fiddler 不是免费开源的么

最后那个状态的图写错了，应该是 false

在 MQTT 协议中，客户端（client）可以同时既是发布者（publisher）又是订阅者（subscriber）。这意味着客户端可以发送消息到一个主题（topic），同时也可以订阅同一个主题，从而接收到自己发布的消息。这种模式在某些应用场景中是有用的，比如当客户端需要在发送消息后立即处理这些消息时。

关于session present的问题，这通常与 MQTT 的会话管理有关。以下是一些关键点：

1. 会话（Session）：在 MQTT 中，会话是客户端与服务器之间的一个连接状态。会话可以保持消息的顺序和状态，比如消息的 QoS（服务质量）和是否已确认。

2. Session Present：当客户端重新连接到服务器时，服务器会检查是否有该客户端的会话信息。如果存在会话信息，则session present为true，表示会话是持久的，客户端可以继续接收之前订阅的主题的消息。如果不存在会话信息，则session present为false，表示会话是临时的，客户端需要重新订阅主题。

3. Client ID：每个 MQTT 客户端都需要一个唯一标识符（Client ID）。服务器使用这个标识符来管理客户端的会话状态。

4. Clean Session：如果客户端在连接时设置了Clean Session标志，那么服务器将不会保存任何会话信息。在这种情况下，每次客户端重新连接时，session present都会是false。

5. Persistent Session：如果客户端没有设置Clean Session标志，服务器会保存会话信息。这样，当客户端重新连接时，session present可能会是true，前提是服务器在客户端断开连接后没有清除会话信息。

总结来说，session present的值取决于客户端的Clean Session设置和服务器的会话管理策略。如果服务器没有客户端的会话信息，session present一般会是false。但这也取决于具体的实现和配置。

在中国，根据 2023 软科中国大学排名，一些大学的位置可以作为对比。例如，华中科技大学位列全国第八名，而西安交通大学位列全国第十名 。这两所大学在软科排名中的位置，与怀卡托大学在全球 QS 排名中的位置相近，可以认为怀卡托大学在中国大学中的级别可能与华中科技大学或西安交通大学相当。

怀卡托大学（The University of Waikato）是新西兰的一所著名公立大学，成立于 1964 年，由新西兰政府资助。这所大学以其法律、管理、计算机、自然科学和教育等学科闻名，特别是其太平洋文化发展学院，是世界上最大的毛利和太平洋文化学术研究中心之一。怀卡托大学在 2025 年 QS 世界大学排名中位居全球第 235 位，并在新西兰大学中排名前三甲，特别是在研究方面蝉联新西兰第一名。

微信群学个屁，别扯淡了，里面都是划水的，谁会用微信群学习技术。

在 Python 中，如果你在多进程环境中使用 logging 模块并尝试将日志写入同一个文件，可能会遇到竞争条件和其他并发问题，因为默认的 logging 配置并不是为并发写操作设计的。

为了解决这个问题，你可以采取以下几种策略：
为每个进程使用单独的日志文件：
这是最简单的方法。你可以在创建每个进程时，给它们一个唯一的日志文件路径。
使用队列和单个日志处理进程：
你可以设置一个单独的进程来处理日志记录，其他所有进程都将日志消息发送到该进程的队列中。这个处理进程可以从队列中读取消息，并将它们写入日志文件。
使用线程安全的日志处理：
虽然 logging 模块本身不是线程安全的，但你可以使用线程安全的队列或其他同步机制来确保对日志文件的访问是顺序的。但是，在多进程环境中，这通常比使用单独的日志文件更复杂且效率更低。
使用日志轮转和延迟打开：
如果日志文件不是实时需要的，你可以考虑使用日志轮转，并在每个进程结束时才将日志写入文件。这可以通过延迟打开文件句柄直到需要写入日志来实现。
使用第三方库：
有些第三方库，如 loguru，提供了更高级的多进程日志记录功能。

下面是一个简单的示例，展示如何为每个进程使用单独的日志文件：

import logging  
import multiprocessing  

def worker_with_logging(process_id, log_file):  
    # 配置每个进程的日志记录器  
    logging.basicConfig(filename=log_file, level=logging.INFO,  
                        format='%(asctime)s process %d: %(message)s' % process_id)  

    # 记录一些日志  
    logging.info('Starting work')  
    # ... 执行一些工作 ...  
    logging.info('Finishing work')  

if __name__ == '__main__':  
    processes = []  
    for i in range(5):  # 假设我们创建5个进程  
        log_file = f'log_{i}.txt'  
        p = multiprocessing.Process(target=worker_with_logging, args=(i, log_file))  
        p.start()  
        processes.append(p)  

    # 等待所有进程完成  
    for p in processes:  
        p.join()

在这个示例中，每个进程都有自己的日志文件，因此不存在并发写入同一个文件的问题。

在 Python 中，由于logging模块在多进程环境中存在一些限制，直接在多进程中使用logging模块写入同一个文件可能会导致日志错乱或死锁问题。为了解决这个问题，可以采用以下几种策略：

1. 使用QueueHandler和QueueListener：创建一个日志队列，让主进程负责收集日志并写入文件。这种方式可以避免多进程直接写入文件，从而解决日志错乱和死锁的问题。

2. 使用进程安全的日志库：例如concurrent-log-handler模块，它提供了线程和进程安全的日志处理方式。通过继承BaseRotatingHandler并实现文件锁机制，可以确保日志写入的准确性，尽管这可能会牺牲一些效率。

3. 避免在多进程中使用文件锁：在多进程环境中，文件锁可能会导致死锁。可以通过设计日志系统来避免使用文件锁，例如，让一个单独的进程或线程负责日志的收集和写入。

4. 使用独立的日志文件：为每个进程分配一个独立的日志文件，这样可以避免多进程写入同一个文件时的冲突。

5. 使用网络日志：通过SocketHandler，可以让不同的进程通过网络发送日志消息到一个中心日志服务器，由服务器来处理日志存储。

6. 使用第三方日志管理工具：例如使用Sentry、Logstash等工具，它们可以更好地处理多进程和多线程环境下的日志收集和存储。

7. 在multiprocessing的target函数之外定义 logger：确保在创建进程之前已经配置好 logger，这样可以减少多进程中由于 logger 初始化导致的潜在问题。

8. 使用multiprocessing-logging库：这是一个专门为多进程日志设计的库，可以简化多进程日志的处理。

综上所述，要解决logging模块在多进程测试时写入文件报错的问题，需要根据具体的应用场景选择合适的日志处理策略。在设计日志系统时，应该考虑到多进程环境下的特殊性，采用合适的方法来确保日志的正确性和完整性。

小程序可以用 airtest，也可以用 minium 框架
https://airtest.doc.io.netease.com/
https://minitest.weixin.qq.com/#/

苏州跌惨了，自己的房子都跌了百十万以上