总共有3307个源IP（哈哈！这可都是宝贝啊！），然后把这些IP地址都转换个格式存起来，留着下个阶段复现的时候用。0×03 攻击复现原本以为知道了IP了复现起来很简单呢，其实过程并不顺利（还是自己没经验）。我先选了发包最多的那个IP测试一下，看看到底能不能返回monlist数据。果然能返回monlist包，返回了大约100个482字节的包，我靠！这尼玛放大倍数非常让人兴 ...继续阅读 (74)

Java８新特性总览标签： java[TOC]本文主要介绍 Java 8 的新特性，包括 Lambda 表达式、方法引用、流(Stream API)、默认方法、Optional、组合式异步编程、新的时间 API，等等各个方面。写在前面本文是《Java 8 in Action》的读书笔记，主要提炼了概念性的知识/观点性的结论，对推导和阐释没有摘录文中涉及到的源码请参考我在 GitHub 上的项目java-learning(地址为https://github.com/brianway/java-learning)的 Java 8 模块部分，比书中参考源码分类更清晰基础知识Java 8 的主要想法：stream API向方法传递代码的技巧(方法引用、Lambda)接口中的默认方法三个编程概念：流处理（好处：更高抽象，免费并行）行为参数化（通过 API 来传递代码）并行与共享的可变数据函数式编程范式的基石：没有共享的可变数据将方法和函数即代码传递给其它方法的能力Java 8 使用 Stream API 解决了两个问题：集合处理时的套路和晦涩难以利用多核Collection 主要是为了存储和访问数据，而 Stream 则主要用于描述对数据的计算。通过行为参数化来传递代码行为参数化：类似于策略设计模式类 -> 匿名类 -> Lambda 表达式，代码越来越简洁Lambda 表达式Lambda ...继续阅读 (15)

*原创作者：黑戈爾，本文属FreeBuf原创奖励计划，未经许可禁止转载0×01 故事起因系列回顾前两天以为freebuf上的网友stream（年龄、性别不详）私信我说他在阿里云上的服务器被NTP攻击了，流量超过10G，希望我帮忙一起分析一下，复现一下攻击。我这当代雷锋当然非常乐意了，于是我就和stream联系（勾搭）上了，今天我就详细讲一下我们一起复现NTP反射攻击的过程。0×02 分析攻击数据stream大兄弟把当时抓到的包发给了我，数据包不大只有31.4M当我打开数据包看了下时间才知道这数据包可不小啊！只有0.011秒就抓了67598个包，粗略计算一下67598*482/0.011=2 962 021 454字节，将近3G/s也就是24Gbps，对我来说这样的流量已经很大了。借助whireshark查看了一下源IP的情况，并排列了一下每个IP的发包数量，但是whireshark居然没有统计IP地址个数的地方，也可能是我没找到，于是我就另存为到一个txt文件中，查看行号计算数量，发现总共有3307个源IP（哈哈！这可都是宝贝啊！），然后把这些IP地址都转换个格式存起来，留着下个阶段复现的时候用。0×03 攻击复现原本以为知道了IP了复现起来很简单呢，其实过程并不顺利（还是自己没经验）。我先选了发包最多的那个IP测试一下，看看到底能不能返回monlis ...继续阅读 (4)