前言

本篇是對(duì) 2023-04-24 到 2023-04-30 這周生活的記錄與思考。首發(fā)在我的個(gè)人 博客，你可以移步了解更多或者給我留言。

本周二早上跑步右小腿抽筋，跑步暫停了兩天，所以有兩天走路沒有到一萬步。在小腿恢復(fù)之后，繼續(xù)跑步，查看 strava 上的統(tǒng)計(jì)，這周總共跑了 27 公里，比上周 41 公里少了 14 公里。

這周空閑時(shí)間就在想，能不能每天自動(dòng)收集個(gè)人的一些數(shù)據(jù)，比如，目前我能想到的數(shù)據(jù)包括跑步、走路、體重、編碼、早起等等。

目前是使用 strava app 記錄跑步數(shù)據(jù)，通過 running_page 可以實(shí)時(shí)收集我的每天 跑步數(shù)據(jù)。

走路、體重?cái)?shù)據(jù)可以從蘋果健康數(shù)據(jù)獲?。?/p>

編碼數(shù)據(jù)可以從 wakatime 獲?。?/p>

早起的數(shù)據(jù)，我目前是通過 ios workflow 自動(dòng)化來實(shí)現(xiàn)的。當(dāng)早起鬧鐘響起時(shí)，往 memos 寫入一條記錄。

如果可以獲取到蘋果屏幕使用時(shí)間數(shù)據(jù)，則可以從蘋果手機(jī)獲取每日第一次拿起手機(jī)的時(shí)間作為早起時(shí)間（待研究）。

導(dǎo)出蘋果健康數(shù)據(jù)

如何導(dǎo)出蘋果健康數(shù)據(jù)？可以參考這篇文章 想要分析或備份 iPhone 「健康」應(yīng)用數(shù)據(jù)？教你 3 種方法將其導(dǎo)出 。這篇文章提到的 Health Export 工具和 python 腳本我都試過，QS Access 在手機(jī)上沒有找到。

1. Health Export 在線解析

Health Export 是國外一名獨(dú)立開發(fā)者寫的在線解析工具，它專門用于將健康應(yīng)用導(dǎo)出的 XML 文件轉(zhuǎn)換為 CSV 文件。

Health Export 提供了一個(gè) web 網(wǎng)站 可以解析傳蘋果手機(jī)導(dǎo)出的健康數(shù)據(jù)。

如何從 IPhone 手機(jī)導(dǎo)出蘋果健康數(shù)據(jù)呢？您可以通過以下步驟導(dǎo)出這些數(shù)據(jù)：

完成這些步驟后，您的健康數(shù)據(jù)將被導(dǎo)出為一個(gè)可下載的 zip 文件。您可以將其保存到您的設(shè)備上或發(fā)送到其他應(yīng)用程序或云存儲(chǔ)服務(wù)。

將導(dǎo)出的文件 export.xml 上傳到 web 網(wǎng)站 ，稍等片刻可以導(dǎo)出結(jié)果。導(dǎo)出的健康數(shù)據(jù)是一個(gè)指標(biāo)一個(gè) csv 文件，如果想合并數(shù)據(jù)，需要做進(jìn)一步處理。

另外，Health Export 也提供了 IOS APP，功能好用，支持選擇指定指標(biāo)數(shù)據(jù)按日期聚合導(dǎo)出為一個(gè) csv，還有定時(shí)導(dǎo)出的功能，遺憾的是需要收費(fèi)。

2、使用 python 腳本

這里使用了 @Radcliffe 提供的開源代碼。目前，Github 可以在國內(nèi)自由訪問，所以直接通過此鏈接下載名稱為 applehealthdata.py 的腳本文件。

然后，將之前下載好的 導(dǎo)出.xml 與該腳本文件放置在同一目錄下方。為了防止報(bào)錯(cuò)，這里需要將 導(dǎo)出.xml 更名為 export.xml。

接下來，在該文件夾下打開終端（macOS & Linux）或者命令行工具（Windows），使用 Python 2 執(zhí)行該腳本：

python applehealthdata.py export.xml

稍等片刻，XML 文件就會(huì)被解析為數(shù)個(gè) CSV 文件了。

這里，我對(duì) applehealthdata.py 這個(gè)文件做了一點(diǎn)修改，只導(dǎo)出指定的指標(biāo)的指定列的數(shù)據(jù)，修改后的腳本在 applehealthdata.py。目前，我只關(guān)注以下 6 個(gè)指標(biāo)：

RECORDS=[ 'BodyFatPercentage', 'BodyMass', 'BodyMassIndex', 'DistanceWalkingRunning', 'LeanBodyMass', 'StepCount' ]

這 6 個(gè)指標(biāo)中文含義分別是：

導(dǎo)出的列只需要 type、startDate、value 這 3 個(gè)：

RECORD_FIELDS = OrderedDict(( # ('sourceName', 's'), # ('sourceVersion', 's'), # ('device', 's'), ('type', 's'), # ('unit', 's'), # ('creationDate', 'd'), ('startDate', 'd'), # ('endDate', 'd'), ('value', 'n'), ))

這樣導(dǎo)出了這 6 個(gè) csv 文件：

BodyMass.csv DistanceWalkingRunning.csv StepCount.csv BodyFatPercentage.csv BodyMassIndex.csv LeanBodyMass.csv

接下來，把這 6 個(gè)文件導(dǎo)入數(shù)據(jù)庫，并進(jìn)行合并處理。數(shù)據(jù)庫我選擇的是 postgres，以上 6 個(gè)文件對(duì)于 6 個(gè)建表語句：

CREATE SEQUENCE IF NOT EXISTS health_id_seq; CREATE TABLE "public"."BodyFatPercentage" ( "id" int4 NOT NULL DEFAULT nextval('health_id_seq'::regclass), "type" varchar, "start_date" timestamp, "value" float8, PRIMARY KEY ("id") ); CREATE TABLE "public"."BodyMass" ( "id" int4 NOT NULL DEFAULT nextval('health_id_seq'::regclass), "type" varchar, "start_date" timestamp, "value" float8, PRIMARY KEY ("id") ); CREATE TABLE "public"."BodyMassIndex" ( "id" int4 NOT NULL DEFAULT nextval('health_id_seq'::regclass), "type" varchar, "start_date" timestamp, "value" float8, PRIMARY KEY ("id") ); CREATE TABLE "public"."DistanceWalkingRunning" ( "id" int4 NOT NULL DEFAULT nextval('health_id_seq'::regclass), "type" varchar, "start_date" timestamp, "value" float8, PRIMARY KEY ("id") ); CREATE TABLE "public"."LeanBodyMass" ( "id" int4 NOT NULL DEFAULT nextval('health_id_seq'::regclass), "type" varchar, "start_date" timestamp, "value" float8, PRIMARY KEY ("id") ); CREATE TABLE "public"."StepCount" ( "id" int4 NOT NULL DEFAULT nextval('health_id_seq'::regclass), "type" varchar, "start_date" timestamp, "value" float8, PRIMARY KEY ("id") );

我想把這 6 個(gè)文件按照日期合并到一個(gè)表中，于是創(chuàng)建 health 表：

CREATE TABLE "public"."health" ( "day" text NOT NULL, "fat_pct" float8, "bmi" float8, "lean_weight" float8, "step_count" float8, "step_distance" numeric, "weight" float8, PRIMARY KEY ("day") );

接下來，通過 sql 合并數(shù)據(jù)插入到 health 表：

insert into health select f.day,t.fat_pct,t.bmi,t.lean_weight,f.step_count,g.step_distance,t.weight from ( select to_char(start_date, 'YYYY-MM-DD') as day,sum("value") step_count from "StepCount" group by to_char(start_date, 'YYYY-MM-DD') ) f left outer join (select to_char(start_date, 'YYYY-MM-DD') as day,round(cast(sum("value") as numeric) ,2) as step_distance from "DistanceWalkingRunning" group by to_char(start_date, 'YYYY-MM-DD') ) g on f.day=g.day left outer join (select a.day,a.weight,e."value" "lean_weight",cast(c."value"*100 as numeric) as "fat_pct",d."value" "bmi" from(select to_char(start_date, 'YYYY-MM-DD') as day,min(start_date) as min_start_date,min(value) as weight from "BodyMass" group by day) aleft outer join "BodyFatPercentage" c on a.min_start_date=c.start_dateleft outer join "BodyMassIndex" d on a.min_start_date=d.start_dateleft outer join "LeanBodyMass" e on a.min_start_date=e.start_dateorder by a.day ) t on t.day=f.day order by f.day asc

最后的數(shù)據(jù)如下：

完整的 csv 文件保存在 health.csv 。有些記錄中體重相關(guān)的數(shù)據(jù)為空，這是因?yàn)轶w重相關(guān)數(shù)據(jù)是通過其他和電子秤關(guān)聯(lián)的 app 寫進(jìn)去的。要想每天都有體重相關(guān)的數(shù)據(jù)，則需要每天使用電子稱測(cè)量體重。

得到這份數(shù)據(jù)之后，就可以進(jìn)行統(tǒng)計(jì)了，比如統(tǒng)計(jì)體重的變化、每天走路的步數(shù)等等。

理財(cái)

這周總計(jì)支出 732 元，明細(xì)如下：

4 月累計(jì)支出共 3048 元，比 3 月支出 3520 元少了 472 元。主要支出來自這幾個(gè)：

健身

四月跑步記錄如下，總計(jì)跑了 16 小時(shí)、125 公里。更詳細(xì)數(shù)據(jù)，可以參考我的 跑步主頁。

工作

Effective Java 3 筆記

請(qǐng)參考 《Effective Java 3》筆記 4：用私有構(gòu)造函數(shù)使類不可實(shí)例化 和 《Effective Java 3》筆記 7：排除過時(shí)的對(duì)象引用。

FlexyPool

FlexyPool 是一個(gè)用于監(jiān)控?cái)?shù)據(jù)庫連接池的開源工具。它支持監(jiān)控和報(bào)告連接池的使用情況、性能和瓶頸，以及自動(dòng)調(diào)整連接池的大小和行為。FlexyPool 支持多種流行的 Java 數(shù)據(jù)庫連接池，例如 HikariCP、Tomcat JDBC Pool、C3P0、BoneCP 等等。

FlexyPool 主要提供以下功能：

FlexyPool 的使用相對(duì)簡(jiǎn)單，只需要將其添加到應(yīng)用程序的依賴中，然后配置連接池和 FlexyPool 的參數(shù)即可。例如，如果你正在使用 HikariCP 連接池，可以按照以下步驟配置 FlexyPool：

1、添加 FlexyPool 的依賴到應(yīng)用程序的 pom.xml 文件中：

<dependency> <groupId>com.vladmihalcea.flexypool</groupId> <artifactId>flexy-pool-core</artifactId> <version>2.0.2</version> </dependency>

2、在應(yīng)用程序的配置文件中，配置連接池和 FlexyPool 的參數(shù)：

# HikariCP 數(shù)據(jù)庫連接池配置 hikari.dataSourceClassName=com.mysql.jdbc.jdbc2.optional.MysqlDataSource hikari.dataSource.url=jdbc:mysql://localhost:3306/mydb hikari.dataSource.user=root hikari.dataSource.password=secret hikari.minimumIdle=10 hikari.maximumPoolSize=20 hikari.idleTimeout=30000 hikari.poolName=hikariPool # FlexyPool 配置 flexyPool.metricsFactory=histogram flexyPool.metric.log.enabled=true flexyPool.metric.log.level=info flexyPool.metric.log.interval=10 flexyPool.metric.prometheus.enabled=true flexyPool.metric.prometheus.port=9090

在這個(gè)配置中，我們首先配置了 HikariCP 連接池的參數(shù)，然后配置了 FlexyPool 的參數(shù)。這些參數(shù)包括度量工廠、日志和度量記錄的級(jí)別、度量記錄的間隔、是否啟用 Prometheus 集成等等。

3、在應(yīng)用程序啟動(dòng)時(shí)，將 FlexyPool 的代理對(duì)象添加到連接池中：

DataSource dataSource = ...; // 獲取連接池對(duì)象 FlexyPoolDataSource flexyPoolDataSource = new FlexyPoolDataSource<>(dataSource);

在這個(gè)代碼中，我們首先獲取 HikariCP 連接池對(duì)象，然后將其包裝成 FlexyPool 的代理對(duì)象。這樣，所有的數(shù)據(jù)庫操作都將通過 FlexyPool 進(jìn)行代理和監(jiān)控。

Baeldung 網(wǎng)站上有一篇介紹 Spring Boot 中如何使用 FlexyPool 連接池監(jiān)控工具的教程，名為 A Guide to FlexyPool in Spring Boot。

這篇文章首先介紹了 FlexyPool 工具的作用，以及如何將其集成到 Spring Boot 應(yīng)用程序中。FlexyPool 可以監(jiān)控和報(bào)告連接池的使用情況、性能和瓶頸，以及自動(dòng)調(diào)整連接池的大小和行為，以提高性能和減少資源消耗。

然后，文章介紹了如何在 Spring Boot 應(yīng)用程序中使用 FlexyPool。具體步驟包括：

最后，文章總結(jié)了一些連接池監(jiān)控和優(yōu)化的最佳實(shí)踐，例如：

本周分享

大部分有意思的內(nèi)容會(huì)分享在 『ChenSoul Share』Telegram 頻道或者我的 memos 中。我寫了一個(gè) python 腳本從 memos 讀取最近一周的 memos 記錄。

以上。