Alby's blog

世上没有巧合,只有巧合的假象。

0%

一、概述

ASP.NETASP.NET Core 中,如果服务端得到一个 JSON 字符串(比如从 Redis 缓存中获取),我们可以通过 Content 方法或直接创建 ContentResult 对象来作为 Action 的返回值。

1
2
var json = "{\"key\": \"value\"}";
return Content(json, "application/json");
1
2
3
4
5
return new ContentResult
{
Content = json,
ContentType = "application/json"
};

而在 SignalR 中,在 ASP.NET Core 7.0 之前,对于一个 JSON 字符串只能先反序列化,否则 Web 前端得用 JSON.parse() 处理一次。

本文主要记录测试 RawResult 的结果。

阅读全文 »

一、概述

PUTPATCH 方法用于更新现有资源。 它们之间的区别是,PUT 会替换整个资源,而 PATCH 仅指定更改。

在 ASP.NET Core Web API 中,由于 C# 是一种静态语言(dynamic 在此不表),当我们定义了一个类型用于接收 HTTP Patch 请求参数的时候,在 Action 中无法直接从实例中得知客户端提供了哪些参数。

比如定义一个输入模型和数据库实体:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
public class PersonInput
{
public string? Name { get; set; }

public int? Age { get; set; }

public string? Gender { get; set; }
}

public class PersonEntity
{
public string Name { get; set; }

public int Age { get; set; }

public string Gender { get; set; }
}

再定义一个以 FromForm 形式接收参数的 Action:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
[HttpPatch]
[Route("patch")]
public ActionResult Patch([FromForm] PersonInput input)
{
// 测试代码暂时将 AutoMapper 配置放在方法内。
var config = new MapperConfiguration(cfg =>
{
cfg.CreateMap<PersonInput, PersonEntity>());
});
var mapper = config.CreateMapper();

// entity 从数据库读取,这里仅演示。
var entity = new PersonEntity
{
Name = "姓名", // 可能会被改变
Age = 18, // 可能会被改变
Gender = "我可能会被改变",
};

// 如果客户端只输入 Name 字段,entity 的 Age 和 Gender 将不能被正确映射或被置为 null。
mapper.Map(input, entity);

return Ok();
}
1
2
curl --location --request PATCH 'http://localhost:5094/test/patch' \
--form 'Name="foo"'

如果客户端只提供了 Name 而没有其他参数,从 HttpContext.Request.Form.Keys 可以得知这一点。如果不使用 AutoMapper,那么就需要使用丑陋的判断:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
[HttpPatch]
[Route("patch")]
public ActionResult Patch([FromForm] PersonInput input)
{
var keys = _httpContextAccessor.HttpContext.Request.Form.Keys.Select(m => m.ToLower());
var entity = new PersonEntity
{
Name = "姓名", // 可能会被改变
Age = 18, // 可能会被改变
Gender = "我可能会被改变",
};

if (keys.Contains("name"))
{
// 更新 Name(这里忽略合法性判断)
entity.Name = input.Name!;
}
if (keys.Contains("age"))
{
// 更新 Age(这里忽略合法性判断)
entity.Age = input.Age!.Value;
}
// ... 其他判断
return Ok();
}

本文提供一种方式来简化这个步骤。

阅读全文 »

一、概述

在有 CPUGPU 参与的一种运算中,比如深度学习推理,CPU 需要预处理数据,然后交给 GPU 处理,最后 CPU 对 GPU 的运算结果进行后处理
在整个过程中都是 FIFO,即数据 ABC 按顺序输入,也需要按 A’B’C’ 顺序输出。
如果采用同步阻塞的方式,在 CPU 预处理时 GPU 处于空闲状态,GPU 运算时 CPU 后处理处于空闲状态并且也不能进行后续数据的预处理。这样影响整体的吞吐。
期望是 GPU 运算时,CPU 可以同时进行数据预处理和后处理。这是典型的单生产者单消费者模式。

在两个线程之间传递数据时,为确保线程安全,可以在一个线程每次 mallocnew 申请内存,在另一个线程 freedelete。为了避免频繁的内存分配和释放,需要使用到内存池。

本文描述采用有界队列实现内存池,适用场景和限制:

  1. 需要把内存使用控制在一定范围内。
  2. 整个过程不允许丢弃数据。
  3. 单生产者和单消费者。即不会(也不允许)同时生产,不会(也不允许)同时消费。如果确实要多线程生产或多线程消费,本代码并不适用。
  4. 生产和消费之间线程安全。
阅读全文 »

一、准备工作

1、安装 node

1
brew install node

可以不预先安装 meson(ninjia), make 时会自动使用 pip 安装。故需确保安装了 python3

2、获取源码并安装 node 包

1
2
3
4
# 当前目录:/Users/alby/Workspace/OpenSource/Multimedia/versatica
git clone https://github.com/versatica/mediasoup
cd mediasoup
npm i
阅读全文 »

一、概述

Mediasoup 主要提供了 3 个库和 1 个 demo。

库名 说明
mediasoup 主要包含三部分。一是 worker 可执行程序,由 C++ 实现,是本系列分析的重点;二是 Node 库,由 TypeScript 实现;三是 Rust 库,和 Node 的主要不同在于它没有以进程方式而是以静态库方式使用 mediasoup-worker。
mediasoup-client Web 客户端库。TypeScript 实现。
libmediasoupclient Native 客户端库。C++ 实现。
mediasoup-demo 官方 Demo。
Examples 各种示例。

网络上对 mediasoup 的 Node.js 层——准确说是对官方的 mediasoup-demo 的源码分析比较多,对于 mediasoup-clientmediasoup-worker (之后简 worker) 等的源码详细分析相对较少。本人之前有将 GB28281 集成进 mediasoup 的想法并验证了可行性,以及使用 .Net 重新实现过 Node.js 层(含 mediasoup-client 和 mediasoup-demo),对 worker 的源码进行过比较粗略地浏览。最近基于想要弥补一些比较模糊的认知,并且 mediaoup 本身也在进化,故就再做了一次源码的梳理。

至于 mediasoup 是什么、能做什么、与其他 SFU 相较而言的优缺点、Demo 如何运行、为什么不用单一语言来实现等等讨论不是本系列关注的重点。

阅读全文 »

一、概述

有如下两种情况的 Nginx 端口映射:一是比如将 8001-801010 个端口映射到本机的 18001-1801010HTTP/HTTPS 服务上;二是反过来,比如将 10080,18001-1801011 个端口映射到本机的 80,8001-801011HTTP/HTTPS 服务上。

当然,对于 HTTP 服务,用 iptables 也是能够实现的。但是要做同一个域名下的批量端口的 SSL 反向代理的话,最直接的方式是在 nginx.conf 中写多个 server 配置块。这样会导致 nginx.conf 的内容过多。

如果批量端口如上面描述的那样有规律可循,则可以通过 server_port 变量来简化 nginx.conf

阅读全文 »

一、概述

基于电视节目的特征,包括视觉特征、音频特征、文本特征、压缩域特征等,对新闻节目进行结构化分析,然后采用视频分割技术将连续的视频流分割为具有特定语义的多个小视频,这就是电视新闻拆条。经过拆条后的电视新闻节目,可以用于互动电视、OTT、互联网视频等多种应用场景,满足了新媒体行业对视听节目碎片化的要求。

如果仅有音频数据需对其拆条,就只能主要通过音频特征和通过语音识别出来的文本特征了。

拆条需求是能够拆节目,也能够拆节目里的片段。比如新闻联播和新闻联播里每一条新闻。对应命名为整档拆条片段拆条

阅读全文 »