RIUMEeV8J的博客

原创 如何在IIS6,7中部署ASP.NET网站

## 四、两种IIS版本的部署对比| 特性 | IIS 6 | IIS 7 ||------|-------|-------|| 管道模式 | Classic（ISAPI） | Integrated（集成） || 配置存储 | Metabase | XML配置 || 模块扩展 | 需注册ISAPI | 直接加载DLL || 错误处理 | 事件查看器 | 增强日志+FREB || 性能优化 | 有限 | 输出缓存+压缩 |### 五、常见问题与解决方案1.- 请求处理：IIS 6中ASP.NET通过。

原创 我的GIT工作流程

作为一个每天和代码打交道的全栈工程师，Git 早已不是简单的版本控制工具，而是我工作流中的“中枢神经系统”。这篇文章将分享我经过多年实战打磨出的 Git 工作流，它融合了 Git Flow 和 GitHub Flow 的优点，并针对全栈开发的痛点做了优化。的开发，本地测试已通过。首先，我在 GitHub 网页上点击 “Compare & pull request”，填写 PR 描述，关联 Issue。### 总结：我的 Git 工作流核心原则这套工作流并非银弹，但它在我的团队中已经稳定运行了两年。

原创 如何查找.NET程序内存不断上涨的原因(CLRProfiler)

dotMemory。

原创 面试体验：Facebook 篇

作为一名程序员，Facebook（现属 Meta）的面试流程在业界以“重算法、重系统设计、重行为面试”而闻名。整个过程通常分为：电话筛选、技术电面（Coding）、 onsite（现场多轮面试，包括算法、系统设计、行为面试）以及最后的团队匹配。今天，我将以第一视角，结合真实代码示例，带你走一遍完整的面试体验，并分享一些关键的备战技巧。我的经验是：不要一上来就画架构图，先问清楚“用户量级”“读写比例”“一致性要求”。我在面试时，先和面试官确认了“是否有重复元素”“是否一定有解”，这让面试官觉得我思路严谨。

原创 一文理清 HarmonyOS 6.0.2 涵盖的十个升级点

# 总结HarmonyOS 6.0.2 的十个升级点涵盖了分布式性能、原子服务、安全隐私、流畅度、多模态交互、开发工具、AI能力、跨设备协同、电源管理以及兼容性等多个维度。HarmonyOS 6.0.2 是华为在2025年推出的重要版本更新，它不仅在系统底层进行了深度优化，还带来了诸多面向开发者与用户的实际功能升级。：新版本优化了卡片生命周期管理，开发者可通过后台服务直接推送数据，无需用户手动刷新。：新版本优化了设备发现与连接协议，即使在弱网环境下，传输稳定性也显著提升。

原创 A 股回测中的复权与 Point-in-Time 偏差：一次数据泄露的工程复盘

然而，一个看似微小的数据预处理问题——复权处理与 Point-in-Time（时间点）数据偏差——可能导致回测结果严重失真，甚至产生“数据泄露”的灾难性后果。复权操作通常基于未来的除权因子（如分红比例、送股比例），这会导致严重的“未来函数”问题：回测时，历史价格被未来的事件调整，模拟出的交易信号可能基于实际未发生的数据。### Point-in-Time 偏差示例假设某股票在 2023-01-01 价格为 100 元，2023-06-01 除权（10 送 10），除权后股价变为 50 元。

原创 【EF Core】级联删除行为

原创 我做了一个 macOS 菜单栏日历应用：白纸日历

原创 从Membership 到 .NET4.5 之 ASP.NET Identity

Membership 为早期开发者提供了便捷的用户管理，但其僵化的架构和紧密耦合的数据库设计已成为现代应用开发的瓶颈。ASP.NET Identity 通过接口抽象、依赖注入和 OWIN 中间件，将身份认证解耦为可组合的组件，使开发者能够轻松集成任何持久化存储、自定义用户字段和复杂的授权策略。对于新项目，强烈建议直接使用 ASP.NET Identity（或其后继者 ASP.NET Core Identity），其设计哲学更符合现代软件工程原则。：面向用户的管理器，封装了密码验证、创建、角色管理等操作。

原创 码农提高工作效率

你可以将此脚本集成到测试框架中，每次运行测试前自动填充数据，避免手动操作。通过编写脚本处理文件操作和数据生成，利用 Git 钩子保证代码质量，以及配置开发环境减少手动输入，你可以将更多精力放在业务逻辑和架构设计上。记住，效率提升不是一蹴而就的，而是持续积累小工具、小技巧的过程。从今天开始，花 30 分钟写一个自动化脚本，或配置一个代码片段，长期来看，这些投入将带来数倍的时间回报。时，会自动格式化代码并运行静态检查，大幅减少代码审查中的琐碎问题。在开发后端 API 时，经常需要测试数据库中的假数据。

原创 05.JAVA的网络编程

在高并发下，考虑使用Netty等框架，它们封装了NIO的复杂性并提供了更好的性能。理解Socket、Channel、Selector的原理，以及操作系统层面的IO机制（如epoll），是编写高效网络程序的关键。BIO模式的问题在于：每个连接占用一个线程，当连接数增加时，线程上下文切换和内存开销显著增加，导致系统性能下降。## 代码示例1：基于BIO的简单TCP服务器与客户端以下代码演示了经典的BIO（Blocking I/O）模式，每个客户端连接由一个线程处理。对象，用于独立的数据读写。

原创 Spring Boot → Solon 注解迁移实战指南：一张对照表说清楚

注解名称相似。

原创 于微服务架构和Docker容器技术的PaaS云平台建设目标是给我们的开发人员提供一套服务快速开发

施微服务需要投入大量的技术力量来开发基础设施，这对很多公司来说显然是不现实的，别担心，业界已经有非常优秀的开源框架供我们参考使用。Spring Cloud是基于Spring Boot的一整套实现微服务的框架，它提供了开发微服务所需的组件，跟Spring Boot一起使用的话开发微服务架构的云服务会变的很方便。Spring Cloud包含很多子框架，其中Spring Cloud Netflix是其中的一套框架，在我们的微服务架构设计中，就使用了很多Spring Cloud Netflix框架的组件。

原创 于微服务架构和Docker容器技术的PaaS云平台建设目标是给我们的开发人员提供一套服务快速开发

施微服务需要投入大量的技术力量来开发基础设施，这对很多公司来说显然是不现实的，别担心，业界已经有非常优秀的开源框架供我们参考使用。Spring Cloud是基于Spring Boot的一整套实现微服务的框架，它提供了开发微服务所需的组件，跟Spring Boot一起使用的话开发微服务架构的云服务会变的很方便。Spring Cloud包含很多子框架，其中Spring Cloud Netflix是其中的一套框架，在我们的微服务架构设计中，就使用了很多Spring Cloud Netflix框架的组件。

原创 新内核固件缺失修复案例：WiFi + 声卡

电脑信息项目 详情型号 Lenovo 小新 Pro 16c IAH10 (XiaoXinPro-16c-IAH10)系统 Ubuntu 22.04.5 LTS (Jammy)内核 6.12.95-061295-generic（自行升级的主线内核）网卡 Intel Wi-Fi 6 AX201 160MHz (8086:7740)声卡 Intel Arrow Lake Audio (8086:7728)，Conexant SN6140 解码器通用根因。

原创 【机器人 / 强化学习】IQL（Implicit Q-Learning）：离线强化学习的隐式价值提取

Qsa−Vs当 error < 0（数据比我猜的低）：我认为这是"失误"或"平庸的表现"，不怎么在乎它，给很小的权重当 error > 0（数据比我猜的高）：我认为这才是"财富"和"潜力"，给巨大的权重这引出一个反直觉的问题：如果你想追逐上限，对负误差应该重罚还是轻罚？我们来推演一下。你的目标是成为全校第一名，估值代表你对"第一名"水平的认知（95 分）。现在看到一张考了 10 分的卷子（低分数据），误差 = 10 - 95 = -85。

原创 观察点类型

大多数情况下GDB默认使用的都是硬件观察点，不过需要注意，虽然硬件观察点效率高，但它并不是无限制使用的。硬件观察点依赖CPU的调试寄存器，而调试寄存器的数量是有限的，所以同时能够设置的硬件观察点数量也有限。普通断点通常是在程序执行到某一行代码或某个函数时中断，观察点是在某个表达式的值发生变化时中断，而捕获点关注的是某类事件是否发生。需要注意，watch a + b > 10并不是表示“只要a + b > 10就停下来”，而是表示“当 a + b > 10这个表达式的结果发生变化时停下来”。

原创 源码专题【左扬精讲】—— 开篇总览

VM 使用了完全不同的存储引擎（MergeSet vs Prometheus TSDB），但通过完整实现 Prometheus 的 API（/api/v1/*）和协议（remote_write）来实现兼容性。可以把 VictoriaMetrics 想象成一个超级版 Prometheus——如果 Prometheus 是一台普通家用轿车，那 VictoriaMetrics 就是一台经过深度改装的赛车：同样的引擎（PromQL 协议），但性能（资源效率）提升了好几倍。这是"下山历练"——从理论到实战的桥梁。

原创 六位插槽 —— 插件自定义鉴权的架构跃迁

同一个请求过来，它可能携带 API Key 签名（来自微信回调），也可能携带 JWT Token（来自内部员工的退款申请），也可能只有宿主 Session（来自内部员工的订单查询）。在之前，插件完全做不到这一点。gj-pf4j 插件化安全架构全景：左侧 Provider 链式认证引擎负责"你是谁"，右侧六位 Filter 插槽负责"在什么阶段做什么"，中间生命周期引擎编排两者的注册与回收，三者协同贯穿插件的安全生命周期。授权集中化，不下放给插件——插件只负责"你是谁"的认证环节，授权决策完全由宿主接管。

原创 Tool Calling：让 AI 第一次拥有行动能力

因此,工具调用（Tool Calling）的本质，就是让模型停止猜测，转而获取真实数据。无论模型多么强大，它始终只能完成一件事情：根据已有上下文，预测下一个 Token。于是，一个越来越明显的问题出现了：LLM 很聪明，但它无法直接与现实世界交互。模型既不会访问互联网，也不会打开浏览器，更不会执行操作系统命令。在前面的章节中，我们已经了解了大语言模型（LLM）的工作原理。因为今天的天气属于实时信息，训练模型的时候还没有发生。如果模型能够真正访问天气 API，它就不需要猜了。