chunk

首页 > TAG信息列表 > chunk

jarvisoj_itemboard

itemboard 逆向分析 ADD： void __cdecl new_item() { int v0; // eax char buf[1024]; // [rsp+0h] [rbp-410h] BYREF int content_len; // [rsp+404h] [rbp-Ch] Item *item; // [rsp+408h] [rbp-8h] item = (Item *)malloc(0x18uLL); v0 = items_cnt++; item_arra

Tornado 文件下载Hash值不同 (阅读tornado源码记录)

版本信息 python3.7 tornado==4.3.0 问题描述: 多次下载同样的文件，每次文件的hash均不相同. 下载文件的示例接口: import tornado from tornado.concurrent import futures from tornado.concurrent import run_on_executor from tornado.web import RequestHandler @run_on_exe

vue打包记录

这里的确是css以及js文件的路径问题，但解决时并不需要手动改路径或者加一段判断去修改，最方便的办法时在项目打包前的vue.config.js里面将publicPath属性添加或者修改为 publicPath: ‘./’，然后重新打包 module.exports = { publicPath: './', assetsDir: 'static',

PHP array_chunk()函数

array_chunk()函数是PHP中的内置函数，用于根据传递给函数的参数将数组拆分为给定大小的部分或块。最后一个块可能包含的元素少于块的所需大小。语法： array array_chunk（$ array，$ size，$ preserve_keys）参数：该函数接受三个参数，如上面的语法所示。参数说明如下： $array：此参数表示需要

chunk-vendors.js优化

chunk-vendors.js优化对于打包来说，chunk-vendors文件大导致加载熟读慢的优化。是很常见的，在我的项目开发中，实际没有没有引用太多的三方插件。但是总体积为900kb。加载耗时为15秒左右。再优化的时候发现，打开chrome的F12能够发现，真正的耗时是传输产生的。打开nginx的配置文件xx.con

Web优化躬行记（6）——优化闭环实践

　　在遇到一个页面性能问题时，我理解的优化闭环是：分析、策略、验证和沉淀。分析需要有分析数据，因此得有一个性能监控管理。策略就是制订针对性的优化方案，解决当前遇到的问题。验证的对象上述策略，判断方案是否有效，同样需要数据支撑。沉淀就是将解决过程文档化、通用化，能够总结

golang读取文件

golang读文件 1、os.Open() //File文件读操作 func ReadFile() string { file, err := os.Open("./test.txt") if err != nil { fmt.Printf("err:%v\n", err) } defer file.Close() var chunk []byte buf := make([]byte, 100)

js: TransformStream 浏览器上的流转换

class UpperCaseTransformStream { constructor() { return new TransformStream({ transform(chunk, controller) { controller.enqueue(chunk.toUpperCase()); }, }); } } (async () => { const response = await fetch("/index

数组循环的嵌套操作

需要实现的效果图如下所示：以使用swiper为例进行分析：根据返回的数据动态渲染slide,每个slide中包含三条数据。重点内容为返回数据的分组，我们将数据出路为三条一组。 1.数据处理一维数组转为二维数组 function transDataFun(tData) { var result = [];

从Mpx资源构建优化看splitChunks代码分割

背景 MPX是滴滴出品的一款增强型小程序跨端框架，其核心是对原生小程序功能的增强。具体的使用不是本文讨论的范畴，想了解更多可以去官网了解更多。回到正题，使用MPX开发小程序有一段时间了，该框架对不同包之间的共享资源有一套自己的构建输出策略，其官网有这样一段描述说明：总结关键

Linux-Memcached

内存分配机制应用程序运行需要使用内存存储数据，但对于一个缓存系统来说，申请内存、释放内存将十分频繁，非常容易导致大量内存碎片，最后导致无连续可用内存可用。 Memcached采用了Slab Allocator机制来分配、管理内存。 Page：分配给Slab的内存空间，默认为1MB，分配后就得到一个Slab。Sl

BUUCTF-gundam

[BUUCTF] gundam 题目链接：https://buuoj.cn/challenges#hitb2018_gundam 这道题主要考察的是tcache的相关漏洞利用，由于刚接触堆漏洞利用，一步一坑...，做完后心生感慨必须得写点什么记录这次的踩坑经历。 glibc 环境配置在做pwn相关题目时需要保持本地和远程机器环境一致。对于

一天n个仿lodash函数实现-chunk、compat

从数组系列开始-chunk和compact chunk给数组分组按size设步长来遍历组装 function chunk(arr, size){ const result = []; // 小于1，下面循环会有问题，也不合理 if(size<1){ return []; } for(let i=0;i<arr.length;i+=size){ result.push(arr.slice(i, i+size))

MongoDB全方位知识图谱

导语 | MongoDB是一个强大的分布式存储引擎，天然支持高可用、分布式和灵活设计。MongoDB的一个很重要的设计理念是：服务端只关注底层核心能力的输出，至于怎么用，就尽可能的将工作交个客户端去决策。这也就是MongoDB灵活性的保证，但是灵活性带来的代价就是使用成本的提升。与My

【Git】撤回本地commit的某个文件的修改

首先，这是我们本地待commit的文件修改 Changes to be committed: modified: DataVisualization/ops.py modified: VulnManage/views/views.py modified: issue/service/issue_ops.py deleted: static/incident/static/css/chunk-6081916

使用vue-simple-uploader进行文件夹上传

1.vue 1.1template <uploader :options="options" :file-status-text="statusText" class="uploader-example" ref="uploader" :autoStart="false" @file-complete="fileComplete"> <uploader-unsup

sharding chunk 分裂与迁移

MongoDB sharding chunk 分裂与迁移详解 Primary shard 使用 MongoDB sharding 后，数据会以 chunk 为单位（默认64MB）根据 shardKey 分散到后端1或多个 shard 上。每个 database 会有一个 primary shard，在数据库创建时分配 database 下启用分片（即调用 shardCollection 命令）的集合，刚

linux的堆管理及攻击(ptmalloc)

堆基础堆简介（部分参考与libc源码）不同的平台有不同的堆内存管理机制，比如：管理机制对应的相关的平台 dlmalloc General purpose allocator ptmalloc2 glibc jemalloc FreeBSD and Firefox tcmalloc Google libumem Solaris 本来linux默认的是dlmalloc，但是由

Linux c 开发 - 内存管理器ptmalloc

转自：https://blog.csdn.net/initphp/article/details/50833036 目录一、内存布局二、ptmalloc内存管理器 1. 设计假设 2. 主分配区和非主分配区 3. chunk 内存块的基本组织单元 4. 内存分配malloc流程 5. 内存释放free流程 6. mallopt 参数调优 7. 使用注意事项一、内存布

pwn - Heap Exploitation

堆今天整理了一下Heap部分的一些笔记,小汇总一下在程序运行过程中，堆可以提供动态分配的内存，允许程序申请大小未知的内存。堆是程序虚拟空间地址的一块连续的线性区域，由低地址向高地址上增长堆题漏洞一般在delete()函数上，多半是指针未清空导致成为野指针，从而可以进行UAF等实现

optimization

const { resolve } = require('path'); const HtmlWebpackPlugin = require('html-webpack-plugin'); const TerserWebpackPlugin = require('terser-webpack-plugin') module.exports = { entry: './src/js/index.js', output:

optimization多入口

const { resolve } = require('path'); const HtmlWebpackPlugin = require('html-webpack-plugin'); module.exports = { // 单入口 // entry: './src/js/index.js', entry: { index: './src/js/index.js', test: '

Python requests 大文件下载

基础 Python requests 下载文件 requests模块的iter_content方法获取文本的时候我们会使用response.text获取文本信息,使用response.content获取字节流对于大个的文件我们就要采取分块读取的方式 iter_content#一块一块的遍历要下载的内容 iter_lines#一行一行的遍历要下载

分析fastcache和freecache(一)

分析fastcache和freecache(一) fastcache和freecache是两个比较简单的缓存实现，下面分析一下各自的实现，并学习一下其实现中比较好的方式。 fastcache 概述 fastcache是一个简单库，核心文件也就两个：fastcache.go和bigcache.go。其中后者是对前者场景的扩展，其实就是将大于64KB 的数据

有什么办法大文件上传和断点续传

总结一下大文件分片上传和断点续传的问题。因为文件过大（比如1G以上），必须要考虑上传过程网络中断的情况。http的网络请求中本身就已经具备了分片上传功能，当传输的文件比较大时，http协议自动会将文件切片（分块），但这不是我们现在说的重点，我们要做的事是保证在网络中断后1G的文件已上传