買了 2host 512 RAM XEN VPS

2010-06-29 更正，實際分數跑起來，不算高，我問問看客服，有沒有官方的數據可以比較，還是要多比較一下，我會再看看 Linode 的

便宜又大碗，先用用看，目前還蠻穩定的，連台灣，網路還算 OK

我是選 512M的 VPS 一個月 8 塊美金左右，大概比我自己擺 server 的電費還省，下面是 CPU info 可以參考一下，不過，我自己跑起來實測，有比 Amazon em2 的最便宜的 small instance 大約快兩倍，不過就比不過 middle 的了，如果有問題就發問吧

跑了 nginx，mysql ，兩個 Django site 大概用了 150M RAM

cat /proc/cpuinfo
processor : 3
vendor_id : GenuineIntel
cpu family : 6
model : 26
model name : Intel(R) Xeon(R) CPU E5520 @ 2.27GHz
stepping : 5
cpu MHz : 2260.998
cache size : 8192 KB
physical id : 3
siblings : 1
core id : 0
cpu cores : 1
fpu : yes
fpu_exception : yes
cpuid level : 11
wp : yes
flags : fpu tsc msr pae mce cx8 apic mca cmov pat pse36 clflush dts acpi mmx fxsr sse sse2 ss ht tm syscall nx lm constant_tsc pni monitor ds_cpl vmx est tm2 cx16 xtpr lahf_lm
bogomips : 5655.56
clflush size : 64
cache_alignment : 64
address sizes : 40 bits physical, 48 bits virtual
power management:

========================================================================
BYTE UNIX Benchmarks (Version 5.1.2)

System: www.digez.com: GNU/Linux
OS: GNU/Linux -- 2.6.18-164.15.1.el5xen -- #1 SMP Wed Mar 17 12:04:23 EDT 2010
Machine: x86_64 (unknown)
Language: en_US.utf8 (charmap="UTF-8", collate="UTF-8")
CPU 0: Intel(R) Xeon(R) CPU E5520 @ 2.27GHz (5662.0 bogomips)
Hyper-Threading, x86-64, MMX, Physical Address Ext, SYSCALL/SYSRET, Intel virtualization
CPU 1: Intel(R) Xeon(R) CPU E5520 @ 2.27GHz (5662.0 bogomips)
Hyper-Threading, x86-64, MMX, Physical Address Ext, SYSCALL/SYSRET, Intel virtualization
CPU 2: Intel(R) Xeon(R) CPU E5520 @ 2.27GHz (5662.0 bogomips)
CPU 3: Intel(R) Xeon(R) CPU E5520 @ 2.27GHz (5662.0 bogomips)
Hyper-Threading, x86-64, MMX, Physical Address Ext, SYSCALL/SYSRET, Intel virtualization
14:53:21 up 2:44, 3 users, load average: 0.11, 0.09, 0.07; runlevel 3

------------------------------------------------------------------------
Benchmark Run: Tue Jun 29 2010 14:53:21 - 15:21:28
4 CPUs in system; running 1 parallel copy of tests

Dhrystone 2 using register variables 9705725.4 lps (10.0 s, 7 samples)
Double-Precision Whetstone 2545.7 MWIPS (9.2 s, 7 samples)
Execl Throughput 1004.9 lps (30.0 s, 2 samples)
File Copy 1024 bufsize 2000 maxblocks 194004.6 KBps (30.0 s, 2 samples)
File Copy 256 bufsize 500 maxblocks 50378.3 KBps (30.0 s, 2 samples)
File Copy 4096 bufsize 8000 maxblocks 530237.1 KBps (30.0 s, 2 samples)
Pipe Throughput 340164.4 lps (10.0 s, 7 samples)
Pipe-based Context Switching 68815.1 lps (10.0 s, 7 samples)
Process Creation 2548.5 lps (30.0 s, 2 samples)
Shell Scripts (1 concurrent) 2485.8 lpm (60.0 s, 2 samples)
Shell Scripts (8 concurrent) 582.7 lpm (60.0 s, 2 samples)
System Call Overhead 366327.5 lps (10.0 s, 7 samples)
System Benchmarks Index Values BASELINE RESULT INDEX
Dhrystone 2 using register variables 116700.0 9705725.4 831.7
Double-Precision Whetstone 55.0 2545.7 462.9
Execl Throughput 43.0 1004.9 233.7
File Copy 1024 bufsize 2000 maxblocks 3960.0 194004.6 489.9
File Copy 256 bufsize 500 maxblocks 1655.0 50378.3 304.4
File Copy 4096 bufsize 8000 maxblocks 5800.0 530237.1 914.2
Pipe Throughput 12440.0 340164.4 273.4
Pipe-based Context Switching 4000.0 68815.1 172.0
Process Creation 126.0 2548.5 202.3
Shell Scripts (1 concurrent) 42.4 2485.8 586.3
Shell Scripts (8 concurrent) 6.0 582.7 971.1
System Call Overhead 15000.0 366327.5 244.2
========
System Benchmarks Index Score 398.9

------------------------------------------------------------------------
Benchmark Run: Tue Jun 29 2010 15:21:28 - 15:50:39
4 CPUs in system; running 4 parallel copies of tests

Dhrystone 2 using register variables 36206722.0 lps (10.0 s, 7 samples)
Double-Precision Whetstone 10039.4 MWIPS (9.0 s, 7 samples)
Execl Throughput 2053.0 lps (29.5 s, 2 samples)
File Copy 1024 bufsize 2000 maxblocks 139297.5 KBps (30.0 s, 2 samples)
File Copy 256 bufsize 500 maxblocks 39443.2 KBps (30.0 s, 2 samples)
File Copy 4096 bufsize 8000 maxblocks 413460.4 KBps (30.0 s, 2 samples)
Pipe Throughput 794207.7 lps (10.1 s, 7 samples)
Pipe-based Context Switching 197504.1 lps (10.0 s, 7 samples)
Process Creation 3082.2 lps (30.0 s, 2 samples)
Shell Scripts (1 concurrent) 3750.5 lpm (60.0 s, 2 samples)
Shell Scripts (8 concurrent) 498.9 lpm (60.2 s, 2 samples)
System Call Overhead 848080.4 lps (10.0 s, 7 samples)

System Benchmarks Index Values BASELINE RESULT INDEX
Dhrystone 2 using register variables 116700.0 36206722.0 3102.5
Double-Precision Whetstone 55.0 10039.4 1825.4
Execl Throughput 43.0 2053.0 477.4
File Copy 1024 bufsize 2000 maxblocks 3960.0 139297.5 351.8
File Copy 256 bufsize 500 maxblocks 1655.0 39443.2 238.3
File Copy 4096 bufsize 8000 maxblocks 5800.0 413460.4 712.9
Pipe Throughput 12440.0 794207.7 638.4
Pipe-based Context Switching 4000.0 197504.1 493.8
Process Creation 126.0 3082.2 244.6
Shell Scripts (1 concurrent) 42.4 3750.5 884.5
Shell Scripts (8 concurrent) 6.0 498.9 831.6
System Call Overhead 15000.0 848080.4 565.4
========
System Benchmarks Index Score 645.0


===================================================================================

BYTE UNIX Benchmarks (Version 4.1-wht.2)
System -- Linux www.?????.com 2.6.18-164.15.1.el5xen #1 SMP Wed Mar 17 12:04:23 EDT 2010 x86_64 GNU/Linux
/dev/sda1 10321208 2974096 6822824 31% /

Start Benchmark Run: Tue Jun 29 17:17:07 CST 2010
17:17:07 up 5:08, 3 users, load average: 0.19, 0.17, 0.21

End Benchmark Run: Tue Jun 29 17:27:23 CST 2010
17:27:23 up 5:18, 3 users, load average: 16.73, 7.01, 3.15


INDEX VALUES
TEST BASELINE RESULT INDEX

Dhrystone 2 using register variables 376783.7 10227540.3 271.4
Double-Precision Whetstone 83.1 1484.0 178.6
Execl Throughput 188.3 1972.1 104.7
File Copy 1024 bufsize 2000 maxblocks 2672.0 108726.0 406.9
File Copy 256 bufsize 500 maxblocks 1077.0 35313.0 327.9
File Read 4096 bufsize 8000 maxblocks 15382.0 1262429.0 820.7
Pipe-based Context Switching 15448.6 230394.6 149.1
Pipe Throughput 111814.6 1214489.5 108.6
Process Creation 569.3 3573.8 62.8
Shell Scripts (8 concurrent) 44.8 591.7 132.1
System Call Overhead 114433.5 1044142.2 91.2
=========
FINAL SCORE 181.0




redis-benchmark

====== PING ======
10024 requests completed in 0.29 seconds
50 parallel clients
3 bytes payload
keep alive: 1

8.30% <= 0 milliseconds
64.88% <= 1 milliseconds
85.17% <= 2 milliseconds
99.87% <= 3 milliseconds
100.00% <= 4 milliseconds
34328.77 requests per second

====== PING (multi bulk) ======
10011 requests completed in 0.22 seconds
50 parallel clients
3 bytes payload
keep alive: 1

10.27% <= 0 milliseconds
82.24% <= 1 milliseconds
99.25% <= 2 milliseconds
99.90% <= 3 milliseconds
100.00% <= 4 milliseconds
45094.59 requests per second
====== SET ======
10001 requests completed in 0.23 seconds
50 parallel clients
3 bytes payload
keep alive: 1

8.30% <= 0 milliseconds
83.05% <= 1 milliseconds
99.10% <= 2 milliseconds
99.33% <= 3 milliseconds
99.36% <= 4 milliseconds
99.39% <= 5 milliseconds
99.42% <= 6 milliseconds
99.44% <= 7 milliseconds
99.47% <= 8 milliseconds
99.49% <= 9 milliseconds
99.80% <= 10 milliseconds
100.00% <= 11 milliseconds
43294.37 requests per second

====== GET ======
10001 requests completed in 0.23 seconds
50 parallel clients
3 bytes payload
keep alive: 1

8.78% <= 0 milliseconds
83.75% <= 1 milliseconds
99.21% <= 2 milliseconds
99.51% <= 3 milliseconds
99.64% <= 7 milliseconds
99.83% <= 8 milliseconds
100.00% <= 9 milliseconds
43672.49 requests per second



政府假打房，何懼之有

看到新聞，政府做做樣子符合一下百姓的期待，配合一下

打得不痛不癢，當然假打房，貸款利率，還有成數，投資客拿得本來就不比一般民眾差了，所以等於沒打

有一天，當政府跳出來說，要是成交價課稅的時候，才是玩真的，其他都只是做做樣子，讓老百姓開心的

tracking Django via GitHub

http://github.com/django/django

VPS 找便宜

找便宜的 VPS 的好站，以前，都只看 Linode，價格很久沒動了，所以想找便宜的可以試試這一個站，我自己也記一下，免得忘了


http://vpslook.com/

阿里巴巴大盜何其多

不管是大陸的電子商務網站，還是台灣的拍賣網站，都算的上是騙子的集散地，請眼睛務必放亮，沒有成立超過一年的不買，尤其是，沒有什麼在賣東西紀錄的

除了查證，查證再查證外，別無他法

像是，他說他是某某公司的，就是打到，某某公司去查證，就和詐騙集團的一樣，說他是法院的，就是查證，說他是中華電信某某部門，某某某，就是查證，說他是哪一家公司，還是哪一個電子商務網站的員工，就是查證，說他是名不見經傳，沒有公司，沒有網站，那就看這一帳號能不能撐上一年了，所以阿里巴巴，算的上是中國騙子集散地了，應該也替他們賺了不少的外匯了，所以大家要小心點才是壓

賣噹勞漲價三部曲

許久沒有去賣噹勞啦，都是到其它的速食店，或是就近吃一些想吃的東西，這一個星期假日心血來潮，想回味一下，這一家老字號的速食店，進店以後，看到價目排上的價格，似乎又往上啦，霎時，所以的回憶都勾了起來，為生活在這一片土地上的同胞憂心壓

真的是什麼都漲，只有薪水不漲


所以開始帶著大家回憶一下，商人漲價的方式


第一步

將薯餅的大小調整，換成比較小的，成本降低，單價不變，起司減量，一片，變半片，這種技巧，可以用在所有的商品上，減量，變小，售價不變


第二步

將低價的餐點起取消，像是，以前最低價的早餐套餐是蛋飽餐 55 元，把他廢掉，改成只有火腿蛋堡餐，客人消費單價拉高

第三步

調整套餐內容物，把原本配的飲料，換成美式咖啡，自此，最低套餐單價 70 元，由 55 到 70 元，幅度 27%，這一種包裝手法，前幾個月，奶粉廠商才剛用過，成份調整一點點，說是成本上升了，換了包裝，就可以漲價了，鄉民，你的薪水要多久才有 27%


PS1:最令人難過得是，很多商品工廠移往大陸，成本降低不說，卻一直上漲，還有這漲得 27% 比大多台北地區的房子漲得還少

PS2: 結論就是告訴你，除了有一定的商業手段，你別無他法在這一個世代立足，若是一直拿 30年前，父母親那一輩的觀念，要立足在現在的社會，恐怕，有吃不完的苦頭，點到及止

rtl8192 linux driver 更新啦

Linux 的鄉民壓，RTL8192SE 終於又有 driver 更新啦

這一次，更新完後，不會 AP 距離不到 3米，訊號會有時候消失，就不知道耗電會不會變差了，目前是還 OK，終於可以在 Linux 快樂上網了


http://www.realtek.com/downloads/downloadsView.aspx?Langid=1&PNid=21&PFid=48&Level=5&Conn=4&DownTypeID=3&GetDown=false&Downloads=true

ps: 2010-06-28 更正，網路還是會有問題，不過，要查察是不是AP了

Redis Speed

http://www.digitaldragoon.com/blog/testing-speed-redis-py/

have pget and pset inside, I change to this


import cPickle as pickle
import zlib
import new

####################################
# gzip header
gzip_header = zlib.compress('')[:2]
####################################
# CUSTOM COMMANDS for Redis
####################################

def _pset(self, name, object, compress=False):
""" pickle set for redis client, with compress flag
"""
pobj = pickle.dumps(object, pickle.HIGHEST_PROTOCOL)
if compress:
pobj = zlib.compress(pobj)

self.set(name, pobj)

def _pget(self, name):
""" pickle get for redis client, automatic to check compress flag
"""
pobj = self.get(name)
if pobj is None: # No value for this key, let's go home :-(
return None
else:
if pobj[:2] == gzip_header:
# it compressed data
pobj = zlib.decompress(pobj)

load_object= pickle.loads(pobj)
return load_object

redis.Redis.pset = new.instancemethod(_pset, None, redis.Redis)
redis.Redis.pget = new.instancemethod(_pget, None, redis.Redis)



分散市場的重要性

將所有的部份，指放在一個市場，風險非常的大，尤其程式交易，更為重要，以目前台灣農曆年後的市場情形，尤其如此，像是台灣市場不反應，經濟的自身利空，像如，失業率創新高等等，都沒有反應，但是如果，美國市場失業率，創新高，卻會跟著反應。

如果，你的交易系統，是順勢系統，那他在震盪的市場裡一定難有表現，所以交易系統的分散及交易市場的分散，都是分散風險，讓自己立於比較不容易失敗的方法。

以最近的市場為例，歐美市場，比較有趨勢的走勢，台灣則比較像是震盪，往往，在歐美的市場，趨勢盤走完，隔天，台灣開盤到底，盤中只有上下震盪，卻已無趨勢，所以一樣的系統，就會歐美的市場上賺錢，讓整體績效依然的往上，尤其，歐美的市場，交易時間很長，電子交易風行，交易工具成熟，是程式交易者的天堂，有好策略，能在市場上活的好弟兄們，不要錯過

Google appengine 整理

目前，用來開發 google app 上的 Django 小整理

必備套件

Google App Engine Python SDK

http://code.google.com/appengine/downloads.html

Django 開發方式


Google 官方文件
http://code.google.com/appengine/articles/appengine_helper_for_django.html

Google App Engine Helper for Django

http://code.google.com/p/google-app-engine-django/

非官方，可是好用
djangoappengine