皮皮网

1.SRS(simple-rtmp-server)流媒体服务器源码分析--启动
2.Redis 梳理梳理主从复制 - 源码梳理
3.Redis 哨兵模式 - 源码梳理
4.URP管线PBR源码剖析（上）
5.Android Adb 源码分析(一)
6.腾讯T2I-adapter源码分析（3）-训练源码分析

SRS(simple-rtmp-server)流媒体服务器源码分析--启动

       小卒最近探索了SRS源码，并撰写博客以整理思路，源码源码方便日后查阅。架构架构SRS源码具备以下优势：

       1、梳理梳理轻量化设计，源码源码代码结构清晰，架构架构js框架源码下载SRS3.0版本代码量约为8万行，梳理梳理功能却足以支撑直播业务。源码源码

       2、架构架构采用State Threads架构，梳理梳理实现高性能、源码源码高并发。架构架构

       3、梳理梳理支持rtmp和hls，源码源码满足PC和移动直播的架构架构需求。

       4、支持集群部署，适应不同规模的部署需求。

       代码分析分为两个阶段：一、梳理代码框架，理解流程；二、深入细节，熟悉SRS工作原理。

       SRS源码框架包括系统启动、RTMP消息处理、RTMP信息发布、HLS切片等功能模块。系统启动时，初始化类，监听端口，对每个访问请求创建线程，专门处理连接操作。

       系统监听包含不同类型的请求，如RTMP连接、HTTP API等，通过创建线程处理。

       RTMP连接处理中，SRS采用协程而非线程，py辅助源码实现高效并发。创建协程后，进入协程循环处理。

       HTTP API连接监听机制与RTMP类似，仅参数不同。

       HTTP API回调接口在run_master函数中注册，允许访问服务器参数。

       SRS对拉流处理独特，通过ffmpeg工具实现，SRS代码负责简单的系统调用。

       系统启动代码结构清晰，从初始化、监听到线程处理，再到回调注册、拉流处理、自服务，各环节紧密衔接。

       总结SRS源码分析，不仅展现了代码的高效性和扩展性，还提供了灵活的部署方案，适用于多种直播场景。

Redis 主从复制 - 源码梳理

       本文主要剖析Redis主从复制机制中的核心组件之一——复制积压缓冲区（Replication Buffer），旨在为读者提供一个对Redis复制流程和缓冲区机制深入理解的平台，以下内容仅基于Redis版本7.0.，若读者在使用过程中发现偏差，欢迎指正。

       复制积压缓冲区在逻辑上可理解为一个容量最大的位整数，其初始值为1，由offset、master_repl_offset和repl_backlog-histlen三个变量共同决定缓冲区的有效范围。offset表示缓冲区内命令起始位置，master_repl_offset代表结束位置，二者之间的长度由repl_backlog-histlen表示。

       每当主节点执行写命令，新生成的积压缓冲区大小增加，同时增加master_repl_offset和repl_backlog-histlen的值，直至达到预设的软件源码代理最大容量（默认为1MB）。一旦所有从节点接收到命令并确认同步无误，缓冲区内过期的命令将被移除，并调整offset和histlen以维持积压区容量的稳定性。

       为实现动态分配，复制积压缓冲区被分解成多个block，以链表形式组织。每个block采用引用计数管理策略，初始值为0，每当增加或删除从节点对block的引用时，计数值相应增减。新生成block时，将master_repl_offset+1设置为block的repl_offset值，并将写入命令拷贝至缓冲区内，与此同时，master_repl_offset和repl_backlog-histlen增加。

       通过循环遍历所有从节点，为每个从节点设置ref_repl_buf_node指向当前block或最后一个block，确保主从复制能够准确传递命令。当主节点接收到从节点的连接请求时，将开始填充积压缓冲区。在全量复制阶段，从slave-replstate为WAIT_BGSAVE_START至ONLINE，表示redis从后台进程开始执行到完成RDB文件传输和加载，命令传播至此阶段正式开始。

       针对每个从节点，主节点从slave-ref_block_pos开始发送积压缓冲区内的命令，每发送成功，slave-ref_block_pos相应更新。当积压缓冲区超过预设阈值，即复制积压缓冲区中的有效长度超过repl-backlog-size（默认1MB）时，主节点将清除已发送的缓冲区，释放内存。如果主节点写入命令频繁或从节点断线重连时间长，则需合理调整缓冲区大小（推荐值为2 * second * write_size_per_second）以保持增量复制的稳定运行。

       当最后一个从节点与主节点的连接断开超过repl-backlog-ttl（默认为秒）时，主节点将释放repl_backlog和复制积压缓冲区以确保资源的有效使用。不过需要注意的店铺app源码是，从节点的释放操作依赖于节点是否可能成为新的主节点，因此在最后处理逻辑上需保持谨慎。

Redis 哨兵模式 - 源码梳理

       本文以Redis 7.0.版本为基准，如有不妥之处，敬请指正。

       哨兵模式的代码流程逻辑如下：哨兵节点每秒（主从切换时为1秒）向已知的主节点和从节点发送info命令。接收到主节点的info回复后，解析其中的slave字段信息，进而创建相应的从节点instance。收到从节点的info回复后，解析其中的slave_master_host、slave_master_port、slave_master_link_status、slave_priority、slave_repl_offset、replica_announced等信息（步骤2和sentinelInfoReplyCallback）。

       在sentinel.masters的初始数据中，来自于sentinel.conf中的monitor，利用info命令探测主节点及其所属的从节点。通过订阅__sentinel__:hello频道，获取其他哨兵节点的信息。其中，link->act_ping_time表示最早一次未收到回复的ping请求发送时间，收到回复后其会被重置为0。因此，其不为0时，表示有未收到回复的ping请求。link->last_avail_time表示最近一次收到对ping有效回复的时间，link->last_pong_time表示最近一次收到对ping回复（有效和无效）的时间，link->pc_last_activity表示最近一次收到publish的消息，ri->role_reported_time表示最近一次收到info且回复中role相比于上次发生改变的时间。

       Raft一致性算法

       thesecretlivesofdata.com...

URP管线PBR源码剖析（上）

       URP管线与PBR算法的联系并不直接，但新版本的代码结构和算法有了显著变化。本文将深入剖析URP管线下的内置PBR着色器，对比旧版本，探讨主要区别。

       此篇内容旨在学习和解答问题，edux 设计源码期待大家的反馈和讨论。以下分析分为三步：

       梳理UniversalFragmentPBR函数的功能和代码结构

       解析通用PBR算法

       详解ClearCoatPBR算法

       首先，UniversalFragmentPBR的主要工作分为数据准备和光照计算。数据准备包括初始化BRDF数据、ClearCoat BRDF数据、shadowMask、获取主光源信息和处理SSAO等。光照计算则涵盖了间接光和直接光的计算，如GI、主光、额外像素和顶点光照等。

       通用PBR算法的关键部分包括BRDF数据初始化，其中金属和非金属材质的处理有所不同；间接光的计算涉及漫反射和镜面反射；主光光照计算使用了改良的Lambert和Cook-Torrance模型；额外光计算则根据光源类型进行相应调整。

       URP版本与旧版的不同点在于支持ClearCoat材质、ShadowMask功能、SSAO效果的整合，以及额外光处理的简化。整体来看，新版本的PBR算法更加灵活且高效。

Android Adb 源码分析(一)

       面对Android项目的调试困境，我们的团队在项目临近量产阶段，将userdebug版本切换为了user版本，并对selinux权限进行了调整。然而，这一转变却带来了大量的bug，日志文件在/data/logs/目录下，因为权限问题无法正常pull出来，导致问题定位变得异常困难。面对这一挑战，我们尝试了两种解决方案。

       首先，我们尝试修改data目录的权限，使之成为system用户，以期绕过权限限制，然而数据目录下的logs文件仍保留了root权限，因此获取日志依然需要root权限，这并未解决问题。随后，我们找到了一个相对安全的解决办法——通过adb命令的后门机制，将获取root权限的命令修改为adb aaa.bbb.ccc.root。这一做法在一定程度上增加了后门的隐蔽性，避免了被窃取，同时对日常开发的影响也降至最低。

       在解决这一问题的过程中，我们对Android ADB的相关知识有了更深入的理解。ADB是Android系统中用于调试的工具，它主要由三部分构成：adb client、adb service和adb daemon。其中，adb client运行于主机端，提供了命令接口；adb service作为一个后台进程，位于主机端；adb daemon则是运行于设备端（实际机器或模拟器）的守护进程。这三个组件共同构成了ADB工具的完整框架，且它们的代码主要来源于system/core/adb目录，用户可以在此目录下找到adb及adbd的源代码。

       为了实现解决方案二，我们对adb的代码进行了修改，并通过Android SDK进行编译。具体步骤包括在Windows环境下编译生成adb.exe，以及在设备端编译adbd服务。需要注意的是，在进行编译前，需要先建立Android的编译环境。经过对ADB各部分关系及源代码结构的梳理，我们对ADB有了更深入的理解。

       在后续的开发过程中，我们将继续深入研究ADB代码，尤其是关于如何实现root权限的功能。如果大家觉得我们的分享有价值，欢迎关注我们的微信公众号“嵌入式Linux”，一起探索更多关于Android调试的技巧与知识。

腾讯T2I-adapter源码分析（3）-训练源码分析

       随着stable-diffusion和midjourney等AI技术展现令人惊叹的艺术创作，人们对AI可控绘图的追求日益高涨。为提升AI图像生成的可控性，Controlnet和T2I-adapter等解决方案应运而生。系列文章将从T2I-adapter的源码出发，深入剖析其训练部分的实现原理。

       本篇我们将聚焦于训练源码的解析，通过代码结构的梳理，了解T2I-Adapter的训练流程。

       训练代码的运行涉及数据处理、模型加载、优化器设置以及实际训练过程。在第一部分，我们首先设置参数并加载数据，如DepthDataset，它从txt文件中读取、对应的深度图和文本描述。

       在模型加载阶段，我们区分了stable-diffusion模型和adapter。stable-diffusion模型加载时，其配置与推理阶段有所差异，如增加调度器参数、提高精度、调整分辨率和训练相关参数。adapter模型的加载则遵循推理过程中的初始化方法，通过构建不同模块来实现。

       训练过程中，adapter模型的关键结构包括下采样、卷积和ResnetBlock的使用，相比controlnet，T2I-adapter的参数更少，没有注意力层，这使得训练更为高效。模型放入GPU后，使用adamW优化器进行训练，同时设置学习率和数据保存路径。

       状态恢复部分，程序会判断是否从头开始或恢复训练，设置log信息。接下来，代码进入实际的训练循环，包括条件编码、隐藏状态生成、adapter结果附加至sd模型以及adapter梯度计算。

       loss函数定义在模型配置中，采用L2损失来衡量生成图像与给定时间点加噪ground truth的接近程度。训练过程中，loss计算和模型保存都在代码中明确体现。

       总的来说，T2I-adapter的训练源码展示了精细的结构和参数设置，确保了AI绘画的可控性和性能。在AI艺术的探索中，每一行代码都承载着技术进步的点滴痕迹。

深入研究LinuxTop源码linuxtop源码

       Linux Top源码是一款Linux系统的系统性能实时监控工具，能够实时显示机器各个进程的耗费情况，帮助开发者更加快速准确地定位性能问题。要对Linux Top源码进行深入研究，首先要明确源码的结构。它的源码大致分为如下几个部分：

       （1）文件系统框架：主要完成Linux Top源码的架构，文件夹管理，内核操作，支持等功能，相当于源码的“能力支持”层；

       （2）核心逻辑：主要负责Linux Top源码的运行逻辑，要对所有进程的状态和负载进行实时统计，并进行有效管理，完成Linux Top源码的基本功能；

       （3）视图层：主要负责收集到的数据的展示和用户交互功能，比如分类显示，排序，设置，搜索以及警报等功能；

       （4）其他工具:负责对Linux Top源码的其他辅助功能，比如日志记录，安全保护，文件系统维护等等。

       接下来要进行深入的研究就需要着手梳理源码，主要从以下几个方面进行：

       （1）源码功能分析：根据源码分析功能模块，明确模块之间的相互依赖和权限控制，充分利用模块划分，清晰表达源码整体逻辑；

       （2）源码流程分析：梳理出源码中所有重要流程，比如获取运行状态流程，处理数据流程，显示数据流程等等，然后进行优化；

       （3）源码语义分析：通过性能测试和弱当性分析，确定源码的执行有效性，可以在代码中加入合理的日志，错误检查和解除和文档等；

       （4）兼容检测：在上一步确定有效性之后，需要对Linux Top源码进行兼容检测，并保证其在不同系统环境下的运行有效性。

       以上就是本次对Linux Top源码的深入研究的介绍，仅通过以上步骤并不能深入了解Linux Top源码的精髓，所以在实践中，还需要根据实际需求结合代码编写优化源码，最终达到开发者的要求为止。

Android进阶轻松看懂阿里路由库，Arouter源码

       随着面试和工作中多次遇到ARouter的使用问题，我决定对ARouter的源码进行全面分析。本文旨在帮助大家理解ARouter的使用原理、注解处理器的开发方式以及gradle插件对jar和class文件转dex过程的中间处理。

       ARouter是组件化项目中常用的路由框架。本文将从项目模块结构、ARouter路由使用分析、初始化分析、注解处理器、自动注册插件、idea插件等方面进行深度解读。

       项目模块结构

       ARouter的官方仓库中，项目结构图清晰展示了其组织方式。重点关注类的介绍将帮助读者快速上手。

       ARouter路由使用分析

       ARouter的接入和使用遵循官方说明，通过简单的API即可实现路由功能。从最常用的Activity跳转入手，理解其核心路由原理。

       路由跳转分析

       通过`ARouter.getInstance().build("/test/activity")`构建Postcard实例，实现Activity、Fragment、Provider等实例的获取。关键代码`LogisticsCenter.completion`负责完善Postcard信息，确保跳转过程顺利。

       关键代码解析

       `LogisticsCenter.completion`方法通过动态添加组内路由、解析URI参数和获取Provider实例等步骤，完成Postcard的构建和跳转前的准备。

       ARouter初始化分析

       ARouter初始化过程涉及自动注册和拦截器初始化。理解初始化代码的执行路径，有助于全面掌握路由框架的启动机制。

       注册转换器

       ARouter-register插件通过`registerTransform` API，添加自定义转换器，实现类文件转换过程中的自定义处理。

       扫描和插入代码

       插件执行扫描类文件和jar文件，保存路由类信息，并在LogisticsCenter类中插入初始化代码，确保自动注册功能的生效。

       ARouter注解处理器：arouter-compiler

       ARouter的生成机制基于注解处理器，arouter-compiler模块提供关键依赖，实现路由信息的代码生成。

       RouteProcessor处理流程

       RouteProcessor负责处理`@Route`注解，生成包含路由组、根路由和提供者索引的类文件，以及生成路由文档。

       ARouter idea插件：arouter helper

       ARouter idea插件提供便捷的开发体验，通过ARouter Helper插件快速定位到路由定义处，提升开发效率。

       插件效果

       安装插件后，只需点击代码行号右侧的图标，即可直接跳转至路由定义类，实现快速定位。

       本文梳理了ARouter从源码到应用的全过程，希望能为读者提供深入理解ARouter的机会。同时，也鼓励大家探索自定义gradle和idea插件的可能性，进一步提升项目开发的自动化水平。