- 博客(72)
- 收藏
- 关注
RSS订阅原创 AI Coding项目效率翻倍的秘诀
AI编码工具的正确使用姿势 摘要：本文揭示了AI编码工具产出质量低下的核心原因——上下文信息不足。关键在于创建精简有效的AGENTS.md文件（200行以内），只包含关键规则和架构导航，而非冗长文档。文章提出仓库聚合方案打破前后端割裂，并强调验证闭环的重要性：通过脚本化请求+断言确保接口可用性。同时推荐将质量检查接入CI/CD流水线，实现从代码提交到部署的自动化验证。最后提供了AGENTS.md的标准模板，包含项目概述、架构说明、关键约定等9个模块，帮助开发者构建高效的AI编码上下文环境。
2026-05-06 15:46:42
402
原创 Spark 4.0 重磅升级：湖仓处理性能再突破
VARIANT 类型解决半结构化数据的存储与查询效率问题SQL UDF消除跨进程调用开销PySpark 增强让 Python 工程师告别语言切换管道语法提升 SQL 可维护性性能整体提升 30%，大规模湖仓场景收益最为明显建议在非生产环境优先验证 JDK 17 兼容性后，再推进版本迁移。
2026-04-20 23:19:03
349
原创 一文搞懂时间复杂度：从入门到避坑，小白也能秒懂
时间复杂度的核心的是“趋势”，不是“具体时间”。写代码时，优先选择O(1)、O(log n)、O(n)、O(n log n)的算法；数据量较大时，尽量避开O(n²)、O(2ⁿ)，否则会严重影响程序效率。
2026-04-20 16:29:21
467
原创 大数据开发在AI平台的核心工作+AI提效全攻略
无论是单表、单任务新增字段，还是全链路新增字段，只需告诉AI“在哪个任务里新增哪个数据源的哪个字段”，AI就能一键完成：代码逻辑编写、语法检测、逻辑纠正、目标表结构调整，人工只需完成Review，即可上线。：新建表时，数仓开发写完代码后，需要根据字段上游数据类型、描述信息、加工口径，手动填写表的元数据（字段名、类型、描述），尤其是大型需求，一次性新增几十、上百个字段，极其耗费人力。在日常开发中，我们总会遇到任务异常、数据治理繁琐、重复性工作多等痛点，而AI的融入，正在彻底改变这种现状，大幅提升开发效率。
2026-04-14 15:56:41
386
原创 大数据去重必学：Bitmap与布隆过滤器，看完秒懂核心原理
对比维度Bitmap（位图）布隆过滤器（Bloom Filter）核心定位海量整数去重、快速排序海量元素存在性判断依赖基础单个位映射，无哈希函数（或单个）多个哈希函数 + Bitmap空间效率高（依赖元素ID范围）极高（不依赖ID范围）误判率无（映射唯一时）有（可通过调整哈希函数个数降低）支持删除支持（重置对应位为0）不支持适用场景整数去重、亿级排序缓存穿透、黑名单、存在性校验。
2026-04-13 16:09:41
408
原创 Doris 4.0+AI：数仓工程师的AI落地最优解
一条SQL，就能同时实现实时数仓的结构化数据处理、AI数据分析、向量检索能力，不用切换任何工具，一次性完成大模型所需的数据筛选，效率比传统“数仓+向量库+AI工具”的组合高出数倍。对于数仓工程师而言，这不再是“AI如何落地”的困惑，而是“用Doris 4.0，轻松实现AI落地”的确定性——无需重构架构，无需增加额外工具，让数仓真正回归“极简、标准、好用”的本质，同时跟上AI时代的步伐。
2026-04-12 21:25:23
261
原创 分库分表内容
3、还可以将非分表键可以解析出分表键出来，比如常见的，订单号生成时，可以包含客户号进去，通过订单号查询，就可以解析出客户号。如果我们根据时间范围分片，某电商公司11月搞营销活动，那么大部分的数据都落在11月份的表里面了，其他分片表可能很少被查询，即数据倾斜了，有热点数据问题了。分表是：当我们数据量非常大的时候，我们的查询和存储的性能就会遇到瓶颈，因为那个时候b+树的层高可能就高于3层，这个时候就需要考虑分表。：比如A库中的a表和B库中的b表有关联，可以定时将指定的表做同步，将数据汇合聚集，生成新的表。
2025-05-30 15:17:35
1033
原创 服务器线上问题解决方案
如果问题出在GC上，则考虑是不是内存不足，然后根据垃圾对象的特点进行参数调优，使用更适合的垃圾收集器，用thread命令分析各个线程的状态。CPU利用率过高，说明当前服务器要处理的指令比较多，当CPU忙不过来的时候，指令的运行效率自然就会下降，用户的感受就是程序响应变慢了。内存作为一块临时存储数据的组件，所有CPU运行的指令都需要从内存中去读/写。Arthas使用thread, 命令查询当前系统中占用CPU过高的进程，并通过thread id，查看线程堆栈查询到对应的方法，同时根据快照日志排查问题代码。
2025-05-25 15:00:00
1202
原创 常用设计模式
事件监听（Swing、Android）、消息队列（Kafka、RabbitMQ）：构建复杂对象（SQL查询、HTTP请求）、配置类（StringBuilder）：远程代理（RPC）、虚拟代理（图片懒加载）、动态代理（Spring AOP）：定义对象的一对多依赖，当一个对象状态改变时，所有依赖它的对象都会收到通知。：将复杂对象的构建与表示分离，使得同样的构建过程可以创建不同的表示。：排序算法（快速排序、归并排序）、支付方式（微信、支付宝）：将一个类的接口转换成客户端期望的另一个接口。
2025-05-25 10:00:00
346
原创 SpringMVC面试内容
总结来说，SpringMVC的请求处理流程从客户端请求开始，到DispatcherServlet的接收与分发，再到具体Controller的处理，最后通过ViewResolver解析视图并渲染，最终将响应返回给客户端。跨域请求（同源策略）是指浏览器中，前端页面通过AJAX等方式向与当前页面不同的域（协议、域名、端口）发起的HTTP请求。常见的请求类型有GET、POST、PUT、DELETE等。5、CORS（跨域问题）在前后端分离的开发中，前后端通常部署在不同的端口或不同的服务器上，这可能导致跨域问题。
2025-05-10 15:00:00
1011
原创 Python常见面试题
语句来捕获异常打印日志，处理错误并继续执行脚本，这样，遇到错误时可以捕获异常，打印错误信息，并让脚本继续执行。tuple：元素有序，不允许修改，添加，删除，可以包含重复元素，元组内通常存储，不需要修改的数据。的，一旦创建，元素不能修改、添加或删除，适用于数据固定且需要提高性能或作为字典键的场景。dict：每个键都是唯一的，键必须是不可变类型（字符串、数字、元组）的，可以修改、添加或删除元素，适用于需要频繁修改的场景。：不能作为字典的键，因为列表是可变的，不能被哈希。：递归地复制整个对象，包括嵌套的对象。
2025-05-10 10:00:00
443
原创 IOC&AOP面试内容
1、松耦合：Spring通过依赖注入（DI）和面向切面编程（AOP）来解耦对象之间的关系。DI使得对象的依赖关系由容器管理，而AOP则帮助将横切关注点（比如：日志、事务）于业务逻辑分离。2、简化开发：Spring提供了丰富的工具和库来简化企业应用开发，比如Spring MVC简化了Web开发，Spring Data简化了数据库操作，Spring Security为安全控制提供了全面的支持。3、容器管理：Spring是一个IOC容器，负责管理对象的生命周期和依赖关系。
2025-04-02 15:00:00
919
原创 测试相关基础
真实并发量（考虑到某些时间段使用人数比较少） = DAU（1200w）* 日均使用时长（1 小时，3600 秒） /一天的秒数-访问量比较小的时间段假设为 8 小时（57600）=1200w/16 = 75w。UV 从网页打开的数量/刷新的次数的角度来统计的。平均并发量 = DAU（1200w）* 日均使用时长（1 小时，3600 秒） /一天的秒数（86400）=1200w/24 = 50w。：服务器每秒处理的事务数（这里的一个事务可以理解为客户发出请求到收到服务器的过程）；并发数反应了系统的负载能力。
2025-02-03 11:06:20
503
原创 背包问题和单调栈
01背包：n种物品，有一个,二维数组遍历顺序可以颠倒，（滚动数组）一维数组遍历顺序不可颠倒。使用场景：比当前元素（左/右）大/小的数。多重背包：n种物品，数量各不相同。完全背包：n种物品，有无限多个。
2025-02-03 11:02:41
233
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人