Cacher is the code snippet organizer for pro developers

# Serial console: connect to router via USB-to-Serial (screen)

This is a quick reference for connecting to a router's serial console from different machines.
The serial device path varies per OS and per adapter, so the main goal is to reliably find the correct
`/dev/...tty...` (or `/dev/serial/by-id/...`) and then connect.

## Connect (screen)

```bash
sudo screen <SERIAL_DEVICE> 115200

fallocate -l 1G /home/ubuntu/downloads/test-egress-1gb.bin

/**
 * Calculates the maximum profit achievable by applying a strategy
 * and replacing a window of size `k` with a new profit calculation.
 *
 * @param {number[]} prices - Array of prices over time.
 * @param {number[]} strategy - Strategy multipliers applied to each price.
 * @param {number} k - Size of the window to adjust.
 * @returns {number} Maximum profit achievable.
 */
var maxProfit = function(prices, strategy, k) {
    const n = prices.length;
    let maxProfit = 0;

    // Prefix sums

# Xdebug Setup for WordPress and VS Code on Windows

## Step 1: Install Xdebug

1. Copy `phpinfo()` output and paste it into [Xdebug Wizard](https://xdebug.org/wizard).
2. Download `xdebug.dll`.
3. Copy the DLL to your PHP `ext` folder.
4. Add the following configuration to your `php.ini`:

```ini
[xdebug]
zend_extension = xdebug
xdebug.mode = develop,debug
xdebug.start_with_request = yes
xdebug.client_host = 127.0.0.1
xdebug.client_port = 9003
xdebug.var_display_max_depth = 5
xdebug.var_display

  # Deep Dive : Partitioning & Consumer Groups (Kafka)

> **Prérequis** : Guide principal Kafka  
> **Objectif** : Maîtriser le scaling et les garanties de livraison  
> **Contexte** : Pipelines IoT haute disponibilité

---

## Table des matières

1. [Partitioning en profondeur](#1-partitioning-en-profondeur)
2. [Stratégies de partitionnement](#2-stratégies-de-partitionnement)
3. [Consumer Groups en détail](#3-consumer-groups-en-détail)
4. [Rebalancing](#4-rebalancing)
5. [Offset Management](#5-

from smolagents import CodeAgent,DuckDuckGoSearchTool, HfApiModel,load_tool,tool
import datetime
import requests
import pytz
import yaml
from tools.final_answer import FinalAnswerTool

from Gradio_UI import GradioUI

# Below is an example of a tool that does nothing. Amaze us with your creativity !
@tool
def my_custom_tool(arg1:str, arg2:int)-> str: #it's import to specify the return type
    #Keep this format for the description / args / args description but feel free to modify the tool
    """

# Deep Dive : Schema Registry & Avro (Kafka)

> **Prérequis** : Guide principal Kafka  
> **Objectif** : Maîtriser la gestion des schémas en production  
> **Contexte** : Pipelines IoT avec schémas évolutifs

---

## Table des matières

1. [Pourquoi la gestion des schémas est critique](#1-pourquoi-la-gestion-des-schémas-est-critique)
2. [Apache Avro en profondeur](#2-apache-avro-en-profondeur)
3. [Architecture Schema Registry](#3-architecture-schema-registry)
4. [API et opérations](#4-api-et-opé

# Apache Kafka : Guide Complet pour Data Engineers

> **Contexte** : Formation Data Engineer  
> **Objectif** : Maîtriser Kafka pour pipelines de données temps réel  
> **Cas d'usage** : Pipelines IoT  
> **Compléments** : Voir docs Spark Structured Streaming pour intégration détaillée

---

## Table des matières

1. [Qu'est-ce que Kafka ?](#1-quest-ce-que-kafka)
2. [Architecture](#2-architecture)
3. [Concepts fondamentaux](#3-concepts-fondamentaux)
4. [Producers](#4-producers)
5. [Consumers](#5

# Deep Dive : Unity Catalog et Gouvernance (Delta Lake - Databricks)

> **Prérequis** : Guide principal Delta Lake  
> **Objectif** : Maîtriser la gouvernance des données dans Databricks  
> **Contexte** : Pipelines IoT en production, multi-équipes

---

## Table des matières

1. [Qu'est-ce que Unity Catalog ?](#1-quest-ce-que-unity-catalog)
2. [Architecture et hiérarchie](#2-architecture-et-hiérarchie)
3. [Configuration initiale](#3-configuration-initiale)
4. [Gestion des objets](#4-gestion-des

# Deep Dive : Change Data Feed - CDC (Delta Lake - Databricks)

> **Prérequis** : Guide principal Delta Lake, Deep Dive MERGE  
> **Objectif** : Capturer et propager les changements efficacement  
> **Contexte** : Pipelines IoT, propagation Médaillon

---

## Table des matières

1. [Qu'est-ce que le Change Data Feed ?](#1-quest-ce-que-le-change-data-feed)
2. [Activer et configurer CDF](#2-activer-et-configurer-cdf)
3. [Structure des données CDF](#3-structure-des-données-cdf)
4. [Lire le CDF en b

# Deep Dive : Optimisation & Tuning (Delta Lake - Databricks)

> **Prérequis** : Guide principal Delta Lake, Deep Dive MERGE  
> **Objectif** : Maximiser les performances de lecture et écriture  
> **Contexte** : Pipelines IoT à haut débit

---

## Table des matières

1. [Le problème des petits fichiers](#1-le-problème-des-petits-fichiers)
2. [OPTIMIZE : compaction](#2-optimize--compaction)
3. [Z-ORDER : clustering des données](#3-z-order--clustering-des-données)
4. [Liquid Clustering (Databrick

# Deep Dive : MERGE Patterns (Delta Lake - Databricks)

> **Prérequis** : Guide principal Delta Lake  
> **Objectif** : Maîtriser MERGE pour tous les cas d'usage  
> **Contexte** : Pipelines IoT, CDC, dimensions

---

## Table des matières

1. [Anatomie du MERGE](#1-anatomie-du-merge)
2. [Pattern : Upsert simple](#2-pattern--upsert-simple)
3. [Pattern : Déduplication](#3-pattern--déduplication)
4. [Pattern : SCD Type 1](#4-pattern--scd-type-1)
5. [Pattern : SCD Type 2](#5-pattern--scd-type-2)
6.

# Delta Lake : Guide Complet (Databricks)

> **Contexte** : Formation Data Engineer  
> **Environnement** : Databricks (fonctionnalités spécifiques signalées)  
> **Cas d'usage** : Pipelines IoT  
> **Prérequis** : Bases Spark SQL, notions de Structured Streaming

---

## Table des matières

1. [Qu'est-ce que Delta Lake ?](#1-quest-ce-que-delta-lake)
2. [Architecture et concepts fondamentaux](#2-architecture-et-concepts-fondamentaux)
3. [Opérations de base](#3-opérations-de-base)
4. [MERGE : l'o

# Focus : Triggers (ProcessingTime, Once, AvailableNow, Continuous)

> **Prérequis** : Guide principal  
> **Objectif** : Choisir le trigger adapté à ton SLA  
> **Format** : Focus pratique (~250 lignes)

---

## 1. Les triggers en une image

```
┌─────────────────────────────────────────────────────────────┐
│                    TYPES DE TRIGGERS                        │
├─────────────────────────────────────────────────────────────┤
│                                                            

# =========================
# main.py
# =========================

import sys
import subprocess
import importlib
import importlib.util

# ------------------------------------------------------------
# Automatisches pip-Upgrade (falls veraltet)
# ------------------------------------------------------------
try:
    print("🔄 Prüfe auf pip-Update ...")
    subprocess.check_call([sys.executable, "-m", "pip", "install", "--upgrade", "pip"])
    print("✅ pip erfolgreich aktualisiert.")

# erkennung.py
import os
import re
import json
import requests
from typing import Optional
from ics import Calendar
from fuzzywuzzy import process, fuzz
from openai import OpenAI
from dotenv import load_dotenv
from datetime import datetime
import csv


# ---------------------------
# 🔐 ENV-Dateien laden & prüfen (mit Fallbacks)
# ---------------------------
benutzer_fallbacks = ["bernh", "Bernhard Holl", "XeisWorks"]

# --- OpenAI ---
openai_env_path = ""
for benutzer in ben