Rust和Golang离线代码迁移

-
Rust和Golang离线代码迁移

Rust和Golang离线代码迁移

在Rust和Golang当中，都采用在线进行进行相关包管理和安装，其中Rust提供了Cargo工具，而Golang则有go mod相关指令提供包同步服务. 最近由于要将代码放到到服务器上面来保证实验稳定性，但是代码使用的第三方库则是采用在线进行管理，而服务器上面连接在局域网当中，因此需要进行将相关库代码离线迁移到服务器上面.

Rust

在较新Rust版本（1.37+）中，可以直接使用cargo vendor命令在项目根目录下生成一个vendor文件夹，里面包含了当前使用第三方库的所有离线版，其内容跟其远程仓库一样. 同时对于每个库对应根目录下会生成一个.cargo-checksum.json文件，里面包括了该项目中每个文件相关的校验和，如果有缺失或值不匹配，则会造成Rust编译代码不通过. 这里有一个值得注意的点，在编译Rust代码时，会生成Cargo.lock文件，若在.gitignore中添加了Cargo.lock那么在采用git进行同步时，可能会造成有些第三库Cargo.lock缺失，这时需要添加对应文件，或者在对应.cargo-checksum.json文件中删除对应校验和选项.

在运行cargo vendor命令之后，在项目根目录下文件.cargo/config.toml（如果没有则创建相关文件夹和文件）添加如下内容（运行cargo vendor之后会有提示）：

接着在进行编译即可.

Golang

在golang中（1.16+）使用go.mod和go.sum来对第三包进行同步，这时需要将go.mod中所使用的包都进行离线迁移. 这时可以使用go mod vendor来在项目根目录在生成vendor文件夹，里面包含了所使用的包的离线版本. 若有库采用了cgo方式进行编译，那么go mod vendor则不会离线相应头文件或其它文件. 这时需要手动对vendor文件夹下相关库进行替换；若在go.mod中使用了replace命令包来进行相关替换，那么在vendor/modules.txt找到相应库进行手动替换，该文件包含了所引用包和所引用的文件.

在离线相关包之后，编译或运行时添加-mod=vendor来表明使用本地离线库编译或运行代码.

评论

发表评论

此博客中的热门博文

使用Matplotlib创建动图

-
图片
使用Matplotlib创建动图 最近在实验中需要利用来 生成对抗网络（generative adversary network） 来伪造相应数据，在查阅资料的过程中发现在训练过程中使用动图来表示生成器迭代次数效果图对于实验很有帮助. 例如下图生成正弦函数示意图： 但是，在 Jupyter Notebook 一个循环当中简单的调用 pyplot.plot(x, y) 只会在当前 单元（cell） 下不断产生新的图像，达不到预期效果. 经过一番资料查找，找到了如下的解决方案. IPython Display iPython 通常和 Jupyter Notebook 在一块，作为一个通用的科学计算发行包绑定在一块，而 iPython 内置了许多 魔法指令（magic command） 和包函数可以用来帮助达到我们的目的. 首先为了能够在 Jupyter Notebook 单元中产生图像，并且 将该图像保存在文档 中，需要在当前单元中使用魔法指令： %matplotlib inline . 这样当前 matplotlib 绘图后端被设置为 inline ，从而可以直接在当前单元下展示图像. 接着我们想要在同一个单元下反复画图，这样才能产生一种迭代效果.，因此我们还需要从 iPython 中导入 display 模块，对当前单元进行调整： 首先在循环开始前，需要先清空当前 图像（figure） 图像中的所有信息，因此我们需要调用 plt.clf() . 然后我们想要当前单元只产生一个图像，因此需要将其他的产生的图像清空，这时候需要使用 display.clear_output(wait=True) . 其中设置选项 wait=True 是为了等到下一个图像出现时才清除前一个图像，这样可以让图像之前的转化更加平滑. 最后我们需要展示当前图像，这时候使用 display.disply(plt.gcf()) 来展示当前图像. 其中 display.display(*objs) 在所有前端上显示目标，而 plt.gcf() 表示当前图像. 完整的实例代码如下： ​ x import matplotlib . pyplot as plt from IPython import display import numpy as np % matplot
阅读全文

Fiat-Shamir启发式签名

-
Fiat-Shamir启发式签名 Fiat-Shamir启发式（Fiat Shamir heuristic）是一种能够将 交互式证明 （interactive proof of knowledge）转换成 非交互证明 （non-interactive proof knowledge）的启发式算法. 交互式证明 在交互式证明中， 证明者 （prover） P 想要向 验证者 （verifier） V 证明其拥有某个知识，而这个知识可能非常抽象，无法展示. 在这种情况下， V 可以通过向 P 进行提问，并且通过对 P 的回答进行验证来检验其是否具有相应的知识，每次成功检验都能够使 V 更相信 P 具有相应的知识. 交互式证明的具体思想可以总结如下： P 想要向 V 证明自己拥有某个知识. 于是 V 采用提问的方式，若 P 每次都能成功回答，那么 V 就有很大的概率相信 P 拥有相应的知识. 一个比较接近的例子就是面试. 其中面试官是 V 而应聘者是 P ，每次 P 的成功回答都能够使 V 相信其拥有相应的专业技能. 那么显然， P 不应该事先了解 V 所选择的所有问题，否则 P 可以直接记录所有答案然后直接选择相应问题的结果即可. 但是这种提问的环境要求 P 和 V 能够进行通信，而这在现实中由于带宽瓶颈等问题可能很难做到. 这个时候期望的一种证明形式可能如下： P 直接将证明发送给 V ，然后 V 直接验证该证明是否成立. Fiat-Shamir启发式签名 使用 Fiat-Shamir启发式签名 可以将上述交互式证明过程转换成非交互时的直接验证过程. 其做法如下： P 使用一个 伪随机函数 来产生随机问题，并且就这些问题产生相应的结果，并且以此作为其对相应知识的证明. 于此同时 V 对每次问题的结果进行验证，并且 V 需要能够验证这些答案与每个问题的对应性. 只要 P 用来产生问题的输入 具有随机性 ，那么从直觉上可以得到其效果与交互式方案是相同的，具体证明见超链接部分. 应用 目前Fiat-Shamir启发式签名经常用来将交互式证明转换成非交互式证明，例如在 知识证明 （proof of knowledge）等一系列工作中，一个常见的套路就是首先提供一个交互式版本，然后再使用Fiat-Shamir启发式签名将其转换成一个非交互证明方法从而减少通信轮数
阅读全文