问题背景前段时间在做智能路由的功能，需要根据用户的 IP 地址判断地理位置，然后把请求路由到最近的服务节点。本地开发的时候，怎么模拟不同地区的 IP 成了个问题。
总不能真的去各个国家部署测试机器吧？太折腾了。后来发现其实有几种简单的方法可以模拟。
方法一：修改 HTTP 请求头（最常用）大部分 Web 应用在反向代理后面（Nginx、Cloudflare 这些），服务端获取客户端 IP 主要靠 HTTP 请求头。直接修改这些头就能”伪造”IP。
原理当请求经过反向代理时，代理会在请求头里加上客户端的真实 IP。常见的头有：
X-Forwarded-For：记录请求经过的所有代理 IP 链，格式是 客户端IP, 代理1IP, 代理2IP
X-Real-IP：客户端的真实 IP（通常由 Nginx 设置）
CF-Connecting-IP：Cloudflare 用的头
服务端拿 IP 的时候，优先级一般是这样的：
flowchart LR
A[收到HTTP请求] --> B{有X-Forwarded-For?}
B -->|有| C[取第一个IP]
...
背景问题前段时间在公司接触大数据平台，顺便了解了一下调度系统的实现。发现现在用 DolphinScheduler 的团队挺多，号称分布式、可视化、高可用。就想深入扒一扒，这玩意儿到底好在哪，跟 Airflow、XXL-Job 这些有啥区别。
这篇文章就是想搞清楚几个问题：
DolphinScheduler 到底支持哪些任务类型？
它的架构是怎么设计的？怎么做到高可用的？
一个工作流从提交到执行完成，中间经历了什么？
跟其他调度工具比，有啥优缺点？
一、支持的任务类型DolphinScheduler 支持的任务类型挺多的，核心思想是所有任务都通过插件实现，不用自己写代码，Web UI 上点点配置就能跑。
1. 大数据计算类任务Spark/Flink/MapReduce
这类任务的原理很简单：插件帮你拼命令。
比如 Spark 任务，你在 Web UI 上配置：
JAR 包路径（HDFS 或本地）
主类名
资源参数（executor 数量、内存大小）
运行模式（YARN/K8s/本地）
插件拿到这些配置后，自动拼接成 spark-submit ...
ChaCha20 加密模式流程与核心原理深度解析背景问题前段时间研究加密算法，发现 ChaCha20 这玩意儿挺有意思的。Google Chrome、TLS 1.3、WireGuard VPN 都在用它，而且号称在没有 AES 硬件加速的平台上性能反而更好。
就想深入扒一扒：
ChaCha20 到底是怎么设计的？
它的核心运算机制是什么？
为什么旋转位数是 16、12、8、7 这几个数字？
跟 AES 比，到底好在哪？
这篇文章就是这些问题的答案。
概述ChaCha20 是密码学家 Daniel J. Bernstein 在 2008 年设计的流密码算法，是 Salsa20 的改进版本。
核心设计目标：
高性能：在软件实现中速度极快，特别是没有 AES-NI 硬件加速的平台
安全性：抵抗已知的密码分析攻击
简洁性：只使用 ARX 运算（加法、循环移位、异或）
侧信道抵抗：常数时间实现，抵抗时序攻击
ChaCha20 的核心是生成伪随机密钥流，然后跟明文异或实现加密。
一、ChaCha20 加密流程（以 64 字节块为单位）ChaCha20 的工作流程是围绕一个 512 位（64 ...
隐语——数据要素流通技术MOOC三期 课程笔记——数据组件安全可行流通新模式课堂笔记
课程地址：https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8rabq/course/gf3fp3u1cblqlv2
一、课程概述主讲人：胡承盛（中电数据产业集团）
核心内容：围绕数据组件这一标准化数据初级产品形态，讲解其形式、原理、设计生产、流通及应用。
背景：数据作为新型生产要素价值凸显，国家推动数据基础设施建设，数据供需矛盾与安全挑战并存。
二、数据组件的内涵与特性1. 定义
数据组件是对数据资源进行清洗治理、加工生产形成的信息密度大、安全属性强、形态稳定、产权清晰、价值释放效率高的数据表达结果。
2. 三种形态
形态
定义
应用场景
组态
数据资源脱敏处理后由相关字段形成的数据集
企业敏感信息统计、匿名化展示
模态
数据资源关键字段通过建模形成的数据特征
企业经营状况判断(用水用电特征等)
组合态
组态+模态组合形成的数据/特征集
需要原始数据+变换特征的复杂场景
案例：企业名称、注册资本等 ...
对于多方安全计算的中止安全的理解
隐语课程：https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8rabq/course/exat9e9krgue7il
在一次课程上，看到在输出可达性上，提到中止安全：恶意实体获得输出后，可终止协议，使得诚实实体不能获得输出。
疑问：我就很好奇为什么恶意实体获取到了输出，反而诚实实体不能获得输出，这为什么说是安全？
1.怎么理解中止安全中的 “安全”？关键在于，在密码学和多方安全计算的语境下，“安全”这个词有非常精确的定义，它主要关心两个核心属性：
**隐私性 (Privacy)**：协议执行过程中，任何参与方（包括恶意方）都无法学到关于其他参与方原始输入的任何额外信息，除了从最终输出结果中可以推断出的信息之外。
**正确性 (Correctness)**：计算出的输出结果必须是正确的，即严格按照预定函数 f(input_1, input_2, …) 计算得到的结果。恶意方不能通过欺骗手段让协议计算出一个错误的结果。
其实“中止安全 (Security with abort)”， ...
不经意传输（Oblivious Transfer, OT）学习文档
在学习隐语课程（https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8rabq/course/exat9e9krgue7il?isMooc=true）的过程中，对于不经意传输的原理特别好奇，所以有了此文档记录一下。
1. 什么是不经意传输？不经意传输（Oblivious Transfer, OT）是密码学中的一个重要基础协议。
想象一个场景：
我（接收者）想从你（发送者）那里获取一些信息，但我不想让你知道我具体获取了哪条信息。同时，你（发送者）也希望确保我只能获取到我选择的那条信息，而不能了解到其他任何信息。
不经意传输协议就是为了解决这个问题而设计的。它是一种双方协议，一方是发送者（Sender），拥有多个秘密信息；另一方是接收者（Receiver），希望获取其中一个秘密信息。
核心特性：
接收者的隐私性： 发送者不知道接收者选择了哪个秘密信息。
发送者的安全性： 接收者只能学到自己选择的那个秘密信息，对其他秘密信息一无所知。
这个“不经意” ...
spark-submit 提交spark作业到k8s本文主要介绍下 Spark On K8s 的运行流程。我在做一个产品的过程中有涉及到这一部分，虽然产品的实际情况比这复杂，但是了解了这个即可。
整体流程概述当你使用 spark-submit 提交任务到 Kubernetes 集群时，整个过程可以分为两个主要阶段：
提交阶段：在你的本地机器或 CI/CD 环境中发生，spark-submit 与 Kubernetes API Server 交互。
执行阶段：在 Kubernetes 集群内部发生，由 Spark Driver Pod 和 Executor Pods 协同完成。
整个流程的时序图如下所示，清晰地展示了各个组件间的交互：
详细流程分解阶段一：提交阶段 —— spark-submit 与 Kubernetes API Server 的交互1.命令执行：你执行一个类似下面的命令：
1234567891011121314151617181920212223242526${SPARK_HOME}/bin/spark-submit \ -- ...
达梦数据库V8 Docker 部署及使用官方之前提供docker镜像，但是目前官方没有提供了。这里为了不耽误太多时间，所以用了一个其他同学的一个镜像（其基于官方镜像V8.1镜像做了部分修改）。
https://hub.docker.com/r/xuxuclassmate/dameng
我一开始测试的时候也使用了这个镜像，进行达梦数据库的一些测试（Kuscia支持达梦数据源工作）。但是发现其默认的这个达梦实例（5236端口的），是标识符大小写敏感的。
12# 返回为1则为敏感，返回0则为不敏感SELECT CASE_SENSITIVE();
https://eco.dameng.com/community/training/6e3229b02cf35a142766aebf8cdef19e
1.创建表：若表名或列名未添加双引号“”，则表名和列名会自动转换为大写形式<1>若对表名或列名添加双引号“”，则会固定书写时的大、小写<2>同名的数据库对象，如果大小写不同，那么则为两个不同的对象。2.字段：若表名或列名未添加双引号“”，则表名和列名会自动转换为大写形式3 ...
公共数据开发利用及授权运营——课堂笔记主讲人：王立达（清华大学计算社会科学与国家治理实验室）
一、公共数据开发利用的政策体系与意义1. 政策背景与演进政策法规框架：以《网络安全法》《数据安全法》《个人信息保护法》为基础，辅以“数据20条”、数字政府建设指导意见、数据要素三年行动计划等，形成“安全+发展”双轮驱动。趋势变化：早期侧重安全（如数据安全法），近年转向发展导向（如国家数据局成立释放信号）。
核心概念界定公共数据定义：各级党政机关、企事业单位依法履职或提供公共服务过程中产生的数据。 边界澄清：仅含依法授权产生的公共服务数据；无授权则不属于公共数据。与其他数据关系：虽分公共/企业/个人三类，但实际存在交叉（如公共数据含企业、个人数据）。
开发利用方式 三种形式：政务数据共享：政府内部流通；公共数据开放：向社会供给脱敏后的数据；授权运营：引入社会力量参与开发，扩大供给范围。配套文件：“1+3”政策体系（两办意见+登记办法、实施规范、价格机制通知）。
4. 政策意义目标：统一思想、规范管理、释放数据价值；创新点：通过授权运营解决传统开放模式痛点（如清洗成 ...
隐语——数据要素流通技术MOOC三期——【1】国家数据要素相关政策解读
Mooc课程地址：https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8rabq/course/vhii941jitkl122?tab=outline
本次课程围绕国家数据要素化价值化展开，核心结构为 “1 个目标、3 条思路、3 项突破、3 个抓手”，旨在解决数据 “供得出、流得动、用得好、保安全” 四大核心问题。
一、课程核心框架：“1333” 体系本次课程围绕国家数据要素化价值化展开，核心结构为 “1 个目标、3 条思路、3 项突破、3 个抓手”，旨在解决数据 “供得出、流得动、用得好、保安全” 四大核心问题。
二、课程核心内容拆解1 个目标：供得出 流得动 用得好 保安全
目标定义：以数据要素市场化配置改革为主线，确保数据 “供得出、流得动、用得好、保安全”。
目标确立依据：
党中央国务院的战略要求：我国是首个且唯一将数据列为生产要素的国家，2019 年十九届四中全会首次提出，后续出台 “数据 20 条” 等顶层文件（如数据要素配置、全 ...
