2301_81831660的博客

原创 常见的排序算法

【代码】常见的排序算法。

原创 【业务编程题】订单的ID生成

在电商项目中，订单号是用来跟踪和识别每一个订单的唯一标识。为了保证订单号的唯一性，需要设计一个订单号生成器，可以根据日期，顺序数字和用户ID生成订单号。请实现一个订单号生成与查询系统。现已经有订单类(Order)如下。

原创 【双指针】【简单】移动零

给定一个数组 nums，编写一个函数将所有 0 移动到数组的末尾，同时保持非零元素的相对顺序。请注意 ，必须在不复制数组的情况下原地对数组进行操作。进阶：你能尽量减少完成的操作次数吗？

原创 【哈希】【中等】最长连续序列

给定一个未排序的整数数组 nums ，找出数字连续的最长序列（不要求序列元素在原数组中连续）的长度。请你设计并实现时间复杂度为 O(n) 的算法解决此问题。

原创 【哈希】【中等】字母异位词分组

给你一个字符串数组，请你将组合在一起。可以按任意顺序返回结果列表。解释：在 strs 中没有字符串可以通过重新排列来形成 “bat”。字符串 “nat” 和 “tan” 是字母异位词，因为它们可以重新排列以形成彼此。字符串 “ate” ，“eat” 和 “tea” 是字母异位词，因为它们可以重新排列以形成彼此。

原创 LangChain基础使用

幻觉问题：模型可能生成看似合理但实际错误的信息提示词不统一：不同场景需要反复调整提示词，缺乏标准化模型切换成本高：不同厂商的LLM接口差异大，迁移困难编码集成不便：开发者更希望通过结构化数据（JSON/XML等）接口获取能力，而非纯文本知识截止日期：模型训练数据有时间限制，无法获取实时信息专业领域知识薄弱：在医学、法律等垂直领域，模型结果仅能作为参考，可信度不足解决方案上述问题的核心在于：大模型本身缺乏外部知识检索、工具调用和状态管理能力。

原创 kafka消息的可靠性及幂等性

生产者重启后，用同一个 transactional.id 再次初始化，Kafka 会恢复上一次的 PID 和序列号状态，从而可以继续去重。如果Leader所在的Broker宕机，一个Follower可以被选举为新的Leader，继续提供服务，保证系统的高可用。Kafka将消息以追加（append-only）的方式写入磁盘文件，避免了昂贵的随机I/O，在保证持久化的同时提供了高性能。，如果重启，会给生产者设置一个新的PID，这个时候就可能重复消费了。且仅对单分区有效，序号是分区维护的，无法跨分区去重。

原创 【Redis】布隆过滤器原理

布隆过滤器（Bloom Filter）是一种空间效率极高的概率型数据结构，用于判断一个元素是否在集合中，常用于防止缓存穿透。它可能会误判（假阳性，False Positive）：说一个元素在集合中，但实际可能不在。它不会漏判（假阴性，False Negative）：如果它说元素不在集合中，那么一定不在。通俗理解：布隆过滤器是一个“也许在”的判断器，用来快速过滤掉确定不存在的元素。

原创 【数据结构】HashMap

源码注释里给了泊松分布的计算结果：在理想情况下（哈希随机性很好），一个桶中链表长度达到 8 的概率极低（小于千万分之一）。这说明一旦长度超过 8，往往是严重恶意的哈希冲突（比如有人故意构造相同 hashCode 的 key），此时必须用红黑树来防止性能崩溃。

原创 从CNN到RNN再到Transformer的架构理解

RNN通过一个叫隐藏状态的小本本，把之前看到的信息记下来，然后传给下一步。多头注意力就是多用几组不同的权重，生成多组 Q、K、V（比如 8 组），每组独立计算注意力，得到 8 个不同的结果。CNN的核心设计哲学是局部连接+参数共享，这源于图像等数据具有“局部相关性”（邻近像素更相关，远处像素相关性弱）。RNN通过隐藏状态在序列中传递信息，每个时间步的输出依赖于前一个时间步的隐藏状态，然后把这 8 个结果拼接在一起，再经过一层线性变换，得到最终的输出。如下图，左边的是编码器，右遍的是解码器，其过程如下，

原创 【哈希】【简单】两数之和

给定一个整数数组 nums 和一个整数目标值 target，请你在该数组中找出 和为目标值 target 的那 两个 整数，并返回它们的数组下标。题干中描述只会存在一个有效答案，因此可以遍历数组的同时，将数组数据存储到HashMap中。你可以假设每种输入只会对应一个答案，并且你不能使用两次相同的元素。边遍历边寻找已经存入的HashMap中是否有target-当前值。进阶：你可以想出一个时间复杂度小于 O(n2) 的算法吗？你可以按任意顺序返回答案。

原创 【MySQL】存储引擎

5，4>3，4<6，3<=4<=6但是4存在m_ids中，都不满足，所以不可以访问，所以这一次快照读不应该读当前的数据，这个时候就会通过指针找上一条记录，再进行对比，直到满足可以访问的条件（trx_id的时候才满足可以访问，可以理解为查询的时候只有事务2提交了，所以可以查询到事务2 更改后的结果）（这里的随机就是指更改的操作随机发生在缓冲区中，即一会update a，一会update b），这样性能低，但如果不即使刷新就可能丢失缓冲区中的数据，导致前后不一致。后台线程负责刷新脏页，但此时。

原创 【MySQL】锁机制

无需显式使用，在访问一张表时会自动加上。MDL 锁的主要作用是维护表元数据的数据一致性，在表上有活动事务时，不允许对元数据进行写入操作，从而避免 DML 与 DDL 冲突，保证读写的正确性。InnoDB的数据是基于索引组织的，行锁是通过对索引上的索引项加锁来实现的，而不是对记录加的锁。对于上面的问题，InnoDB 引入了意向锁，意向锁是 InnoDB 在加行锁之前自动给表加的一种标志锁。PS:不用防止在1之前或者3之后插入数据，因为这里是对索引加锁，数据是顺序的，因此插入age=3一定会在3的前后。

原创 【MySQL】SQL优化

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档。

原创 【MySQL】索引

对索引列的值应用哈希函数，计算出固定长度的哈希码（hash code），然后映射到哈希表的某个槽位（bucket），槽位中存储指向实际数据行的指针。SQL 提示是优化数据库的一个重要手段，即在 SQL 语句中加入一些人为的提示，影响优化器的选择（例如一个字段存在联合索引和普通索引，优化器可能选择了非预期的索引）。在MySQL中，支持hash索引的是Memory引l擎，InnoDB中具有自适应Hash功能，Hash索引是存储引擎根据B+Tree索引在指定条件下自动构建的。（而不是完整的行数据）。

原创 零拷贝技术

其核心思想是：让数据尽量在内核态内部直接流转，避免在用户态和内核态之间来回复制。传统的 sendfile() 实现（未支持 SG-DMA 或 DMA Gather Copy 的老式网卡/驱动）虽然减少了上下文切换次数，但仍然需要一次 CPU 拷贝，结果共。传统 I/O 方式中，将一个文件从磁盘发送到网络（例如 Web 服务器返回一个静态文件），通常使用 read() + write() 两个系统调用。在现代操作系统中，为了保障系统的安全与稳定，CPU 通常支持两种运行模式：用户态 和 内核态。

原创 Minio基础操作及使用

MinIO 是一个 高性能、Kubernetes 原生、完全兼容 Amazon S3 API 的对象存储服务器。采用 Go 语言编写，单一二进制文件即可启动，支持 Windows、Linux、macOS 以及 Docker/Kubernetes 环境。MinIO 的设计目标是为云原生工作负载提供轻量、快速、可扩展的对象存储，既可以单机运行（用于开发/测试），也可以部署成分布式集群（用于生产环境，实现数据冗余和高可用）。

原创 ES基础指令及原理

Elasticsearch 是一个基于 Apache Lucene 构建的分布式、RESTful 风格的搜索与分析引擎。它能够近乎实时地存储、检索和分析海量数据，通常作为应用程序的核心搜索组件或大数据分析平台的基础。全文搜索：在大量文本中快速找到最相关的内容（例如电商搜索、日志搜索）。结构化聚合分析：对数据进行统计、分组、求平均等运算（例如“过去一小时的错误日志数量”）。

原创 Kafka知识点汇总

Kafka 作为 Apache 基金会的顶级项目，由 LinkedIn 于 2011 年开源，已从最初的消息队列演化为一个成熟的分布式事件流平台——既能做消息缓冲，也能做日志采集、实时数据管道和流处理。需要根据业务逻辑（如用户ID、地区、时间等）自行决定分区号。可以实现 Partitioner 接口，覆盖 partition() 方法。@Override// 自定义逻辑：例如将消息全部发到分区 0return 0;// 省略 close() 和 configure()

原创 常用的向量数据库

传统数据库（如MySQL、PostgreSQL）基于精确匹配——查询“名字=张三”就返回名字完全等于“张三”的记录。但在AI应用中，我们需要的是基于“相似性”的查询：用户输入“一件适合春天的轻薄外套”，引擎需要检索语义上最相似的商品，而不是文本完全匹配的结果。向量是一个由数百个数字组成的数组。使用预训练模型（如BERT、ResNet、OpenAI Embedding等），可以将文本、图像、音频等非结构化数据转换为高维向量嵌入。语义相似的输入在向量空间中也相互靠近。

原创 大模型应用开发框架

直接向 ChatGPT 提问就能得到不错的回答，但这远远不够。真实的应用场景往往要求模型能够：查询实时信息、访问企业私有文档、按照严格的格式输出，甚至与外部系统交互。纯 Prompt 模式 – 最轻量，模型直接回答，适合通用场景。Function Calling – 让模型主动调用工具/API，获取实时数据或执行操作。RAG（检索增强生成） – 为模型外挂知识库，解决知识过时和私有文档问答问题。Fine-tuning（微调） – 用领域数据训练模型，改变其行为或风格，获得最高质量的定制效果。

原创 RabbitMQ知识点汇总

在复杂的分布式系统中，服务间的同步调用会带来强耦合、性能瓶颈、级联故障等问题。随着业务不断扩展，需求越来越多样，系统间的耦合度也急剧增加。此时，消息队列（MQ）作为一种异步通信方式，能够实现服务间的解耦、异步、削峰填谷，成为构建弹性、高可用系统的基石。同步调用的优势在于时效性强，调用方会一直等待被调用方返回结果。拓展性差：增加新的调用链路需要修改代码，无法灵活应对业务变化。性能下降：调用方阻塞等待，吞吐量降低。级联失败：一个下游服务不可用，可能导致整个请求链路失败。

原创 Git常用命令及应用

备份：代码随时可能因为误操作或硬件故障丢失，需要一个安全的远程存储点。代码还原：新功能开发到一半发现方向错了，需要回退到之前某个稳定的版本。协同开发：多人同时修改同一项目，如何有条不紊地合并各自的工作成果。追溯问题：线上出了 Bug，需要快速定位是谁、在什么时间、出于什么目的修改了哪一行代码。为了解决这些问题，版本控制系统（VCS, Version Control System） 应运而生。目前常用的版本控制工具主要有 SVN（Subversion）、CVS 和 Git。

原创 点评项目的业务整体分析

例如上一页最后一列是 m6（时间戳为 6），下一页继续用时间戳 6 和偏移量 1 查询，但 Redis 的 LIMIT offset 是在 Redis 服务端内部计算的，代码需要在客户端循环跳过重复时间戳。需要注意的是，MySQL 的 WHERE id IN (5, 1) 查询结果不会按照 5、1 的顺序返回，因此需要加上 ORDER BY FIELD(id, 5, 1) 来保证查询顺序与参数中的 ID 列表一致。本例中的个人页面，是基于关注的好友来做Feed流，因此采用Timeline的模式。

原创 MyBatis-Plus

MyBatis 的核心思想是将 SQL 语句与 Java 代码解耦。它将 SQL 控制在独立文件或注解中，但又能在运行时与 Java 对象灵活映射。与 Hibernate 等全自动框架不同，它的特色在于半自动机制：开发者需要手写 SQL，但省去了 JDBC 繁琐的结果集转换与连接管理。详细参考。

原创 Redisson

例如下面的例子，Java 应用向 Redis Master 成功写入了锁，此时 Master 突然宕机，而这条锁数据还未同步到 Slave，Sentinel（哨兵）会从 Slave 中选举一个新的 Master，但新的 Master 中并没有 lock 这条数据。在 Redis 主从架构中，如果主节点写入锁数据后未来得及同步到从节点就宕机，从节点升级为主后，锁数据会丢失，其他线程可能重新获取到锁，造成并发安全问题。同时，一旦进程意外退出，Watch Dog 停止续期，锁会在 30 秒后自动释放。

原创 Redis实现分布式锁

在单体应用中，我们可以使用 Java 的 synchronized 或 ReentrantLock 来保证多个线程对共享资源的互斥访问。这些锁都依赖于单一的 JVM 进程——锁监视器存在于同一个堆内存中，不同线程看到的是同一把锁。然而在分布式集群环境下，多个服务实例运行在不同的 JVM 进程中，每个进程都有自己独立的内存空间，单体锁无法跨越 JVM 实现线程互斥。此时就需要一把所有进程都能“看见”的公共锁，这就是分布式锁。

原创 【JAVA Spring面经】Spring 事务失效情况

Spring 事务基于 AOP 动态代理实现，核心流程是：当调用被 @Transactional 标注的方法时，实际调用的是代理对象的方法。代理对象会在方法执行前开启事务，在方法正常结束后提交事务，在方法抛出特定异常（默认 RuntimeException 或 Error）时回滚事务。假设有一个 Service 原始类@Service@Override// ← 核心业务：插入数据库// 这是 Spring 动态生成的代理类（伪代码，实际更复杂）// 持有原始对象@Override。

原创 优惠券秒杀业务分析

上述代码看似可行，但@Transactional 会失效，原因是 Spring AOP 的代理机制。容器注入的是代理对象，代理对象会在调用目标方法前后处理事务（开启、提交/回滚）。如果我们拿到的是原始对象（this）并直接调用，代理根本没机会插手，事务注解自然失效。所有用户争夺同一把锁，锁粒度太粗。→ 改为 只对当前用户 ID 加锁，即 synchronized (userId.toString().intern())。多个线程同时读取库存为 1，都判断“充足”，然后各自扣减，结果库存变成负数。

原创 缓存穿透/雪崩/击穿

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档。

原创 缓存更新策略

在真实业务中，数据库的数据会频繁发生变化，而缓存中的数据则是数据库数据的副本。如何保证缓存与数据库的数据一致性，是缓存使用中必须解决的核心问题。常见的缓存更新策略可分为三大类：内存淘汰：Redis 自带的内存淘汰机制，当内存达到 maxmemory 上限时，自动按规则淘汰部分 key，是一种被动的、无需人工参与的手段。超时剔除：给缓存设置过期时间（TTL），到期自动删除。这是最简单有效的最终一致性保证，任何缓存数据都应该设置合理的过期时间。

原创 Session粘滞性问题-＞Redis实现session共享

两个拦截器为了解决Redis中token的过期时间问题，如果只设置一个拦截器，用户每次访问需要UserDTO登录校验的界面，会刷新token过期时间，但是如果访问商家页面这种不需要登录校验，此时token的过期时间就没有刷新。ThreadLocal相当于备份了Redis中的UserDTO数据，对于该次请求（该次线程）ThreadLocal中的数据存在，方便进行显示，不用再去Redis中查看了。此时Redis中存储的数据如下，code对应验证码校验，token存储对应的用户 UserDTO。

原创 嵌入模型及其接入

如果我们对比它们的嵌入向量，计算出的余弦相似度可能高达 0.92，说明它们的语义方向非常接近。（大规模文本嵌入基准测试，Massive Text Embedding Benchmark）评测是最权威的嵌入模型评测榜单，覆盖了分类、聚类、配对分类、重排序、检索、语义文本相似度、摘要和双语挖掘等多达八个维度的任务，每个模型会得到一个综合平均分和各细分任务的独立得分。嵌入模型自身并不真正“理解”自然语言，而是通过捕捉不同数据在嵌入空间中的距离远近，挖掘它们背后隐藏的语义关系，通过数学运算模拟出对语言的理解能力。

原创 TreadLocal和TreadLocalMap

get方法会先获取当前线程。key 使用弱引用，如果 key 是强引用，即使我们在代码中把 ThreadLocal 对象设为 null，ThreadLocalMap 中的 Entry 仍然强引用了它，导致它无法被GC回收，从而造成内存泄漏。InheritableThreadLocal 解决了这个问题，在创建子线程的瞬间，它将父线程的本地变量复制给子线程。输出结果：线程1打印"张三"，线程1的threadLocal1打印"aaa"，线程2打印"李四"，主线程打印"null"——三个线程互不影响。

原创 【JAVA基础面经】Java中的引用类型

JVM 会将关联的虚引用加入到引用队列中，程序可以通过监控这个队列来得知对象即将被回收，从而在回收之后做一些资源清理（如释放堆外内存）。只要强引用还存在，垃圾收集器就永远不会回收掉被引用的对象。虚引用通过 java.lang.ref.PhantomReference 类实现，它是最弱的引用类型。软引用通过 java.lang.ref.SoftReference 类实现，它比强引用弱一级。强引用是 Java 中最常见的引用类型，也就是我们平时直接 new 出来的对象赋值。虚引用就像根本不存在的绳子。

原创 基于 SDK 进行 Openai 接入

【代码】基于 SDK 进行 Openai 接入。

原创 通过 ollama 本地接入大模型

【代码】通过 ollama 本地接入大模型。

原创 Postman 调用 Deepseek 的 API 教程

原创 JWT 令牌

JWT（JSON Web Token）是一个开放标准（RFC 7519），它定义了一种紧凑且自包含的方式，用于在各方之间以JSON对象形式安全地传输信息。简单理解，JWT就是经过签名的JSON，常用于身份认证和信息交换。

原创 Redis基础

Redis 就是一个运行在内存中的、支持多种数据结构的 NoSQL 数据库Redis（Remote Dictionary Server）（远程字典服务）是⼀种基于键值对（key-value）的 NoSQL 数据库，其数据主要存储在内存中，而非硬盘，因此读写速度极快。