dmidecode命令可以在Linux系统下获取有关硬件方面的信息。dmidecode的作用是将DMI数据库中的信息解码，以可读的文本方式显示。由于DMI信息可以人为修改，因此里面的信息不一定是系统准确的信息。dmidecode遵循SMBIOS/DMI标准，其输出的信息包括BIOS、系统、主板、处理器、内存、缓存等等。
DMI（Desktop Management Interface，DMI）就是帮助收集电脑系统信息的管理系统，DMI信息的收集必须在严格遵照SMBIOS规范的前提下进行。SMBIOS（System Management BIOS）是主板或系统制造者以标准格式显示产品管理信息所需遵循的统一规范。SMBIOS和DMI是由行业指导机构Desktop Management Task Force(DMTF)起草的开放性的技术标准，其中DMI设计适用于任何的平台和操作系统。
Gitbook 就是一个电子书生成工具，可以用来写电子书，电子教程。有点像Hexo，写完后可以生成html，还可以生成pdf。
当然，跟Hexo一样，也是用Markdown写内容的，挺方便好用的。
第一篇：服务器 Docker搭建Flask应用（一），没带数据库MySQL。如果是用python自带的 sqlite的话，就比较简单，直接反正就一个数据库文件。
如果要用MySQL的话，就麻烦点。
比如我自己装了一台Ubuntu20.04LTS作小服务器，并没有安装MySQL，然后反正装了Docker，倒也是没啥大关系，用个MySQL的镜像，创建容器就能用了。
pyecharts 是一个用于生成 Echarts 图表的类库，Echarts 是百度开源的一个数据可视化 JS 库，主要用于数据可视化。所以，pyecharts 实际上就是 Echarts 与 Python 的对接。
官方文档：https://pyecharts.org/#/zh-cn/intro
安装pyecharts：
1 | pip install pyecharts |
Flask运行后有以下WARNING提示：
1 | WARNING: Do not use the development server in a production environment.Use a production WSGI server instead. |
上面只是警告，不管继续用也是可以的。它的意思是Flask 的默认服务器是在开发环境中使用的，仅供开发测试。然后Flask配置默认是生产环境，所以建议用生产级的WSGI服务器代替。
上一篇文章用Docker搭建了Gitbook的环境：Docker搭建Gitbook，然后发现个小问题，问题不大，不过感觉Gitbook的版本实在太低了。
毕竟是7年前的镜像了，用gitbook -V查看了下gitbook的版本，竟然是：0.3.4
于是，决定还是自己用Dockerfile制作个Gitbook的镜像好了。
自己用Dockerfile制作镜像也挺方便的，参考：Docker Dockerfile文件详解（制作自己的镜像）
也就是第一次生成镜像的时候花点时间。
在网上看到用Gitbook写的教程/文档，感觉还挺方便看的，想用它来试一下写教程/电子书之类的。
看到安装Gitbook还挺方便的，跟Hexo一样（用的就是Hexo的博客），是一个基于Node.js 的命令行工具，可使用Github/Git 和Markdown 来制作精美的电子书。
于是，原来都装好了Node.js和git这些，感觉倒也方便，安装下Gitbook就行了。
谁料，是我年轻了，想的太简单了。
Docker用的多一点，特别是装了一个几十G的Linux后 ，就好几十G空间了，太占用系统盘了。所以想换一下存储位置。
Docker Desktop查看settings设置，发现无法在设置里更改，用的是WSL2。通过WSL2启动，会自动创建2个子系统，分别对应2个 vhdx 硬盘映像文件。
默认安装在C盘，默认的镜像容器这些存储在：C:\Users[用户名]\AppData\Local\Docker\wsl\，分别在data和distro目录下都有个ext4.vhdx文件。（特别是data目录下文件，就巨大）
WSL全称：Windows Subsystem for Linux，即「适用于 Linux 的 Windows 子系统」，可让开发人员按原样运行 GNU/Linux 环境 – 包括大多数命令行工具、实用工具和应用程序 – 且不会产生传统虚拟机（a traditional virtual machine）或双启动设置开销。
MD5是一种旧的哈希算法，Python 内置的 hashlib 库就可以实现 MD5 哈希加密。
一般自己用的话，就用来保存密码到数据库，密码用md5加密下再存进数据库。
比如用钉钉的智能填表做投票优秀员工，得到了以下这样一份表格数据：
每个人投了3个优秀员工，当然，这里是举例，3个可能还好拆，如果是10、个20个呢？然后有几百人投票的话，这个统计次数就有点麻烦。
对于这样在Excel表格中，一个单元格中有多项内容的统计，在Excel中当然也可以处理，这里会Python的话，介绍用pandas这个库，就超级简单了。