语法：valid_referers [none|blocked|server_names]

使用字段：server, location

这个指令在referer头的基础上为 $invalid_referer 变量赋值，其值为0或1。

可以使用这个指令来实现防盗链功能，如果valid_referers列表中没有Referer头的值， $invalid_referer将被设置为1。

参数可以使如下形式：

none 意为不存在的Referer头(表示空的，也就是直接访问，比如直接在浏览器打开一个图片)

blocked 意为根据防火墙伪装Referer头，如：“Referer: XXXXXXX”。

server_names 为一个或多个服务器的列表，0.5.33版本以后可以在名称中使用“*”通配符。

举例：

阅读全文

在启动自定义服务的时候，希望使用8370端口，却发现端口已经被nginx或node占用了，无法启动。但是lvs又已经申请了，改端口的话比较麻烦。所以可以修改下 /proc/sys/net/ipv4/ip_local_port_range 参数，使tcp协议分配的端口从一个比较大的范围开始启用，这样，node或nginx就不会占用较小的端口了。

阅读全文

最近的谈谈项目使用了部分lua，用于一些请求量超高的请求，在nginx层面挡回去，省的调用大量php进程。

由于以前没用过lua，开发过程中遇到了一些小技能点，记录一下。

1.lua字符串分割函数

2.使用lua的reids 的 批量获取方法。 比如：hmget

先将所有的field整合到一个Table， 比如： field_table里。

阅读全文

360图片搜索遇到这么一个场景，pc端的搜索结果页和频道列表页，在移动端访问时，检测到是移动版的ua，会自动跳转到对应的移动端结果页或频道列表页。

现在，pc端新上了一个频道，服饰频道，但是移动端还没开发。当在移动端访问pc版的服饰频道页时，会跳转到移动端的频道页，但是没有服饰频道，所以跳转到了默认的美女频道，体验不好。

所以，就需要做一个处理，当发现是服饰频道时，不跳转，保持pc端的展示。

之前的nginx配置是判断ua后，就决定是否跳转。

现在需要对频道页判断，而由于频道页是通过参数传入，而不是在path里边，所以使用rewrite规则无法解决。

其实就可以使用$request_uri判断就可以了。本来是打算在if里通过 and 或者 && 解决，结果发现不支持。

查了资料后，发现一个方便实现的方法，通过两次判断，设置变量的形式。

如下:

阅读全文

还是360指数项目，需要用到Query归一化，但是公司内只有c++版本的，数据分析的同事用的都是那个二进制可执行文件来处理，但是我们前端又不可能跑system()方法吧，太不安全了，所以要来了源代码，打算封装成一个php扩展。

下边就讲一下我的封装过程。

首先，要到了Query归一化的C++版本源代码。

引用第三方的类库有两种方法，一种是静态引用，一种是动态引用，推荐使用静态引用，因为静态引用的情况下，会把类库打包到php的扩展.SO文件中，这样我们不必担心依赖关系，带着类库到处跑了。

阅读全文

在shell下想用循环输出数字，然后用0补齐，拼出文件名来。. 可以使用printf。

阅读全文

最近在搞360指数项目，挑战还是比较多的，现在项目已经基本ok了，拿出点时间来总结一下。 首先说说存储，需求的数据量比较大，又有一些弱关系的查询需求，首先放弃的就是mysql和redis，然后跟DBA沟通了下，使用mongoDB似乎是个不错的选择，在开动了之后才发现，数据量比预估的还要大，DBA的SSD资源不足以支持我们的项目，我们就自己搞了一台有4个2Tsas盘的机器，DBA在上边搞了24个分片，很轻易的，我们就把磁盘IO搞满了，数据写的速度慢的要死，在ssd上有1-2w/s的速度，在sas盘上，就只有几百了，数据量实在太大，需要录入一直到去年年初的指数数据，如果要想在上线前把数据录入完成，这样下去是不可能了。 随后我们又搞了两台给Hadoop集群使用的机器，每台机器有12块SCSI硬盘，看起来些写性能应该能翻个几番，但其实，部署完了之后，才发现，写入速度也才刚能达到1-2k，距离我们的需求还差的很远。 其实，我们要求的也只是数据的初始化速度要快一些，上线之后，这样的写性能也足以支持我们把增量数据录入，所以，我们还可以通过借一些ssd硬盘来加快写入速度，然后把数据对拷到scsi硬盘，这样，数据初始化的问题就可以解决了。本来已经从其它部门的同事那里借到了25块ssd，不过在跟他们进一步沟通之后，发现公司有可以提供线上服务的Hbase集群，虽然在存储选型初期也想过Hbase，由于当时对Hbase了解较少，也不知道有可以提供线上服务的集群，就这么错过了，与系统部的同事沟通后，我们数据量最大的两块数据，是可以迁移到Hbase使用的，这块数据占到我们总数据的90%，这部分数据通过Hbase解决后，其它数据再使用Mongodb就毫无压力了。最终，我们的最大数据部分的需求，通过合理使用Hbase的column_qualifier和version得以解决。而且单纯存入这批数据的map/reduce时间，仅仅使用了17分钟。 这里还要感谢一下DBA和系统部的同事，在好几个夜晚帮我们部署环境，解答疑问，使我们的项目得以顺利前进。 … 嗯，，，项目中还用到了一个自己封装的php扩展，单独写个文章介绍下吧。

阅读全文