- 博客(61)
- 收藏
- 关注
RSS订阅原创 Spring Retry
Spring Retry 是 Spring 中提供的实现重试功能的组件。可以使用基于注解的方式实现，也可以使用基于RetryTemplate的编程方式实现。本例使用基于注解的方法。
2025-10-16 15:34:10
319
1
原创 RRateLimiter的使用
工具类/*** 获取客户端真实IP地址*/// 1. 检查各种代理头信息// 2. 直接获取远程地址throw new RuntimeException("无法获取远程ip地址");/*** 验证IP地址是否有效*/return ip!= null &&!!!!/*** 处理多个IP的情况（如X-Forwarded-For: client, proxy1, proxy2）*//*** 通过token获取用户id* @return*/
2025-09-27 17:49:05
382
原创 @RequiredArgsConstructor使用
spring推荐通过构造方法进行注入，如果需要注入的成员变量较多，手动创建构造方法可能需要频繁修改，这时，可以使用@RequiredArgsConstructor。@RequiredArgsConstructor是lombok中提供的注解，可以为类中final或者@NotNull修饰的成员变量创建构造方法。查看编译后的源码，可以看到自动生成了带一个Cat参数的构造方法。
2025-09-13 23:23:07
235
原创 使用Aop和自定义注解实现SpringTask定时任务中加锁逻辑的封装
但是，项目中可能存在很多定时任务，每次使用RLock加锁比较麻烦，我们可以使用AOP+自定义注解的方式进行优化。SpringTask的定时任务，在集群环境下会多次执行，我们可以通过使用分布式锁的方式进行解决。
2025-09-13 21:48:15
298
原创 监听nacos配置中心数据的变化
如果需要监听nacos配置中心数据的变化，并执行对应的业务逻辑，则可以使用@NacosConfigListener注解。另外启动类或者配置类使用@EnableNacosConfig进行修饰。@RefreshScope实现nacos配置中心数据的动态刷新。@NacosConfigListener的使用。
2025-08-30 15:40:52
285
原创 nacos登录认证
注意：配置中nacos的用户名故意写错配置中心test.yml的配置如下：启动项目，日志中会有报错，但是项目可以正常启动，执行控制层方法，可以获取配置中心的值。
2025-08-29 19:01:50
280
1
原创 Aviator规则引擎简单使用
网上看到一个案例“非VIP用户满200减30，VIP用户满150减40，且周二全场额外95折”，针对该需求，使用if进行判断也可以实现，本例使用aviator实现。直接通过字符串设置表达式，可读性不好，我们可以定义一个.av后缀的文件，比如在resources目录下新建discount.av。严格来说，aviator属于表达式计算框架，其语法和JavaScript很像。规则引擎是一个更复杂的系统，它的核心是将业务规则与应用程序代码分离，并基于大量数据和规则进行自动化推理和决策。
2025-08-25 17:03:34
541
原创 jd-hotkey将对象进行缓存
如果是热key，则存在两种情况，1是返回value，2是返回null。如果不是热key，则返回null，并且将key上报到探测集群进行数量探测。2.Object get(String key)，该方法返回该key本地缓存的value值，可用于判断是热key后，再去获取本地缓存的value值，通常用于redis热key缓存。3.void smartSet(String key, Object value)，方法给热key赋值value，如果是热key，该方法才会赋值，非热key，什么也不做。
2025-08-18 13:00:00
163
原创 RDelayQueue实现订单超时关闭
开发中，可能存在这样的需求：如果订单长时间不支付，需要自动关闭订单。针对该需求可以通过如下一些方案实现：通过定时任务定时扫描订单表，将达到过期时间的订单关闭；通过mq发送延迟消息；通过延迟队列实现。本例，通过redisson的RDelayQueue（分布式延迟队列）实现。
2025-08-14 16:10:16
306
原创 斐波那契散列
经过多次测试，计算索引时，length长度必须是2^n（本博客只展示了部分测试代码，读者可以自行测试其他长度）分布均匀性：利用黄金分割比的数学特性，能够使哈希值在地址空间中分布更加均匀。计算效率：在硬件实现上通常只需要一次乘法和位移操作，效率较高。缓存路由：在数据库索引或缓存系统中，提升查询效率。促销活动：为每个用户生成唯一优惠码，避免重复领取。减少冲突：相比传统除法散列，能有效降低哈希冲突概率。抽奖系统：生成公平的抽奖号码，确保概率均等。数组长度128，相当于2^8。
2025-08-10 17:28:37
451
原创 关于rocketmq消费超时重试
从源码我们可以看到，我们自定义的消费者代码中，执行逻辑时间设置的70s，cleanExpireMsg()方法每60s执行一次，有可能第一次执行时，方法内计算的（当前时间的时间戳 - consumeStartTimeStamp）的值小于60s，于是没有执行重发消息的操作。不得已，只能查看源码，ProcessQueue中有个cleanExpireMsg()方法，字面意思看，是清理过期方法，咱设置的consumeTimeout=1，于是每分钟会触发一次。当70s后，逻辑结束，消息进行了其他处理。
2025-08-02 10:11:34
337
原创 windows中rocketmq提示“service not available now, maybe disk full”解决
执行命令 mklink /D store D:\mq\store。删除用户目录下的store目录。以命令行方式启动cmd。
2025-08-01 08:49:15
261
原创 fastjson反序列化时_id的处理
从输出看到，json字符串的_id转为了java对象属性的id，这不是想要的结果。于是，修改java对象，使用了@JSONField(alternateNames = {"id"})属性。这篇文章中也提到了这个问题，于是使用 @JSONField(name = "_id", alternateNames = {"id"})注解。写程序时，借助fastjson，将map对象转为json字符串，然后再通过json字符串转为对应的java对象。结果转换后，结果还是不对，上网查了资料，可以看到，结果正确。
2025-07-29 17:58:36
272
原创 Redisson的布隆过滤器
判断某个元素是否存在时，也是根据m个hash函数进行运算，如果m个位置的元素都为1，说明元素存在，只要某个位置存在一个0，则说明不存在。由于hash冲突，布隆过滤器可以判断元素一定不存在，但是不能保证一定存在，其存在一定的误判率。向布隆过滤器中添加元素时，根据m个hash函数对元素进行运算，得到m个位置；解决redis缓存穿透，当判断不存在该数据时，直接返回；给出一个长度是n的数组，元素的值是0或者1；布隆过滤器用来判断某个元素是否存在。将这m个位置的元素设置为1；防止内容的重复推荐；
2025-07-27 16:17:21
403
原创 Spring AI（14）——文本分块优化
根据源码的逻辑，分割文本时，可能出现如果分隔符的索引小于minChunkSizeChars，就不会对文本进行分割，于是，就会出现句子被断开的情况。根据CL100K_BASE编码，300长度的token转为本文内容后，文本内容的长度在220-250之间（根据本例的中文文档测试，实际存在误差），转换比例在70%到80%多，为了根据特定的字符进行分割，所以minChunkSize的值最好小于210。为此，对源码进行修改，增加分割符的列表，用户可以根据文档的中英文情况，自行设置分割符。
2025-07-26 11:54:39
1126
原创 Spring AI（13）——RAG之RetrievalAugmentationAdvisor
RetrievalAugmentation表示检索增强中介绍了RAG的基本使用，但是其中的QuestionAnswerAdvisor 主要作用是对向量数据库中的所有文档执行相似性搜索。RetrievalAugmentationAdvisor可以更好的体现检索增强。
2025-07-19 11:16:06
908
原创 安装docker时，yum install -y yum-utils报错的解决
centos7，安装docker时，执行yum install -y yum-utils报错。1）进入/etc/yum.repos.d目录，删除其中所有文件。3）再次执行 yum install -y yum-utils。
2025-07-16 19:41:33
378
原创 Spring AI Alibaba（2）——通过Graph实现工作流
基于 Spring AI Alibaba Graph 进行工作流的开发。工作流是以相对固化的模式来人为地拆解任务，将一个大任务拆解为包含多个分支的固化流程。工作流的优势是确定性强，模型作为流程中的一个节点起到的更多是一个分类决策、内容生成的职责，因此它更适合意图识别等类别属性强的应用场景。Spring AI Alibaba Graph 在设计理念上借鉴 LangGraph，并且增加了大量预置 Node、简化了 State 定义过程等，让开发者更容易编写对等低代码平台的工作流、多智能体等。
2025-07-10 21:18:23
980
1
原创 Spring AI Alibaba（1）——基本使用
Spring AI Alibaba（SAA） 是一款以 Spring AI 为基础，深度集成百炼平台，支持 ChatBot、工作流、多智能体应用开发模式的 AI 框架。在 1.0 版本中，Spring AI Alibaba 提供以下核心能力，让开发者可以快速构建自己的 Agent、Workflow 或 Multi-agent 应用。与 Spring AI 的联系和区别。
2025-07-06 16:33:35
1120
原创 Spring AI（12）——调用多模态模型识别和生成图像
修改yml配置注意：这里使用智谱提供的识别图像的glm-4v-flash模型测试代码输出结果。
2025-07-06 14:33:43
506
原创 LangChain4j（20）——调用百度地图MCP服务
MCP Server | 百度地图API SDK地理编码将地址解析为对应的位置坐标输入:address地址信息输出:location逆地理编码将坐标点转换为对应语义化地址输入:location经纬度坐标输出:uid地点检索多种场景的地点以及POI检索, 包括城市检索、圆形区域检索输入:query检索关键词location圆形检索的中心点radius圆形检索的半径region城市检索指定城市输出: POI列表, 包含namelocationaddress等地点详情检索。
2025-06-27 21:35:26
1138
2
原创 关于微信小程序的真机调试
勾选掉"局域网模式"，但要保证电脑和手机处于同一个局域网下，也就是说它们需要连接到同一个wifi。"切换真机模式2.0"，根据自己手机的系统选择对应的选项。另外，需要勾选"不校验合法域名......"
2025-06-22 09:41:30
280
原创 关于uniapp解析SSE响应数据的处理
从展示效果看，返回的数据都以“data:”开头，而且数据都发生了换行。这是由于后端返回大模型响应的数据时，需要换行的数据中间也使用了"\n\n"，这就和SSE的数据格式产生了冲突。其中，"100 97 116 97 58"表示"data:"，"10 10"表示"\n\n"，而且根据响应数据，我们发现SSE客户端是一次处理一批后端响应的数据。通过uniapp开发与大模型对话的微信小程序，并且后端需要通过SSE向小程序返回响应数据。其中通过正则表达式替换所有的"data:"和"\n\n"。
2025-06-22 09:23:18
735
原创 LangChain4j（18）——通过Xinference调用Rerank模型
也称为重排序模型，它从搜索中获取初始结果集，并重新评估它们，以确保它们更紧密地符合用户的意图。它超越了术语的表面匹配，考虑了搜索查询和文档内容之间更深层次的交互。LangChain4j支持的Rerank模型如下：其中通过onnx调用需要将模型转为onnx后调用，占用内存较多。Cohere、Jina等模型需要收费。本例采用Xinference方式调用。
2025-06-09 22:38:59
959
原创 Spring AI（11）——SSE传输的MCP服务端
支持SSE（Server-Sent Events） 基于 Spring MVC 的服务器传输和可选的STDIO运输。
2025-06-05 21:15:47
1391
原创 Spring AI（10）——STUDIO传输的MCP服务端
Spring AI MCP（模型上下文协议）服务器Starters提供了在 Spring Boot 应用程序中设置 MCP 服务器的自动配置。它支持将 MCP 服务器功能与 Spring Boot 的自动配置系统无缝集成。本文主要演示支持STDIO传输的MCP服务器。
2025-06-05 20:07:32
630
原创 Spring AI（9）——MCP客户端
模型上下文协议 （MCP） 是一种标准化协议，使 AI 模型能够以结构化方式与外部工具和资源交互。它支持多种传输机制，以便在不同环境中提供灵活性。MCP Java SDK 提供模型上下文协议的 Java 实现，通过同步和异步通信模式实现与 AI 模型和工具的标准化交互。Spring AI MCP通过 Spring Boot 集成扩展了 MCP Java SDK，同时提供了客户端和服务器Starters。通过STDIO（in-process） 和/或SSE（远程）访问MCP服务端。
2025-05-29 17:30:42
1345
原创 LangChain4j（17）——MCP客户端
本例使用的msp服务是server-everything。它是一个 MCP 客户端构建者的测试服务器。echo回显输入消息的简单工具输入：message（string）：要回显的消息返回： 带有回声消息的文本内容add将两个数字相加输入：a（number）：第一个数字b（number）：第二个数字返回： 添加的文本结果演示长时间作的进度通知输入：duration（number，默认值：10）：持续时间（以秒为单位）
2025-05-28 17:16:45
1788
1
原创 Spring AI（8）——流式响应
通过源码可以看到，调用ChatModel对象调用stream()方法即可实现流式响应。并且其返回值有两种形式：Flux<String>和Flux<ChatResponse>。流式响应允许异步获取响应数据。通过该方式，大模型每次返回一部分token，而不是等到生成完整结果后再返回。测试代码通过ChatModel对象和ChatClient对象分别实现了流式响应。ChatModel接口继承了StreamingChatModel接口。注意：一定要通过浏览器进行测试，否则无法看到流式响应的效果。
2025-05-23 15:07:43
665
原创 Spring AI（7）——RAG
检索增强生成（RAG），用于解决将相关数据纳入提示词中以获得准确 AI 模型响应的挑战。该方法采用批处理式编程模型，从指定的文档中读取非结构化数据，进行转换，然后写入向量数据库。从高层次来看，这是一个 ETL（提取、转换和加载）管道。向量数据库用于 RAG 技术的检索部分。在将非结构化数据加载到向量数据库时，最重要的转换之一是将原始文档分割成更小的片段。将原始文档分割成更小片段的过程有两个重要步骤：在保持内容语义边界的同时将文档分割成部分。
2025-05-20 13:38:44
1223
原创 Spring AI（6）——向量存储
向量数据库是一种特殊类型的数据库，在 AI 应用中发挥着至关重要的作用。在向量数据库中，查询与传统关系型数据库不同。它们执行的是相似性搜索，而非精确匹配。当给定一个向量作为查询时，向量数据库会返回与该查询向量“相似”的向量。Spring AI 通过接口提供了一个抽象的 API，用于与向量数据库交互。
2025-05-15 10:07:10
3227
1
原创 Spring AI（5）——通过嵌入模型进行数据的向量化处理
嵌入是文本、图像或视频的数值表示，用于捕获输入之间的关系。嵌入的工作原理是将文本、图像和视频转换为浮点数数组，称为向量。这些向量旨在捕获文本、图像和视频的含义。嵌入数组的长度称为向量的维度。通过计算两个文本向量表示之间的数值距离，应用程序可以确定用于生成嵌入向量的对象之间的相似性。接口旨在轻松集成 AI 和机器学习中的嵌入模型。其主要功能是将文本转换为数值向量，通常称为嵌入。这些嵌入对于各种任务至关重要，例如语义分析和文本分类。
2025-05-14 11:37:04
1850
原创 Spring AI（4）——工具调用
Tool(name="getTodayDate", description = "获取今天日期信息")System.out.println("获取当前日期时间");大模型调用的工具通过@Toolname：工具的名称。如果未提供，将使用方法名称。AI 模型在调用工具时使用此名称进行识别。因此，同一类中不允许存在名称相同的两个工具。对于特定聊天请求，该名称在模型可用的所有工具中必须是唯一的。：工具的描述，模型可以使用此描述来理解何时以及如何调用该工具。如果未提供，将使用方法名称作为工具描述。
2025-05-13 11:54:45
1687
2
原创 Spring AI（3）——Chat Memory
大型语言模型（LLM）是无状态的，这意味着它们不保留关于以前互动的信息。为了解决这个问题，Spring AI提供了Chat Memory（聊天记忆）功能。通过Chat Memory，用户可以实现在与LLM的多次交互中存储和检索信息。聊天记忆的底层存储由ChatMemoryRepository处理，其唯一责任是存储和检索消息。决定保留哪些消息及何时删除这些消息的权利在于ChatMemory的实现。策略可能包括保留最近的N条消息，保留一定时间段的消息，或者保留指定最大令牌数的消息。
2025-05-11 18:46:53
1989
原创 Spring AI（2）—— 发送消息的API
PromptTemplate是针对用户信息的模版，类似的还有：SystemPromptTemplate，AssistantPromptTemplate。通过源码可以到，Prompt对象中包含属性为List<Message>（聊天消息的列表）和ChatOptions（大模型属性信息的对象）。如果使用不带参数的propmt()方法，需要调用额外调用user()、system()方法设置需要发送的信息。可以通过PromptTemplate设置，也可以通过user()或者system()方法设置。
2025-05-11 08:34:39
840
原创 Spring AI（1）—— 聊天模型基本使用
Spring AI 是一个用于 AI 工程的应用程序框架。其目标是将 Spring 生态系统设计原则应用于 AI 领域。下面，我们通过具体的案例来学习下Spring AI的使用。
2025-05-07 22:49:42
996
原创 LangChain4j（16）——使用milvus进行向量存储
非结构化数据（如文本、图像和音频）格式各异，蕴含丰富的潜在语义，因此分析起来极具挑战性。为了处理这种复杂性，Embeddings 被用来将非结构化数据转换成能够捕捉其基本特征的数字向量。然后将这些向量存储在向量数据库中，从而实现快速、可扩展的搜索和分析。Milvus 提供强大的数据建模功能，使您能够将非结构化或多模式数据组织成结构化的 Collections。它支持多种数据类型，适用于不同的属性模型，包括常见的数字和字符类型、各种向量类型、数组、集合和 JSON，为您节省了维护多个数据库系统的精力。
2025-05-01 07:50:40
1796
1
空空如也
无法看到rocketmq消费超时的效果
2025-08-01
TA创建的收藏夹 TA关注的收藏夹
TA关注的人