Blog

A serverless, Git-owned home for technical writing and project notes.

A working index for technical notes, course learning, and project case studies.

把启动命令、健康检查和反向代理边界写清楚。

区分非敏感运行参数与必须由密钥管理系统提供的值。

应用容器适合无状态运行；需要保留的数据必须有明确的存储与备份边界。

用 exec form 保持参数覆盖和进程信号处理可预测。

镜像构建只应看到需要的文件，避免把缓存、密钥和无关文件送入 Docker daemon。

COPY 的行为更直白；ADD 的额外能力只有在确实需要时才使用。

保留 Dockerfile 基础概念，但改用可复现、较小且不携带机密的构建方式。

使用 OCI 风格标签标记源码、版本与说明，避免把私人邮箱写进镜像。

从商城项目启动笔记中保留配置要点，并替换过期依赖和不安全的默认做法。

Stable list APIs make dashboard tables and data exports more reliable.

Before drawing charts, agree on metric definitions, time zones, deduplication rules, and data delays.

把管理后台、权限表和图片上传笔记收敛为可落地的接口设计原则。

上传接口需要限制体积、验证真实文件类型、隔离存储与控制访问。

用角色聚合权限，用服务端检查保护每个后台操作。

一次本地测试环境排查带来的经验：确认归属、重置访问、最小权限与可追溯配置。

邮件、生成报表和通知适合异步；关键数据库写入仍应先在事务中完成。

日志要有等级、请求关联和轮转策略；敏感输入必须脱敏。

抽取 created_at、updated_at 等共性字段，同时让关键业务状态仍显式存在。

搜索引擎用于检索体验，不取代订单、库存等强一致业务数据库。

缓存用来降低读取成本，但必须接受过期、丢失和失效策略。

邮箱验证可以公开为流程设计，但 SMTP 账号与授权码不应进入代码或文章。

将商城项目笔记中的超卖处理与订单写入流程整理为可验证的一致性方案。

Check and reduce stock in a single database operation or a short transaction.

订单、库存和关联记录等多表写入需要明确的事务边界。

合并不是简单拼接；同 SKU、失效商品和数量上限都需要可测试规则。

购物车的存储选择取决于身份状态、设备同步和结算一致性。

JSON 编码器需要 Python 原生结构，而不是尚未解码的 bytes。

API 输出可以友好，但存储、时区和输入格式必须保持明确。

状态码表达协议结果；错误码和消息表达应用语义。

对象级权限不能只依赖详情接口；列表查询也必须从源头缩小范围。

分页不只是前端体验，也是在保护数据库和 API 响应大小。

资源详情的 URL 参数应与数据模型和暴露边界一起设计。

关联对象的输出可以嵌套；写入时必须定义创建、更新和删除语义。

把格式校验、跨字段规则和错误返回放在清晰的边界中。

三个容易混淆的 Serializer 字段选项，分别控制输入要求、可写性与缺失值。

将资源相关但不属于标准 CRUD 的操作建模为显式 action。

用 ViewSet 统一一组资源操作，并理解 Router 自动生成 URL 的边界。

用通用视图和 Mixin 表达常见资源接口，同时保留查询与权限控制点。

何时从 Django View 切换到 DRF 的 APIView，以及为什么响应应交给 Response。

把零散的 Serializer 笔记整理为一条可维护的请求处理链，并澄清 create/update 何时需要自定义。

迁移文件是数据库结构的版本历史，不是部署时临时执行的手工 SQL。

模板负责展示，输入处理和授权仍由 Python 服务端控制。

路径规则可以表达整数、UUID 等基本约束，但不能代替对象授权。

建立关系模型时，先定义生命周期、删除语义和事务边界。

从旧式 Model.query 迁移到显式 select 和短生命周期 Session。

使用 Session 管理插入事务，并让示例账户保持不可识别。

把追踪、数据库会话和清理放在正确的请求生命周期位置。

Cookie 能被客户端保存，不代表客户端可以被信任。

为成功和失败响应建立稳定结构，同时避免泄露内部异常。

避免把 request.json 当作可信字典，建立清晰的 API 输入边界。

Blueprint 是模块化工具，不是权限边界；接口策略仍应在请求处理中明确。

使用 create_app 让测试、配置切换和扩展初始化更清楚。

将 Flask、Flask-RESTful 和 SQLAlchemy 学习笔记统一为更贴近当前项目的 API 基线。

Notebook 需要固定依赖、可重跑顺序和数据输入说明，才能成为可靠资产。

Excel 文件适合交付和复核，但类型、公式和工作表约束需要明确。

读取失败或乱码通常不是 Pandas 问题，而是文件编码与数据来源没有被说明。

快速取极值前，先处理空值、类型和并列排序。

列变更看似简单，但会影响下游 schema、类型与空值处理。

从格式笔记中提炼一套可复现的数据读取、校验和输出实践。

CSV 和 TSV 可以公开分享，但编码、分隔符、类型和缺失值必须写清楚。