每天进步一点点

自动索引

SQLite 会在一定情况下创建一个自动索引用于帮助提高一个查询的效率，官方文档说明如下：

https://www.sqlite.org/schematab.html
The sqlite_schema.name column will hold the name of the object. (UNIQUE and PRIMARY KEY constraints on tables cause SQLite to create internal indexes with names of the form “sqlite_autoindex_TABLE_N” where TABLE is replaced by the name of the table that contains the constraint and N is an integer beginning with 1 and increasing by one with each constraint seen in the table definition. In a WITHOUT ROWID table, there is no sqlite_schema entry for the PRIMARY KEY, but the “sqlite_autoindex_TABLE_N” name is set aside for the PRIMARY KEY as if the sqlite_schema entry did exist. This will affect the numbering of subsequent UNIQUE constraints. The “sqlite_autoindex_TABLE_N” name is never allocated for an INTEGER PRIMARY KEY, either in rowid tables or WITHOUT ROWID tables.

简单翻译一下：

sqlite_schema.name 列将保存对象的名称。(表上的 UNIQUE 和 PRIMARY KEY 约束会使 SQLite 创建内部索引，其名称形式为 "sqlite_autoindex_TABLE_N"，其中 TABLE 被包含约束的表的名称所取代，N 是一个从 1 开始的整数，在表定义中看到的每个约束都加 1。在一个 WITHOUT ROWID 表中，没有用于主键的 sqlite_schema 条目，但是 "sqlite_autoindex_TABLE_N" 名称被设置为主键，就好像 sqlite_schema 条目确实存在一样。这将影响后续 UNIQUE 约束的编号。"sqlite_autoindex_TABLE_N" 名称永远不会分配给一个 [INTEGER PRIMARY KEY](https://www.sqlite.org/lang_createtable.html#rowid)，无论是在 rowid 表中还是没有 rowid 表中。

可以总结出来如下几条结论：

1. 表字段如果存在 UNIQUE 和 PRIMARY KEY 约束，那么 SQLite 会自动给字段创建 "sqlite_autoindex_TABLE_N" 索引；
2. 对于 PRIMARY KEY 约束，如果字段类型是 INTEGER，不会添加自动索引；
3. 在一个 WITHOUT ROWID 表中，主键的自动索引不会出现在 sqlite_master 表中 (可以在 pragma_index_list('TABLE') 中查看)。

实际例子看一下，如果本地没有条件，在 https://sqliteonline.com/ 可以在线直接执行查看效果。
先创建 users 和 posts 表：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

CREATE TABLE IF NOT EXISTS users
(
    id    integer not null
        primary key autoincrement,
    email TEXT    not null unique,
    name  TEXT
);

CREATE UNIQUE INDEX IF NOT EXISTS users_name_index
    ON users (name);


CREATE TABLE IF NOT EXISTS posts
(
    title   TEXT not null
        primary key,
    content TEXT
);

查看下索引情况：

1
2
3
4

SELECT a.type, a.name, tbl_name, b.name as col_name
FROM sqlite_master a, pragma_index_xinfo(a.name) b
WHERE type = 'index'
  and b.name is not null;

结果如下：

可以看到 users.id 并没有创建自动索引，非 integer 类型的 primary key 约束和 unique 约束创建了自动索引。

WITHOUT ROWID

再看 WITHOUT ROWID 情况，先创建表 words。

1
2
3
4
5

CREATE TABLE IF NOT EXISTS words
(
    name TEXT PRIMARY KEY,
    desc TEXT UNIQUE
) WITHOUT ROWID;

查询 sqlite_master 表：

1

select * from sqlite_master where tbl_name='words' and type='index';

结果为：

表中自动索引序号是 2，并不是 1。接着查询：

1

select * from pragma_index_list('words');

结果为：

注意 orign 字段，主键 pk 对应的是 sqlite_autoindex_words_1。

参考

• The Schema Table
• Pragma statements supported by SQLite
• https://sqliteonline.com/

本文介绍通过 Github Actions 和 Cloudflare Pages 服务两种方式自动部署博客。

Github Actions

生成用于仓库间推送的秘钥：

1

ssh-keygen -f hexo-deploy-key -t rsa -C "l1xnan@qq.com"

其会在当前路径生成两个文件：

• 私钥: hexo-deploy-key
• 公钥: hexo-deploy-key.pub

我们将博客源码放在代码仓:

1

https://github.com/l1xnan/blog.git

在此仓库下进入 Settings > Secrets and variables > Actions 中添加一个 Secret，名称为 HEXO_DEPLOY_KEY，值为 hexo-deploy-key 文件内容。后续在 Workflow 中通过名称 HEXO_DEPLOY_KEY 使用这个密钥。

Github Pages 部署在代码仓:

1

https://github.com/l1xnan/l1xnan.github.io.git

在此仓库下进入 Settings > Deploy keys 中添加 Deploy key，值为 hexo-deploy-key.pub 文件内容，同时勾选 Allow write access 选项。

模仿 Hexo 针对 Github Pages 官方帮助做一下调整。在博客源文件仓库 blog 添加文件 Workflow 配置文件.github/workflows/pages.yml，内容如下：

如今的开发工具基本都是上开箱即用，并能收获不错的开发体验。但是在中文环境下，开发工具默认的字体设置往往不尽人意。连续几天在几个同事的代码界面上发现了  宋体 、 Monospaced 、 微软雅黑 、 楷体 等，五花八门……

作为一个贫穷的常年穿格格杉的程序员😂，折腾不了衣服，就只能折腾自己编辑器的主题和字体。话说新装一个编辑器第一件事就是选一款心怡的主题，配置一个让眼睛舒服的字体。主题撇开不讲，下面说一下字体。

日常记录转至语雀平台，定期整理再更新至博客。

Question: How to get typesafe injection
Question: Why should I use inject decorator?
issue: deprecate inject and Provider
Problem Unit Testing a Parent Component whose Child Inject a Store

正则表达式：

• regex101
• learn-regex

vscode 内无法预览代码的图片，通过插件 Markdown Preview Enhanced 来解决，首先安装此插件，然后 ctrl+shift+P 输入

1

Markdown Preview Enhanced: Extend Parser

调出插件的 parse.js 文件，修改其中的 onWillParseMarkdown 方法：

1
2
3
4
5
6
7
8
9
10
11
12
13

module.exports = {
  onWillParseMarkdown: function (markdown) {
    return new Promise((resolve, reject) => {
      const title = /title:\s*(.*)/.exec(markdown)[1].replace(/\s/, '-')
      markdown = markdown.replace(
        /\{%\s*asset_img\s*(\S*)\s*(.*)\s+%\}/g,
        (whole, $1, $2) =>  (`![${$2}](${title}/${$1})`)
      )
      return resolve(markdown)
    })
  },
  ...  ...
};

安斯库姆四重奏（Anscombe’s quartet）是四组基本的统计特性一致的数据，但由它们绘制出的图表则截然不同。每一组数据都包括了 11 个 ($x$,$y$) 点。这四组数据由统计学家弗朗西斯・安斯库姆（Francis Anscombe）于 1973 年构造，他的目的是用来说明在分析数据前先绘制图表的重要性，以及离群值对统计的影响之大。
这四组数据的共同统计特性如下：

参见：Wiki: 安斯库姆四重奏

做数据分析如果用到了数据库作为数据源，pandas 提供了 read_sql 函数，那么如果数据库使用了 SQLAlchemy ORM 该怎么利用这个函数呢？
官方文档上说明可以使用，只是说的比较笼统，具体代码如下：

1

df = pd.read_sql(query.statement, query.session.bind)

如果使用的是 Flask-SQLAlchemy 则可以为：

1

df = pd.read_sql(User.query.filter().statement, db.session.bind)

参考：SQLAlchemy ORM conversion to pandas DataFrame

在使用 Flask-SQLAlchemy 时，如果想调试相关代码，一般和调试 Flask 调试一样，运行

1

flask shell

进入 Shell 环境进行。
注意，原生运行此命令，Shell 环境为默认的 Python 环境，没有 IPython 提供的代码高亮和代码提示。
此时安装 flask-shell-ipython 插件可以解决此问题。

如果不想使用上述插件，我们可以创造一个应用上下文环境，即控制台运行 ipython，进入 IPython 环境，在其中运行代码：

1
2
3

from manage import app, db
ctx = app.app_context()
ctx.push()

这样既创造了一个应用上下文环境。下面我们就可以正常完成数据库的增删查改操作。

如果使用 PyCharm 编辑器，其提供的 Python Console 提供了查看当前变量值等功能更加的方便，同理可以在其中运行上述代码。
每次运行上述代码嫌麻烦，PyCharm 提供了 Starting script 功能，具体操作如下：

Setting > Build, Execution, Deployment > Console > Python Console > Starting script

然后将上述代码，添加到其中，每次运行 Python Console 就能自动加载上述代码。