打破N1 500M瓶颈，K2P多拨+N1 组合

内容来源于@什么值得买APP，观点仅代表作者本人｜作者：爱上网的魚

购买理由

原来组合过几个方案但是都不完美，知道最新Padavan 4.4内核支持多拨就开始刷了起来。K2P 刷Padavan 满跑带宽，而且还有多拨。N1 做旁路由做它自己的事情。其它设备通过设置选择自己爱干的事。

外观展示

K2P 直接刷Padavan 用的是 https://www.right.com.cn/forum/thread-8001722-1-1.html

N1设置

N1直接刷的是 F大佬的最新版本固件。https://www.right.com.cn/forum/thread-4076037-1-1.html

登录你的OenWrt系统管理后台，找到菜单栏点击网络 > 接口

.然后在 LAN 接口点击修改，切记一定是要 LAN 这个接口！
修改接口LAN 基本设置

传输协议：修改为静态地址

IPv4地址：修改为你的主路由同IP段内任意一个未使用的地址（如你的主路由地址为192.168.1.1，那这里的地址就可以修改为除了192.168.1.1以外的任意一个未在局域网内被使用的192.168.1.X的地址，比如192.168.1.111）
（重点提示：这里修改的地址必须要与你的主路由地址在同一网段！并且在局域网内没有其他设备正在使用的地址，这个地址将作为N1的地址，也是登录N1后台的唯一地址）

IPv4子网掩码：无特殊需求保持默认的255.255.255.0即可（小白不懂的话不要修改）

IPv4网关：修改为你的主路由IP地址（这个地址一定要设置，否则无法上网！）

IPv4广播：默认留空即可（小白不懂的话不要修改）

使用自定义的DNS服务器：修改为你的主路由IP地址，然后点击右边的加号！一定要点后面的加号，否则无效，切记！如下图所示

（重点提示：修改这里的DNS地址之后一定要点旁边的加号，这里的地址建议修改为你的主路由IP即可，填其他公共DNS地址可能会导致异常，小白切记~）

IPv6分配长度：如无特殊需求选择默认的64即可，如果你没有IPv6地址请选择禁用
IPv6分配提示和IPv6后缀：默认留空即可

修改完上面的LAN接口基本设置之后，来到页面最下方的DHCP基本设置：

勾选忽略此接口
然后点击最下方的保存&应用（这是最重要的一步，不点保存及应用的话前面的所有步骤都无效，相当于做无用功！）

在自定义规则里填加这一条规则

Step 2：
iptables -t nat -I POSTROUTING -o eth0 -j MASQUERADE

修改接口LAN 基本设置

传输协议：修改为静态地址

IPv4地址：修改为你的主路由同IP段内任意一个未使用的地址（如你的主路由地址为192.168.1.1，那这里的地址就可以修改为除了192.168.1.1以外的任意一个未在局域网内被使用的192.168.1.X的地址，比如192.168.1.111）
（重点提示：这里修改的地址必须要与你的主路由地址在同一网段！并且在局域网内没有其他设备正在使用的地址，这个地址将作为N1的地址，也是登录N1后台的唯一地址）

IPv4子网掩码：无特殊需求保持默认的255.255.255.0即可（小白不懂的话不要修改）

IPv4网关：修改为你的主路由IP地址（这个地址一定要设置，否则无法上网！）

IPv4广播：默认留空即可（小白不懂的话不要修改）

使用自定义的DNS服务器：修改为你的主路由IP地址，然后点击右边的加号！一定要点后面的加号，否则无效，切记！如下图所示

然后点击最下方重启防火墙即可

（具体不明白参考 https://www.right.com.cn/forum/thread-4181997-1-1.html））

本地电脑想通过N1 上网直接设置本地ip网关就可以

其它设备同上

总结

k2p 多拨跑速度 cpu 无压力

目前没发现问题。分享给大家。

具体有什么地方不对的欢迎大家留言。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～

在前面

今年国庆假期终于可以憋在家里了不用出门了，不用出去看后脑了，真的是一种享受。这么好的光阴怎么浪费，睡觉、吃饭、打豆豆这怎么可能（耍多了也烦），完全不符合我们程序员的作风，赶紧起来把文章写完。

这篇文章比较基础，在国庆期间的业余时间写的，这几天又完善了下，力求把更多的前端所涉及到的关于文件上传的各种场景和应用都涵盖了,若有疏漏和问题还请留言斧正和补充。

自测读不读

以下是本文所涉及到的知识点，break or continue ?

文件上传原理
最原始的文件上传
使用 koa2 作为服务端写一个文件上传接口
单文件上传和上传进度
多文件上传和上传进度
拖拽上传
剪贴板上传
大文件上传之分片上传
大文件上传之断点续传
node 端文件上传

原理概述

原理很简单，就是根据 http 协议的规范和定义，完成请求消息体的封装和消息体的解析，然后将二进制内容保存到文件。

我们都知道如果要上传一个文件，需要把 form 标签的enctype设置为multipart/form-data,同时method必须为post方法。

那么multipart/form-data表示什么呢？

multipart互联网上的混合资源，就是资源由多种元素组成，form-data表示可以使用HTML Forms 和 POST 方法上传文件，具体的定义可以参考RFC 7578。

multipart/form-data 结构

看下 http 请求的消息体

请求头：

Content-Type: multipart/form-data; boundary=----WebKitFormBoundaryDCntfiXcSkPhS4PN 表示本次请求要上传文件，其中boundary表示分隔符，如果要上传多个表单项，就要使用boundary分割，每个表单项由———XXX开始，以———XXX结尾。

消息体- Form Data 部分

每一个表单项又由Content-Type和Content-Disposition组成。

Content-Disposition: form-data 为固定值，表示一个表单元素，name 表示表单元素的名称，回车换行后面就是name的值，如果是上传文件就是文件的二进制内容。

Content-Type：表示当前的内容的 MIME 类型，是图片还是文本还是二进制数据。

解析

客户端发送请求到服务器后，服务器会收到请求的消息体，然后对消息体进行解析，解析出哪是普通表单哪些是附件。

可能大家马上能想到通过正则或者字符串处理分割出内容，不过这样是行不通的，二进制buffer转化为string,对字符串进行截取后，其索引和字符串是不一致的，所以结果就不会正确，除非上传的就是字符串。

不过一般情况下不需要自行解析，目前已经有很成熟的三方库可以使用。

至于如何解析，这个也会占用很大篇幅，后面的文章在详细说。

最原始的文件上传

使用 form 表单上传文件

在 ie时代，如果实现一个无刷新的文件上传那可是费老劲了，大部分都是用 iframe 来实现局部刷新或者使用 flash 插件来搞定，在那个时代 ie 就是最好用的浏览器（别无选择）。

DEMO

这种方式上传文件，不需要 js ，而且没有兼容问题，所有浏览器都支持，就是体验很差，导致页面刷新，页面其他数据丢失。

HTML

 <form method="post" action="http://localhost:8100" enctype="multipart/form-data">

        选择文件:
            <input type="file" name="f1"/> input 必须设置 name 属性，否则数据无法发送<br/>
<br/>
            标题：<input type="text" name="title"/><br/><br/><br/>

        <button type="submit" id="btn-0">上 传</button>

</form>

复制代码

文件上传接口

服务端文件的保存基于现有的库koa-body结合 koa2实现服务端文件的保存和数据的返回。

在项目开发中，文件上传本身和业务无关，代码基本上都可通用。

在这里我们使用koa-body库来实现解析和文件的保存。

koa-body 会自动保存文件到系统临时目录下，也可以指定保存的文件路径。

然后在后续中间件内得到已保存的文件的信息，再做二次处理。

ctx.request.files.f1 得到文件信息，f1为input file 标签的 name
获得文件的扩展名，重命名文件

NODE

/**
 * 服务入口
 */
var http=require('http');
var koaStatic=require('koa-static');
var path=require('path');
var koaBody=require('koa-body');//文件保存库
var fs=require('fs');
var Koa=require('koa2');

var app=new Koa();
var port=process.env.PORT || '8100';

var uploadHost=`http://localhost:${port}/uploads/`;

app.use(koaBody({
    formidable: {
        //设置文件的默认保存目录，不设置则保存在系统临时目录下  os
        uploadDir: path.resolve(__dirname, '../static/uploads')
    },
    multipart: true // 开启文件上传，默认是关闭
}));

//开启静态文件访问
app.use(koaStatic(
    path.resolve(__dirname, '../static') 
));

//文件二次处理，修改名称
app.use((ctx)=> {
    var file=ctx.request.files.f1;//得道文件对象
    var path=file.path;
    var fname=file.name;//原文件名称
    var nextPath=path+fname;
    if(file.size>0 && path){
        //得到扩展名
        var extArr=fname.split('.');
        var ext=extArr[extArr.length-1];
        var nextPath=path+'.'+ext;
        //重命名文件
        fs.renameSync(path, nextPath);
    }
    //以 json 形式输出上传文件地址
    ctx.body=`{
        "fileUrl":"${uploadHost}${nextPath.slice(nextPath.lastIndexOf('/')+1)}"
    }`;
});

/**
 * http server
 */
var server=http.createServer(app.callback());
server.listen(port);
console.log('demo1 server start ......   ');
复制代码

CODE

https://github.com/Bigerfe/fe-learn-code/

者：Roman Orac
鱼羊编译整理
量子位报道 | 公众号 QbitAI

数据分析，如何能错过 Pandas 。

现在，数据科学家 Roman Orac 分享了他在工作中相见恨晚的 Pandas 使用技巧。

了解了这些技巧，能让你在学习、使用 Pandas 的时候更加高效。

话不多说，一起学习一下~

Pandas实用技巧

用 Pandas 做数据分析，最大的亮点当属 DataFrame。不过，在展示成果的时候，常常需要把 DataFrame 转成另一种格式。

Pandas 在这一点上其实十分友好，只需添加一行代码。

DataFrame 转 HTML

如果你需要用 HTML 发送自动报告，那么 to_html 函数了解一下。

比如，我们先设定这样一个 DataFrame：

import numpy as np
import pandas as pd
import random

n = 10
df = pd.DataFrame(
    {
        "col1": np.random.random_sample(n),
        "col2": np.random.random_sample(n),
        "col3": [[random.randint(0, 10) for _ in range(random.randint(3, 5))] for _ in range(n)],
    }
)

用上 to_html，就可以将表格转入 html 文件：

df_html = df.to_html()
with open(‘analysis.html’, ‘w’) as f: f.write(df_html)

与之配套的，是 read_html 函数，可以将 HTML 转回 DataFrame。

DataFrame 转 LaTeX

如果你还没用过 LaTeX 写论文，强烈建议尝试一下。

要把 DataFrame 值转成 LaTeX 表格，也是一个函数就搞定了：

df.to_latex()

DataFrame 转 Markdown

如果你想把代码放到 GitHub 上，需要写个 README。

这时候，你可能需要把 DataFrame 转成 Markdown 格式。

Pandas 同样为你考虑到了这一点：

print(df.to_markdown())

注：这里还需要 tabulate 库

DataFrame 转 Excel

说到这里，给同学们提一个小问题：导师/老板/客户要你提供 Excel 格式的数据，你该怎么做？

当然是——

df.to_excel(‘analysis.xlsx’)

需要注意的是，如果你没有安装过 xlwt 和 openpyxl 这两个工具包，需要先安装一下。

另外，跟 HTML 一样，这里也有一个配套函数：read_excel，用来将excel数据导入pandas DataFrame。

DataFrame 转字符串

转成字符串，当然也没问题：

df.to_string()

5个鲜为人知的Pandas技巧

此前，Roman Orac 还曾分享过 5 个他觉得十分好用，但大家可能没有那么熟悉的 Pandas 技巧。

1、data_range

从外部 API 或数据库获取数据时，需要多次指定时间范围。

Pandas 的 data_range 覆盖了这一需求。

import pandas as pd
date_from = “2019-01-01”
date_to = “2019-01-12”
date_range = pd.date_range(date_from, date_to, freq=”D”)
print(date_range)

freq=“D”/“M”/“Y”，该函数就会分别返回按天、月、年递增的日期。

2、合并数据

当你有一个名为left的DataFrame：

和名为right的DataFrame：

想通过关键字“key”把它们整合到一起：

实现的代码是：

df_merge = left.merge(right, on = ‘key’, how = ‘left’, indicator = True)

3、最近合并（Nearest merge）

在处理股票或者加密货币这样的财务数据时，价格会随着实际交易变化。

针对这样的数据，Pandas提供了一个好用的功能，merge_asof。

该功能可以通过最近的key（比如时间戳）合并DataFrame。

举个例子，你有一个存储报价信息的DataFrame。

还有一个存储交易信息的DataFrame。

现在，你需要把两个DataFrame中对应的信息合并起来。

最新报价和交易之间可能有10毫秒的延迟，或者没有报价，在进行合并时，就可以用上 merge_asof。

pd.merge_asof(trades, quotes, on=”timestamp”, by=’ticker’, tolerance=pd.Timedelta(‘10ms’), direction=‘backward’)

4、创建Excel报告

在Pandas中，可以直接用DataFrame创建Excel报告。

import numpy as np
import pandas as pd

df = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=["a", "b", "c"])

report_name = 'example_report.xlsx'
sheet_name = 'Sheet1'
writer = pd.ExcelWriter(report_name, engine='xlsxwriter')
df.to_excel(writer, sheet_name=sheet_name, index=False)

不只是数据，还可以添加图表。

# define the workbook
workbook = writer.book
worksheet = writer.sheets[sheet_name]
# create a chart line object
chart = workbook.add_chart({'type': 'line'})
# configure the series of the chart from the spreadsheet
# using a list of values instead of category/value formulas:
#     [sheetname, first_row, first_col, last_row, last_col]
chart.add_series({
    'categories': [sheet_name, 1, 0, 3, 0],
    'values':     [sheet_name, 1, 1, 3, 1],
})
# configure the chart axes
chart.set_x_axis({'name': 'Index', 'position_axis': 'on_tick'})
chart.set_y_axis({'name': 'Value', 'major_gridlines': {'visible': False}})
# place the chart on the worksheet
worksheet.insert_chart('E2', chart)
# output the excel file
writer.save()

注：这里需要 XlsxWriter 库

5、节省磁盘空间

Pandas在保存数据集时，可以对其进行压缩，其后以压缩格式进行读取。

先搞一个 300MB 的 DataFrame，把它存成 csv。

df = pd.DataFrame(pd.np.random.randn(50000,300))
df.to_csv(‘random_data.csv’, index=False)

压缩一下试试：

df.to_csv(‘random_data.gz’, compression=’gzip’, index=False)

文件就变成了136MB。

gzip压缩文件可以直接读取：

df = pd.read_csv(‘random_data.gz’)

这一份Pandas技巧笔记，暂且说到这里。各位同学都做好笔记了吗？

Talk is cheap, show me the code。学会了，就用起来吧

— 完 —

量子位 QbitAI · 头条号签约

关注我们，第一时间获知前沿科技动态

在线咨询

上一篇：「2022 年」崔庆才 Python3 爬虫教程 -
下一篇：各省市2019年艺术统考成绩查询时间汇总

您的项目需求

*请认真填写需求信息，我们会在24小时内与您取得联系。

整合营销服务商