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

Format Preserving Encryption

-
图片
Format Preserving Encryption Format Preserving Encryption 保格式加密（format preserving encryption，简称FPE）是一种 对称密码学 工具，它能够在保证原有格式的情况下进行加密. 对于明文空间中的一条信息，其加密结果也应该是中的一条信息. 比如对于一个手机号的加密结果还是一个手机号. 因此，保格式加密相当于对进行了一次排列，将其映射到另一条信息. 形式化的说，FPE是一个四元函数​ E : K × N × T × X → X ∪ { ⊥ } E: \mathcal{K}\times\mathcal{N}\times\mathcal{T}\times\mathcal{X}\rightarrow\mathcal{X}\cup\{\perp\} E : K × N × T × X → X ∪ { ⊥ } 其中 K \mathcal{K} K ​表示密钥集合，​​​​​​ T \mathcal{T} T 表示格式集合，​ T \mathcal{T} T 表示调整键集合，​ X \mathcal{X} X 表示域空间. 上述所有集合都非空并且​. 对于一个特定的FPE可以缩写为​，其表示为使用密钥​和调整键​在格式​的情况下对​进行加密. 一个理想的FPE表现为域 ​ 中的一个随机排列. 对于FPE而言，目前主流的方法是使用块加密来构建. 关于块加密方法的对比可以参考 这里 . 视频教学可以参照 这里 . 应用 FPE主要应用在老旧系统的向下兼容：业已存在的系统不需要经过太大的改动就能够进行加密匹配. 例如系统中需要使用信用卡号，如果使用AES进行加密，那么其产生的结果将会包含16进制字符，因此系统需要进行较大修改才能够保证正常使用. 如果使用FPE，那么其结果同样会是一个信用卡号，对于已有系统的改动就会较小 [1] . 除此之外，FPE还能适用于数据库当中. 例如某个用户想将自己的加密信用卡号存储在一个数据库中，他就可以使用FPE加密自己的信用卡号，而服务端则会将其当作信用卡号进行存储. 如果使用AES进行加密，那么服务端将不能识别其为一个信用卡号 [1] . 算法 基本原理——排序加密法 由于之前关于FPE的介绍我们可以得知...
阅读全文