weixin_43795588的博客

原创 Java集合-常见的面试题

原创 分布式业务—常见的面试题总结

原创 SpringCloud-常见的面试题-黑马版

来自黑马程序员b站课程

原创 Kafka 常见面试题整理

本文系统梳理了Apache Kafka的核心概念与核心技术要点。主要内容包括：(1)基础架构与核心组件，如Broker、Topic、Partition等；(2)消息可靠性保障机制，包括三种投递语义和ISR副本策略；(3)高效存储原理，如顺序读写和零拷贝技术；(4)消费模型与负载均衡实现；(5)高可用机制和性能优化方向；(6)与其他消息队列的对比分析。文章还涵盖了事务实现、监控工具等进阶内容，并提供了常见问题的解决方案。这些知识点完整覆盖了Kafka面试的核心技术考察范围，既包含理论原理又结合了生产实践。

原创 Docker/K8s 常见面试题整理

以上问题覆盖了 Docker/K8s 面试的核心考点，建议结合原理理解和实战经验（如亲手部署集群、调试 Pod）加深记忆。面试中可能会结合具体场景追问，例如 “如何优化 Docker 镜像构建速度？” 或 “K8s 节点故障时 Pod 如何迁移？”，需灵活运用知识回答。

原创 SQL 与数据库常见八股考点整理

查询所需字段都在索引中，无需回表查询（如。

原创 MyBatis 面试必背核心八股文整理

MyBatis 是如何将 SQL 结果映射为对象的？通过ResultMap或自动映射规则，解析结果集元数据，反射创建对象并赋值。MyBatis 中 #{} 为什么能防 SQL 注入？预编译时将 #{} 替换为?，参数通过占位符传入，避免字符串拼接漏洞。MyBatis 批量插入的优化方式？使用foreach标签批量拼接 SQL（注意数据库批量插入性能阈值）；配置获取自增主键。以上内容覆盖 MyBatis 面试核心考点，建议结合源码阅读（如SqlSessionExecutor。

原创 Spring全家桶面试必背八股文

Spring全家桶面试核心知识点梳理，涵盖IOC/AOP原理、SpringMVC流程、事务管理机制及SpringBoot自动配置。重点解析高频考点：IOC解耦优势、AOP代理实现、MVC请求流程、事务失效场景、SpringBoot自动配置原理和Starter机制。同时总结微服务组件、Bean作用域对比等常问题目，提供结合源码和场景化的应答技巧，帮助开发者系统掌握Spring技术栈面试要点。

原创 java基础必背

Java面试核心考点精要

原创 Java面试学习策略

面试突击指南：高效备战Java岗位 针对Java面试，建议分三梯队学习：第一梯队（核心必会）包括Java基础、Spring框架、数据库和微服务，需精通原理并能手写代码；第二梯队（竞争力提升）涵盖Docker、Git、Kafka等工具，需熟悉应用场景；第三梯队（加分项）如设计模式、监控工具等，了解概念即可。 突击技巧：整理高频面试题（如String不可变性、Spring事务原理），模拟面试练习，克服紧张。心态上避免完美主义，优先掌握核心技能，遇到不会的问题可引导至熟悉领域。抓重点+实战，足以应对初/中级岗位。

原创 JAVA面试八股文

面试常见的八股文集合，适合初学者

原创 Java笔记之构造方法、this关键字

Java构造方法需与类名同名，无返回值，可单独使用return结束。默认提供无参构造方法，自定义后将覆盖默认方法。this关键字用于区分成员变量与参数（this.name=name），调用成员方法时可省略this，还可调用其他构造方法（this()）。注意：this()只能在构造方法首行使用一次，且不能循环调用构造方法。示例显示若未用this区分同名参数，会导致成员变量未被正确赋值（输出null和0）。

原创 2016-CVPR-FCN in the Wild 论文学习笔记

《Fcnsinthewild：pixel-leveladversarialandconstraint-basedadaption》这篇⽂章发表于 2016年cvpr，是最早把域⾃适应⽤到语义分割当中的论⽂。⽂章主要针对domainshift的问题。⼀种是全局域偏移，⽐如说在合成的游戏场景和真实场景之间的差异， 导致特征空间的边际分布产⽣偏移。⼀种是特定类型的偏移，⽐如说两个城市的路标外观不同，所以产⽣了偏移。本文通过全局域距离的缩小和特定类别的约束进行了域自适应，文章为开篇之作。

原创 【2018CVPR】Learning to Adapt Structured Output Space for Semantic Segmentation-AdaptSegnet 论文笔记

基于 CNN 的网络模型需要大量的标注来覆盖场景的所有可能的变化，尤其当训练(源)图像和测试(目标)图像之间存在较大的差异时，标注的工程量巨大。根据观察， 源域和目标域图像虽然在外观差异比较大，但是他们的空间布局和局部上下文信息相似性比较高。2.本文创新点 1：基于对抗学习，提出了像素级语义分割的域自适应方法模型：......

原创 AAAI 2021 DAST 论文阅读笔记

在这项工作中，我们提出了一种称为 discriminator attention (DA)的策略，直接评估局部特征是否难以适应。提出的 DA 策略包括“发现”和“纠正”两个阶段的对抗性学习。我们进一步引入一种自训练策略来保证模型的决策边界适合于目标域。.........

翻译 DAST: Unsupervised Domain Adaptation in Semantic Segmentation Based onDiscriminator Attention

在本文中，我们顺应趋势提出了一种新的方法，利用鉴别器注意和自我训练策略来减少域偏移。鉴别器注意策略包含两个阶段的对抗性学习过程，它明确区分对齐良好(领域不变)和对齐不良(领域特定)特征，并引导模型关注后者。自训练策略自适应地改进了模型针对目标域的决策边界，隐式地促进了域不变特征的提取。通过结合两种策略，我们找到了一种更有效的方法来减少域移。............

原创 网络复现笔记-AdaptSegNet

GitHub - tangzhenjie/AdaptSegNet: Learning to Adapt Structured Output Space for Semantic Segmentation, CVPR 2018 (spotlight)