BaiWeiのBlog

博客部署在家里的 NAS 上，每次写完文章都要手动 SSH 进去 git pull 再重启容器，麻烦。折腾了一下午，终于用 GitHub Actions + Cloudflare Tunnel 实现了 push 即部署。记录一下踩过的坑。 环境说明 博客：Hexo 7.x + Butterfly 主题，跑在 NAS 的 Docker 容器里 NAS：群晖，没有公网 IP，通过 Cloudflare Tunnel 穿透，SSH 地址为 ssh.baiwei.site 目标：push 到 GitHub master 分支后，自动 SSH 进 NAS 执行 git pull + 重启容器 最终 Workflow先放结论，完整可用的 .github/workflows/deploy.yml： 12345678910111213141516171819202122232425262728293031323334353637383940414243name: Deploy to NASon: push: branches: - masterjobs: deploy: ...

一、食材与腌料（2–3 个鸡腿）主料 鸡腿上半部分（带皮） × 2–3 个 腌料（黄金比例） 生抽 1.5 勺 老抽 0.5 勺（上色用，可选） 料酒 1 勺 蜂蜜 1 勺（腌制阶段只放一半） 蚝油 1 勺 蒜末 3 瓣 黑胡椒 适量 五香粉 / 孜然粉 少许（可选） 食用油 1 小勺（帮助上色、防粘） ⚠️ 蜂蜜不宜多，也不要全程高温直接刷，否则容易糊、发苦。 二、前处理（关键） 鸡腿去腥 冷水冲洗 → 厨房纸擦干 划刀（非常重要） 肉厚处划 2–3 刀，不要划破皮 有利于入味 & 熟得均匀 腌制 除“剩余半勺蜂蜜”外全部混合 抓匀后密封冷藏 至少 2 小时 最佳：过夜（8–12 小时） 三、空气炸锅烤制流程（核心）Step 1：预热 180℃ 预热 5 分钟 Step 2：第一阶段（定型 + 出油） 鸡腿 皮朝下 180℃ 12 分钟 目的：出油、定型，防止后面糊皮 Step 3：翻面 + 刷蜜汁 翻面（皮朝上） 用剩余蜂蜜 + 1 勺腌料调匀，轻刷一层 170℃ 8 分钟 Step 4：脆皮收尾（可选） 观察颜色 若不够脆：200℃ ...

🏃‍♂️ 我的马拉松：2025 总结与 2026 进阶宣言一、 2025：从“跑起来”到“跑下去”自 8 月份开始跑步以来，这 5 个月不仅是体重的减少，更是意志的重塑。以下是我的年度数据： 总跑量： 647.1 km（相当于从上海跑到了武汉） 总耗时： 72h 8m 总活动： 86 次 海拔爬升： 1,313 m 📊 进阶里程碑：数据背后的进化 日期 距离 耗时 平均配速 平均心率 状态点评 11.10 4.63 km 34:10 7:23 147 bpm 筑基阶段，还在与呼吸感作斗争。 12.23 7.51 km 41:28 5:31 158 bpm 速度突破，E跑向M跑的跨越，心率控制稳健。 12.28 25.26 km 2:31:17 5:59 153 bpm 首个半马+里程碑。长距离抗疲劳能力初现。 数据洞察： 从 11 月到 12 月，我在平均心率仅上升 6 bpm 的情况下，配速提升了近 2 分钟/公里。这得益于持续的低心率跑和科学的饮食控制。 二、 2026：从“完赛者”到“竞技者”2026 年将是我从跑步爱好者向马拉松运 ...

📅 行程概览（2月26日 - 3月4日） 日期 城市 核心主题 住宿安排 2.26 (周四) 大阪 16:00 落地、道顿堀/心斋桥首餐 大阪（大国町/难波） 2.27 (周五) 大阪 环球影城 (USJ)、马里奥乐园 大阪（大国町/难波） 2.28 (周六) 大阪 J联赛：大阪钢巴主场、万博纪念公园 大阪（大国町/难波） 3.01 (周日) 奈良/京都 喂梅花鹿、伏见稻荷大社→清水寺→二三年坂→锦市场→鸭川 大阪（大国町/难波） 3.02 (周一) 京都/移动 四天王寺→难波八坂→黑门市场→梅田蓝天大厦→大巴、22:00 夜行巴士 夜行巴士（车上） 3.03 (周二) 东京 抵达新宿、涩谷/皇居、购物启动 东京（新宿或浅草） 3.04 (周三) 东京 跑鞋/调料疯狂扫货、22:00 回国 归途 📊 费用汇总表 类别 预估金额 实际花费 备注 往返机票+机场专线 723+839+200=1762 710+896+230 机票、 ...

在群晖 NAS 上使用 Docker 搭建 Hexo 自动化发布系统本文将记录如何利用群晖 NAS，通过 Docker 容器化技术搭建一个高效的 Hexo 博客系统。该系统支持 Git 自动触发更新、PM2 进程守护、Host 网络模式以及 Cloudflare Tunnel 内网穿透。 🚀 系统架构 容器化环境：Node.js 18 + Git + Webhook + PM2。 网络模式：Host 模式（共享宿主机 IP，方便访问本地代理）。 自动化流：本地 Push $\rightarrow$ GitHub Webhook $\rightarrow$ NAS Webhook 监听 $\rightarrow$ 自动执行 deploy.sh $\rightarrow$ PM2 重启 Hexo。 外部访问：Cloudflare Tunnel 提供域名访问及 SSL 加密。 🛠️ 环境准备1. 宿主机 Git 安装在群晖“套件中心”搜索并安装 Git Server。安装后在终端验证： Bash 1git --version 2. 目录初始化在 NAS 上克隆你的博客仓库： Bas ...

一、二叉树二叉树（binary_tree）是一种非线性数据结构，代表“祖先”与“后代”之间的派生关系，体现了“一分为二”的分治逻辑。与链表相似，二叉树的基本单元是节点，每个节点包含值、左子节点引用和右子节点引用。 123456class TreeNode: """二叉树""" def __init__(self, val: int): self.val: int = val self.left: TreeNode | None = None self.right: TreeNode | None = None 1、二叉树常用术语 根节点（root node）：位于二叉树顶层的节点，没有父节点。 叶节点（leaf node）：没有子节点的节点，其两个指针均指向 None 。 边（edge）：连接两个节点的线段，即节点引用（指针）。 节点所在的层（level）：从顶至底递增，根节点所在层为 1 。 节点的度（degree）：节点的子节点的数量。在二叉树中，度的取值范围是 ...

一、哈希表哈希表（hash table），又称散列表，它通过建立键key与值value之间的映射，实现高效的元素查询。 元素查询效率对比 数组 链表 哈希表 查找元素 O(n) O(n) O(1) 添加元素 O(1) O(1) O(1) 删除元素 O(n) O(n) O(1) 观察发现，在哈希表中进行增删查改的时间复杂度都是 O(1) ，非常高效。 1、哈希表常用操作哈希表的常见操作包括：初始化、查询操作、添加键值对和删除键值对等，示例代码如下： 1234567891011121314151617# 初始化哈希表hmap: dict = {}# 添加元素hmap[1] = "小明"hmap[2] = "小红"hmap[3] = "小绿"# 查询元素name: str = hmap[1]# 删除元素hmap.pop(2)# 遍历哈希表for k, v in hmap.items(): print(f'{k} = {v}' ...

一、栈栈（stack）是一种遵循先入后出逻辑的线性数据结构。 1、栈的常用操作 方法 描述 时间复杂度 push() 元素入栈（添加至栈顶） O(1) pop() 栈顶元素出栈 O(1) peek() 访问栈顶元素 O(1) 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374757677787980818283848586878889909192# 初始化栈# Python 没有内置的栈类，可以把 list 当作栈来使用stack: list[int] = []# 入栈stack.append(1)stack.append(2)stack.append(3)# 访问栈顶元素peek: int = stack[-1]# 出栈pop: int = stack.pop()# 获取栈的长度size: int = len(stack)# 判断是否为空 ...

数组和链表1、数组数组（array）是一种线性数据结构，其将相同类型的元素存储在连续的内存空间中。我们将元素在数组中的位置称为该元素的索引（index）。 1.1 初始化数组12arr: list[int] = [0] * 10 # 初始化长度为10的数组，nums: list[int] = [1, 2, 3, 4, 5] 1.2 访问元素索引本质上是内存地址的偏移量，因此数组的访问操作是非常高效的。 123456789def random_access(nums: list[int]) -> int: """ 随机访问数组元素 :param nums: 数组 :return: 数组元素 """ random_index = random.randint(0, len(nums) - 1) random_num = nums[random_index] return random_num 1.3 插入元素123456def insert(nums: list[int] ...

一、复杂度分析 算法效率评估 时间效率和空间效率是衡量算法优劣的两个主要评价指标。 我们可以通过实际测试来评估算法效率，但难以消除测试环境的影响，且会耗费大量计算资源。 复杂度分析可以消除实际测试的弊端，分析结果适用于所有运行平台，并且能够揭示算法在不同数据规模下的效率。 时间复杂度 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可能失效，如在输入的数据量较小或时间复杂度相同时，无法精确对比算法效率的优劣。 最差时间复杂度使用大O符号表示，对应函数渐进上界，反应当n趋向正无穷时，操作数量T(n)的增长级别。 推算时间复杂度分为两步，首先统计操作数量，然后判断渐进上界。 常见时间复杂度从低到高排列有O(1)，O(log n)，O(n)，O(n log n)，O(n²)，O(2𝑛)，O(n!)等。 某些算法的时间复杂度非固定，而是与输入数据的分布有关。时间复杂度分为最差、最佳、平均时间复杂度，最佳时间复杂度几乎不用，因为输入数据一般需要满足严格条件才能达到最佳情况。 平均时间复杂度反应算法在随机数据输入下的运行效率，最接近实际应用中的算法性能。 ...