arp inncompleted, cheat, python lambda, mysql index, LSI SAS2308

SUMMARY.md

@@ -145,6 +145,9 @@
 			* [网络块设备(Network Block Device, nbd)](os/linux/storage/nbd/README.md)
 				* [nbd概览](os/linux/storage/nbd/nbd_overview.md)
 		* [网络](os/linux/network/README.md)
+			* [网络协议](os/linux/network/protocol/README.md)
+				* [ARP](os/linux/network/protocol/arp/README.md)
+					* ["arp incomplete"问题排查](os/linux/network/protocol/arp/arp_incomplete.md)
 			* [iproute2](os/linux/network/iproute2/README.md)
 				* [ip](os/linux/network/iproute2/ip.md)
 			* [可伸缩网络堆栈](os/linux/network/scaling/README.md)
@@ -268,6 +271,8 @@
 		* [磁盘I/O](database/mysql/disk_io/README.md)
 			* [什么时候MySQL执行IO](database/mysql/disk_io/when_does_mysql_perform_io.md)
 			* [如何解决MySQL IOWait过高问题](database/mysql/disk_io/fix_mysql_high_iowait.md)
+		* [索引](database/mysql/index/README.md)
+			* [检查MySQL表索引](database/mysql/index/show_index.md)
 		* [主从同步](database/mysql/replication/README.md)
 			* [如何诊断同步备库延迟](database/mysql/replication/troubleshoot_replication_slave_lag.md)
 		* [故障排查](database/mysql/troubleshooting/README.md)
@@ -304,6 +309,7 @@
 * [存储](storage/README.md)
     * [服务器直连存储DAS](storage/das/README.md)
 		* [mpt2sas](storage/das/mpt2sas/README.md)
+			* [LSI SAS2308控制芯片](storage/das/mpt2sas/lsisas2308.md)
 			* [mpt2sas驱动系统日志分析](storage/das/mpt2sas/mpt2sas_kernel_messages.md)
 			* [mpt2sas系统日志"0x3003010a"和奇怪的sdm磁盘设备](storage/das/mpt2sas/mpt2sas_log_info_0x3003010a_with_sdm.md)
 			* [mpt2sas故障排查](storage/das/mpt2sas/troubleshooting/README.md)
@@ -653,6 +659,8 @@
 			* [python列表](develop/python/startup/list.md)
 			* [python数组](develop/python/startup/array.md)
 			* [python字典](develop/python/startup/dictionary.md)
+			* [Python的map函数](develop/python/startup/map.md)
+			* [`lambda`语法糖:无需定义函数名的简便方法](develop/python/startup/lambda.md)
 			* [python过滤字符](develop/python/startup/strip.md)
 			* [python百分比](develop/python/startup/percent.md)
 			* [python三元运算](develop/python/startup/ternary_conditional_operator.md)
@@ -793,6 +801,7 @@
 			* [命令输出处理工具xargs](develop/shell/utilities/xargs.md)
 			* [文件查找工具find](develop/shell/utilities/find.md)
 			* [parallel利用多核CPU加速Linux命令](develop/shell/utilities/parallel.md)
+			* [命令速查表cheat](develop/shell/utilities/cheat.md)
 	* [vim](develop/vim/README.md)
 		* [vim结合ctags作为开发平台](develop/vim/vim_with_ctags.md)
 		* [将Vim打造成Python开发平台](develop/vim/vim_python_ide.md)
@@ -825,6 +834,8 @@
 			* [RESTful认证和权限机制浅析](develop/architecture/restful/restful_authentication_and_permission.md)
 * [DevOps](devops/README.md)
 	* [基础架构工程师视角的DevOps](devops_from_infra_engineer_view.md)
+	* [持续集成/交付/部署](devops/ci_cd_cd/README.md)
+		* [持续集成/交付/部署概述](devops/ci_cd_cd/continuous_integration_delivery_deployment.md)
 	* [Git](devops/git/README.md)
 		* [git分支的新建与合并](devops/git/git_branch_create_and_merge.md)
 		* [git pull覆盖本地文件（完全舍弃本地文件）](devops/git/git_pull_overwrite_local_file.md)

database/mysql/index/README.md

@@ -0,0 +1 @@
+数据库索引是加速查询的利器，但是错误的设计和使用也会导致故障。

database/mysql/index/show_index.md

@@ -0,0 +1,19 @@
+* 查看指定表格的索引使用`show index`命令：
+
+```sql
+show index from yourtable;
+```
+
+* 要查看特定schema的所有表格的索引，从`INFORMATION_SCHEMA`查询`STATISTICS`表：
+
+```sql
+SELECT DISTINCT
+    TABLE_NAME,
+    INDEX_NAME
+FROM INFORMATION_SCHEMA.STATISTICS
+WHERE TABLE_SCHEMA = 'your_schema';
+```
+
+# 参考
+
+* [How to see indexes for a database or table?](https://stackoverflow.com/questions/5213339/how-to-see-indexes-for-a-database-or-table)

develop/python/startup/lambda.md

@@ -0,0 +1,90 @@
+> `lambda`是希腊字母的第11个字`λ`（大写`Λ`，小写`λ`）
+
+Python 中定义函数有两种方法，一种是用常规方式 def 定义，函数要指定名字，第二种是用 lambda 定义，不需要指定名字，称为 Lambda 函数。
+
+Lambda 函数又称匿名函数，匿名函数就是没有名字的函数。有些函数如果只是临时一用，而且它的业务逻辑也很简单时，就没必要非给它取个名字不可。(否则只使用一次就建立一个函数，会带来"环境污染")
+
+简单的lambda函数：
+
+```python
+>>> add = lambda x, y : x+y
+>>> add
+<function <lambda> at 0x102bc2140>
+>>> add(1,2)
+3
+```
+
+同于常规函数
+
+```python
+>>> def add2(x, y):
+...     return x+y
+...
+>>> add2
+<function add2 at 0x102bc1c80>
+>>> add2(1,2)
+3
+```
+
+# 函数式编程
+
+尽管 Python 算不上是一门纯函数式编程语言，但它本身提供了很多函数式编程的特性，像 `map`、`reduce`、`filter`、`sorted` 这些函数都支持函数作为参数，`lambda` 函数就可以应用在函数式编程中。
+
+* 一个整数列表，要求按照列表中元素的绝对值大小升序排列
+
+```python
+>>> list1 = [3,5,-4,-1,0,-2,-6]
+>>> sorted(list1, key=lambda x: abs(x))
+[0, -1, -2, 3, -4, 5, -6]
+```
+
+排序函数`sorted`支持接收一个函数作为参数，该参数作为`sorted`的排序一句。这里按照列表元素的绝对值进行排序。以下是采用普通函数来实现的方法：
+
+```python
+>>> def foo(x):
+...     return abs(x)
+...
+>>> sorted(list1, key=foo)
+[0, -1, -2, 3, -4, 5, -6]
+```
+
+但是这种方法不简洁清晰。
+
+# 闭包
+
+`闭包`是一个晦涩难懂的概念，这里简单粗暴理解为**`闭包就是定义在一个函数内部的函数`**，闭包使得变量即使脱离了该函数的所用域范围也依然能够被访问到。
+
+一个用 lambda 函数作为闭包的例子：
+
+```python
+>>> def my_add(n):
+...     return lambda x:x+n
+...
+>>> add_3 = my_add(3)
+>>> add_3(7)
+10
+```
+
+这里的lambda函数就是一个闭包，在全局作用域范围内，`add_3(7)`可以正常执行并返回值10是因为在`my_add`局部作用域中，变量n的值在闭包的作用使得它在全局作用域也可以被访问到。
+
+换成常规函数也可以实现闭包，只不过是这种方式稍显啰嗦：
+
+```python
+>>> def my_add(n):
+...     def wrapper(x):
+...         return x+n
+...     return wrapper
+...
+>>> add_5 = my_add(5)
+>>> add_5(2)
+7
+```
+
+> 如果用 lambda 函数不能使你的代码变得更清晰时，这时你就要考虑使用常规的方式来定义函数。
+
+# 参考
+
+* [什么时候使用Lambda函数？](https://foofish.net/lambda.html)
+* [Python学习笔记（十二）：lambda表达式与函数式编程](http://blog.csdn.net/mathboylinlin/article/details/9413551)
+* [Lambda 表达式有何用处？如何使用？](https://www.zhihu.com/question/20125256/answer/14058285)
+* [为什么匿名函数叫lambda 表达式？](https://www.zhihu.com/question/27448188/answer/36701731)

develop/python/startup/list.md

@@ -27,10 +27,12 @@ ham
 eggs
 ```
 
-但是，如果list中有数字，则会导致问题
+但是，如果list中有数字，则会导致打印问题
 
 解决方法是使用`map()`转换
 
+> `map`是Python的内置高阶函数，参数是一个函数和一个列表，将函数作用于列表的每个元素，得到一个新的列表并返回，是非常高效的一个方法。详细请参考[Python的map函数](map)
+
 ```
 >>> print ', '.join(map(str, list_of_ints))
 80, 443, 8080, 8081
@@ -41,4 +43,6 @@ eggs
 8081
 ```
 
-> 参考[Python tips - How to easily convert a list to a string for display](https://www.decalage.info/en/python/print_list)
+#参考
+
+* [Python tips - How to easily convert a list to a string for display](https://www.decalage.info/en/python/print_list)

develop/python/startup/map.md

@@ -0,0 +1,62 @@
+Python的`map`函数是一个使用方便直观而且非常常用的函数，参数是一个函数和一个列表，将函数作用于列表的每个元素，得到一个新的列表并返回。
+
+# map函数简介
+
+* 将一个列表的每个值平方：
+
+```python
+def square(x):
+    return x*x
+
+print map(square, [1, 2, 3, 4, 5, 6, 7, 8, 9])
+```
+
+则输出结果就是
+
+```
+[1, 4, 9, 10, 25, 36, 49, 64, 81]
+```
+
+> 注意：`map()`函数不改变原有的列表，而是返回一个新的列表。
+
+上述python程序中，`square(x)`函数可以简化成`lambda`匿名函数（[`lambda`语法糖:无需定义函数名的简便方法](lambda)）：
+
+```python
+print map(lambda x: x ** 2, [1, 2, 3, 4, 5, 6, 7, 8, 9])
+```
+
+* 将用户输入内容（列表）的首字母大写，后续字母小写
+
+例如：
+
+```
+输入：['adam', 'LISA', 'barT']
+输出：['Adam', 'Lisa', 'Bart']
+```
+
+```python
+def format_name(s):
+    s1 = s[0:1].upper() + s[1:].lower()
+    return s1
+
+print map(format_name, ['adam', 'LISA', 'barT'])
+```
+
+# map函数进阶
+
+实际上，`map()`函数的参数不仅仅是2个，从第2个列表开始，可以是多个列表(多个`iterable`)
+
+```
+map(function, iterable, ...)
+```
+
+例如，提供两个列表，将相同位置的列表数据进行相加：
+
+```python
+map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])
+```
+
+# 参考
+
+* [python map函数](http://www.cnblogs.com/superxuezhazha/p/5714970.html)
+* [Python map() 函数](http://www.runoob.com/python/python-func-map.html)

develop/shell/utilities/cheat.md

@@ -0,0 +1,31 @@
+即使Linux老鸟也会对命令行众多参数以及各种非常用案例无法精确一一背出，虽然`man`给我们带来了手册，但是太过繁复和面面俱到的手册，有时候也会消耗太多的精力。
+
+有没有最常用的案例手册，类似手头的速查小抄：有一个python开发的工具`cheat`提供了众多命令的速查手册。
+
+这个`cheat`是采用Python开发的工具，需要通过`pip`安装。通常发行版已经安装了`pip`模块，所以只需要通过如下命令安装`cheat`
+
+```python
+sudo pip install cheat
+```
+
+使用方法类似`man`，只要`cheat XYZ`就可以查看和XYZ命令有关的使用方法。举例，查看`tar`命令使用方法：
+
+```
+cheat tar
+```
+
+查看可用的速查表
+
+```
+cheat -l
+```
+
+获取帮助
+
+```
+cheat -h
+```
+
+# 参考
+
+* [Cheat ： 一个实用 Linux 命令示例集合](https://linux.cn/article-9193-1.html)

devops/ci/README.md → devops/ci_cd_cd/README.md

@@ -18,4 +18,7 @@ Martin Fowler说过，"持续集成并不能消除Bug，而是让它们非常容
 
 # 参考
 
-* [持续集成是什么？](http://www.ruanyifeng.com/blog/2015/09/continuous-integration.html)
+* [持续集成是什么？](http://www.ruanyifeng.com/blog/2015/09/continuous-integration.html)
+* [维基百科:持续交付](https://zh.wikipedia.org/zh-cn/%E6%8C%81%E7%BA%8C%E4%BA%A4%E4%BB%98)
+* [如何理解持续集成、持续交付、持续部署？](https://www.zhihu.com/question/23444990)
+* [谈谈持续集成，持续交付，持续部署之间的区别](http://blog.flow.ci/cicd_difference/)

machine_learning/tensorflow/machine_learning_with_tensorflow.md

@@ -51,4 +51,7 @@ TensorFlow的计算模型是有向图（directed graph），其中每个节点
 
 * TensorFlow 是用于定义机器学习模型、用数据训练模型，并将模型导出供后续使用的API。主要的API均可通过Python访问。
 * TensorBoard 是一个包含在任意标准TensorFlow安装中的图可视化软件。
-* TensorFlow Serving 接收输入数据，并将之送入预训练的模型，然后将模型的输出结果返回。TensorFlow Serving完全是用C++编写的，其API也只能通过C++访问。
+* TensorFlow Serving 接收输入数据，并将之送入预训练的模型，然后将模型的输出结果返回。TensorFlow Serving完全是用C++编写的，其API也只能通过C++访问。
+
+> TensorFlow的灵活性之一体现在它可轻松扩展到计算性能不高的系统中。例如，它可在安卓设备以及像树莓派（Raspberry Pi）这样的微型计算机中运行。TensorFlow代码库中包含了一个在安卓系统中运行预训练模型的例程。
+

os/linux/network/protocol/README.md

@@ -0,0 +1 @@
+网络协议学习和实践

os/linux/network/protocol/arp/README.md

@@ -0,0 +1 @@
+ARP协议是二层交换网络的基础协议，很多局域网问题和ARP相关，在故障排查中需要具体分析。