yarn——包管理器的必備良藥

一、yarn使用教程

Yarn是一個npm客戶端的替代品，用於管理npm軟體包的依賴關係。 它是為了更好地解決npm的一些問題而創建的。 運行Yarn的最簡單方法是使用Node.js包管理器npm進行安裝。 安裝完後，可以使用以下命令將文件夾初始化為一個npm存儲庫：

    yarn init

下面是一個例子:

  {
    "name": "my-project",
    "version": "1.0.0",
    "main": "index.js",
    "license": "MIT"
  }

可在該文件中添加作者，描述等信息。接著就可以使用指令添加所需依賴，例如:

    yarn add react react-dom

這將在您的目錄中安裝React和React Dom.

二、yarn配置

運行「yarn init」命令會創建一個package.json文件，它主要記錄你的項目的依賴和相關信息，在這個過程中還需要注意設定鏡像以加速下載：

    yarn config set registry https://registry.npm.taobao.org

這樣，當你使用yarn安裝依賴時，它會使用淘寶的NPM鏡像，速度明顯快於默認的npm官方源。

三、yarn安裝依賴

yarn安裝依賴的命令是yarn add，很常用。

    yarn add jquery

yarn還允許你通過在依賴包名前加上＂＂作為前綴將包安裝到devDependencies中，例如：

    yarn add --dev babel-core

四、yarn安裝後無法全局使用

在mac系統下，yarn默認將包安裝到你的項目之中，如果要在全局使用，需要進行相關的配置。具體方法是安裝yarn添加鏈接：

    brew install yarn
    echo 'export PATH="$PATH:`yarn global bin`"' >> ~/.bashrc
    source ~/.bashrc
    yarn global add package-name

五、yarn使用及安裝

Yarn允許你使用yarn.lock文件鎖定依賴項。 這個文件描述了安裝了項目的依賴項、版本和子依賴項，從而可以保持團隊中每個人的環境一致。 可以使用以下命令將項目還原到以前的版本：

   yarn install --frozen-lockfile

在使用yarn命令時，會緩存你下載的包。通常開發過程中某些包的更新十分必要，於是可以運行以下命令刷新緩存：

    yarn cache clean

六、yarn使用找不到路徑

隨著項目的不斷推進，我們難免會遇到一些不確定因素，例如打包之後的路徑。針對這種情況，我們可以在項目的根路徑下創建一個「.yarnrc」配置文件，進行相關的設置及策略：

    # 該配置文件所在的目錄名
    --modules-folder
    ## 生成的文件名    --preferred-cache-folder

七、小程序開發如何使用yarn

小程序開發中也可以使用yarn來進行包管理。特別是在有多人協同開發的情況下，yarn.lock文件中的代碼版本控制十分重要。

    # 初始化 
    yarn init
    # 添加依賴
    yarn add package-name
    # 刪除依賴
    yarn remove package-name

八、yarn使用kerberos做認證

Kerberos是一種可信的第三方驗證協議，用於授權系統資源的訪問許可權。在使用kerberos做認證時，在yarn-site.xml文件當中可以配置相應的設置：

    
        yarn.resourcemanager.principal
        rm/_HOST@EXAMPLE.COM
    
    
        yarn.resourcemanager.keytab
        /usr/hdp/current/hadoop-client/conf/yarn.keytab
    

九、flink使用yarn提交

Apache Flink是一個分散式數據處理引擎，可用於批處理和流處理。該引擎提供了集群資源管理器，允許用戶使用yarn來管理資源和提交任務。 下面是一個使用yarn進行應用程序提交的例子：

    ./flink run -m yarn-cluster -yn 2 -ys 2 -yjm 1024 -ytm 1024 -c com.example.flink.example.HelloYarn 

十、使用torch.randn

torch類庫中的randn函數可以從均值為0、方差為1的正態分布中抽取隨機數。在使用時，需要定義一個Tensor形狀和類型：

    import torch
    x = torch.randn(4, 4)

此時x已被初始化為4×4的矩陣或Tensor，其中的元素均為隨機抽樣的變數。