一.寫在前面

　　本系列中的內容來自對李宏毅老師的機器學習教程的理解和一些個人理解的筆記，主要用於之後方便查看複習。李宏毅老師的機器學習教程地址:https://www.bilibili.com/video/av35932863?from=search&seid=3902369523652897681。

二.機器學習概念

2.1人工智能、機器學習、深度學習這幾個概念的關係

　　要想理解清楚機器學習的基本概念，首先要明白機器學習在人工智能領域中所處的位置，再簡單明了些首先要明白人工智能、機器學習、深度學習這幾個概念的關係。三者關係如下圖2-1

　　　　　　　　　　　　　　　　　　 　　　圖2-1 人工智能、機器學習、深度學習三者關係

從圖可以直觀的看出，人工智能的範圍>機器學習的範圍>深度學習的範圍，而平時常說的神經網絡的這些有關概念則是屬於深度學習下的分支。再具體而言這三者的關係，其實人工智能是作為我們最終所要達到的目標，所謂的人工智能概念我覺的用之前某科學家提過的一種說法簡單理解一下就行，即當用一塊黑幕將計算機遮蓋起來，黑幕外的人無法區分所交互的對象是人還是計算機就算是達到了人工智能標準，再簡單點說就是使計算機做到過去只有人才能做到的事，其他更為深入的解釋歡迎查看百度詞條https://baike.baidu.com/item/人工智能/9180?fr=aladdin。而機器學習則是實現人工智能這一目標的手段，這說明還有其他手段有興趣的同學可以自行去了解一下，不過個人認為其餘的手段不是現在的主流研究方向吧。而深度學習則是作為機器學習下的一個重要分支。

2.2 理解機器學習

　　所謂機器學習概念，簡單的理解就是教會計算機學習，舉個具體的例子，當你給它看完貓的某一張圖片后，你告訴機器這是貓，當你給它看完一張狗的圖片后，你告訴它這是狗，不斷重複這一過程讓機器學習大量不同的貓狗照片，學習結束后給予機器一張全新的貓或狗的照片，機器能夠成功的識別出貓和狗。再進一步抽象的理解，我們可以發現這一過程十分類似於數學上求解函數表達式，即這個過程其實是在尋找一個函數f，當輸入某張貓的照片函數f的輸出為貓，當輸入某張狗的照片函數f的輸出為狗。再進一步具體而言整個機器學習框架可以理解為如圖2-2

                                                                       　    圖2-2 機器學習框架描述

整個機器學習框架的步驟大體上分為三步：第一步定義一個函數池，其中有大量的備選函數f₁、f₂、f₃…..f_n;第二步對各個函數進行評價，這裏的話其實我們可以將每個函數理解為一個模型，所謂的評價的標準可以理解為對每個輸入照片各個模型所能識別出來的精確度，優秀的模型識別照片的準確度更高；第三部選出最優的函數f_best，即選出最優的模型。

2.3 理解機器學習的學習圖

　　機器學習的學習圖如圖2-3，這張圖看起來很複雜，其實結構很清晰，主要分為三中顏色藍、橙、綠三種顏色，分別代表運用情景，所要解決問題的目標，以及解決問題用到的方法。

　　　　　　　　　　　　　　　　　　　　　　　　　　　圖2-3 機器學習學習圖

　　首先是藍色部分，即運用情景從圖中可以看出有supervise learning、semi-supervise learning、transer learning、unsupervised learning、reinforcement learning,看到這麼多運用情景不經想問一個問題，為什麼會有這麼多運用場景的劃分？原因其實很簡單，從前面的對機器學習的介紹中我們可以發現，機器學習的過程中是需要大量的帶標籤的數據，所謂帶標籤的數據就是指給出了輸入數據的正確結果，比如說輸入一張貓的圖片，這個貓就是這張圖片的標籤，但其實當數據量巨大的時候，給每個數據標上標籤是需要消耗大量時間的，所以由輸入的數據是否帶有標籤就產生了不同的運用場景。

　　supervise learning 即監督學習，訓練所使用的數據均帶標籤，即告訴機器輸入數據的正確答案。semi-supervise learning 即半監督學習，訓練中的數據有一部分帶標籤，其餘數據不帶標籤交給機器自己學習。transer learning 即遷移學習 訓練數據中有一部分帶標籤，剩下的數據來自其他模型帶標籤或不帶標籤的數據，舉個例子我們做貓和狗的分類，我們有少量的已經有標籤的貓和狗的數據，還有大量的可能是帶標籤或不帶標籤的其他動物的數據，將這些數據也交由機器學習。unsupervised learning 即無監督學習，訓練中的數據均不帶標籤。reinforcement learning 即強化學習，這種學習方式與前面的學習方式均有所不同，前面的學習方式中均為告訴機器輸入數據的正確答案或者直接將數據交由機器，在強化學習中數據均不帶標籤，它是通評價告訴機器這次學習的結果，舉個例子阿爾法狗，當它完成一次棋局對戰最終取得勝利，則給與機器較高的評價，讓機器自身進行調整，雖然機器本身並不知道自己到底哪下的好，但知道這麼下贏了。

　　其次是橙色部分，即所要解決問題的目標，分為regression和classification以及structured learning。regression即所要解決的問題的解是個數值，比方說預測某日pm2.5的值；classification即所要解決的問題為分類問題，包括二分類即回答是或者否，比方說判斷郵件是否為垃圾郵件，多分類對輸入的數據進行多個類別分類，比方說判斷輸入的文章屬於哪個板塊是娛樂版塊還是體育板塊還是金融板塊等等；structured learning即所要解決的問題是結構化的，比方說輸入一段語言判斷語言的內容。

　　最後是綠色部分，這一塊的話還記的我在2.2中說過的函數池嗎，所謂的函數其實就是模型，我們可以使用不同的模型來解決不同的問題，這些模型有linear model即線性模型、non-linear model 即非線性模型，非線性模型中就包括之前提到的深度學習還有一些非線性模型。

三.寫在最後

　 這一部分主要是對機器學習要有個整體的大概理解，包括理解機器學習的整體框架的大致模樣，尤其是要明白框架中所說的函數其實就是模型的概念，再由就是要對為何要這樣劃分學習圖有自己的理解，至於是否要記住學習圖的內容倒是其次。

【精選推薦文章】

自行創業 缺乏曝光? 下一步"網站設計"幫您第一時間規劃公司的門面形象

網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司，幫您輕鬆架站!

評比前十大台北網頁設計、台北網站設計公司知名案例作品心得分享

台北網頁設計公司這麼多，該如何挑選?? 網頁設計報價省錢懶人包"嚨底家"

前段時間由於項目上的需求，要在.Net平台下實現把HTML內容生成圖片或PDF文件的功能，特意在網上研究了幾種方案，這裏記錄一下以備日後再次使用。當時想着找一種開發部署都比較清爽並且運行穩定的方案，但實際上兩者同時滿足基本不可能，只能做一個自己覺得合適的取捨，下面從兩個維度（清爽指數和功能指數）逐一對比。

1.   WebBrowser

這種方案在開發時不依賴任務外部程序集和nuget包，部署時也不需要安裝額外的工具和服務，可以說是非常清爽了。它藉助了WinForm下的WebBrowser控件實現HTML內容渲染，並把渲染結果繪製在Bitmap中，進而保存成圖片或PDF文件。這種方案簡單粗暴，是C#中最基礎的實現方式，也是網上搜索結果最多的一種，下面看它的核心代碼（從網上拼湊得來）：

 1     class WebBrowserPage2Image
 2     {
 3         Bitmap m_Bitmap;
 4 
 5         string m_Url;               
 6 
 7         public void Convert(string pageUrl, string fileName)
 8         {
 9             m_Url = pageUrl;
10             Thread m_thread = new Thread(new ThreadStart(HtmlDrawToBitmap));
11             m_thread.SetApartmentState(ApartmentState.STA);
12             m_thread.IsBackground = true;
13             m_thread.Start();
14             m_thread.Join();
15             MemoryStream stream = new MemoryStream();
16             m_Bitmap.Save(stream, System.Drawing.Imaging.ImageFormat.Png);
17             byte[] buff = stream.ToArray();
18             FileStream fs = new FileStream(fileName, FileMode.Create);
19             stream.WriteTo(fs);
20             stream.Dispose();
21             stream.Close();
22             fs.Close();
23         }
24 
25         private void HtmlDrawToBitmap()
26         {
27             WebBrowser browser = new WebBrowser();
28             browser.ScrollBarsEnabled = false;
29             browser.Navigate(m_Url);
30             browser.DocumentCompleted += new WebBrowserDocumentCompletedEventHandler(delegate (object sender, WebBrowserDocumentCompletedEventArgs bdce)
31             {
32                 if (browser.ReadyState == WebBrowserReadyState.Complete)
33                 {
34                     //myWebBrowser.Document.Body.Style = "zoom:180%";
35                     Rectangle r = browser.Document.Body.ScrollRectangle;
36                     browser.Height = r.Height;
37                     browser.Width = r.Width;
38                     m_Bitmap = new Bitmap(browser.Width, browser.Height);
39                     browser.BringToFront();
40                     browser.DrawToBitmap(m_Bitmap, new Rectangle() { Width = browser.Width, Height = browser.Height });
41                 }
42             });
43             while (browser.ReadyState != WebBrowserReadyState.Complete)
44             {
45                 Application.DoEvents();
46             }
47             browser.Dispose();
48         }
49     }

View Code

雖然開發起來非常簡潔，但是問題也很明顯。WebBrowser是Winform下的一個組件，在非Winform項目中運行會出現不可知的異常，即使在Winform項目中，數據量比較大的時候依然會出現卡死的情況。我做過500次循環的測試，在執行到100多次的時候程序出現假死不動也無異常拋出。除此之外，生成的圖片失真也比較嚴重，特殊字體和部分CSS樣式無法渲染。總的來說，基本無法達到生成環境需求。

清爽指數：★★★★★　　　　功能指數：★

2.         Wkhtmltox

這也是網上廣泛流傳的一個方案，wkhtmltox是一套開源的命令行工具，提供了圖片和PDF的轉換能力，它採用C++編寫，使用Webkit作為渲染引擎，開源地址是https://github.com/wkhtmltopdf/wkhtmltopdf。使用方法就是在命令行工具中執行命令，例如：

wkhtmltopdf --grayscale  https://www.baidu.com  baidu.pdf

如果要在.Net項目中使用的話，核心問題就是用程序喚起命令行，同時指定參數執行即可，類似於下面的代碼：

       System.Diagnostics.ProcessStartInfo Info = new System.Diagnostics.ProcessStartInfo();
       Info.FileName = @"D:\dev\wkhtmltox\bin\wkhtmltopdf.exe";
       Info.WindowStyle = System.Diagnostics.ProcessWindowStyle.Hidden;
       Info.CreateNoWindow = true;
       Info.Arguments = @"-q --orientation Landscape https://www.baidu.com D:\\baidu.pdf";
       System.Diagnostics.Process proc = System.Diagnostics.Process.Start(Info);
       proc.WaitForExit();
       proc.Close();

更多強大的功能例如加水印、分頁、改樣式等可以參考這篇文章：https://www.cnblogs.com/82xb/p/7837597.html

詳細的參數說明可以查看文檔：https://wkhtmltopdf.org/usage/wkhtmltopdf.txt

GitHub上有很多針對各個開發語言的封裝，使用起來比較方便，唯一不爽的是部署項目前要先安裝好這個工具。

清爽指數：★★★★　　　　功能指數：★★★★

3.         PuppeteerSharp

這個就更厲害了，說到這個就不得不先介紹下Puppeteer，因為PuppeteerSharp正是從Puppeteer衍生而來。

Puppeteer是由谷歌開源的一個Node項目，它提供了和Chrome DevTools的通信能力，基本上我們能在Chrome實現的操作通過它的API都可以實現，強大到讓你不敢相信。主要的應用有：

• 生成頁面快照（圖片、PDF）
• 爬蟲，網站內容抓取
• 自動化測試（模擬鍵盤鼠標輸入，表單提交，UI測試等）
• 網站性能分析（追蹤，時間線捕獲等）

開源地址是https://github.com/GoogleChrome/puppeteer

在Node項目中使用Puppeteer非常簡單，先安裝npm包：

npm i puppeteer

安裝過程可能會有點慢，因為在安裝的時候會下載一個最近版本的Chromium（Mac下大概170M，Linux下大概282M，Windows下大概280M）。當然，如果你本地已經有一個Chromium，可以設置npm的全局配置PUPPETEER_SKIP_CHROMIUM_DOWNLOAD 跳過下載，然後在程序中手動指定Chromium的位置。

生成圖片和PDF文件例子：

const puppeteer = require('puppeteer');

(async () => {
  const browser = await puppeteer.launch();
  const page = await browser.newPage();
  await page.goto('https://www.baidu.com');
  await page.screenshot({path: 'baidu.png'});
  await page.pdf({path: 'baidu.pdf', format: 'A4'});
  await browser.close();
})(); 

Puppeteer默認使用無界面模式（headless：true），如果想看到完整的瀏覽器界面，可以通過下面的設置開啟：

  const browser = await puppeteer.launch({headless: false});

Puppeteer提供了豐富的選擇器接口，可以輕鬆實現模擬輸入和鼠標點擊，例如：

  await page.type('#index-kw', 'cnblogs');
  await page.click('#index-bn');

      還支持指定使用設備：

  const devices = require('puppeteer/DeviceDescriptors');
  await page.emulate(devices['iPhone 8']);

      詳細的API文檔可以參考：https://github.com/GoogleChrome/puppeteer/blob/master/docs/api.md

Puppeteer確實非常強大，但由於它是一個Node包無法直接在C#項目中使用，那怎麼辦呢？好在有國外的大神把Puppeteer移植到了.Net平台，也就是PuppeteerSharp。

注意：PuppeteerSharp是基於NetStandard 2.0開發的，所以項目的平台最低版本要是.NET Framework 4.6.1和.NET Core 2.0。

首先通過nuget安裝：

PM > Install-Package PuppeteerSharp

導入命名空間：

  using PuppeteerSharp;

下面是我在ASP.NET Core 2.1下封裝的測試方法：

        [HttpPost, Route("page2img")]
        public async Task<string> PageToImage(string url, int? width, int? height)
        {
            await new BrowserFetcher().DownloadAsync(BrowserFetcher.DefaultRevision);
            var browser = await Puppeteer.LaunchAsync(new LaunchOptions
            {
                Headless = true,
                //ExecutablePath="",
                Args = new string[] { "--no-sandbox" }
            });
            var page = await browser.NewPageAsync();
            bool fullPage = true;
            if (width.HasValue && height.HasValue)
            {
                await page.SetViewportAsync(new ViewPortOptions
                {
                    Width = width.Value,
                    Height = height.Value
                });
                fullPage = false;
            }
            await page.GoToAsync(System.Web.HttpUtility.UrlDecode(url));
            string fileName = $"/Files/{Guid.NewGuid().ToString()}.png";
            await page.ScreenshotAsync($"{AppDomain.CurrentDomain.BaseDirectory}{fileName}", new ScreenshotOptions { FullPage = fullPage });
            return $"{Request.Host.ToString()}{fileName}";
        }

上面方法的第一行：

  await new BrowserFetcher().DownloadAsync(BrowserFetcher.DefaultRevision);

程序會判斷本地環境有沒有可用的Chromium，如果沒有的話會自動下載一個默認版本的Chromium，這個過程可能會有點長，下載成功後會在項目根目錄多一個這樣的文件夾：

和前面說的一樣，如果本地已經下載過Chromium，可以通過LaunchOptions的ExecutablePath字段指定一個目錄。目前PuppeteerSharp在網上的資料還不是很多，但是得益於它與Puppeteer高度完整和相似的API，Puppeteer的文檔對它基本都能適用。

總體來說，這個工具功能強大並且比較穩定（我在Windows和Linux下都測試通過），是一個不錯的選擇，但是由於它必須依賴於Chromium來運行，打包部署並不是很方便，我建議把它作為一個獨立的web服務。

清爽指數：★★★　　　　功能指數：★★★★★

4.         IronPdf

    除了一些開源的項目和工具能提供HTML轉圖片或PDF的功能，很多商業軟件公司也提供了這樣的產品，IronPdf算是裏面比較有代表性的一個。和其他收費軟件不同的是，IronPdf有一個對開發者免費試用的license：

    IronPdf的主要特性包括：

• 任何類型的HTML文件、代碼片段、URL生成PDF
• PDF編輯
• 圖片與PDF互轉
• 支持HTML5和CSS3，支持響應式布局，支持JS腳本，豐富的配置選項
• 支持C#、VB、Webform、ASP.NET MVC、.NET CORE

    我們可以在官網下載DLL文件直接引用到項目，也可以通過nuget來安裝：

PM > Install-Package IronPdf

    導入命名空間：

  using IronPdf;

    一個最簡單的例子：

// Create a PDF from any existing web page
var Renderer = new IronPdf.HtmlToPdf();
Renderer.PrintOptions.EnableJavaScript = true;
Renderer.PrintOptions.PaperOrientation = IronPdf.PdfPrintOptions.PdfPaperOrientation.Landscape;
var PDF = Renderer.RenderUrlAsPdf("https://www.baidu.com");
PDF.SaveAs("baidu.pdf");

// This neat trick opens our PDF file so we can see the result
System.Diagnostics.Process.Start("baidu.pdf");

    添加水印：

  pdf.WatermarkAllPages("<h2 style='color:red'>SAMPLE</h2>", PdfDocument.WaterMarkLocation.MiddleCenter, 50, -45, "https://www.baidu.com");

    用圖片生成PDF文檔：

// Select one or more images.  This example selects all JPEG images in a specific folder.
var ImageFiles = Directory.EnumerateFiles(@"C:\project\assets").Where(f => f.EndsWith(".jpg") || f.EndsWith(".jpeg"));

// Convert the images to a PDF and save it.
ImageToPdfConverter.ImageToPdf(ImageFiles).SaveAs(@"C:\project\composite.pdf");

    更多高級功能和配置可以參考官網例子：https://ironpdf.com/examples/image-to-pdf/

　清爽指數：★★★★　　　　功能指數：★★★★

寫在最後

    以上幾種方式，都是我在本次實踐中總結出來的，可能不是很全面，歡迎大家不吝補充。

    遺憾的是，最終項目沒有用上面的任何一種方式，而是抓取到HTML內容後用正則解析，然後用Bitmap一點一點重新畫圖生成圖片文件保存。因為我要截取的頁面內容很少，就是一個簡單的电子處方箋，需求上也沒有要求必須完全和原網頁100%一致，繪圖也算是一個不錯的方案，但是缺點是一旦HTML結構或樣式發生變化，那這套東西就失效了，好在這個不會輕易變更，也算是一個折中方案。

【精選推薦文章】

智慧手機時代的來臨，RWD網頁設計已成為網頁設計推薦首選

想知道網站建置、網站改版該如何進行嗎?將由專業工程師為您規劃客製化網頁設計及後台網頁設計

帶您來看台北網站建置，台北網頁設計，各種案例分享

廣告預算用在刀口上，網站設計公司幫您達到更多曝光效益

一、基礎概念

多線程的學習從一些概念開始，進程和線程，併發與并行，同步與異步，高併發。

1.1 進程與線程

幾乎所有的操作系統都支持同時運行期多個任務，所有運行中的任務通常就是一個進程，進程是處於運行過程中的程序，進程是操作系統進行資源分配和調度的一個獨立單位。

進程有三個如下特徵：

• 獨立性：進程是系統中獨立存在的實體，它可以擁有自己獨立的資源，每一個進程都擁有自己私有的地址空間。在沒有經過進程本身允許的情況下，一個用戶進程不可以直接訪問其他進程的地址空間。

• 動態性：進程與程序的區別在於，程序只是一個靜態的指令集合，而進程是一個正在系統中活動的指令集合。在進程中加入了時間的概念，進程具有自己的生命周期和各種不同的狀態，這些概念在程序中部是不具備的。

• 併發性：多個進程可以在單個處理器上併發執行，多個進程之間不會互相影響。

線程是進程的組成部分，一個進程可以擁有多個線程，而線程必須有一個父進程，線程可以有自己的堆棧、自己的程序計數器和自己的局部變量，但不擁有系統資源。比如使用QQ時，我們可以同事傳文件，發送圖片，聊天，這就是多個線程在進行。

線程可以完成一定的任務，線程能夠獨立運行的，它不知道有其他線程的存在，線程的執行是搶佔式的，當前線程隨時可能被掛起。

總之：一個程序運行后至少有一個進程，一個進程里可以有多個線程，但至少要有一個線程。

1.2 併發和并行

併發和并行是比較容易混淆的概念，他們都表示兩個或者多個任務一起執行，但併發側重多個任務交替執行，同一時刻只能有一條指令執行，但多個進程指令被快速輪換執行，使得在宏觀上具有多個進程同時執行的效果。而并行確實真正的同時執行，有多條指令在多個處理器上同時執行，并行的前提條件就是多核CPU。

1.3 同步和異步

同步和異步通常用來形容一次方法調用。同步方法調用一旦開始，調用者必須等到方法調用返回后，才能繼續後續的行為。異步方法調用更像一個消息傳遞，一旦開始，方法調用就會立即返回，調用者可以繼續後續的操作。

1.4 高併發

高併發一般是指在短時間內遇到大量操作請求，非常具有代表性的場景是秒殺活動與搶票，高併發是互聯網分佈式系統架構設計中必須考慮的因素之一，高併發相關常用的一些指標有響應時間（Response Time），吞吐量（Throughput），每秒查詢率QPS（Query Per Second），併發用戶數等。

多線程在這裏只是在同/異步角度上解決高併發問題的其中的一個方法手段，是在同一時刻利用計算機閑置資源的一種方式

1.5 多線程的好處

線程在程序中是獨立的、併發的執行流，擁有獨立的內存單元，多個線程共享父進程里的全部資源，線程共享的環境有進程的代碼段，進程的公有數據等，利用這些共享數據,線程很容易實現相互之間的通信，可以提高程序的運行效率。

多線程的好處主要有：

• 進程之間不能共享內存，但線程之間共享內存非常容易。

• 系統創建進程時需要給進程重新分配系統資源，但創建線程代價小得多，所以使用多線程實現多任務併發比多進程效率高

• Java語言內置了多線程功能支持。

二、使用多線程

上面講了多線程的一些概念，都有些抽象，下面將學習如何使用多線程,創建多線程的方式有三種。

2.1 繼承Thread類創建

繼承Thread創建並啟動多線程有三個步驟：

1. 定義類並繼承Thread,重寫run()方法,run()方法中為需要多線程執行的任務。

2. 創建該類的實例，即創建了線程對象。

3. 調用實例的start()方法啟動線程。

public class FirstThread extends Thread {

    private int i=0;
    public void run() {
        for (; i < 100; i++) {
            //獲取當前線程名稱
            System.out.println(this.getName() + " " + i);
        }
    }

    public static void main(String[] args) {
        for (int i = 0; i < 100; i++) {
            //Thread的靜態方法currentThread，獲取當前線程
            System.out.println(Thread.currentThread().getName());
            if (i == 20) {
                //創建線程並啟動
                new FirstThread().start();
                new FirstThread().start();
            }

        }
    }
}

運行結果可以看到兩個線程的i並不是連續的，說明他們並不共享數據。

2.2 實現Runnable接口

實現Runnable接口創建並啟動多線程也有以下步驟：

1. 定義類並繼承Runnable接口,重寫run()方法,run()方法中為需要多線程執行的任務。

2. 創建該類的實例，並以此實例作為target為參數來創建Thread對象，這個Thread對象才是真正的多線程對象。

public class SecondThread implements Runnable {
    private int i = 0;
    
    @Override
    public void run() {
        for (; i < 100; i++) {
            //此時想要獲取到多線程對象，只能使用Thread.currentThread()方法
            System.out.println(Thread.currentThread().getName() + " " + i);
        }
    }

    public static void main(String[] args) {
        for (int i = 0; i < 100; i++) {
            //Thread的靜態方法currentThread，獲取當前線程
            System.out.println(Thread.currentThread().getName());
            if (i == 20) {
                //創建線程並啟動
                SecondThread secondThread=new SecondThread();
                new Thread(secondThread,"線程一").start();
                new Thread(secondThread,"線程二").start();
            }

        }
    }
}

2.3 使用Callable和Future

Callable是Runnable的增加版，主要是接口中的call()方法可以有返回值，並且可以申明拋出異常，使用Callable創建的步驟如下：

1. 定義類並繼承Callable接口,重寫call()方法,run()方法中為需要多線程執行的任務。

2. 創建類實例，使用FutureTask來包裝對象實例，

3. 使用FutureTask對象作為Thread的target來創建多線程，並啟動線程。

4. 調用FutureTask對象的get()方法來獲取子線程結束后的返回值。

public class ThirdThread {

    public static void main(String[] args) {
        //使用lambda表達式
        FutureTask<Integer> task = new FutureTask<>((Callable<Integer>) () -> {
            int i = 0;
            for (; i < 100; i++) {
                System.out.println(Thread.currentThread().getName() + "的循環變量i的值：" + i);
            }
            return i;
        });
        for (int i = 0; i < 100; i++) {
            //Thread的靜態方法currentThread，獲取當前線程
            System.out.println(Thread.currentThread().getName());
            if (i == 20) {
                //創建線程並啟動
                new Thread(task, "有返回值的線程").start();
            }
        }
        try {
            System.out.println("線程的返回值：" + task.get());
        } catch (InterruptedException e) {
            e.printStackTrace();
        } catch (ExecutionException e) {
            e.printStackTrace();
        }
    }
}

這裏使用了lambda表達式，不使用表達式的方式也很簡單，可以去源碼中查看。Callable與Runnable方式基本相同，只不過增加了返回值且可允許聲明拋出異常。

使用三種方式都可以創建線程，且方式也相對簡單，大體分為實現接口和實現Thread類兩種，這兩種都各有優缺點。

繼承接口實現:

• 優點：除了繼承接口之外，還可以繼承其他類。這種方式多個線程共享一個target對象，可以處理用於共同資源的情況。
• 缺點：編程稍微複雜一些，並且沒有直接獲取當前線程對象的方式，必須使用Thread.currentThread()方式。

基礎Thread類:

• 優點：編程簡單

• 缺點：不能繼承其他類

三、多線程的生命周期

線程狀態是線程中非常重要的一個概念，然而我看過很多資料，線程的狀態理解有很多種方式，很多人將其分為五個基本狀態：新建、就緒、運行、阻塞、死亡，但在狀態枚舉中並不是這五個狀態，我不知道是什麼原因（有大神可以解答更好），只能按照枚舉中的狀態根據自己的理解。

1. 初始(NEW)：新創建了一個線程對象，但還沒有調用start()方法，而且就算調用了改方法也不代表狀態立即改變。

2. 運行(RUNNABLE)：在運行的狀態肯定就處於RUNNABLE狀態。

3. 阻塞(BLOCKED)：表示線程阻塞，或者說線程已經被掛起了。

4. 等待(WAITING)：進入該狀態的線程需要等待其他線程做出一些特定動作（通知或中斷）。

5. 超時等待(TIMED_WAITING)：該狀態不同於WAITING，它可以在指定的時間后自行返回。

6. 終止(TERMINATED)：表示該線程已經執行完畢。

狀態流程圖如下：

理解：初始狀態很好理解，這個時候其實還不能被稱為一個線程，因為他還沒被啟動，當調用start()方法后，線程正式啟動，但是也不代表立即就改變了狀態。

運行狀態中其實包含兩種狀態，運行中（RUNING）和就緒（READY）。

就緒狀態表示你有資格運行，只要CPU還未調度到你，就處於就緒狀態，有幾個狀態會是線程狀態編程就緒狀態

• 調用線程的start()方法。

• 當前線程sleep()方法結束，其他線程join()結束，等待用戶輸入完畢，某個線程拿到對象鎖。

• 當前線程時間片用完了，調用當前線程的yield()方法。

• 鎖池裡的線程拿到對象鎖后。

運行中（RUNING）狀態比較好理解，線程調度程序選擇了當前線程作。

阻塞狀態是線程阻塞在進入synchronized關鍵字修飾的方法或代碼塊(獲取鎖)時的狀態。

等待狀態是指線程沒有被CPU分配執行時間，需要等待，這種等待是需要被显示的喚醒，否則會無限等待下去。

超時等待狀態是這現在沒有被CPU分配執行時間，需要等待，不過這種等待不需要被显示的喚醒，會設置一定的時間后zi懂喚醒。

死亡狀態也很好理解，說明線程方法被執行完成，或者出錯了，線程一旦進入這個狀態就代表徹底的結束

【精選推薦文章】

智慧手機時代的來臨，RWD網頁設計已成為網頁設計推薦首選

想知道網站建置、網站改版該如何進行嗎?將由專業工程師為您規劃客製化網頁設計及後台網頁設計

帶您來看台北網站建置，台北網頁設計，各種案例分享

廣告預算用在刀口上，網站設計公司幫您達到更多曝光效益

Metrics API

介紹Metrics-Server之前，必須要提一下Metrics API的概念

Metrics API相比於之前的監控採集方式(hepaster)是一種新的思路，官方希望核心指標的監控應該是穩定的，版本可控的，且可以直接被用戶訪問(例如通過使用 kubectl top 命令)，或由集群中的控制器使用(如HPA)，和其他的Kubernetes APIs一樣。

官方廢棄heapster項目，就是為了將核心資源監控作為一等公民對待，即像pod、service那樣直接通過api-server或者client直接訪問，不再是安裝一個hepater來匯聚且由heapster單獨管理。

假設每個pod和node我們收集10個指標，從k8s的1.6開始，支持5000節點，每個節點30個pod，假設採集粒度為1分鐘一次，則：

10 x 5000 x 30 / 60 = 25000 平均每分鐘2萬多個採集指標

因為k8s的api-server將所有的數據持久化到了etcd中，顯然k8s本身不能處理這種頻率的採集，而且這種監控數據變化快且都是臨時數據，因此需要有一個組件單獨處理他們，k8s版本只存放部分在內存中，於是metric-server的概念誕生了。

其實hepaster已經有暴露了api，但是用戶和Kubernetes的其他組件必須通過master proxy的方式才能訪問到，且heapster的接口不像api-server一樣，有完整的鑒權以及client集成。這個api現在還在alpha階段（18年8月），希望能到GA階段。類api-server風格的寫法：generic apiserver​

有了Metrics Server組件，也採集到了該有的數據，也暴露了api，但因為api要統一，如何將請求到api-server的/apis/metrics請求轉發給Metrics Server呢，解決方案就是：kube-aggregator,在k8s的1.7中已經完成，之前Metrics Server一直沒有面世，就是耽誤在了kube-aggregator這一步。

kube-aggregator（聚合api）主要提供：

• Provide an API for registering API servers.

• Summarize discovery information from all the servers.

• Proxy client requests to individual servers.

詳細設計文檔：參考鏈接​

metric api的使用：

• Metrics API 只可以查詢當前的度量數據，並不保存歷史數據

• Metrics API URI 為 /apis/metrics.k8s.io/，在 k8s.io/metrics 維護

• 必須部署 metrics-server 才能使用該 API，metrics-server 通過調用 Kubelet Summary API 獲取數據

如：

http://127.0.0.1:8001/apis/metrics.k8s.io/v1beta1/nodes
​
http://127.0.0.1:8001/apis/metrics.k8s.io/v1beta1/nodes/<node-name>
​
http://127.0.0.1:8001/apis/metrics.k8s.io/v1beta1/namespace/<namespace-name>/pods/<pod-name>

Metrics-Server

Metrics server定時從Kubelet的Summary API(類似/ap1/v1/nodes/nodename/stats/summary)採集指標信息，這些聚合過的數據將存儲在內存中，且以metric-api的形式暴露出去。

Metrics server復用了api-server的庫來實現自己的功能，比如鑒權、版本等，為了實現將數據存放在內存中嗎，去掉了默認的etcd存儲，引入了內存存儲（即實現Storage interface)。因為存放在內存中，因此監控數據是沒有持久化的，可以通過第三方存儲來拓展，這個和heapster是一致的。

Metrics server出現后，新的​Kubernetes 監控架構將變成上圖的樣子

• 核心流程（黑色部分）：這是 Kubernetes正常工作所需要的核心度量，從 Kubelet、cAdvisor 等獲取度量數據，再由metrics-server提供給 Dashboard、HPA 控制器等使用。

• 監控流程（藍色部分）：基於核心度量構建的監控流程，比如 Prometheus 可以從 metrics-server 獲取核心度量，從其他數據源（如 Node Exporter 等）獲取非核心度量，再基於它們構建監控告警系統。

官方地址：https://github.com/kubernetes-incubator/metrics-server

部署

mkdir metrics;cd metics
git clone https://github.com/kubernetes-incubator/metrics-server.git
cd metrics-server/deploy/1.8+/

 修改metrics-server-deployment.yaml，紅色command部分。

---
apiVersion: v1
kind: ServiceAccount
metadata:
  name: metrics-server
  namespace: kube-system
---
apiVersion: extensions/v1beta1
kind: Deployment
metadata:
  name: metrics-server
  namespace: kube-system
  labels:
    k8s-app: metrics-server
spec:
  selector:
    matchLabels:
      k8s-app: metrics-server
  template:
    metadata:
      name: metrics-server
      labels:
        k8s-app: metrics-server
    spec:
      serviceAccountName: metrics-server
      volumes:
      # mount in tmp so we can safely use from-scratch images and/or read-only containers
      - name: tmp-dir
        emptyDir: {}
      containers:
      - name: metrics-server
        image: k8s.gcr.io/metrics-server-amd64:v0.3.3
        command:
        - /metrics-server
        - --metric-resolution=30s
        - --kubelet-preferred-address-types=InternalIP,Hostname,InternalDNS,ExternalDNS,ExternalIP
        - --kubelet-insecure-tls
        imagePullPolicy: Always
        volumeMounts:
        - name: tmp-dir
          mountPath: /tmp

 創建

[root@cn-hongkong 1.8+]# kubectl apply -f .
clusterrole.rbac.authorization.k8s.io/system:aggregated-metrics-reader unchanged
clusterrolebinding.rbac.authorization.k8s.io/metrics-server:system:auth-delegator unchanged
rolebinding.rbac.authorization.k8s.io/metrics-server-auth-reader unchanged
apiservice.apiregistration.k8s.io/v1beta1.metrics.k8s.io unchanged
serviceaccount/metrics-server unchanged
deployment.extensions/metrics-server configured

 等待一會就可以看下集群的資源使用情況了！

【精選推薦文章】

自行創業 缺乏曝光? 下一步"網站設計"幫您第一時間規劃公司的門面形象

網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司，幫您輕鬆架站!

評比前十大台北網頁設計、台北網站設計公司知名案例作品心得分享

台北網頁設計公司這麼多，該如何挑選?? 網頁設計報價省錢懶人包"嚨底家"

寫在前邊

在搭建Logstash多節點之前，想到就算先搭好Logstash啟動會因為日誌無法連接到Kafka Brokers而無限重試，所以這裏先構建下Zookeeper集群管理的Kafka集群。

眾所周知，Zookeeper是一個高效的分佈式協調中間件，可以提供配置信息管理、命名、分佈式同步（分佈式鎖）、集群管理、數據庫切換等服務。這裏主要用它的集群管理功能，它可以確保在網絡狀態不一致，選出一致的Master節點。它是Apache下的一個Java項目，隸屬於Hadroop系統，正如其名”動物管理員”，作為管理員的角色存在。

有興趣了解zookeeper的原理，可以學習Paxos協議與Zab協議。

ps: Hadroop系統下基本上所有的軟件都是動物命名的

在這裏，我們將使用Zookeeper來管理Kafka集群，Kafka是一種消息隊列（Message Queue）中間件，具有高併發、高吞吐量、容錯性強、可擴展等優點。在ELK日誌系統中使用Kafka作為數據的緩衝層，提高了系統的性能與穩定性。

正好今天通過翻看兩者官方的文檔與其Docker鏡像的文檔，終於搭建成功，遂記之分享諸君。鑒於水平有限，如有寫得不對的地方，歡迎大家指正。

本文搭建架構圖

說明：

Zookeeper搭建成集群后，提供命名服務與集群協調服務，Kafka的節點Broker通過domain與ip進行註冊到Zookeeper集群中，通過Zookeeper的協調能力，選出唯一的Leader節點，集群服務啟動並對外提供服務。

環境準備

• GNU/Debian Stretch 9.9 linux-4.19
• Docker 18.09.6
• Docker-Compose 1.17.1

目錄結構

├── docker-kafka-cluster
│   ├── docker-kafka-cluster-down.sh
│   ├── docker-kafka-cluster-up.sh
│   ├── kafka-01
│   │   ├── docker-compose.yml
│   │   └── .env
│   ├── kafka-02
│   │   ├── docker-compose.yml
│   │   └── .env
│   ├── kafka-03
│   │   ├── docker-compose.yml
│   │   └── .env
│   └── kafka-manager
│       ├── docker-compose.yml
│       └── .env
└── docker-zookeeper-cluster
    ├── docker-zk-cluster-down.sh
    ├── docker-zk-cluster-up.sh
    ├── zk-01
    │   ├── docker-compose.yml
    │   └── .env
    ├── zk-02
    │   ├── docker-compose.yml
    │   └── .env
    └── zk-03
        ├── docker-compose.yml
        └── .env

docker-zookeeper-cluster源碼參見我的Git倉庫 https://github.com/hellxz/docker-zookeeper-cluster.git

docker-kafka-cluster源碼參見我的Git倉庫 https://github.com/hellxz/docker-kafka-cluster.git

各節點容器說明列表

Zookeeper集群

Kafka集群

各文件內容說明

Zookeeper部分

docker-zookeeper-cluster/zk-01目錄下的.env

.env配置文件為docker-compose.yml提供了多個zookeeper的發現服務節點列表

配置格式為 server.x=x節點主機ip:隨從端口:選舉端口;客戶端口 其中x為ZOO.MY.ID的數值，客戶端口前是;

# set args to docker-compose.yml by default
# set zookeeper servers, pattern is `server.x=ip:follower-port:election-port;client:port`,
# such as "server.1=192.168.1.1:2888:3888;2181 server.2=192.168.1.2:2888:3888;2181", 
# `x` is the `ZOO.MY.ID` in docker-compose.yml, multiple server separator by white space.
# now you can overide the ip for server.1 server.2 server.3, here demonstrate in one machine so ip same.
ZOO_SERVERS=server.1=10.2.114.110:2888:3888;2181 server.2=10.2.114.111:2889:3889;2182 server.3=10.2.114.112:2890:3890;2183

docker-zookeeper-cluster/zk-01目錄下的docker-compose.yml

version: '3'
services:
    zk-01:
        image: zookeeper:3.5.5
        restart: always
        container_name: zk-01
        ports:
            - 2181:2181 # client port
            - 2888:2888 # follower port
            - 3888:3888 # election port
        environment:
            ZOO_MY_ID: 1 # this zookeeper's id, and others zookeeper node distinguishing
            ZOO_SERVERS: ${ZOO_SERVERS} # zookeeper services list
        network_mode: "host"

Kafka部分

以kafka-01目錄下的.env 為例

.env配置文件為docker-compose.yml提供了多個zookeeper的ip:client-port列表

# default env for kafka docker-compose.yml
# set zookeeper cluster, pattern is "zk1-host:port,zk2-host:port,zk3-host:port", use a comma as multiple servers separator.
ZOO_SERVERS=10.2.114.110:2181,10.2.114.111:2182,10.2.114.112:2183

以kafka-01目錄下的docker-compose.yml，為docker-compse的配置文件

version: "3"
services:
    kafka-1:
        image: wurstmeister/kafka:2.12-2.1.1
        restart: always
        container_name: kafka-1
        environment:
            - KAFKA_BROKER_ID=1 #kafka的broker.id，區分不同broker
            - KAFKA_LISTENERS=PLAINTEXT://kafka1:9092 #綁定監聽9092端口
            - KAFKA_ADVERTISED_LISTENERS=PLAINTEXT://kafka1:9092 #綁定發布訂閱的端口
            - KAFKA_ZOOKEEPER_CONNECT=${ZOO_SERVERS} #連接zookeeper的服務地址
            - KAFKA_MESSAGE_MAX_BYTES=2000000 #單條消息最大字節數
            #- KAFKA_CREATE_TOPICS=Topic1:1:3,Topic2:1:1:compact #創建broker時創建的topic:partition-num:replica-num[:clean.policy]
        network_mode: "host"

KAFKA_CREATE_TOPICS使用官方說明：Topic 1 will have 1 partition and 3 replicas, Topic 2 will have 1 partition, 1 replica and a cleanup.policy set to compact. 文檔地址：https://hub.docker.com/r/wurstmeister/kafka

Zookeeper集群使用

1. 請確保所布署的 1~3 台服務器網絡可以ping通
2. 確保第一台主機的2181\2888\3888端口未佔用，第二台主機的2182\2889\3889端口未佔用，第三台主機的2183\2890\3890端口未佔用
3. 複製zk-01到第一台主機、複製zk-02到第二台主機、複製zk-03到第三台主機
4. 修改zk-01\zk-02\zk-03目錄下的.env中的ZOO_SERVERS的值，按上述配置要求修改。修改完后的配置應該是集群內通用的，可以scp複製過去。
5. 單台主機請為docker-zk-cluster-up.sh與docker-zk-cluster-down.sh授執行權，使用它們進行up和down操作；多台主機請手動分別進入zk-0x目錄，執行docker-compose up -d以啟動，執行docker-compose down以關閉。

Kafka集群使用

1. 使用前確保各主機可以互相ping通

2. 確保zookeeper的服務列表與各對應的zookeeper的ip與客戶端口相同，如不同注意修改.env，集群中.env文件相同，可scp複製

3. 確保zookeeper集群啟動

4. 複製kafka-01到第一台主機、複製kafka-02到第二台主機、複製kafka-03到第三台主機

5. 確保這幾台主機對應的佔用端口號不被佔用 kafka-01對應9092、 kafka-02對應9093、kafka-03對應9094、kafka-manager對應19000

6. 分別對每一台kafka-0x所在的主機修改/etc/hosts，例

   10.2.114.110 kafka1
   10.2.114.111 kafka2
   10.2.114.112 kafka3

   其中每個主機只需要設置自己的主機上的host，比如我複製了kafka-01我就寫本機ip kafka1 ,依次類推.

7. 單台主機部署kafka集群請為docker-kafka-cluster-up.sh與docker-kafka-cluster-down.sh授執行權，不要移動目錄，通過這兩個shell腳本來啟動項目；多台主機請手動進入kafka-0x目錄下，執行docker-compose up -d以後台啟動，執行docker-compose down以移除容器

8. 啟動腳本中沒有啟動kafka-manager，有需要請自行啟動。為了匹配kafka的版本，使用時設置2.1.1即可。

文中配置部分的ip因使用同一台主機做的測試，所以ip相同，為了防止誤解，在文中已經修改了ip，具體詳見：

• docker-zookeeper-cluster源碼 https://github.com/hellxz/docker-zookeeper-cluster.git

• docker-kafka-cluster源碼 https://github.com/hellxz/docker-kafka-cluster.git

本文系原創文章，謝絕轉載

【精選推薦文章】

自行創業 缺乏曝光? 下一步"網站設計"幫您第一時間規劃公司的門面形象

網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司，幫您輕鬆架站!

評比前十大台北網頁設計、台北網站設計公司知名案例作品心得分享

台北網頁設計公司這麼多，該如何挑選?? 網頁設計報價省錢懶人包"嚨底家"

我認為雙指針技巧還可以分為兩類，一類是「快慢指針」，另一類是「左右指針」。前者解決主要解決鏈表中的問題，比如典型的判定鏈表中是否包含環；後者主要解決數組（或者字符串）中的問題，比如二分查找。

一、快慢指針的常見算法

快慢指針一般都初始化指向鏈表的頭結點 head，前進時快指針 fast 在前，慢指針 slow 在後，巧妙解決一些鏈表中的問題。

1、判定鏈表中是否含有環

這應該屬於鏈表最基本的操作了，如果讀者已經知道這個技巧，可以跳過。

單鏈表的特點是每個節點只知道下一個節點，所以一個指針的話無法判斷鏈表中是否含有環的。

如果鏈表中不包含環，那麼這個指針最終會遇到空指針 null 表示鏈表到頭了，這還好說，可以判斷該鏈表不含環。

boolean hasCycle(ListNode head) {
    while (head != null)
        head = head.next;
    return false;
}

但是如果鏈表中含有環，那麼這個指針就會陷入死循環，因為環形數組中沒有 null 指針作為尾部節點。

經典解法就是用兩個指針，一個每次前進兩步，一個每次前進一步。如果不含有環，跑得快的那個指針最終會遇到 null，說明鏈表不含環；如果含有環，快指針最終會超慢指針一圈，和慢指針相遇，說明鏈表含有環。

boolean hasCycle(ListNode head) {
    ListNode fast, slow;
    fast = slow = head;
    while(fast != null && fast.next != null) {
        fast = fast.next.next;
        slow = slow.next;
        
        if (fast == slow)
            return true;
    }
    return false;
}

2、已知鏈表中含有環，返回這個環的起始位置

這個問題其實不困難，有點類似腦筋急轉彎，先直接看代碼：

ListNode detectCycle(ListNode head) {
    ListNode fast, slow;
    fast = slow = head;
    while (fast != null && fast.next != null) {
        fast = fast.next.next;
        slow = slow.next;
        if (fast == slow)
            break;
    }
    
    slow = head;
    while (slow != fast) {
        fast = fast.next;
        slow = slow.next;
    }
    return slow;
}

可以看到，當快慢指針相遇時，讓其中任一個指針重新指向頭節點，然後讓它倆以相同速度前進，再次相遇時所在的節點位置就是環開始的位置。這是為什麼呢？

第一次相遇時，假設慢指針 slow 走了 k 步，那麼快指針 fast 一定走了 2k 步，也就是說比 slow 多走了 k 步（也就是環的長度）。

設相遇點距環的起點的距離為 m，那麼環的起點距頭結點 head 的距離為 k – m，也就是說如果從 head 前進 k – m 步就能到達環起點。

巧的是，如果從相遇點繼續前進 k – m 步，也恰好到達環起點。

所以，只要我們把快慢指針中的任一個重新指向 head，然後兩個指針同速前進，k – m 步后就會相遇，相遇之處就是環的起點了。

3、尋找鏈表的中點

類似上面的思路，我們還可以讓快指針一次前進兩步，慢指針一次前進一步，當快指針到達鏈表盡頭時，慢指針就處於鏈表的中間位置。

ListNode slow, fast;
slow = fast = head;
while (fast != null && fast.next != null) {
    fast = fast.next.next;
    slow = slow.next;
}
// slow 就在中間位置
return slow;

當鏈表的長度是奇數時，slow 恰巧停在中點位置；如果長度是偶數，slow 最終的位置是中間偏右：

尋找鏈表中點的一個重要作用是對鏈表進行歸併排序。

回想數組的歸併排序：求中點索引遞歸地把數組二分，最後合併兩個有序數組。對於鏈表，合併兩個有序鏈表是很簡單的，難點就在於二分。

但是現在你學會了找到鏈表的中點，就能實現鏈表的二分了。關於歸併排序的具體內容本文就不具體展開了。

4、尋找鏈表的倒數第 k 個元素

我們的思路還是使用快慢指針，讓快指針先走 k 步，然後快慢指針開始同速前進。這樣當快指針走到鏈表末尾 null 時，慢指針所在的位置就是倒數第 k 個鏈表節點（為了簡化，假設 k 不會超過鏈表長度）：

ListNode slow, fast;
slow = fast = head;
while (k-- > 0) 
    fast = fast.next;

while (fast != null) {
    slow = slow.next;
    fast = fast.next;
}
return slow;

二、左右指針的常用算法

左右指針在數組中實際是指兩個索引值，一般初始化為 left = 0, right = nums.length – 1 。

1、二分查找

前文 二分查找算法詳解 有詳細講解，這裏只寫最簡單的二分算法，旨在突出它的雙指針特性：

int binarySearch(int[] nums, int target) {
    int left = 0;
    int right = nums.length - 1;
    while(left <= right) {
        int mid = (right + left) / 2;
        if (nums[mid] == target)
            return mid;
        else if (nums[mid] < target)
            left = mid + 1;
        else if (nums[mid] > target)
            right = mid - 1;
    }
}

2、兩數之和

直接看一道 LeetCode 題目吧：

只要數組有序，就應該想到雙指針技巧。這道題的解法有點類似二分查找，通過調節 left 和 right 可以調整 sum 的大小：

3、反轉數組

void reverse(int[] nums) {
    int left = 0;
    int right = nums.length - 1;
    while (left < right) {
        // swap(nums[left], nums[right])
        int temp = nums[left];
        nums[left] = nums[right];
        nums[right] = temp;
        left++;
        right--;
    }
}

4、滑動窗口算法

這也許是雙指針技巧的最高境界了，如果掌握了此算法，可以解決一大類子字符串匹配的問題，不過「滑動窗口」算法比上述的這些算法稍微複雜些。

幸運的是，這類算法是有框架模板的，下篇文章就準備講解「滑動窗口」算法模板，幫大家秒殺幾道 LeetCode 子串匹配的問題。

【精選推薦文章】

智慧手機時代的來臨，RWD網頁設計已成為網頁設計推薦首選

想知道網站建置、網站改版該如何進行嗎?將由專業工程師為您規劃客製化網頁設計及後台網頁設計

帶您來看台北網站建置，台北網頁設計，各種案例分享

廣告預算用在刀口上，網站設計公司幫您達到更多曝光效益