本文主要记录在Ubuntu 16.04操作系统中搭建GitLab服务器的操作记录
前言
GitLab 是一个用于仓库管理系统的开源项目。使用Git作为代码管理工具，并在此基础上搭建起来的web服务.可通过Web界面进行访问公开的或者私人项目,它拥有与Github类似的功能,能够浏览源代码,管理缺陷和注释.可以管理团队对仓库的访问,它非常易于浏览提交过的版本并提供一个文件历史库,团队成员可以利用内置的简单聊天程序(Wall)进行交流。它还提供一个代码片段收集功能可以轻松实现代码复用.
使用Cookiecutter来初始化你的Django项目,Awesome!!!
快来动手试试吧，简直太棒了
前言
Cookiecutter可以让你快速从模板中建立工程，cookiecutter-django则是Django的模板，可以快速生成Django大型项目模板。其特性如下:
- 跨平台: Windows,Mac 和Linux都支持
- 在Python2.7, 3.3, 3.4, 3.5, 3.6 和PyPy下运行
- 工程模板可以是任何语言
- 简单易用
Python协程的演化-从yield/send到async/await
python协程的演化
前言
Python由于众所周知的GIL的原因,同一时刻只能有一个线程在运行，那么对于CPU密集的程序来说，线程之间的切换开销就成了拖累，而以I/O为瓶颈的程序正是协程所擅长的：
多任务并发（非并行），每个任务在合适的时候挂起（发起I/O）和恢复(I/O结束)*
Python中的协程经历了很长的一段发展历程。其大概经历了如下三个阶段：
- 最初的生成器进化的yield/send
- python3.4引入@asyncio.coroutine和yield from
- 在Python3.5版本中引入async/await关键字
Python 并发 concurrent.futures
考虑用concurrent.futures来实现平行计算或并发处理
导读
编写Python程序时,我们可以利用CPU的多核心通过平行计算来提升计算任务的速度。很遗憾，Python的全局解释器(GIL)的存在使得我们没有办法用线程实现真正的平行计算。
为了实现平行计算，我们可以考虑用C语言扩展或者使用诸如Cython和Numba等开源工具迁移到C语言。但是这样做大幅增加了测试量和风险。于是我们思考一下：有没有一种更好的方式，只需使用少量的Python代码，即可有效提升执行效率，并迅速解决复杂的计算问题。
我们可以试着通过内置的concurrent.futures模块来利用内置的multiprocessing模块实现这种需求。这样的做法会以子进程的形式，平行运行多个解释器，从而利用多核心CPU来提升执行速度(子进程与主解释器相分离，所以它们的全局解释器锁也是相互独立的)。
Python协程-coroutine
考虑用协程来并发的运行多个函数
前言
我们可以用线程来运行多个函数，使这些函数看上去好像是在同一时间得到执行的。然而，线程有三个显著的缺点：
- 为了确保数据安全，我们必须使用特殊的工具(
Lock,Queue等)来协调这些线程，这使得多线程的代码，要比单线程的过程式代码更加难懂。这些复杂的多线程代码，会逐渐令程序变得难以扩展和维护。 - 线程需要
占用大量内存，每个正在执行的线程，大约占据8MB内存。如果只开十几个线程，多数计算机还是可以承受的。 - 线程
启动的开销比较大。如果程序不停地依靠创建新线程来同时执行多个函数，并等待这些线程结束，那么使用线程所引发的开销，就会拖慢整个程序的速度。