发表于 | 分类于 | 阅读次数

Leetcode 215 数组中的第K个最大元素

在未排序的数组中找到第 k 个最大的元素。请注意，它是数组有序排列后的第 k 个最大元素，而不是第 k 个不同元素。

例如，
给出 [3,2,1,5,6,4] 和 k = 2，返回 5。

注意事项:

你可以假设 k 总是有效的，1 ≤ k ≤ 数组的长度。

思路 1 堆

可以先取k个元素，放到一个数组中，然后把数组转换成最小堆。之后遍历剩下的全部元素，和最小堆的根进行比较。如果比根要大，则替换根，之后把数组重新转换成最小堆。遍历完成后，最小堆堆根即为第 k 大的元素。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
class Solution {

   public static int findKthLargest(int[] nums, int k) {
    int[] heap = new int[k];
    //首先取k个元素
    System.arraycopy(nums, 0, heap, 0, k);
    //从倒数k个节点开始 调整数组成为最小堆
    for (int i = k / 2 - 1; i >= 0; i--) {
      adjest(heap, i);
    }
    //如果元素小于最小堆 跳过。
    //如果元素大于最小堆 把元素放在堆顶 然后调整堆
    for (int i = k; i < nums.length; i++) {
      if (heap[0] < nums[i]) {
        heap[0] = nums[i];
        adjest(heap, 0);
      }
    }
    //返回堆顶堆元素
    return heap[0];
  }


  /**
   * 调整最小堆
   * @param heap 堆
   * @param i 从哪个 index 开始
   */
  private static void adjest(int[] heap, int i) {
    int temp = heap[i];
    int length = heap.length;
    for (int k = i * 2 + 1; k < length; k = 2 * k + 1) {
      if (k + 1 < length && heap[k + 1] < heap[k]) {
        k++;
      }
      if (temp <= heap[k]) {
        break;
      } else {
        heap[i] = heap[k];
        i = k;
      }
    }
    heap[i] = temp;
  }
}

题目链接

Leetcode-cn
Leetcode

发表于 | 阅读次数

本文基于版本 6.1.1

Elasticsearch 是基于 Lucene 的开源搜索引擎。封装了底层 Lucene 的接口并且提供了 REST API 的接口。开箱即用。

使用 docker 安装

用 docker-compose 部署最为方便。把下面的内容保存到 docker-compose.yaml 中，然后执行 docker-compose up -d 就可以启动容器。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
version: '2'
services:
  elasticsearch:
    image: registry.cn-hongkong.aliyuncs.com/yfd-ci/es-docker-image:v2018037
    container_name: elasticsearch
    hostname: elasticsearch
    restart: always
    networks:
      - elk
    environment:
      - cluster.name=docker-cluster
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms1024m -Xmx1024m"
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - esdata1:/usr/share/elasticsearch/data
    ports:
      - 9200:9200
      - 9300:9300
  kibana:
    image: registry.cn-hongkong.aliyuncs.com/yfd-ci/kibana-docker-image:v20180327-2
    container_name: kibana
    networks:
      - elk
    depends_on:
      - elasticsearch
    environment:
      SERVER_NAME: kibana
      ELASTICSEARCH_URL: http://elasticsearch:9200
    ports:
      - 5601:5601
volumes:
  esdata1:
    driver: local
networks:
  elk:
    driver: bridge

构建镜像的 Dockerfile 分别 如下

1
FROM docker.elastic.co/kibana/kibana-oss:6.1.1
1
2
3
4
5
6
FROM docker.elastic.co/elasticsearch/elasticsearch-oss:6.1.1

RUN cd /usr/share/elasticsearch/ && \
    ./bin/elasticsearch-plugin install  https://github.com/medcl/elasticsearch-analysis-pinyin/releases/download/v6.1.1/elasticsearch-analysis-pinyin-6.1.1.zip && \
    ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v6.1.1/elasticsearch-analysis-ik-6.1.1.zip \
    && mv /usr/share/elasticsearch/plugins/analysis-ik/ /usr/share/elasticsearch/plugins/ik/

如果运行成功，那么 es 会在本地的9200端口运行。用 curl 请求9200端口，可以获取当前集群的名称，版本等信息。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
curl localhost:9200
{
  "name" : "OFyyM08",
  "cluster_name" : "docker-cluster",
  "cluster_uuid" : "tEBFzeLWT5uuCas17Z0Waw",
  "version" : {
    "number" : "6.1.1",
    "build_hash" : "bd92e7f",
    "build_date" : "2017-12-17T20:23:25.338Z",
    "build_snapshot" : false,
    "lucene_version" : "7.1.0",
    "minimum_wire_compatibility_version" : "5.6.0",
    "minimum_index_compatibility_version" : "5.0.0"
  },
  "tagline" : "You Know, for Search"
}

访问 localhost:5601 就可以看到 Kibana 的页面了

注意点

max virtual memory areas vm.maxmapcount [65530] is too low

如果执行失败 出现 max virtual memory areas vm.max*map*count [65530] is too low 的错误。需要执行下面的命令。

1
sudo sysctl -w vm.max_map_count=262144

发表于 | 分类于 | 阅读次数

Java Object 方法简析

Object 类位于java.lang ，我们可以看到源码中写到 Every class has {@code Object} as a superclass. All objects 即 Object 类是所有类的父类。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
public final native Class<?> getClass();

  public native int hashCode();
  public boolean equals(Object obj);

  protected native Object clone() throws CloneNotSupportedException;

  public String toString();

  public final native void notify();
  public final native void notifyAll();
  public final native void wait(long timeout) throws InterruptedException;
  public final void wait(long timeout, int nanos) throws InterruptedException;
  public final void wait() throws InterruptedException;

  protected void finalize() throws Throwable { }

getClass方法

1
2
3
 * @return The {@code Class} object that represents the runtime
 *         class of this object.
public final native Class<?> getClass();

从源码中可以看到 getClass 是 final 方法，无法被继承。同时是 native 方法。即其他语言例如 C 与 C++ 实现的方法。结果为对象的运行时 Class 对象。

举个例子

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
package im.yfd.demo;
class A {
}

class B extends A {
}

class Test{
  public static void main(String[] args) {
    A a = new A();
    A b = new B();
    System.out.println(a.getClass());
    System.out.println(b.getClass());
    a = b;
    System.out.println(a.getClass());
  }
}

返回结果

1
2
3
class im.yfd.demo.A
class im.yfd.demo.B
class im.yfd.demo.B

hashCode 方法与 equals 方法

equals

equals主要用于判断两个对象是否相等。约定 equals 有下列几个性质。

当object object1 object2 均为非空时。

  • 自反性：object.equals(object) 永远为 true
  • 对称性：object1.equals(object) == object.equals(object1) 永远为 true
  • 传递性：object.equals(object1) 为 true且object1.equals(object2) 为 true 时,object.equals(object2) 为 true。
  • 一致性：当 object 与 object1 均未修改时候。object.equals(object1) 结果永远保持不变。
  • 对于非空对象 object。那个 object.equals(null) 永远返回 false。

Object类中的默认实现为比较两个地址是否相同。等价于 ==

1
2
3
public boolean equals(Object obj) {
        return (this == obj);
}

hashCode

hashCode也是一个native方法。该方法返回对象的哈希码，通常用在哈希表中。例如常用的 HashMap。

对于hashCode，我们 应该 遵循如下规则：

  • 在一个应用程序执行期间，任何时间对同一个对象调用 hashCode 方法。都必须返回用一个整数。这个整数在两次对同一个应用程序的执行在不需要保持一致。
  • 如果两个对象通过 equals 比较相等，那么 hashCode 方法必须产生同样的结果。
  • 如果两个对象通过 equals 比较不相等，那么 hashCode 方法产生的结果 不需要 向灯。但是如果不同对象产生不同的结果。那么有助于提高哈希表的效率

当重写 equals 时候 必须也要重写 hashcode 。否则在 HashMap 中就会出错。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
public class Person {
  Person(String name) {
    this.name = name;
  }
  private String name;
  @Override
  public boolean equals(Object object) {
    if (this == object) {
      return false;
    }
    if (object == null || object.getClass() != this.getClass()) {
      return false;
    }
    Person p = (Person) object;
    if (p.name == null) {
      return this.name == null;
    }
    return p.name.equals(this.name);
  }
}


class Test {
  public static void main(String[] args) throws CloneNotSupportedException {
    Person a = new Person("name");
    Person b = new Person("name");
    Map<Person, String> map = new HashMap<>();
    map.put(a, "a");
    System.out.println(a.equals(b));
    System.out.println(map.get(a));
    System.out.println(map.get(b));
  }
}

例如上面的代码的返回结果就是

1
2
3
true
a
null

因为 HashMap 会先根据 hashcode 来决定对象在哪个桶中。再在同一个桶中根据 equals 判断 key 是否相同。

clone方法

clone 会返回对象的拷贝。如果直接调用

1
2
3
4
5
6
class Test {
  public static void main(String[] args) throws CloneNotSupportedException {
    Test test = new Test();
    Test testClone = (Test) test.clone();
  }
}

会报错 Exception in thread "main" java.lang.CloneNotSupportedException。

finalize方法

finalize 方法会在对象被回收时候调用。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
class Test {

  String name;

  @Override
  public void finalize() {
    System.out.println("GC: " + name);
  }

  public static void main(String[] args) throws CloneNotSupportedException {
    Test test = new Test();
    test.name = "1";
    System.out.println("test 1");
    System.gc();
    test = new Test();
    System.gc();
    System.out.println("test 2");
  }
}

例如上面的代码返回结果

1
2
3
test 1
test 2
GC: 1

发表于 | 分类于 | 阅读次数

起源

博客挂在Github上不要钱，但是总感觉访问有些慢。而且有时候会想跑一些脚本和服务，就一直考虑过买一台服务器。在大学里对Linux用的不多，唯一一次就是在阿里云上买了一个学生主机，玩了几天以后感觉没什么用不会玩，就没有再续费了。前几天逛阿里云的时候，居然看到了一个叫云上浙江的活动。西湖区的公司，没用过阿里云的话可以免费领2000无任何限制的代金券。简直是天上掉了馅饼。因为我刚好有一个杭州的公司，所以就新注册了一个账户。中间虽然有一些小波折，但是最终还是成功领到了钱。千挑万选之下选了ECS香港 2核4G 1M 带宽 100G 硬盘。虽然带宽1M有点小，不过只需要1980就能买这个配置的服务器三年。还是非常划算的。更何况也不需要我自己出钱。

SSH相关设定

为了不用输入密码和安全考虑，肯定是要用SHH key登录，阿里云控制面板的云服务器 ECS-绑定密钥对-创建密钥,输入名字例如test就可以直接生成密钥对,生成完成以后会自动下载一个test.pem的私钥,然后选择之前已经买好的ECS。绑定之后不需要重启就可以利用这个私钥登录了。用阿里云的服务生成和绑定只要是和自己写的项目FastAirport 有关。

安装docker

假如我们服务的IP是aaa.bbb.ccc.ddd SSH的接口是1234

1
ssh root@aaa.bbb.ccc.ddd -i test.pem -p 1234

部署hexo

原先的博客是放在Github pages上的。分成了blog和GeorgeYuen.github.io,虽然这样不要钱，也比较方便,不过既然搬家到了自己的服务器上，那肯定是要折腾一下的。后来用 Daocloud 做了持续部署。

其他放在另外的文章里面说吧，一下子也说不完。

发表于 | 分类于 | 阅读次数

搭建了一个个人的电子书网站

作为一个松鼠党，从高中逛E-INK开始就收集各类电子书，这么多年下来也积攒了一大笔积蓄。下书入流水，看书如抽丝。那么这些书的管理就成了一个问题。最后选了半天还是决定用calibre来管理自己的电子书。

calibre虽然速度有些慢，不过应该是目前为止能找到的最好的电子书管理工具了。和kindle的结合也很好。考虑数据的备份，除了在自己的Mac上存放了书库以外，还利用Resilio Sync把书库存到了群晖上。这样就算是电脑被偷数据也不会丢了。不过calibre的数据库有一个缺点，他在电脑上储存文件的目录结构是/calibre/author/books

而且会把全部的汉字转换成拼音。直接用Mac上的calibre看的话挺方便的，但是远程用手机访问群晖的话看到的都是类似于拼音文件。找书很不方便。所以就想找一下有没有calibre的web版本。

搜了一下果然有人已经早好轮子了calibre-web 一个用Python写的一个Web app。

官方介绍是这样的：Calibre Web is a web app providing a clean interface for browsing, reading and downloading eBooks using an existing Calibre database.

直接利用calibre的数据库，然后支持下载，上传，在线阅读，数据修改，发送到kindle。而且手机端和web端都支持，真是完美符合我的需求。不过要吐槽一点，这个源码居然不打tag，程序更新完全是靠git拉取来更新。真的是大开眼界。

既然调研好了，那么就开始搭建吧。

网站搭建

背景说明

  • 群晖216+Ⅱ
  • Calibre
  • Resilio
  • docker

其实上面啥都不需要，只需要一台能运行docker的设备就可以了。内存大约100m 不知道树莓派能不能撑得住。 Python的效率真低呀。

首先先是电脑上安装calibre，然后同步自己的书库到群晖。这一步网上教程太多，就不详细介绍了。

同步完之后，我们的群晖上就有了数据库。例如我的目录是 /Backup/书库 里面有一个数据库文件 metadata.db

数据库有了，就开始安装程序。程序安装很简单，只需要一个python环境就可以了。

1
2
3
4
5
6
# 1.下载源码
git clone https://github.com/janeczku/calibre-web/
# 2.利用pip安装依赖
pip install --target vendor -r requirements.txt
# 3.运行程序
python cps.py

执行命令以后你就把网站搭好了，访问http://localhost:8083就可以看到自己搭建的网站了。

不过妈妈说了，能用docker解决的问题都用docker解决。

Dockerfile如下。

1
2
3
4
5
6
7
8
9
10
11

FROM python:2.7.13
MAINTAINER FandiYuan  <georgeyuan@diamondyuan.com>

RUN git clone https://github.com/janeczku/calibre-web/  && \
    cd calibre-web  && \
    pip install --target vendor -r requirements.txt

EXPOSE 8083

CMD ["python","/calibre-web/cps.py"]

项目的主页有一个镜像了，但是我个人有点没看懂，而且镜像里面是不带项目本身的，在第一次启动镜像的时候会从git上面拉取最新的源码，然后重启。其实挺符合这个开源项目的风格的，利用git进行版本更新。写得其实比我好。有需要的小伙伴可以自己研究安装。

安装说明

说了半天废话，那么图文教大家如何安装吧。

  • 首先安装群晖的docker 点开注册表 双击选择阿里云。

    搜索calibre,找到我写好的的镜像后双击下载。因为在国内，所以挺快的。感谢阿里爸爸。

    ​

安装完双击启动容器


配置一下本地目录和装载目录。本地目录就是你电子说所在的位置。

如果你需要电子书编辑的功能，那么不要勾选只读。英文我只想浏览和下载，所以选择了只读。

设置完成以后点击确认 应用。你的个人服务器就布置好了。
举个例子
例如我群晖的路由访问页面是192.168.3.101:6001，那么192.168.3.101:8083就可以看到自己部署的网站了。

发表于 | 分类于 | 阅读次数

本文不仅限于hexo，可以适用于任何项目。

因为买了阿里云的服务器，而且受不了Github的速度，就准备把自己的博客迁移到国内的网站。而且把网站放在docker里以后，无论在哪台服务器，只要安装了docker，都可以很快捷得部署自己的博客。之前先说一下

思路，一开始我是把blog的源码（不含node_modules）直接copy到hexo的镜像中，然后下载npm的模块，再执行generate。执行完以后把public目录下的文件全部复制到一个nginx的镜像下面。需要部署的时候，只需要拉取那个nginx镜像就可以了。

但是这样有一个缺点，每次更新博客，都要重新下载一遍node_modules。如果不换国内源的话，发布一次要等很久。于是就换了一个思路。因为博客的依赖基本上是不变的，package-lock.json与package.json基本上不更新，所以可以先把这两个文件复制到hexo里面，预先下载好，生成一个新的base镜像。每次发布的时候，都从这个镜像开始动手。只需要hexo g。然后就可以把public文件提取了。build速度从原来的7分钟提升到了40秒。等依赖或者插件更新的时候，可以手动更新一下base镜像。

思路有了，那就开始动手布置吧。详细文件可以看我的Github 希望大家喜欢的话可以star。

首先是base镜像，除非添加新的插件或者hexo更新，不然基本上不会替换。

1
2
3
4
5
6
7
FROM emitting/hexo
MAINTAINER FandiYuan  <georgeyuan@diamondyuan.com>
ADD package-lock.json /temp/
ADD package.json /temp/
RUN cd /temp && \
    npm install
CMD ["bash"]

构建镜像，主要基于base镜像是把博客源码复制进去，然后生成public文件。

1
2
3
4
5
6
FROM daocloud.io/diamondyuan/blog-base:latest
MAINTAINER FandiYuan  <georgeyuan@diamondyuan.com>
ADD / /blog
RUN mv /temp/node_modules /blog/node_modules && \
    hexo g
CMD ["bash"]

发布镜像 把博客的html文件复制到nginx镜像中。

如果是部署在github，那么可以把这个文件替换成一个有git的镜像，把代码提交到git中。

1
2
3
FROM nginx:stable-alpine
MAINTAINER FandiYuan  <georgeyuan@diamondyuan.com>
copy /blog/public/ /usr/share/nginx/html/

本来这样就可以了，原本是准备自己造一套轮子的，但是后来实在是嫌麻烦，就直接用了daocloud的服务，反正也不要钱，还可以为自己服务器节约一些硬盘。如果用docker官方的hub，我不是很清楚提取文件和打包应该如何，可能需要自己在本机写一下脚本吧。其他的博客生成器使用思路都差不多，只需要改一下dockerfile的命令就好了。

窝在daocloud上建了两个项目。blog和blog-base。都关联了github。还有两个ymal文件，直接贴出来。

第一个是blog-base的流程，只有装新的插件而且打tag以后，才会触发这项目，更新base。

1
2
3
4
5
6
7
8
9
10
11
12
13
version: 3
stages:
- 构建阶段
默认构建任务:
  label: release-image
  stage: 构建阶段
  job_type: image_build
  only:
    tags:
    - .*
  build_dir: /
  cache: true
  dockerfile_path: /Dockerfile/Dockerfile.base.build

第二个上blog项目，用了两个dockerfile。每次更新代码会先临时生成一个镜像，提取出public文件后复制到nginx的镜像中。这些操作都在daocloud的服务器上完成，不需要占用自己电脑的空间。我一个空的hexo博客+nginx大约是15mb。而一个node+hexo的镜像在700mb左右。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
version: 3
stages:
- build
lite-build:
  stage: build
  job_type: lite_image_build
  only:
    branches:
    - ^master$
  compile:
    build_dir: /
    dockerfile_path: /Dockerfile/Dockerfile.build
  extract:
  - /blog
  package:
    build_dir: /
    dockerfile_path: /Dockerfile/Dockerfile.deploy

最后只需要拉取最终生成的镜像，就可以在任何电脑上布置自己的博客了。更新博客的话只需要往hexo/source/_posts 里添加一篇文件并且push到github，就会自动触发daocloud,构建一个新的博客镜像。基于这个镜像，窝在daocloud上发布了一个应用，并且设置为自动更新。每次有新的镜像出来就会自动拉取镜像到我的阿里云上，并且发布。

这个思路可以用在任何的项目上，比如我司的JAVA项目，就是把源码拷贝到一个gradle的镜像里，构建好以后提取jar出来，再放到一个只有jre的镜像中。可以缩小最终生成的docker镜像的大小。

发表于 | 阅读次数 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
@Configuration
@ConditionalOnExpression("${cache.response.enabled:false}")
public class FilterRegistrationBeanConfigration {
  @Bean
  public FilterRegistrationBean filterRegistrationBean() {
    return new FilterRegistrationBean() {{
      setFilter(new OncePerRequestFilter() {
        @Override
        protected void doFilterInternal(HttpServletRequest request, HttpServletResponse response, FilterChain filterChain) throws ServletException, IOException {
          HttpServletResponse responseToUse = new ContentCachingResponseWrapper(response);
          filterChain.doFilter(request, responseToUse);
          ((ContentCachingResponseWrapper) responseToUse).copyBodyToResponse();
        }
      });
    }};
  }
}
1
cache.response.enabled=true

发表于 | 阅读次数

远程分支删除后，本地依旧可以看到的解决方法

使用命令 git branch -a，可以看到很多本地和远程都删除了的分支。

使用命令 git remote show origin，可以查看remote地址，远程分支，还有本地分支与之相对应关系等信息。

使用命令 git remote prune origin，可以删除远程仓库已经不存在的分支。

Fix 线上bug的git流程

假如我们现在在develop分支开发，平时都是合并到dev。然后发布的时候合并到master发布。那么我们现在就有三个分支 dev develop master。这个时候线上出现了bug，需要紧急修复。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
git satash --先保存自己现在在写的代码
git checkout master
git checkout -b fix
--然后修改代码之后合并到master发布。
git commit
git push

--发布后先切到master拉取最新代码
git checkout master
git pull

--然后切回之前开发的develop分支，把修改的代码合并到develop
git checkout develop
git stash pop
git merge master
git checkout -d fix

--develop开发完成后合并到dev就可以完成一次开发流程

发表于 | 阅读次数

1 启用 IMAP

登录邮箱，点击转发和 POP/IMAP 。

2 开启两步验证

3 生成应用密码

可以看一下 Google官方链接 。未开启两步验证不能生成应用密码。

4 更改Alertmanager的配置文件

1
2
3
4
5
global:
  smtp_smarthost: 'smtp.gmail.com:587'
  smtp_from: 'GMAIL_ACCOUNT'
  smtp_auth_username: 'GMAIL_ACCOUNT'
  smtp_auth_password: 'GMAIL_AUTH_TOKEN'

发表于 | 分类于 | 阅读次数

Lucene为不同的Field添加不同的Analyzers

可以利用Lucene自带PerFieldAnalyzerWrapper。

1
2
3
4
5
6
Analyzer defaultAnalyzer = new PinyinAnalyzer();
Map<String,Analyzer> fieldAnalyzers = new HashMap<>();
//Defines an analyzer to use for the specified field.
fieldAnalyzers.put("name",new StandardAnalyzer());
fieldAnalyzers.put("fieldName",new SmartChineseAnalyzer());
PerFieldAnalyzerWrapper analyzerWrapper = new PerFieldAnalyzerWrapper(defaultAnalyzer,fieldAnalyzers);

但是这样创建了以后就不能动态修改了，在早期的Lucene版本中PerFieldAnalyzerWrappers是自带addAnalyzer的方法的，在最新版本fieldAnalyzers的权限变成了private final。不过没关系，可以用反射的方法来获取fieldAnalyzers。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
private PerFieldAnalyzerWrapper analyzerWrapper;

  PerFieldAnalyzerWrapper getAnalyzerWrapper() {
    if (analyzerWrapper == null) {
      analyzerWrapper = new PerFieldAnalyzerWrapper(new PinyinAnalyzer());
    }
    return analyzerWrapper;
  }


  void addNewAnalyzer(String fieldName, Analyzer analyzer) {
    PerFieldAnalyzerWrapper wrapper = getAnalyzerWrapper();
    Map<String, Analyzer> map = new HashMap<>();
    try {
      Field field = PerFieldAnalyzerWrapper.class.getDeclaredField("fieldAnalyzers");
      field.setAccessible(true);
      if (!field.get(wrapper).equals(new HashMap<>())) {
        map = (Map<String, Analyzer>) field.get(wrapper);
      }
      map.put(fieldName, analyzer);
    } catch (Exception e) {
      e.printStackTrace();
    }
    analyzerWrapper = new PerFieldAnalyzerWrapper(new PinyinAnalyzer(), map);
  }