接上一篇文章，上一篇通过 express 作为 GraphQL Server 介绍了一下 GraphQL，今天说一下如何使用 Apollo Server 作为 GraphQL服务器。
本文的目的是提供一份快速指南 -- 《如何快速在如何在 Node.js 中创建安全的 GraphQL API》。
本文的目标是提供关于如何创建安全的 Node.js GraphQL API 的快速指南。
Dart2中的泛型同C#大部分都相同，可以按C#的用法来使用（只有小部分语法不同）。
前面的文章介绍了 GraphQL 的查询操作，但是有时候我们要执行类似下面的这种查询操作，在一个查询中包含多个查询操作并且返回的对象结果相同的时候，重复去写这些属性列表也是比较冗余的事情，那么怎么简化这个写法呢？下面就看看怎么通过 fragment 来简化这个写法。
使用 set<int, less<int>> 和 set<int> 定义的集合容器是一样的 ;
前一篇文章介绍了变更操作，在创建 User 对象的时候，只传递了 name 和 email 参数，但是如果属性太多或者创建对象的时候只需要部分必选参数，直接把属性都当成参数就不合适了，这里 GraphQL 提供了 Input Type 参数来解决这个问题。下面看个例子。
GraphQL 默认支持五种标量类型：Int，Float，String，Boolean 和 ID，可以满足大部分的使用场景，但有时候需要一些特殊的属性类型，此时我们就可以使用自定义标量类型来实现。下面看一下怎么通过自定义标量类型来实现一个 DateTime 类型。
很久之前其实就关注过这个技术，记得当时还是React刚刚崭露头角的时期吧。总之那时候，GraphQL感觉还只是概念完备阶段，除了FB自己内部大量使用外，好像社区并不是很健全，不过大家应该都在疯狂的讨论和跟进吧。过了2年，如今再回过头来看，已经涌现出各种开源或商用服务专注于这个领域，各种语言的框架和工具也都很完备了，感觉是时候重新接触GraphQL了。如果你的项目正处于技术选型，你正在犹豫选择一种接口风格的时刻，不妨了解一下这个神奇而强大的玩意儿~~
NestJS 最早在 2017.1 月立项，2017.5 发布第一个正式版本，它是一个基于 Express，使用 TypeScript 开发的后端框架。设计之初，主要用来解决开发 Node.js 应用时的架构问题，灵感来源于 Angular。在本文中，我将粗略介绍 NestJS 中的一些亮点。
微服务架构是一种将应用程序构建为一组小服务的方法，每个服务运行在其自己的进程中，并通过轻量级机制（通常是HTTP资源API）进行通信。这些服务围绕业务能力构建，可以独立部署，由完全自治的团队维护。在我们深入构建微服务的过程之前，了解 GraphQL 在此架构中的作用非常重要。
GraphQL 是由 Facebook 开发并开源的。提到 GraphQL ，大家自然而然会提起 RESTful api。下面对比一下 RESTful api 和 GraphQL 的优缺点。
前面几篇文章都是说的查询（Query）操作，这一篇讲一下变更操作。还是老样子，看一个简单的例子。
接上一篇文章，由于 express 现在仍然是主流的 Node.js 服务端框架，所以今天看看 ApolloServer 怎样和 express 集成构建 GraphQL 服务。另外今天文章也顺便讲一下怎么使用 typescript 来实现。
接前面的文章，考虑这么一种场景，有时候我们希望根据某些参数条件来决定返回某些字段。比如下面的查询操作，有时候我们希望返回name字段，有时候不希望。
Pub/Sub 模式是一种发布-订阅模式，其中一个组件（发布者）发布消息，而其他组件（订阅者）监听并接收这些消息。在 GraphQL 中，可以使用 Pub/Sub 模式来实现实时数据更新，使服务器能够向客户端推送数据变更。
前一篇文章讲了怎么创建 GraphQL 的查询操作，今天在此基础上看看要实现一个简单的分页查询应该怎么做，顺便可以介绍一下 GraphQL 里的枚举类型和查询参数应该怎么用。
C++ 的 标准模板库 ( STL , Standard Template Library ) 中 , 预定义了一系列的 " 函数对象 “ , 又称为 ” 仿函数 Functors " ;
在 <functional> 头文件 中 , 预定义了 modulus 函数对象 , 这是一个 二元函数对象 , 在该函数对象类中 , 重写了 函数调用操作符 函数 operator() , 该 预定义函数对象 代码如下 :
Autoconf Creating Automatic Configuration Scripts Edition 2.13, for Autoconf version 2.13 December 1998 by David MacKenzie and Ben Elliston -------------------------------------------------------------------------------- Permission is g
前面洋洋洒洒写了那么多文章，Kong搭建、Konga搭建、Kong插件开发工具包、Lua算法实现等等，就为了这篇Kong插件开发铺垫，在进一步讨论之前，有必要再简要阐述下 Kong 是如何构建的，特别是它如何与 Nginx 集成，以及它与 Lua 脚本之间的关系。
transform 算法函数原型 : 下面的函数原型作用是 将 一个输入容器 中的元素 变换后 存储到 输出容器 中 ;
确保安装相应的依赖，如@apollo/client, react-router-dom等。在实际项目中，可能需要更复杂的状态管理、错误处理和安全性实现。
node app.js => open 'http://localhost:3010/graphql'
automake工具会根据config.in中的参量把Makefile.am转换成Makefile.in文件。在使用Automake之前，要先手动建立Makefile.am文件。 Makefile.am的内容如下：
2. 引入头文件 : 使用 queue 队列之前 , 必须先包含其头文件 , queue 队列是 STL 模板类中提供的容器 ;
2 t_generator类和t_generator_registry类 这个两个类的主要功能就是为生成所有语言的代码提供基础信息和提供具体代码生成器对象，上面就是调用这个两个类的方法来生成具体语言的代码生成器对象和执行生成代码的功能函数。下面主要分析两个函数的功能，一个是t_generator_registry类的get_generator函数，这个是一个静态的函数可以直接通过类调用；另一个是t_generator类的generate_program函数。 （1）t_generator_re
在Linux下，编译和链接需要用Makefile，而写好一个Makefile可不容易，写出一个规范的Makefile更是麻烦。我们可以利用autoconf来生成一个Makefile，尤其在大型工程里，能省去很多麻烦。
随着微服务场景的广泛应用，前端经常需要访问多个后端微服务，这时候往往需要一个API网关对请求做一些通用处理。通用处理指的是由网关层去实现一些非业务类的功能，比如负载均衡、权限校验、频率限制、协议转换、日志监控、缓存管理、熔断降级等，将这些通用功能交给网关层统一实现，比起各个业务自己分别实现会更合适。
Kong Gateway 是一个轻量、快速、灵活的基于Nginx开发云原生 API 网关。在云原生领域，Kong Gateway 越来受欢迎。
长期的运维工作中难免会遇到需要查看脚本或工具源码的情况，这时单纯地使用文本编辑器来检索与跳转就很不方便了，如果有方法可以对代码进行索引就能很明显提升定位效率，减少垃圾时间，将注意力更多分配到有价值的事情上
WTF，连个打印都不让写了。提示需要一个函数体去执行。dart需要mian函数入口去执行。
最开始加入公司 Infrastructure 团队时，迷茫的我接到的的一个任务就是学习 Lua 和 OpenResty，当时收到了两本书籍的 PDF 文件，要求尽快理解学习，能够掌握 Kong，并且具有研发能力。
利用Android 写视频显示应用时，经常会用到SurfaceView等控件来显示视频。 在前面的文章Android基础--SurfaceView, Surface, SurfaceHolder中，也简单得提了一下SurfaceView和Surface的关系：SurfaceView提供了一个专门用于绘制的surface。java层实际上是利用SurfaceView将视频数据渲染到Surface上。
☞ www.boost.org/doc/libs/1_39_0/libs/filesystem/doc/index.htm
next.js 首页标榜的 12 个特性之一就是 API routes，简单的说就是可以 next.js 直接写 node 代码作为后端服务来运行。因此我们可以直接使用 next.js 直接维护一个全栈项目，听起来很香的样子。
过去几年中，GraphQL 已经成为一种非常流行的 API 规范，该规范专注于使客户端（无论是客户端、前端还是第三方）的数据获取更加容易。
Improved readability: With using, the new name comes first rather than being embedded somewhere in a declaration. Generality: using can be used for template aliases, whereas typedefs can't easily be templates. Uniformity: using is syntactically similar to auto.
为了解决因为代码圈复杂度产生的代码质量问题，C++11提供了type_tratis类型萃取功能，在一定程度上可以消除冗长的代码分支语句，降低圈复杂度进而提升代码的可维护性。
此文是作者考虑 GraphQL 在 Node.js 架构中的落地方案后所得。从最初考虑可以（以内置中间件）加入基础服务并提供完整的构建、发布、监控支持，到最终选择不改动基础服务以提供独立包适配，不限制实现技术选型，交由业务团队自由选择的轻量方式落地。中间经历了解除误解，对收益疑惑，对最初定位疑惑，最终完成利弊权衡的过程。
我之前的一篇文章，带大家揭晓了 Python 在给内置对象分配内存时的 5 个奇怪而有趣的小秘密。文中使用了sys.getsizeof()来计算内存，但是用这个方法计算时，可能会出现意料不到的问题。
现代的游戏引擎一般都会较重度的依赖代码生成技术, 而代码生成技术一般都是以原始代码为处理信息源, 再结合专用的配置来做进一步的处理. 发展到后来, 就渐渐变成原始代码和配置一体化的形式了. 比如大家熟知的UE使用的是在原始代码上利用宏来注入额外信息的方式, 然后再用自己专门实现的 UHT - Unreal Header Tool 来完成代码生成的目的. 早期的 UHT 使用 C++ 编写, 它采用的一个 2 Pass 解析相关头文件源码并提取相关信息进行生成的方式， 新版的 UE5 使用处理字符串更友好的 C# 重写了整个 UHT, 整体的实现对比之前的版本也更完整, 对对各类 C++ Token 的处理也更完备了。 笔者所参与的腾讯IEG自研的 3D 引擎同样也大量使用了代码生成技术，与UE相比， 我们并没有选择自己从头开始开发的代码生成工具， 而是综合历史经验和重新选型后，选择了直接在 C++ 抽象语法树（AST）层级来完成原始代码信息的提取， 以此为基础进行代码生成。早期我们直接使用了 libclang 的 Python Wrapper , 来完成相关的工作. 相关的维护成本和执行效率都不尽如人意, 重新调研之后我们选择了底层同样使用 libclang, 但整体设计和实现更合理, 使用更友好的 http://CppAst.Net 来完成这部分工作. 当然, 整个过程也不是一帆风顺的, 在对 http://CppAst.Net 做了几个关键功能的 PR 之后, 我们已经可以基于 http://CppAst.Net 很好的完成我们需要的代码解析和额外信息注入的功能了, 本文将重点介绍 C# 库 - http://CppAst.Net 的方方面面, 希望帮助大家更好的完成 C++ 代码分析或者代码生成相关的工具.
除了《静态分析C语言生成函数调用关系的利器——calltree》一文中介绍的calltree，我们还可以借助cflow辅助我们阅读理解代码。（转载请指明出于breaksoftware的csdn博客）
一样新的东西的由来，往往因为之前的东西用的很不爽，然后更具弊端创造出更加容易使用的东西，比如在大型的项目中，如Linux，他是通过Makefile的方式进行编译。但是，Makefile复杂的语法结构，难于让人领会。在一个很大的项目中，维护Makefile是一个非常头疼的烦恼事。于是一个新的产物Autotools就出来了，他用来生成复杂的Makefile，很大程度降低了我们的开发难度。
问题导读 1.Atlas中实体具体指什么？ 2.如何为Flink创建Atlas实体类型定义？ 3.如何验证元数据收集？ 在Cloudera Streaming Analytics中，可以将Flink与Apache Atlas一起使用，以跟踪Flink作业的输入和输出数据。 Atlas是沿袭和元数据管理解决方案，在Cloudera Data Platform上受支持。这意味着可以查找，组织和管理有关Flink应用程序以及它们如何相互关联的数据的不同资产。这实现了一系列数据管理和法规遵从性用例。 有关Atlas的更多信息，请参阅Cloudera Runtime文档。 Flink元数据集合中的Atlas实体 在Atlas中，表示Flink应用程序，Kafka主题，HBase表等的核心概念称为实体。需要了解Flink设置中实体的关系和定义，以增强元数据收集。 为Flink创建Atlas实体类型定义 在提交Flink作业以收集其元数据之前，需要为Flink创建Atlas实体类型定义。在命令行中，需要连接到Atlas服务器并添加预定义的类型定义。还需要在Cloudera Manager中为Flink启用Atlas。 验证元数据收集 启用Atlas元数据收集后，群集上新提交的Flink作业也将其元数据提交给Atlas。可以通过请求有关Atlas挂钩的信息来在命令行中使用消息验证元数据收集。 Flink元数据集合中的Atlas实体 在Atlas中，表示Flink应用程序，Kafka主题，HBase表等的核心概念称为实体。需要了解Flink设置中实体的关系和定义，以增强元数据收集。 在向Atlas提交更新时，Flink应用程序会描述自身以及用作源和接收器的实体。Atlas创建并更新相应的实体，并从收集到的和已经可用的实体创建沿袭。在内部，Flink客户端和Atlas服务器之间的通信是使用Kafka主题实现的。该解决方案被Atlas社区称为Flink挂钩。
官方示例：Eventdrv - Code Samples | Microsoft Learn
概述 为什么要在node.js中调用动态链接库 由于腾讯体系下的许多公共的后台服务(L5, CKV, msgQ等)已经有了非常成熟的C/C++编写的API，以供应用程序调用，node.js作为在公司内
领取专属 10元无门槛券
手把手带您无忧上云
