@nicoljiang 😂在关公面前耍剃刀了，能做出 dogedoge 是真的强👍🏻

@firemiles dei，自己实现的一个（比较 naive 的）存储层。详情看楼上，刚刚回复

@Comdex
@ClarkAbe 再说说文件空间管理的部分，为了把问题分而治之，我做一个“文件空间分配器”的抽象，只负责分配可用的文件空间（实际上就是一个文件偏移），充当最底层的存储层。分配算法上借鉴了现代内存分配器的思想，大块空间和小块空间分开治理，大块空间（>=64kb ）使用了 buddy 分配算法（用位图做标记，用红黑树做空闲块索引）。小块内存用 freelist 管理（从 buddy 上分配一大块，挂到 freelist 上按需切割），还做了一些小块内存释放后和临近的小块合并的优化，用了侵入式循环双链表作为小块内存的 overhead，把所有空闲 or 非空闲的块串在一起，实现时间复杂度 O(1)的合并。但这些思路都是传统内存分配器上借鉴的，可能不太适用在文件空间的分配上，所以这个“文件空间分配器”还有很大的改进空间

@Comdex 哈哈，主要是我太懒了，感觉说话（表达）比写代码还要累。。。
实现细节还蛮多的，先说说哈希表的部分，普通的哈希表有一个致命的缺陷：当 numKeys/numBuckets 达到某个阀值（ load factor ）的时候，需要 rehash，这个操作会瞬间耗费大量的 cpu （而且哈希表构建在磁盘上的话，还要算上 io ）。有没有办法把这个 rehash 的过程切分成一小步一小步，分摊到每次插入的操作上？这个就是<线性哈希>算法解决的问题。虽然 rehash 的过程被分摊了，但是 bucket 数组的空间还是需要连续的（不然没办法根据 hashcode 定位了），一般会采用“翻倍”的策略，让最大可用 bucket 的数量保持在 2^N。如果考虑存储海量的数据，bucket 数组空间翻倍（分配新的空间，拷贝旧数据到新空间，释放旧的空间）也是一个耗 cpu 和 io 的点。为了解决这个问题我把 bucket 数组切成固定长度的段（ segment，64kb ），段与段之间不需要空间上的连续，然后额外维护一张段表（需要空间上连续）指向这些散落的段。这样就把 bucket 数组空间翻倍就弱化为段表空间翻倍，大大降低了影响。

@Mithrandir 现在的方案是运行时用 mmap 地址+文件偏移定位数据块

@codehz 实现上已经使用了 mmap 映射文件，但是每次内存映射的地址不确定（虽然 mmap 可以指定写死的映射地址，数据结构也就可以直接引用这个地址，因为不会变化，但是这样做太 trick ？）。还是记录文件偏移更健壮，外加使用 protobuf 做数据结构的序列化，这样大小端、内存对齐就和平台无关了

通过阅读源码的方式学习 Go 比较低效。建议先按官网的学习教程走，然后再看官方的 Effective Go。差不多了就可以挑一个项目进行练手了，练手过程中留意编码的最佳实践，可以多参考其他成熟的项目。后面根据自己遇到的问题，选读一些 Go 官方文档还有 Go Blog，github golang wiki 上也有不少有用的信息。大概就是一个循序渐进的过程，类似于“广度优先搜索”，不建议“深度优先搜索”的方式进行学习，例如一开始就细读所有官方文档，或者一头扎进代码堆

哈哈，歪个楼，最近同撸了个基于 protobuf 的 rpc 轮子 github.com/let-z-go/pbrpc

不错，我也撸过自己的玩具脚本语言: github.com/roy2220/oyc

要迁移项目了

math.nan

我来偷个懒：
a = bytes([False, False, False, True, True, True, False, False, False, False, False, False])
b = bytes([True, True, True])
match = a.find(b) >= 0
print(match)

我选择 protobuf

@Lycnir 这个库之前用过，当时 bug 很多，行为也莫名其妙，现在看起来有所改善，但是对一些机制的实现还是错的

因为这样做不对

@woscaizi 然而。。。并不是，其实我一开始我就不想回复你(因为觉得没有讨论的共识)，但是又怕让你觉得我不太礼貌，只能硬着头皮回复(同时委婉表明我的态度)，结果越来越尴尬。。。还是就此打住吧

@woscaizi 所以说这本身就是个很主观的问题。本主题的定位人群是认为 return 和 else 可读性不一致、想在两者寻找一个平衡的人，你大可无视本主题，它和你没什么关系

@woscaizi 光把逻辑写对还不够，可读性很重要，本主题的核心就是 return 与代码的可读性

@crb912 如果真的有一些简单武断的原则，只要竭力去遵守就能写出好代码，那满世界都是优秀程序员了，因为这太简单就能做到了。但现实并不是那么简单，动态地权衡和取舍才能做出好决定，不要盲目地相信各种原则(例如 DRY ？)，它们通常都隐含着应用情景，无视应用情景妄想一招鲜，不是懒就是傻