星期一的早上，我在办公区鸟瞰窗外，目光所到之处，用顾城的那首“你看天时很近，看我时很远”倒是格外的应景。作为一名父亲，看着工位上3M的口罩，想想此刻还在熟睡的孩子，多少有些无奈——又是PM25指数200+的一天。这么大的中国，如何给孩子找一方净土，让孩子能够健康快乐的成长。正是带着这样的一个想法，我查询了几个我比较关注的城市的PM值，比如北京，成都，杭州，深圳，厦门等地方，都不理想，一种赶尽杀绝的节奏，难道在中国只能做君子，自强不吸？同时，我个人发现一个情况，我的手机是华为荣耀6plus，天气数据显示来自中国天气网，PM25指数相比AQI（Air Quality Index）上的要偏低。比如我所在的城市成都，此刻手机上显示PM25指数为162，而AQI上显示为212，对比如下：
这个过程中，体现了我对数据的三点需要：实时性，准确性和易对比。首先数据必须是准确的，及时的，这样最有价值，这两点不难理解。易对比的涵义则比较宽泛，并没有一个绝对的标准。首先数据量上要丰富，这样客观上才有有代表性，其次可视化上要便于理解，比如数据都有自己的大小和位置，如何形象高效的展现这些信息，怎样把数字更好的转化为易于人类感官理解的形式，最后就是一个抽象的过程，提炼有价值的数据，降低过多数据带来的噪音。当然，我在做这个小应用的时候并没有考虑这么多，只是做完后自己的总结知新，看似有用，实则完全为了提升逼格。
带着这些疑问，我个人认为，AQI的数据是全球各个监测站的数据，更原始一些，更具有代表性和权威性，在中国呆久了，如果不对政府提供的数据有怀疑，只能证明自己too young too naive了。所以很自然的觉得AQI的数据在准确性和实时性上是目前的最佳选择。而且我知道某网站上是有实时的全球的AQI数据，反编译代码获取里面请求数据的方法应该可行。所以，从技术上是可以搞定数据需求的。
码农Coder（以前我并不介意码农这个称呼，但工作时间越久，发现真的大部分程序员只配做码农，所以本着谦让的态度，还是把这个称号让给他们吧），当然要在地图上展示了。这是某网站上的一个展示效果，也是我的参照物，这里通过地图来解决对经纬度的理解，通过数字和颜色来解决对PM指数的感官体验：
但从细节处，我觉得还可以做到更好，第一，地图本身就是对地球的一次抽象，因此这个抽象过程中，在数据的形象和对比上是存在损失的，第二，该网站的技术较为传统，数据都是以HTML标签的形式来展现，在数据较大的情况下存在性能的瓶颈，第三，如下图，按照AQI的标准来做的颜色区分，但这个Level是区间分段的方式，而不是单值的一一映射的关系。比如PM值300和500是有差别的，但却对应同一个颜色，可以更好的体现这种差别。
当我看到这里就想到用球的形式来展现全球的PM数据，应该会有一个不错的视觉效果，而且也可以很好的体现WebGL在大数据渲染上的性能优势，这是吸引我的一个因素。同时我觉得雾霾目前是一个大众比较关注的问题，所以不应该只是我一个人的小众喜好，对很多人或地球人而言都是一个兴趣点，坦白说，我当时觉得想想就好，上班了，撞钟时间开始了。这时候是罗胖的一句话开导了我“如果一件事情可做可不做，而你又有时间做的话，那你最好去做，万一有什么意料之外的收获的，这就是机会”。开工。
首先就是反编译某网站的JS代码，把请求PM数据的url和参数规范找到，url里面竟然有key参数，所以就得看看在自己的环境下是否能走通。说明一下，据我了解，该网站是一个在中国北京？居住的外国人搞的，而且数据比较敏感，毕竟有损墙国形象，我从AirNow网站取到的中国数据才几十个监测点，就可以看到墙国对该数据的重视程度。所以我是出于尊重该网站，钦佩作者的这种精神而刻意不分享。而如果你有这个能力做到这个事情，也希望你能够保护它而不是谋私。有了数据，直接在WebGL Earth下展现的效果：
这样一个完整的流程算是走通了，下面就是渲染效果了。最开始，我是希望能做成热点图那种效果的，午饭时间也在思考这个问题，主要是原始数据结构，还有工作量两个要素，对这样一个实时的数据做全球的热点图，至少需要服务端能够对数据存储策略和传输方式上做优化，假设全球有10万个监测点（远远大于实际数），位置，监测站名称这类不会频繁变更的内容，都可以放在配置文件中，通过ID来索引，唯一变化的就是pm25这个数值，一个unsigned short就足够了，这样全球数据就是10万字节，约等于100K，这样数据量就小太多了，完全可以做到实时的全球范围的数据传输，而目前json格式，基于可视范围的呆滞型传输就不行了。服务端怎么来做这个优化呢，其实可以每小时做一次更新，生成一张纹理图片，纹理值就是pm的数值，以后还有其他数据，比如pm10，臭氧或硫化物，风向等都是一个思路，这样也是一个不错的数据优化策略。所以，不管你怎么绕，最后服务端不吊你，你也没辙。
WebGL的优势在于能够发挥显卡的性能，所以尽管在数据传输和解析上需要受限于服务端，但在渲染上还是有不错的自由度，退而求其次，根据PM25值做一个点的单值专题图，也是可接受的。通过批次，即使点数据量很大，渲染上并不会造成瓶颈。于是我决定选择点+颜色的展现效果，其实这就和某网站的展现方式很相似了。总得做出一个微创新吧，那好，你是分段专题图效果，只有6个颜色，我就给你搞一个渐变颜色（如上图），这个也难不倒我，先搞一个0~500的色带，其实就相当于一个哈希表，然后根据PM值对号入座，有了PM值->颜色这个映射表，只需要初始化时先创建色带的消耗而没有额外的计算，算是性能优化上的一个技巧。这是目前的效果，依次为中国&日韩，欧洲和美国，看完后整个人的心情都不好了：
如上，基本上要做的都已经结束了，但实际浏览的时候还是会有卡顿的现象。当然，我可以归咎到请求的数据是JSON格式，而Earth浏览的范围都比较大，且是实时的，所以这是性能瓶颈。我个人也觉得这是一个很充分的理由。计算需要消耗，请求需要等待，但通过Workers技术，可以把这部分放到线程中，避免卡顿的效果。这也是前端代码可以优化的一点。于是昨天晚上我又对代码进行了优化，把大量的请求，渐变色计算，json解析等工作都放到Workers线程来完成，主线程主要负责Earth球本身的内容。至此，我觉得对于这样一个应用，可以告一段落了。
总结这个过程，我觉得有三点收获，第一，无论简单还是复杂的事情，在理论上都要讲的通，模型是简单的，这个范例级别的应用，本质上就是AQI+颜色分段，所以AQI数值要具有准确实时易对比的特点，同时颜色的意义也是有依据的，不是自己凭空捏造的。第二，目前各类实时数据很多，数据固然有价值，但该应用的本质并不是获取数据，而是过滤数据，是对数据的一次加工，在广度和深度上抓住数据对人类有价值的部分。我觉得在大数据时代，获取数据的渠道会很多，数据固然重要，但关键还在于过滤数据的能力，这种应变能力可以有效的降低噪音，通过数据的加工而产生服务价值。
第三点可能有点牵强，但我最想借题发挥了，所以单独列出来。前几天听了吴军讲的众筹经济，吴军老师通过滴滴，Airbnb举例说明通过资源的有效整合扩大了市场的规模，分析了未来经济的发展趋势。个人认为，所谓的众筹，如何能够突破零和博弈，通过市场规模的扩大而达到共赢，要做到这点并不容易。正好在TED里听到的一个老外的演讲，也举了滴滴，Uber和Airbnb的例子，我觉得总结的更深刻。关键在于信任（Trust）：首先，你要认可这个想法，愿意尝试，其次，你认可这个平台，愿意使用，最后，基于已有的这种认可，基于这个平台，你愿意相信你不认识的人。通过这三个层次的信任达到共赢，可以有效整合资源，别人能够更容易的得到有价值的资源，自然也愿意购买这种资源，这样的良性循环可以更好的扩大市场规模。套用这个想法，如果我继续做这个PM的应用，该怎样继续呢？首先，PM值是当下大众很关心的一个内容，如何高效，及时，准确，全面，形象的，有针对性的展现出来，这个想法是有价值的，从这个点子来看是经得起考验的。其次，要做一个有影响力的平台，除了数据的权威性，其次就是数据的统计分析可视化以及个性化，比如历史数据的推演，预报预警，多样的可视化效果，通过服务端了解用户的焦点，基于位置的个性化推送，内容深度和广度的综合性，提高大家对平台的认可。
好了，以上就是一个大概流程和本人事后的思考，虽然并不能改变什么现状，但我想，环保面前，人人无法逃避，人人都可以尽力而为。对我个人而言，如果不能用手改变，那就只好用脚改变了。
好想被风刮走刮遍整个地球的那种在我爱的城市停 走 停 走
近年来，随着工业化、城市化的快速推进，我国面临的环境污染问题日益严峻，尤其是空气污染已成为影响公众健康和社会可持续发展的重大挑战。为了有效应对这一挑战，高度重视环境空气质量监测建设，并出台了一系列强有力的政策措施。除了户外场景，室内环境空气质量监测也成为环境保护的重中之重，百叶窗式微型空气质量监测仪摆脱了大型环境监测设备体积大等难点，体积小巧，外观简洁，同时可适用于多种监测场景。以下是关于 PM2
MySQL 上亿数据查询优化当面对 MySQL 数据库中上亿条数据时，查询性能优化显得尤为重要。不优化查询不仅会导致系统性能下降，还会影响用户体验和业务运营。本文将通过代码分析和原理实现，介绍几种有效的 MySQL 查询优化策略。一、索引优化1. 索引的作用索引可以极大地提高查询速度，尤其是在处理大规模数据时。常见的索引类型包括B树索引、全文索引和哈希索引。合理的索引设计可以使查询时间从全表扫描的
本文介绍基于Microsoft SQL Server软件，实现数据库表中多种数据查询方法的具体操作~
# PM2.5机器学习科普文章## 引言PM2.5（细颗粒物）是指空气中直径小于等于2.5微米的悬浮物质。它对人体健康带来了很大的危害，因此监测和预测PM2.5浓度是非常重要的。随着机器学习技术的发展，我们可以利用这些算法来预测PM2.5浓度，并提供准确的预警信息。本文将介绍什么是PM2.5机器学习，以及如何利用机器学习算法进行PM2.5浓度预测。## PM2.5机器学习概述PM2
## 如何使用 PM2 查看 Redis### 介绍欢迎来到开发者世界！作为一名经验丰富的开发者，我将教会你如何使用 PM2 查看 Redis。PM2 是一个进程管理工具，而 Redis 是一个高性能的键值存储数据库。通过 PM2，你可以轻松地管理和监控 Redis 进程。### 流程首先，让我们来看一下整个过程的流程：```mermaidjourney title 使用
题意简单来说，每个城市都有两个PM值，排序的时候让你按照两个PM值之差，从大到小排序，然后再按照第二个PM值，从小到大，再按照id从小到大排序
高分辨率（0.01° × 0.01°）数据集以所纳入信息源的最精细分辨率进行网格化，但由于受较粗分辨率信息源的影响，不太可
该每小时数据集包含美国驻北京大使馆的PM2.5数据。
一、实物图 二、原理图编号名称功能1L-VCCLED灯正极2L-GNDLED灯负极3LEDLED灯引脚4S-GND模块负极5OUT模拟量输出引脚6VCC模块正极L-VCC引脚接电阻是用来限流，接电容是用来稳压。三、简介GP2Y10是日本夏普公司开发的一款光学灰尘浓度检测传感器，设计用来感应空气中的尘埃粒子，其内部对角安放着红外线发光二极管和光电晶体管，使得其能够探测到空气中尘埃反射光，即
SELECT AVG(pm25_h),AVG(pm10_h),AVG(temp_h),AVG(humi_h),AVG(co2_h),AVG(tvoc_h),perf_time FROM( SELECT pm25_h,pm10_h,temp_h,humi_h,co2_h,tvoc_h,perf_time FROM perf_environ WHERE TO_DAYS(per...
告别node-forever,拥抱PM2pm2及forever模块是目前较常用的nodejs进程守护模块，前者更常用些、功能也更强大（提供负载）。其原理主要是pm2开启一个主进程，另行再开子进程运行nodejs项目，主进程监听子进程，若子进程崩溃，pm2会自行将其启动，并且也可以对一个项目启动多个子...
简介PM2是node进程管理工具，可以利用它来简化很多node应用管理的繁琐任务，如性能监控、自动重启、负载均衡等，而且使用非常简单。下面就对PM2进行入门性的介绍，基本涵盖了PM2的常用的功能和配置。安装全局安装，简直不能更简单。npm install -g pm2入门教程挑我们最爱的express应用来举例。一般我们都是通过npm start启动应用，其实就是调用node ./bin/www。
为什么要用Docker说实话，如果在Windows下开发PHP程序，那么XAMPP足够了，一个安装包，什么都安装好了。但是如果要增加一些额外的依赖，比如需要的扩展的DLL不存在，需要编译安装一些扩展；或者需要同时维护不同版本的PHP，那么就需要下多个版本的XAMPP。当然也有可以切换PHP版本的工具，比如WAMP。但是依赖其实无处不在，比如切换了针对Apache的PHP版本，命令行的PHP版本
SSH连接不仅更安全，而且在处理大文件或网络不稳定时表现更加可靠。配置完成后，可享受更快的推送速度，Git操作将变得更加顺畅高效。 1. 生成SSH密钥 检查现有SSH密钥 # 查看是否已存在SSH密钥 ls -al ~/.ssh 生成新的SSH密钥 生成ED25519密钥 # 生成ED25519密 ...
针对无限长直导线周围电场分布的MATLAB程序实现，结合解析法、镜像电荷法及PDE数值解法三种方法 一、解析法（直接公式计算） 理论基础： 无限长直导线电势公式： \(ϕ(r)=−2πε0λln(r)+C\) 电场强度公式： \(E(r)=2πε0rλ\) 代码实现： % 参数设置 lambda = ...
SOSDP 就是用来处理和子集相关的 \(dp\) 例题: 给定一个包含 \(2^n\) 个整数的集合 A, 然后给你一个集合 \(sta\) , 求所有在 \(A\) 中的并且含于集合 \(sta\) 的集合 \(i\) 的价值之和. \[F[sta]=\sum_{i\in sta} A[i] \ ...
Rust与Go是当代系统级编程的两大主流语言，各有特色。Rust强调"零成本抽象"和编译期安全，适合高性能系统软件；Go则注重开发效率和易用性，适合云原生和分布式服务。在语法上，Rust拥有丰富的类型系统，而Go保持极简设计。内存管理方面，Rust采用所有权机制，Go依赖垃圾回收。并发模型上，Rust提供多种方案，Go以goroutine为核心。性能上Rust更优，但Go编译更快。Rust适合嵌入式、区块链等场景，Go在云原生领域优势明显。选型需权衡性能、团队技能和业务需求，二者也可协同
概念关系图首先，我们可以用一个简化的层次图来理解它们的关系： 用户界面层： [iStoreOS Web界面] 或 [LuCI Web界面] 通信协议层： [JSON-RPC] (over HTTP) 进程通信层： [ubus] (本地进程间通信) 系统配置层： [UCI] (统一配置接口) 命令行工 ...