快乐的游-CSDN博客

原创从零开始: C#轻松预览PDF文件-支持跨平台AOT友好

PDFium是基于由google维护的项目 (https://github.com/chromium/pdfium) (Apache-2.0 license)，维护很频繁（本文发出前2小时Pdfium仓库还在更新），此外他的特点是采用动态链接库，C++编译体积很小5mb，兼容性较好，接口规范而且功能强大。为了更加通用，我们对PdfiumViewer中依赖WPF的代码进行了删减，主要包括书签相关的对象，滚动面板及动态渲染等，最后留下的只有指定PDF页渲染图片的功能。Pdf的预览主要是由解析+渲染两部分实现。

2025-12-21 14:59:44 643

原创 Spring Boot快速集成MiniMax、CosyVoice实现文本转语音

此时就比较推荐使用 MiniMax、CosyVoice这些提供的音色，这些音色的效果会更加拟人、逼真，接近真人发音。这里依然通过 UnifiedTTS 的统一接口来对接，这样我们可以在不更换客户端代码的前提下，快速在 MiniMax、CosyVoice等引擎之间做无缝切换。通过 UnifiedTTS，我们在 Spring Boot 中仅需调整 model 与 voice 即可切换到 MiniMax、CosyVoice、甚至最强的Elevenlabs，实现文本转语音。

2025-12-21 14:59:07 581

原创 GPUStack v2：推理加速释放算力潜能，开源重塑大模型推理下半场

GPUStack v2 的目标，是提供一个高性能、可管理、可扩展、可观测的 MaaS 平台，帮助企业在多样化硬件与业务场景下，稳定、高效地运行大模型推理服务。无论是 vLLM、SGLang，还是其他新兴或传统 AI 推理引擎，GPUStack 都能轻松兼容，并支持任意引擎版本的灵活切换与异构环境下的智能调度，确保用户始终能在第一时间使用最新的开源模型与推理优化成果。GPUStack v2 提供端到端可观测能力，将模型运行状态、调用情况与底层算力资源统一管理，实现可量化、可追踪的推理服务。

2025-12-17 19:42:58 928

原创 FastAPI 流式响应中，如何优雅处理客户端断连后的数据库操作？

原因：当客户端断开时，FastAPI 会立即把它的 session连接回收掉，底层的那个物理连接被标记为 Cancelled，然后执行finally的时候，再往下传原来session连接就不对了，save_conversation函数就会抛pymysql.err.InterfaceError。一个自然的想法是：既然旧的 session 不能用了，那就在保存的时候检查一下，如果不可用就创建一个新的。或者创建个独立线程，在新线程中去创建新连接，应该是可以的，个人还是感觉比较重，浪费资源。

2025-12-17 19:42:17 303

原创 JSAPIThree 加载 WMS、WMTS 和通用栅格图学习笔记：标准地图服务与切图规则

我的感受：标准地图服务虽然配置有点复杂，但是用起来其实不难。WMTS 是 OGC 标准的 Web 地图瓦片服务，提供预切好的瓦片，性能比 WMS 更好。我的发现：WMTS 的 URL 中可以使用 {z} 占位符，引擎会自动替换为对应的缩放级别。我的理解：WMS 是动态生成地图图片，WMTS 和 XYZ 是使用预切好的瓦片，性能更好。WMS 是 OGC 标准的 Web 地图服务，通过参数化的 HTTP 请求获取地图图片。XYZ 是最通用的瓦片格式，通过 URL 模板直接访问瓦片，支持各种自定义瓦片服务。

2025-12-15 13:14:09 253

原创物理Data Guard技术深度解析：配置、原理与运维实践

日志传输参数 LOG_ARCHIVE_DEST_1 本地归档日志存放路径 *.log_archive_dest_1='location=/arch/orcl valid_for=(all_logfiles,all_roles)' 主备库均需配置，存放本地归档日志。日志传输参数 LOG_ARCHIVE_DEST_STATE_N 启用/禁用对应LOG_ARCHIVE_DEST_N的传输功能 *.log_archive_dest_state_2='ENABLE' 主库需启用，备库可设为DEFER。

2025-12-15 13:13:31 526

原创接口开发，咱得整得“优雅”点

/ 签名不参与计算。ok) throw new BizException("IP 不允许访问");产品一句话： “凡哥，接口明天上线，支持 10w 并发，数据脱敏，不能丢单，不能重复，还要安全。上面 13 段核心代码，直接粘过去就能跑，跑通后再按业务微调，基本能扛 90% 的生产场景。log.warn("业务异常：{}", e.getMessage());尤其对外提供的接口，无法保障调用频率，应该做限流处理，保障接口服务正常的提供服务。return Result.fail("访问太频繁，稍后再试");

2025-12-14 11:10:11 335

原创【URP】Unity[后处理]色调映射Tonemapping

‌现代优化‌：Unity URP/HDRP引入Custom模式，支持用户自定义曲线参数（如Toe/Shoulder强度），平衡性能与效果。动态范围压缩：将HDR光照数据（如阳光直射与阴影的极端亮度差）映射到0-1的LDR范围，避免高光过曝或暗部细节丢失。‌动态范围压缩‌：将HDR的高亮度值（如>1.0）非线性压缩到LDR的0-1范围，避免简单截断导致的亮部细节丢失。‌早期算法‌：如Reinhard算子（全局映射），通过对数压缩保留整体氛围，但局部对比度不足。

2025-12-14 11:09:02 351

原创实现一个深拷贝函数

答：拷贝，可以认为是赋值，对于 JavaScript 中的基础类型，如 string, number, null, boolean, undefined, symbol 等，在赋值给一个变量的时候，是直接拷贝值给变量，而对于引用类型，如 object, array, function 等，则会拷贝其引用（地址）。浅拷贝（Shallow Copy）：仅复制对象的表层属性，若属性值为引用类型（如嵌套对象、数组），则拷贝的是引用地址（引用地址就是表层属性），新旧对象共享嵌套数据。// 方法2：concat。

2025-12-13 18:13:04 755

原创入门】使用Node.js开发一个MCP服务器（STDIO方式）介绍

当用户请求查询北京天气时，AI会按照MCP标准参数格式组装参数，调用MCP服务器执行相应功能，并处理返回结果。content: [{ type: "text", text: `失败: ${error.message}` }],needShowMeText: z.string().describe("想要展示的话")console.log("MCP服务器已启动并等待连接");console.log("MCP服务器启动中...");"name": "mcp本地测试3","mcp本地测试3": {

2025-12-13 18:12:20 362

原创深入理解 PHP-FPM 的最佳配置

我不确定是谁开始这么搞的，这些乘数怎么推导出来的，但有一点让我觉得不对劲——把 min_spare_servers 设得比 start_servers 低，如我上面解释的，会导致 min_spare_servers 值永远用不上。如果大量请求涌入，20 个子进程不够用，主进程会生成额外的子进程，最多到 max_children 值，这里是 70。最终得到了一些意外结果。测试表明，当并发请求数量远超 max_children 值，或者远低于 max_children 值时，ondemand 是最佳选择。

2025-12-12 11:47:45 348

原创彩笔运维勇闯机器学习--孤立森林

类似于随机森林，但每棵树不使用信息增益或基尼系数等指标，而是随机选择一个特征，在该特征的最小值和最大值之间随机选一个切分值，将数据集分成两部分，又在每个部分随机最大值与最小值之间随机选一个切分支，不断递归。contamination用来调节异常比例的参数，如果是auto，那么异常比例为33.3%，6个样本，那么异常点就是2个。首先，每棵树是采用部分的样本来计算，而不是采用所有的样本n=6来计算的。构造如此的树n棵，组成森林，开始计算每个样本在每棵树的平均路径长度（叶子节点的深度depth），计算异常分数。

2025-12-12 11:47:04 514

原创理解Kubernetes Pod：容器设计的基本单元

如果失败，则容器容器就不能对外提供服务（其实就是自动将该 Pod 从对应的 Endpoints 对象中移除，从而不再将流量路由到这个 Pod，容器的状态为NotReady，对应的pod的状态Ready=False）。node的ip：node的是node对应的物理机（虚拟机，云主机）上的真实ip，比如说，你的一台物理机在公网上，那么这个node的ip便是一个公网的ip地址，我可以在任何地方拿着这个ip连接到这个node上。Running Pod 已经绑定到了某个节点，Pod 中所有的容器都已被创建。

2025-12-11 12:50:15 287

原创深度学习优化器算法巧思速览

有一个折中的做法，Nesterov momentum，Adam升级为NAdam，它的思路也很简单"先沿惯性走一步，再看新梯度，沿修正后的方向走"，也就是从Adam的"看一步走一步"变成了"看一步想两步"。在多年的研发生涯里，对调参这个事深恶痛绝，为什么辛辛苦苦架构出来的模型，一训练就崩，训练收敛慢到龟速，这严重影响了开发进度，并且增加了很多不可抗力的消耗。我相信有很多业内同行，都有这种痛，训练了很久，效果依旧很差，泛化能力也不行，然后就开始苦恼，为什么自己没有足够的钱，足够的算力。

2025-12-11 12:49:10 163

2501_94608023的博客