ACNe1i0h3的博客

原创 小喇叭开始广播——以太网与WiFi协议

今天不广播新闻，也不放音乐，咱们来聊聊那些看不见、摸不着，但每时每刻都在为你传输数据的“幕后英雄”——以太网与WiFi协议。### 以太网 vs WiFi：核心差异对比（全栈视角）| 维度 | 以太网 (802.3) | WiFi (802.11) || :— | :— | :— ||### 以太网：有线的“高速公路”以太网（Ethernet）是局域网最常用的有线通信协议标准，定义了数据链路层和物理层的规范。| 全双工，无竞争（交换机全双工） | 半双工，CSMA/CA（冲突避免） ||

原创 浏览器缓存机制

## 三、实战代码演示#### 示例 1：Node.js 服务器设置缓存头下面是一个完整的 Node.js HTTP 服务器，演示如何为静态资源设置强缓存和协商缓存。#### 示例 2：前端 Service Worker 缓存策略Service Worker 可以拦截请求并实现自定义缓存策略，是 PWA 的核心技术。使用：HTML 使用协商缓存，静态资源使用带 hash 的强缓存，API 根据数据特性选择合适策略。#### 2. 协商缓存（需要与服务器确认）当强缓存失效后，浏览器携带缓存标识（

原创 [数据库基础]——图解JOIN

从内连接的交集思维，到外连接的保留一侧数据，再到自连接处理层级结构，每一类JOIN都有其适用场景。：| 姓名 | 科目 | 分数 ||------|------|------|| 张三 | 数学 | 90 || 李四 | 语文 | 85 |注意：王五（学号3）和学号4的成绩记录没有出现，因为内连接只保留。：| 姓名 | 科目 | 分数 ||------|------|------|| 张三 | 数学 | 90 || 李四 | 语文 | 85 || 王五 | NULL | NULL |

原创 对CSS中的Position、Float属性的一些深入探讨

## 四、Position与Float的对比与协作| 特性 | Float | Position (absolute/fixed) ||------|-------|--------------------------|| 脱离文档流 | 部分脱离（保留空间） | 完全脱离（不保留空间） || 对兄弟元素影响 | 后续内容环绕或让位 | 不影响兄弟元素位置 || 定位基准 | 父容器（无定位基准） | 最近的定位祖先或视口 || 典型用途 | 文字环绕、简单多栏 | 弹窗、固定导航、精确定位 |

原创 .NET 8 Web开发入门（四）：注入燃料——Entity Framework Core 与 Code First 实战

EF Core 作为微软官方的 ORM（对象关系映射）框架，让我们可以用 C# 对象直接操作数据库，将 LINQ 查询转换为 SQL，极大地提升了开发效率和代码可读性。在之前的系列文章中，我们已经搭建了 ASP.NET Core 的最小 API，并理解了依赖注入的魔法。它不仅仅是自动生成 DDL，更重要的是，它记录了数据库模式的每一次变更。### 深入剖析：EF Core 的查询管道与变更跟踪上面的代码看似简单，但背后包含了 EF Core 的三大核心机制：1.，生成了数据库迁移，并在 API 中注入了。

原创 JVM缓存对象对GC的影响与优化方案

大家好，今天我们来聊一个在Java后端开发中非常经典但又容易被忽视的问题——JVM中的缓存对象到底是怎么影响垃圾回收（GC）的，以及我们又该如何去优化它。而缓存对象，尤其是长期存活的缓存对象，往往会被GC标记为“存活对象”，它们会在GC过程中被反复扫描、移动，甚至导致老年代空间不足，触发Full GC。如果这个Map不断有新的Key-Value加入，或者频繁更新，那么老年代会迅速膨胀，最终导致频繁的Full GC，甚至OOM。这样，当堆内存接近上限时，JVM会优先回收软引用指向的对象，从而避免OOM。

原创 MiniCPM-V 4.6 部署实战：基于 GPUStack 与 SGLang 的端侧多模态模型部署

infer。

原创 分享一个CAN报文编辑器软件

原创 达梦DBA必备：12个纯SQL巡检脚本，零侵入、开箱即用（附执行指南）

这些脚本无需任何外部工具或插件，零侵入、开箱即用，覆盖了实例状态、表空间、锁等待、慢查询、参数配置等关键领域。对于达梦数据库（DM）的DBA而言，传统方式依赖图形化工具或第三方监控组件，往往存在侵入性强、部署复杂等问题。本文深入剖析达梦数据库的底层原理，提炼出12个纯SQL巡检脚本，无需安装任何插件，仅通过系统视图和动态性能表即可完成状态、空间、性能、安全等多维度检查。SQL巡检脚本的核心原理是：通过查询这些视图和表，获取关键指标，并依据达梦的阈值标准进行判断。达梦中，表空间使用率超过85%需预警。

原创 Spring循环依赖

Spring自动解决。

原创 Java Swing 图形用户界面实验 —— 从算术练习到游戏开发的完整实践

组件与布局。

原创 零基础认识大语言模型（LLM）工作原理(4.Attention：模型是怎么看懂上下文的?)

人类很容易知道“他”指“小明”，“银行”是金融机构。Attention机制则允许模型在生成“他”时，直接“回头看”前面的“小明”，并分配更高的权重。：- 注意力权重矩阵的每一行代表一个“查询词”对“所有键词”的注意力分布- 权重之和为1（因为Softmax）- 输出向量是“值向量”的加权和，权重就是注意力分布—## 3. 多头注意力（Multi-Head Attention）—— 从多个角度理解上下文单一注意力只能学习一种关联模式。在“苹果公司发布新品”中，“公司”和“发布”可能给予“苹果”高权重3.

原创 前端代码异常日志收集与监控

资源加载错误。

原创 程序员读书这件事情

# 高级用法：从读者到作者——构建知识体系当您读了足够多的书，您会发现：- 知识开始交叉融合，比如算法书和系统设计书会互相印证。- 读书不再是“输入”，而是“输入-处理-输出”的循环。”今天，我想从编程的角度，系统地探讨程序员读书的这件事。阅读书籍可以帮助我们：-例如，学习 Python 时，如果你只写简单的脚本，可能永远不知道面向对象编程（OOP）的精髓。现在，拿起一本您计划已久的书，开始读吧——并写下第一行代码。从基础的概念建立，到进阶的笔记和工具，再到高级的知识体系构建，每一步都需要主动实践。

原创 图解 | 原来这就是网络

简单来说，网络就是一堆设备（电脑、手机、服务器）通过传输介质（网线、WiFi）和中间设备（交换机、路由器）连接起来，实现数据交换的系统。没错，拉一根网线，直接连起来。举个具体例子：你访问百度时，浏览器生成HTTP请求，传输层把它切成TCP段，网络层加上你的IP和百度服务器的IP，链路层再封装成帧，通过网卡发出去。路由器则更厉害，它连接不同的网络，比如你家局域网和互联网，就像高速公路的收费站，决定数据走哪条路。下次你刷视频时，可以想想：这段视频正被切成无数个小包，在路由器之间跳来跳去，最终来到你的手机。

原创 解读容器的 2020：寻找云原生的下一站

因为这一年，Kubernetes（简称K8s）几乎成了容器编排的“唯一标准”，而Docker Inc.的财务困境和Docker Swarm的退居幕后，标志着容器技术从“单机时代”正式迈入“集群时代”。2020年，容器的核心价值不再仅仅是“快速部署”，而是“弹性伸缩”、“服务发现”和“资源优化”。## 总结：容器的下一站是“无处不在”2020年，容器技术完成了从“工具”到“生态”的蜕变。好了，今天的分享就到这里。比如，你想让一个应用保持3个副本，K8s会持续监控，如果某个Pod挂了，它会自动重建。

原创 C#从零开始：自己实现窗口滚动截屏Win

SendKeys。

原创 MySQL 大批量 LONGTEXT 数据迁移导致临时表空间溢出的解决方案

原创 暑假集训__cdq分治

分治保证时间顺序。

原创 测试人员必备：推荐一款智能测试数据清理AI Skill，支持db、redis、mq等

今天，我要向大家推荐一款我亲手打造的智能测试数据清理AI Skill——它能够自动识别并清理数据库(MySQL/PostgreSQL)、缓存(Redis)和消息队列(MQ)中的测试数据，让测试人员从重复劳动中解放出来，专注于更有价值的测试设计。而智能AI Skill通过自然语言理解，只需要告诉它“清理用户注册测试产生的数据”，它就能自动分析数据关联，精准执行清理，同时保留必要的测试配置。## 总结智能测试数据清理AI Skill通过将自然语言理解与多数据源适配器结合，彻底改变了测试人员的数据清理方式。

原创 TerwayBackendServer

maxIdle, minIdle 分别表示上述idle队列中允许的最大和最小个数，　minIdle是为了提供有一定的缓冲能力，但该值并不保证，最大是为了防止缓存过多，如果空闲的networkResouce太多没有被使用就会释放一部分，IP地址不止是节点级别的资源，也会占用整个vpc/vswitch/安全组的资源，太多的空闲可能会导致其他节点或者云产品分配不出IP。factory 成员用来分配网络设备，会调用ECS SDK进行分配资源，分配之后将信息存储在pool之中，具体的实现是eniIPFactory。

原创 大数据算法——布隆过滤器

原理在我之前的理解当中，如果想要判断某个元素在不在集合当中，经典的结构应该是平衡树和hash table。但是无论是哪一种方法，都逃不开一点，都需要存储原值。比如在爬虫场景当中，我们需要记录下之前爬过的网站。我们要将之前的网址全部都存储在容器里，然后在遇到新网站的时候去判断是否已经爬过了。在这个问题当中，我们并不关心之前爬过的网站有哪些，我们只关心现在的网站有没有在之前出现过。也就是说之前出现过什么不重要，现在的有没有出现过才重要。

原创 用 Solon AI ReActAgent 落地智能客服工单处理

public String get_logistic_status(@Param(description = “物流单号”) String trackNo) {public String get_order(@Param(description = “订单号”) String orderId) {return “{“status”: “lost”, “info”: “包裹在上海分拨中心丢失”}”;+ ““trackNo”: “track_123”, “sku”: “智能耳机”}”;

原创 GreatSQL 8.4.4-5 让并行回放“不再堵车“

一句话总结：GreatSQL 8.4.4-5 通过将等待逻辑从协调线程下沉至 worker，实现了并行复制中调度与执行的解耦，从根子上化解了"一个事务卡住、整条链路停摆"的老问题，让备库回放跑得更顺、追得更快。冲突事务交给 worker 自己等：给需要等待的事务打上 need_wait 标记，由领到活的 worker 线程执行 wait_for_last_committed_trx，自己等自己的前置事务；WAIT_ON_WORKER_THREAD：新行为模式，推荐值，等待逻辑下沉到 worker。

原创 Memory记忆机制

基础使用实际上，LLM本身没有真正的记忆，每次调用都像一次全新的对话。如果只发送当前问题而不提供历史记录，模型并不知道之前聊过什么。因此，多轮对话的实现方式并不是让模型记住内容，而是由应用程序保存历史对话，并在每次提问时将历史记录和当前问题一起发送给LLM，使模型看起来像拥有持续记忆一样。举一个更完整的例子，可以直观说明上下文在对话中的作用。假设我们有一个周末出行规划助手。在第一轮中，用户提出一个模糊需求：用户：帮我规划一下这个周六的出行。AI：好的，请问你想去哪里，大概几点出发？

原创 大模型学习9-LangChain核心概念详解

随着大语言模型（Large Language Model，LLM）的发展，开发者已不再满足于简单对话场景，而是希望将模型真正落地到业务系统中。开发初期，直接调用模型API即可实现问答、摘要或简单助手等基础功能。随着需求复杂化，系统开发复杂度迅速上升，开发者需要自行处理检索、上下文拼接、流程编排、工具调用、状态管理等任务，系统代码也变得越来越难以维护。

原创 为什么需要 Agent Teams？

本来要加个登录功能，写着写着顺便"优化"了数据库连接池优化完发现原来的认证逻辑被改坏了改回来，又改坏了另一个模块最后回头一看——登录功能还没做完这就是目标漂移和质量失控。Agent Teams 的思路很简单：把一个 AI 拆成多个角色，每个角色有明确的职责边界。Planner 产品经理 → Builder 开发 → Reviewer QAPlanner（产品经理）：分析需求，锁定目标，生成实施 spec。目标写入持久文件，后续所有阶段都读这个文件。

原创 3.3 代码实现

我们来看核心的 QAM 更新逻辑如何用代码实现（非 QAM 作者版本）：# 1. 采样时间 w 和噪声 a_0。