RFC 1034 Domain Concepts and Facilities November 1987

[Page 15]

If a CNAME RR is present at a node, no other data should be present.

[Page 24]

If the data at the node is a CNAME, and QTYPE doesn't match CNAME, copy the CNAME RR into the answer section of the response, change QNAME to the canonical name in the CNAME RR, and go back to step 1.

所以当你 Zone 里对应域名节点是 CNAME 的时候，任何查询都应该返回 CNAME 记录，不论是 A 或者是 AAAA TXT MX 都一样。

@IvanLi127 91pxrn 在北美做的人都被中国警方抓了，狡辩为谁服务也要警察信啊。

我们以前的教务系统也是随便入。ASP 裸拼查询，你们都知道怎么搞的。

一般按照 Debian 惯例，放在 /var/www/ 下面。
如果是单用户主机，就是 /var/www/example.com/ ，权限给 www-data。
如果是多用户，就是 /var/www/user/example.com/ ，权限给 user，然后把 www-data 用户加入 user 组，获得读取权限。具体的应用程序进程也使用 user 账号运行，比如 PHP-FPM 可以建立一个新 Pool，使用 user 账号运行。

现在我觉得比较有效的一个方法是，Windows 防火墙里添加两条出站规则，应用对象分别是 Windows Update 服务和 Delivery Optimization 服务。这样就等于禁止这两个组件联网，应该可以阻止自动更新。要手动更新的时候，禁用掉阻止规则即可。

@KeySouundsFan 连头像都没有，完全记不住啊。

PS: 0day 怎么了，我一个防火墙挡着的也不上小黄网的家用工作站你什么 0day 可以穿透进来？
病毒的目的是什么？是让你丢失数据造成损失。
我几乎每次自动更新都会丢失数据或者造成损失，根本轮不到你 0day 来搞破坏，光 Windows 自己就能达到 0day 的效果了。看看别人说的，什么更新以后分区不识别了呀，什么打游戏直播到一半眼前一蓝呀，什么给客户做演示的时候客户一脸懵逼啊……

还有，Long Term SB 不能选版本。比如我用 1703，哪来的 SB 版。而且 SB 版还没有零售，想用正版？花个几千订企业订阅去。

只看你的描述：
1. 你的服务器端必须要保存生成的密钥，而且密钥无法防止离线破解。
也就意味着我可以先生成 1000 个密钥，统一计算完，然后一次发 1000 个登录请求上去。
2. 你的服务器端必须保存密钥，意味着可以直接进行 DDoS 攻击，直接打爆你生成密钥的存储系统。

所以到最后，你还是得在密钥生成系统上加上延时和保护。
那么也就回到一开始的解决方案：直接给登录系统加上延时和保护了。

@xiaqi 也可以自建的，总之用别人的服务要小心。

感谢提醒，准备开始迁移自己的 Repo 了。

手机用户会喷死你。

SSH 端口不改倒是没事，做好正常的防护就行了。
机器被黑了，原则上来说只有重装一条路，除非你特别有信心 root 账户没有被影响到。

第二题的解题思路：

首先是笨办法穷举，这个就不多说了。

接下来看优化方法。
首先我们知道最优解的大值在右边，小值在左边，那么小值可以覆盖大值左边的任意数据，大值可以覆盖小值右边的任意数据，而使得最优解不变。

比如说 [0, -5, -10, -5, 0, 5, 10, 5, 0] 的最优结果与 [0, -5, -10, -10, -10, -10, 10, 5, 0] 的结果是相同的，和 [0, -5, -10, 10, 10, 10, 10, 5, 0]的结果也是相同的。我这里把这种做法叫做极值覆盖。

那么解法就很简单了，生成两个极值覆盖数组，分别是小值向右覆盖，和大值向左覆盖：
min_array = [0, -5, -10, -10, -10, -10, -10, -10, -10]
max_arrray = [10, 10, 10, 10, 10, 10, 10, 5, 0]
然后对于每个下标，求最大差值即可。

代码如下：
input = [-1, 10, -8, 8, -10, 1]

min_array = input.dup
max_array = input.dup
1.upto(input.size-1) { |i| min_array[i] = [min_array[i-1], min_array[i]].min }
(input.size-1).downto(1) { |i| max_array[i-1] = [max_array[i-1], max_array[i]].max }
diff_array = input.size.times.map { |i| max_array[i] - min_array[i] }
max_diff = diff_array.max
p min_array
p max_array
p diff_array
puts max_diff


# [-1, -1, -8, -8, -10, -10]
# [10, 10, 8, 8, 1, 1]
# [11, 11, 16, 16, 11, 11]
# 16

时间复杂度三次线性遍历 O(n)，空间复杂度两次复制数组 O(n)。

接下来是继续优化空间复杂度。
我们看到大值覆盖是没有必要去计算的，直接用原始输入数据求值就行了，所以优化成：
min_array = input.dup
1.upto(input.size-1) { |i| min_array[i] = [min_array[i-1], min_array[i]].min }
diff_array = input.size.times.map { |i| input[i] - min_array[i] }
max_diff = diff_array.max
p min_array
p diff_array
puts max_diff

# [-1, -1, -8, -8, -10, -10]
# [0, 11, 0, 16, 0, 11]
# 16

时间复杂度两次线性遍历 O(n)，空间复杂度一次复制数组 O(n)。

再接下来我们发现小值覆盖也没有必要生成整个数组，而是只要记录至今为止的最小值即可，因为小值总是只会更小，后续计算不会涉及到历史值，因此优化成：

min = input.first
max_diff = 0
input.each do |n|
min = n if n < min
max_diff = n - min if n - min > max_diff
end
puts max_diff

# 16

时间复杂度一次线性遍历 O(n)，空间复杂度 O(1)。

同类型的 Trapping Rain Water 可以用第一种优化方法扫描覆盖极值来求解，有兴趣可以去挑战一下。

#10 @xwyam [-1, 10, -8, 8, -10, 1]

你们没见过因为字幕制作发布晚了几天就被人问候全家的吧？ hhh

第二题相当于是 Trapping Rain Water 的一个特例，最直观的做法是新开两个数组存覆盖结果，然后再相减。
空间复杂度 O(1)不知道能不能实现，回头我想一下然后贴代码上来。

家里做饭都是少盐的，反正各种调料里都有 MSG 所以自己一般不放了。

1.
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
1.upto(matrix.size + matrix.first.size - 1) do |l|
col = matrix.take(l).map(&:shift).compact
col.reverse! if l.odd?
p col
end

[1]
[2, 4]
[7, 5, 3]
[6, 8]
[9]

中国带宽不便宜吧，一般授时用日韩服比较划算，带宽资源相对充裕和廉价一些。