nodejs教程之入門_node.js
前言
再不學nodeJs,我們就老了......在HTML5大浪襲來的時候,很多先輩就開始了NodeJs之旅,而那時我還在做伺服器端的程式
後來轉成前端,和梯隊的距離已經很大了,因為我會伺服器端語言,還乾了很久,所以至今才開始學習NodeJs,向完整的前端前進
這次學習NodeJs的計畫是:
① 1-2週學習基礎
② 1週左右開發一個簡單專案
③ 利用NodeJs開發一套用於行動端除錯的工具
④ 打包相關(這可能比較遠了)
NodeJs特點
① 非同步
從檔案讀取到網路請求,NodeJs皆以非同步完成,回呼函數佔據重要作用,在程式設計模型上Node是領先的
② 事件回呼
事件回調讓程式變得輕巧,但是具體怎麼樣還是取決於程式設計師。但回呼函數在閱讀上其實還是有一定難度的
③ 單線程
Node是單線程的,如果多線程的話,這門語言水又深了,問幾句進程中的通信時很討厭的,但線程也沒有死鎖等問題
但是效能相關就有問題了,因為不能利用多核心;
模組機制/CommonJs
我們原來做伺服器端的開發,如果沒有很好的組織程式碼的話,後期維護非常困難,所以才會有什麼MVC,什麼三層架構
而現在前端的業務邏輯逐向後端靠攏,就單頁應用來說,已經超過後端的程序邏輯
頁面view不停的增加會帶來js程式碼量的激增,如何很好的管理我們的前端程式碼成了一個問題,所以requireJs出現了......
PS:尼瑪這段和nodeJs有一毛錢關係哇......
javascript是沒有模組化系統的,於是就有CommonJs的提出,讓js具備開發大型應用的基礎
模組引用
我們如果要引用一個模組,例如數學計算相關:
var math = require('math');
模組定義
我們如果要定義自己的模組可以這樣乾
exports.add = function () {
return sum;
}
如果此函數在math中定義的話,就能使用了
math.add();
模組標識
模組識別就是傳遞給require的參數,需要為駝峰命名,指向的是一個檔案路徑,這裡和requireJS很類似的
模組實作
Node中模組實作分為兩類,一種是系統層級的核心模組,一種是使用者編寫的檔案模組
核心模組在編譯過程被翻譯成了二進位文件,Node進程啟動後,一些核心的模組會直接載入進記憶體(檔案定位、編譯執行)
文件模組需要動態加載,速度相對慢一點
但是一旦載入後,那些檔案就會被緩存,二次引入時候就會讀取快取檔案(編譯後的檔案)
這裡扯遠一點,我們在使用underscore過程中,會編譯Html形成模板函數(他真的只是個函數),其實這個就可以做快取
在部署專案前儲存編譯過後的函數,去掉html模板檔(最佳化效果不知)
在node中,每個模組都是一個物件:
function Module(id, parent) {
this.id = id;
this.exports = {};
//parent是關鍵字,不應該亂用
this.parent = parent;
if (parent && parent.children) {
parent.children.push(this);
}
this.filename = null;
this.loaded = false;
this.children = [];
}
編譯和執行時引入檔案模組的最後一個階段,定位到具體檔案後,node會新建一個模組對象,然後根據路徑載入並編譯
每一個編譯成功的模組都會將其檔案路徑作為索引快取在Module._cache上
每個模組檔案都存在require、exports、module三個變量,但在檔案中並未定義(__filename__、__dirname__ 變數也是)
其實在編譯過程中,Node對javascript檔案內容進行了頭尾包裝(相當於自訂函數傳入window)
(function (exports, require, module, __filename__, __dirname__) {
var math = require('math');
exports.area = function (radius) {
return '';
};
});
這樣,模組與模組之間做了隔離,不會互相影響,這裡和underscore的編譯有些類似......
包與NPM
Node組織了自身的核心模組,所以第三方文件模組可以有序的編寫和使用,但是在第三方模組中,模組與模組之間仍然散列在各地
相互之間不能直接引用,在模組外包和NPM則是將聯繫建立起來的一種機制
PS:很多模組會形成一個包,這個包的概念和java包的概念,才#程序集的概念應該要相似
一個包結構解壓縮後會形成幾個檔案:
① package.json 描述檔
② bin 可執行二進位目錄
③ lib javascript程式碼目錄
④ doc 文件(尼瑪基本上沒有)
⑤ test demo
以上都是CommonJS包的規範的一些東西,但是我們稍微了解一下便可(初學嘛),NPM則需要熟練掌握,借助NPM我們可以熟練安裝管理包
安裝依賴套件
安裝依賴套件是常用方法:
npm install express
執行後就會在目前目錄下建立node_modules目錄,然後再其下面建立express目錄......
PS:express是NodeJs上流行的web開發框架,幫助我們快速開發一個web應用程式
安裝結束後就可呼叫了:
var express = require('express');
結語
這段簡單結束,後面我們專案實戰過程逐步深化

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

Kimi:一句話,十幾秒鐘,一份PPT就新鮮出爐了。 PPT這玩意兒,可太招人煩了!開個碰頭會,要有PPT;寫個週報,要做PPT;拉個投資,要展示PPT;就連控訴出軌,都得發個PPT。大學比較像是學了個PPT專業,上課看PPT,下課做PPT。或許,37年前丹尼斯・奧斯汀發明PPT時也沒想到,有一天PPT竟然如此氾濫成災。嗎嘍們做PPT的苦逼經歷,說起來都是淚。 「一份二十多頁的PPT花了三個月,改了幾十遍,看到PPT都想吐」;「最巔峰的時候,一天做了五個PPT,連呼吸都是PPT」;「臨時開個會,都要做個

北京時間6月20日凌晨,在西雅圖舉辦的國際電腦視覺頂會CVPR2024正式公佈了最佳論文等獎項。今年共有10篇論文獲獎,其中2篇最佳論文,2篇最佳學生論文,另外還有2篇最佳論文提名和4篇最佳學生論文提名。電腦視覺(CV)領域的頂級會議是CVPR,每年都會吸引大量研究機構和高校參會。根據統計,今年共提交了11532份論文,2719篇被接收,錄取率為23.6%。根據佐治亞理工學院對CVPR2024的數據統計分析,從研究主題來看,論文數量最多的是圖像和視頻合成與生成(Imageandvideosyn

我們知道LLM是在大規模電腦叢集上使用海量資料訓練得到的,本站曾介紹過不少用於輔助和改進LLM訓練流程的方法和技術。而今天,我們要分享的是一篇深入技術底層的文章,介紹如何將一堆連作業系統也沒有的「裸機」變成用來訓練LLM的電腦叢集。這篇文章來自於AI新創公司Imbue,該公司致力於透過理解機器的思維方式來實現通用智慧。當然,將一堆連作業系統也沒有的「裸機」變成用於訓練LLM的電腦叢集並不是一個輕鬆的過程,充滿了探索和試錯,但Imbue最終成功訓練了一個700億參數的LLM,並在此過程中積累

機器之能報道編輯:楊文以大模型、AIGC為代表的人工智慧浪潮已經在悄悄改變我們生活及工作方式,但絕大部分人依然不知道該如何使用。因此,我們推出了「AI在用」專欄,透過直覺、有趣且簡潔的人工智慧使用案例,來具體介紹AI使用方法,並激發大家思考。我們也歡迎讀者投稿親自實踐的創新用例。影片連結:https://mp.weixin.qq.com/s/2hX_i7li3RqdE4u016yGhQ最近,獨居女孩的生活Vlog在小紅書上走紅。一個插畫風格的動畫,再配上幾句治癒系文案,短短幾天就能輕鬆狂攬上

要連接 MySQL 資料庫,需要遵循以下步驟:安裝 mysql2 驅動程式。使用 mysql2.createConnection() 建立連接對象,其中包含主機位址、連接埠、使用者名稱、密碼和資料庫名稱。使用 connection.query() 執行查詢。最後使用 connection.end() 結束連線。

Node.js 安裝目錄中有兩個與 npm 相關的文件:npm 和 npm.cmd,區別如下:擴展名不同:npm 是可執行文件,npm.cmd 是命令視窗快捷方式。 Windows 使用者:npm.cmd 可以在命令提示字元中使用,npm 只能從命令列執行。相容性:npm.cmd 特定於 Windows 系統,npm 跨平台可用。使用建議:Windows 使用者使用 npm.cmd,其他作業系統使用 npm。

檢索增強式產生(RAG)是一種使用檢索提升語言模型的技術。具體來說,就是在語言模型生成答案之前,先從廣泛的文檔資料庫中檢索相關信息,然後利用這些信息來引導生成過程。這種技術能大幅提升內容的準確性和相關性,並能有效緩解幻覺問題,提高知識更新的速度,並增強內容生成的可追溯性。 RAG無疑是最令人興奮的人工智慧研究領域之一。有關RAG的更多詳情請參閱本站專欄文章《專補大模型短板的RAG有哪些新進展?這篇綜述講明白了》。但RAG也並非完美,使用者在使用時也常會遭遇一些「痛點」。近日,英偉達生成式AI高階解決
