Verkiezingen komen er aan! #2

▼ Eind augustus liet Pieter Omtzigt weten inderdaad mee te gaan doen aan de verkiezingen van 22 november met een nieuwe partij: Nieuw Sociaal Contract. Dat zal schrikken geweest zijn voor de andere partijen. Maar veel bleef en blijft onduidelijk: een lijst komt pas over een week en een verkiezingsprogramma zelfs pas eind oktober. Ook heeft hij nog geen uitsluitsel gegeven of hij wel in alle kieskringen mee gaat doen.

Maar vorige week zondag in het programma Buitenhof zei hij dat hij zou willen meeregeren. In dat geval ligt het voor de hand dat je zoveel mogelijk zetels probeert te halen, zodat meer coalities met jou mogelijk worden en minder coalities zonder jou. Ik verwacht dus dat hij gewoon met een lijst met 40 of 50 kandidaten komt.

Een politiek duider suggereerde dat Omtzigt met een toch vrij conservatief programma gaat komen. Bij de algemene politieke beschouwingen gaf hij aan dat hij de arbeids- en studiemigratie stevig wil beperken, met een totaal van 50.000 netto immigranten per jaar. Daarnaast maakt Omtzigt een groot punt van bestaanszekerheid, en hij staat voor kritiek op (de houding van) het kabinet. Dat kan hem heel goed populair maken bij een groep kiezers die relatief slecht bediend wordt: sociaal-conservatieve en economisch-linkse kiezers.

Ondertussen lijkt Caroline van der Plas niet echt lekker in de wedstrijd te zitten. Ze beschuldigt de pers ervan haar nummer 2, Mona Keijzer, ten onrechte "premierskandidaat" te noemen, terwijl dat woord gewoon in de uitnodiging stond. Ze haalt ook nog twee ex-FvD'ers en een ex-PVV'er binnen, en lijkt dus duidelijk aan de rechterkant van het politieke spectrum geland te zijn. En ze is regelmatig kribbig en kortaf in de media. Nog interessanter: bij de algemene politieke beschouwingen nam ze het op voor arbeids­migratie, we hebben die mensen toch nodig om het land (lees: de kassen en de slachthuizen) te laten draaien. Met dit standpunt kan ze zomaar een hoop kiezers richting Omtzigt jagen.

Ondertussen slaat Dilan Yeşilgöz de gebruikelijke rechtse VVD-taal uit maar zegt ook dat er in het verleden fouten gemaakt zijn, zonder echter duidelijk over die fouten en helemaal over de oplossingen te zijn. Het partijprogramma van de VVD is erg vaag, het wordt wachten op de doorrekening door het CPB om te zien wat de pijnpunten zijn. Ondertussen heeft ze de deur naar regeren met de PVV open gezet.

Als er straks een meerderheid mogelijk is voor VVD, PVV en BBB (die ook Wilders niet uitsluiten) dan kan dit een briljante zet blijken te zijn omdat ze dan links en rechts tegen elkaar uit kan spelen. Maar als zo'n rechtse coalitie niet mogelijk is, dan heeft ze wel de nadelen en niet de voordelen. De nadelen bestaan in elk geval niet uit een opstand onder VVD-leden. Die zitten er niet echt mee. Maar de stemmers? Er zullen vast wat VVD-stemmers zijn die niks zien in een coalitie met Wilders. (Zeker als ze oud genoeg zijn om zich ditzelfde experiment ruim tien jaar geleden te herinneren, waar Wilders wegliep toen er moeilijke beslissingen genomen moesten worden.) En de mensen die juist enorm vóór regeringsdeelname van de PVV zijn zullen misschien strategisch op de PVV in plaats van op de VVD stemmen.

Ondertussen wist Geert Wilders Thierry Baudet te laten zeggen dat Baudet erg veel ziet in samen­zwerings­theoriën over de aanslagen op 11 september 2001 en de maanlandingen. Wat Wilders vervolgens niet in dank afgenomen werd door een deel van zijn aanhangers, die nu misschien zullen vertrekken. En er zullen ook vast sowieso wat PVV-kiezers naar BBB en/of NSC gaan.

Ondertussen valt de SP door de mand als een partij die alleen maar cadeautjes uitdeelt, zelfs als die grotendeels bij de rijken terechtkomen: zij steunen een plan van de VVD om het aflopen van de huidige accijnsverlaging op diesel en benzine een jaar uit te stellen. De economen vegen de vloer aan met deze maatregel: ongericht, schadelijk voor het klimaat. Maar ja, minstens één van de V's in VVD staat voor vrrroem! Bizar dat de SP niet ziet dat je met datzelfde geld veel meer kan betekenen voor de lage en midden-inkomens.

En dan de Partij voor de Dieren. Toch vrij pijnlijk als je bestuur je fractievoorzitter tot iedereens verassing niet de lijsttrekker wil maken, minder dan drie maanden voor de verkiezingen. Vervolgens vertrekt dat bestuur, mede dankzij druk van de advoca(a)t(en) van voornoemde fractievoorzitter Esther Ouwehand. Maar de integriteits­meldingen waar het allemaal mee begon blijven liggen. Ouwehand lijkt bezig geweest te zijn een bestuurslid op nogal onfrisse wijze te wippen, en er waren ook aanzienlijke aanmerkingen op haar leidinggeven. Verassend ook dat Ouwehand de problemen volledig buiten haarzelf legt. De gestaalde dierenliefhebbers zullen zich hierdoor niet laten afleiden, maar nieuwe aanhang trekken met interne ruzie wordt lastig.

Bij de ABP werden twee moties ingediend om het minimumloon (en daarmee AOW en uitkeringen) te verhogen met 1 - 2 %. Groenlinks­/PvdA onderbouwden dit financieel met onder meer een aantal belastingverhogingen. Caroline van der Plas diende een erg vage motie van vergelijkbare strekking om het minimumloog "enigszins" te verhogen en dit te betalen "uit de uitgavenkant". Mede-ondertekend door Pieter Omtzigt.

De rest van de kamer was met stomheid geslagen, en kon alleen maar lachen bij de toelichting van Van der Plas. Wat hier gebeurd lijkt te zijn is dat BBB en NSC de belastingverhogingen die dit alles moesten dekken in de motie van GL/PvdA en anderen (die aan­genomen werd) niet steunden maar wilden laten zien dat ze wel voor verhoging van het minimumloon waren. Van der Plas kreeg de beschuldiging gratis bier te verkopen. Omtzigt kreeg geen verbaasd gelach over zich heen, maar zijn reputatie van degelijkheid liep wel een flinke deuk op.

Conclusies

Ok, dat was een hoop tekst. Wat concludeer ik uit deze ont­wik­kelingen?

In de peilingen zien we drie groepen partijen: VVD, GL/PvdA en NSC die consequent minstens 20 zetels peilen, PVV en BBB die minder dan 20 maar meer dan 10 scoren, en alle anderen die onder de 10 blijven. Gezien bovenstaand verwacht ik daarin geen veranderingen.

De grote vraag wordt wie het beter gaat doen dan de huidige peilingen en wie slechter. Slechter is bij allen mogelijk. Ik verwacht dat VVD en GL/PvdA niet veel lager dan 25 zetels uit zullen komen, die hebben een duidelijke kiezersgroep die weinig reden heeft om te vertrekken, zelfs als alles niet perfect is.

Vooralsnog wordt het optreden van Yeşilgös positief beoordeeld, maar ik ben benieuwd hoe ze overeind blijft bij tegenwind en in de debatten. Frans Timmermans heeft al wat tegenwind maar heeft laten zien verkiezingen te kunnen winnen en is tot nu toe redelijk onzichtbaar.

Mijn inschatting is dat Pieter Omtzigt aan zijn maximum potentieel zit met de huidige bijna 30 zetels in de peilingen, en eigenlijk alleen maar teleur kan stellen. Misschien nauwelijks, misschien aanzienlijk.

Als inderdaad VVD, GL/PvdA en NSC ergens tussen de 25 en de 30 zetels scoren en PVV en BBB zo'n 15, dan zal veel, zo niet alles, afhangen van de voorkeuren van Pieter Omtzigt. Getalsmatig is dan VVD+NSC+GL/PvdA het makkelijkst. Wellicht dat Frans Timmermans dit ziet zitten als hij de grootste wordt en dus premier kan worden. Maar juniorpartner in een coalitie met twee rechtsere partijen? Dat lijkt me een stuk moeilijker.

Als dat het niet wordt betekent het dat Omtzigt ofwel over rechts ofwel over links moet. In beide gevallen waarschijnlijk met een minderheidskabinet. Over rechts zou VVD+NSC+BBB worden met zo'n 70 zetels. Tel daar de SGP bij op en je hebt zo goed als een meerderheid en je zal toch wel iets naar andere partijen moeten luisteren om dingen door de eerste kamer te krijgen.

De andere optie is GL/PvdA+NSC. Wellicht dat D66, ChristenUnie, Volt, Partij voor de Dieren en/of SP hier aan mee zouden willen doen. Maar zelfs als ze niet meedoen ligt het voor de hand dat ze vaak mee zullen stemmen.

Het kan nog bijna alle kanten op. Alleen eigenlijk geen kanten met Geert Wilders erin.

Permalink - posted 2023-09-24

Myhthbusters

▼ 20 years ago today, the TV show Mythbusters aired its first regular episode on the Discovery Channel, after three earlier pilot episodes. And soon after, I had found a new favorite TV show.

What Mythbusters did between 2003 and 2016 was investigate whether (urban) myths, viral videos, movie stunts and idioms had some truth to them or not. The usual outcomes were: confirmed (results replicated without issue), plausible (results replicated but possibly some liberties taken) and busted (results could not be reasonably duplicated). If a myth was busted, they would often see what it took to replicate the results, going to extremes as needed.

I think the first episode I saw was "penny drop". That was the seventh episode, with the main myth being that a penny (one cent coin) dropped from the Empire State Building would kill you if it hit you down on the street. The big question here was how fast a penny would be traveling after being dropped from the iconic skyscraper.

At this point, we only had the two main hosts, Jamie Hyneman and Adam Savage. Adam had built a rig with a tube with holes in it and air being blown in from the bottom with the airspeed in the tube going down with increasing height from 100 km/h to about 60 km/h. As the pennies stayed in the tube, their terminal velocity must match a speed between those two numbers.

With the always exuberant Adam annoyed by the usually stoic Jamie:

Jamie:

Works for me.

Adam:

This is excited Jamie? This is a world first going out on television that we showed exactly how fast a penny goes. No math, no ideas, no timing off a building, we got it right here in the lab.

Jamie:

It's great. Good job.

Turns out those falling pennies aren't lethal. Adam and Jamie both have one fired at their hand with no damage, and...

Adam:

Come on, shoot me in the ass, come on. I can take it.

The interaction between the hosts was what made Mythbusters so funny.

That dynamic wouldn't change very much over the following almost decade and a half. For most of the run of the show, the "build team" consisting of Grant Imahara, Kari Byron and Tony Belleci would usually bust separate myths, but sometimes the main and secondary hosts would team up.

They really caught lighning in a bottle here. The interactions between the hosts were almost always fun, and as experienced builders with some notion of the scientific method, the Mythbusters weren't completely lost when it came to attacking myths, but they were also not so knowledgeable that they could predict the results very well in advance.

A few more quotes:

Adam:

I reject your reality and substitute my own.

Jamie:

I love it when common materials are dangerous.

Narrator Robert Lee:

This thing that looks like a maximum security bird house, is actually the vital fulcrum.

Adam, about to go through a carwash with Jamie on the roof of his car:

As long as we're testing methods for removing unwanted pests from the outside of your car, we couldn't finish this without going through the carwash.

Tory:

It's not the prettiest thing but I think it's going to work.

That’s what they said when they hired me.

Great stuff.

Permalink - posted 2023-09-23

MySQL Unicode weirdness

▼ After looking at the SQLite Unicode behavior, it's now time to do the same for MySQL. Coincidentally, I'm currently migrating some old databases that were created in the very early 2000s to a more modern environment. I think those old databases were from the MySQL 3.x days, before MySQL gained any sort of Unicode support. Those old tables are thus still in the latin1 (ISO 8859-1) character set.

For a long time that worked fine for me as these tables contain data in English and Dutch, and Dutch only needs a few accents, which are all present in Latin 1. However... at some point it started becoming more convenient to use UTF-8 for the text in those databases. So I did. I just never told MySQL about the switch.

In hindsight, that was not a terrible decision, as it avoided complexities at a time when UTF-8 support was still immature. But these days, there's really no excuse to do anything other than make an entire workflow UTF-8 clean, barring any showstoppers.

So I migrated an old table to the test environment for the new system. And got some really weird results: on web pages "CO₂" showed up as "COâ‚‚", but in MySQL it showed up correct, be it that the number of characters is off (I only got 6 while I specified 8):

mysql> select substr(article, 1587, 8) from muart where id = 753;

+--------------------------+
| substr(article, 1587, 8) |
+--------------------------+
| CO₂ ui                 |
+--------------------------+

Further digging by looking at the raw data:

mysql> select hex(substr(article, 1587, 8)) from muart where id = 753;

+-------------------------------+
| hex(substr(article, 1587, 8)) |
+-------------------------------+
| 434FC3A2E2809AE2809A207569    |
+-------------------------------+

Fortunately, it's not necessary to decode this manually, there is an UTF-8 Decoder web tool for that. The decoder shows that COâ‚‚ is correct. So why is MySQL showing me CO₂? That's a problem I hadn't heard of before, but is apparently not uncommon:

Double-encoded UTF-8.

This happens when you take UTF-8, such as "CO₂", and then pretend it's another encoding (usually Latin 1) and convert that to UTF-8. So what had happened is that as I was importing my data in MySQL, the MySQL command line client would send UTF-8 to the MySQL server process, but the server would think that was Latin 1 and convert it to UTF-8. Then when I did a query, the server would convert the UTF-8 back to what it thought was Latin 1 for the convenience of the client, and the client then showed this as UTF-8 so everything looked good, but was actually stored in the database incorrectly.

Fortunately, the two related problems were both easy enough to fix. First, make sure the client and server agree on the character encoding. Let's first check what the server's original settings are:

mysql> SHOW SESSION VARIABLES LIKE 'character_set%';
+--------------------------+--------------------------------+
| Variable_name            | Value                          |
+--------------------------+--------------------------------+
| character_set_client     | latin1                         |
| character_set_connection | latin1                         |
| character_set_database   | utf8mb4                        |
| character_set_filesystem | binary                         |
| character_set_results    | latin1                         |
| character_set_server     | utf8mb4                        |
| character_set_system     | utf8mb3                        |
| character_sets_dir       | /usr/share/mysql-8.0/charsets/ |
+--------------------------+--------------------------------+

Wow. But fortunately we don't have to fix all of those individually. We can simply do:

mysql --default_character_set=utf8mb4

And then:

mysql> SHOW SESSION VARIABLES LIKE 'character_set%';

+--------------------------+--------------------------------+
| Variable_name            | Value                          |
+--------------------------+--------------------------------+
| character_set_client     | utf8mb4                        |
| character_set_connection | utf8mb4                        |
| character_set_database   | utf8mb4                        |
| character_set_filesystem | binary                         |
| character_set_results    | utf8mb4                        |
| character_set_server     | utf8mb4                        |
| character_set_system     | utf8mb3                        |
| character_sets_dir       | /usr/share/mysql-8.0/charsets/ |
+--------------------------+--------------------------------+

Much better.

And convert the double-encoded UTF-8 into something more readable:

mysql> UPDATE muart SET title=CONVERT(CAST(CONVERT(title USING latin1) AS binary) USING utf8mb4);

Keen-eyed observers may have noted that MySQL has two versions of UTF-8: utf8mb3 and utf8mb4. This goes back to the early days of Unicode, where the idea was that all characters would fit into 16 bits. That results in a maximum of 3 bytes of UTF-8. But it soon became clear that 16 bits wasn't enough. So now it's 21 bits. UTF-8 can handle that just fine, but those characters that need 17 - 21 bits result in 4-byte UTF-8 sequences. So when dealing with MySQL, when you think "UTF-8", type "utf8mb4".

Permalink - posted 2023-09-21

Should the datacenter be in the middle?

▼ The other day, I landed on this article: In Focus: Subsea Network Architecture: IXPs. The article takes some time to arrive at the point that undersea internet exchanges would be a good idea. The most eyecatching part is a variation on this image:

As the article starts out discussing how datacenters have been moving away from large cities to take advantage of opportunities such as space, cheap energy and easier cooling, this image seems to suggest that these blue dots in are good locations for datacenters and/or internet exchanges in general. And that's definitely not the point of the paper that the image is from.

That paper is very specifically about the best locations to place servers for high speed algorithmic trading on multiple markets some distance away from each other. This immediately explains why there is nothing around the western US: there are simply no stock exchanges / markets there (the red dots in the image).

The math looks more complicated, but presumably, in these cases it helps when the servers executing the trading algorithms are in the middle between the "users", rather than close to one and further from the other(s).

If you need data from two places far away from each other, then it's better when each is 25 milliseconds away, as you can then complete your action in 25 ms plus however long it takes to do your own processing. If you're close to one so it's 0 ms for one data source and 50 ms for the other, then the entire action takes at least 50 ms.

But is that a common situation?

In general, you can just copy the data beforehand. So this only applies if you're using "live" data from two or more locations. Videoconferencing with a number of participants could be an example, where a server receives the video from all the participants, mixes it into a single feed and then sends that single feed out to all the participants. If the server is in the middle, this limits the maximum delay. I guess that could be somewhat helpful. But to the degree that it makes sense to have datacenters in the middle of the ocean? I'm not convinced.

Permalink - posted 2023-09-07

Looking at SQLite Unicode behavior

▼ In this post, I want to have a look at how SQLite interacts with Unicode. (Also see my post The (dark) magic of Unicode.) As explained here, SQLite doesn't have full Unicode support unless that support is explicitly included when SQLite is compiled.

So what does this mean in practice?

On the (non-Windows) systems I have access to, SQLite uses UTF-8 to store text. UTF-16 is also supported. However, a limitation that's made very explicit is that changing from upper case to lower case or the other way around is only supported for 7-bit ASCII. So the 26 letters we know from the English alphabet.

Let's see for ourselves:

% sqlite3 test.db

sqlite> .mode qbox

sqlite> create table test (id integer primary key, text text);

sqlite> insert into test (text) values (format('SM%sRG%sSBORD', 'O', 'A'));

sqlite> insert into test (text) values (format('SM%sRG%sSBORD', char(0xD6), char(0xC5)));

sqlite> insert into test (text) values (format('SM%sRG%sSBORD', 'O'||char(0x308), 'A'||char(0x30A)));

sqlite> insert into test (text) values (format('SM%sRG%sSBORD', 'U', 'A'));

We've now added four variations of the word "SMORGASBORD" to our test database table. And that worked:

sqlite> select * from test;
┌────┬─────────────────┐
│ id │      text       │
├────┼─────────────────┤
│ 1  │ 'SMORGASBORD'   │
│ 2  │ 'SMÖRGÅSBORD'   │
│ 3  │ 'SMÖRGÅSBORD' │
│ 4  │ 'SMURGASBORD'   │
└────┴─────────────────┘

The first version uses an unaccented O and A. The second version uses the "composed" version of the accented letters. That means that a single Unicode character / code point encodes the letter/accent combination. The third version uses the regular letters followed by a "combining diacritical mark", a special Unicode character that adds an accent to the previous character. And then finally I added "SMURGASBORD" which will come in handy later.

(The combining diacritical marks throw off the SQLite text length / box size calculations, hence the misplaced vertical line at the end of row 3.)

Those upper case letters are a bit overbearing, though, so let's convert them to lower case.

sqlite> update test set text = lower(text);

sqlite> select * from test;
┌────┬─────────────────┐
│ id │      text       │
├────┼─────────────────┤
│ 1  │ 'smorgasbord'   │
│ 2  │ 'smÖrgÅsbord'   │
│ 3  │ 'smörgåsbord' │
│ 4  │ 'smurgasbord'   │
└────┴─────────────────┘

And here SQLite's lower()/upper() limitation pops up. The first and last rows are converted without trouble because those only use the letters out of the regular Latin script alphabet. The second one uses letter/accent combinations outside of the 7-bit ASCII range so those letters are not converted to lower case. Interestingly, the third row did get converted. That's because the letter part is encoded using the regular O and A, which SQLite can convert to lower case. The diacritical combing marks that add the accents then apply to the now lower case o and a without missing a beat.

So the take home message is: don't let SQLite convert between upper and lower case.

In any event, the rules for how to do this properly vary by language. For instance, an English speaker may think the following makes sense:

istanbul = Istanbul
ijsbeer  = Ijsbeer
één      = Één

But that would be wrong. In Turkish, there is a dotted i and an un-dotted i, the ı. Ok, that's not so bad. Until you realize that i becomes İ and ı becomes I. And in Dutch an "ijsbeer" (polar (ice) bear) needs to become "IJsbeer" at the start of a sentence because IJ is considered a single letter. And, unlike for instance the French, we don't put accents on capital letters, so "één" (one) at the beginning of a sentence becomes "Eén". So these are correct:

istanbul = İstanbul
ijsbeer  = IJsbeer
één      = Eén

Also, because the composed and decomposed variations of smörgåsbord use different sequences of Unicode characters, if you compare the same word with those different encodings, they won't match. But that part can be solved by normalizing your Unicode string to either composed or decomposed, and then comparisons will work.

But then there's sorting to worry about.

sqlite> select id, length(text) as chars, octet_length(text) bytes, text from test order by text;

┌────┬───────┬───────┬─────────────────┐
│ id │ chars │ bytes │      text       │
├────┼───────┼───────┼─────────────────┤
│ 1  │ 11    │ 11    │ 'smorgasbord'   │
│ 3  │ 13    │ 15    │ 'smörgåsbord' │
│ 4  │ 11    │ 11    │ 'smurgasbord'   │
│ 2  │ 11    │ 13    │ 'smÖrgÅsbord'   │
└────┴───────┴───────┴─────────────────┘

(We can see here that "length" shows the number of Unicode code points. "octet_length" is the length in bytes, which is different as soon as a text contains anything that isn't 7-bit ASCII.)

Considering what we discussed before, this makes perfect sense: "smo" and "smo" come before "smu" (the fact that the second "smo" is followed by a diacritical combining mark is not relevant when looking at the first three characters) and then "smÖ" comes after "smu" because Ö is a "high-ASCII" character while "u" is just a regular 7-bit ASCII character.

Of course this is not really a correct sorting, as that again depends on the language/locale. In some languages, letters with accents are considered letters in their own right with a specific place in the sorting order, while in other languages, the accent is simply ignored and äbc comes between abb and abd. And that's just for "general" sorting.

Name/phonebook sorting often has its own rules. For instance, so many people here in the Netherlands have a name starting with "van" (of) or "van de" (of the) that these prefixes are generally ignored for name sorting. And many names have an "ij" and a "y" form. So "van Beijnum" is found under B, and is sorted together with "van Beynum".

So these caveats are something to be aware of. But there is an escape hatch: you can compile SQLite with SQLITE_ENABLE_ICU to gain full Unicode support. But this makes SQLite a good deal bigger and slower. Dilemmas...

Permalink - posted 2023-09-05