<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[cuiwin的专栏]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/cui_win</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; cui_win]]></copyright><item><title><![CDATA[Mokka（nvml-mock） 对接 NVIDIA Device‑Plugin实战教程]]></title><link>https://blog.csdn.net/cui_win/article/details/167389229</link><guid>https://blog.csdn.net/cui_win/article/details/167389229</guid><author>cui_win</author><pubDate>Fri, 09 Oct 2026 15:55:30 +0800</pubDate><description><![CDATA[本文介绍如何在无物理GPU的环境下，使用Mokka（nvml-mock）模拟GPU设备，配合原版NVIDIA Device Plugin实现K8s GPU调度测试。通过在CPU节点上伪造NVML库、设备文件及PCI信息，使Device Plugin误认为存在真实GPU，从而让K8s调度器正常分配GPU资源。适用于本地开发与CI测试，重点验证调度逻辑、监控与故障注入，不支持CUDA计算。实操包括Kind集群搭建、Mokka安装、Device Plugin配置及异构节点模拟，提供完整部署与排错指南。]]></description><category></category></item><item><title><![CDATA[Ollama 实战笔记：本地大模型安装配置全教程]]></title><link>https://blog.csdn.net/cui_win/article/details/160059029</link><guid>https://blog.csdn.net/cui_win/article/details/160059029</guid><author>cui_win</author><pubDate>Sat, 11 Apr 2026 20:00:23 +0800</pubDate><description><![CDATA[Ollama是一个轻量级、易于使用的大模型管理和部署工具，主要用于简化大模型的运行和交互。并且为开发者和用户提供了快速加载、管理和调用多种主流大模型的能力，同时支持本地化部署各类大模型。✓ 轻量化设计：Ollama体积小巧，安装简单，适合个人开发者和小型团队✓ 多模型支持：支持多种主流大模型，如Llama系列、Qwen系列、Deepseek系列等✓ 资源优化：通过量化技术降低模型显存占用，减少对高性能GPU的依赖✓ 易用性：提供命令行工具和图形化界面，方便用户操作。]]></description><category></category></item><item><title><![CDATA[Rocky Linux(9.7) 完整使用指南（ISO下载 + 系统安装 + 网络配置）]]></title><link>https://blog.csdn.net/cui_win/article/details/159003593</link><guid>https://blog.csdn.net/cui_win/article/details/159003593</guid><author>cui_win</author><pubDate>Fri, 27 Mar 2026 22:40:39 +0800</pubDate><description><![CDATA[官方下载页：https://rockylinux.org/zh-CN/download官方仓库：https://download.rockylinux.org/pub/rocky/国内镜像（推荐，速度快）：中科大：https://mirrors.ustc.edu.cn/rocky/阿里云：https://mirrors.aliyun.com/rocky/上海交大：https://mirror.sjtu.edu.cn/rocky/]]></description><category></category></item><item><title><![CDATA[图床管理工具 - PicGO]]></title><link>https://blog.csdn.net/cui_win/article/details/159160757</link><guid>https://blog.csdn.net/cui_win/article/details/159160757</guid><author>cui_win</author><pubDate>Tue, 17 Mar 2026 12:54:40 +0800</pubDate><description><![CDATA[PicGo 是图文创作者的效率神器，它将繁琐的图片上传流程简化为“一键操作”，并通过插件和多图床支持实现高度定制化。如果你经常写 Markdown、博客或需要管理大量图片外链，PicGo 几乎是必备工具。]]></description><category></category></item><item><title><![CDATA[现代 Python 开发：uv 安装、配置与最佳实践]]></title><link>https://blog.csdn.net/cui_win/article/details/158611438</link><guid>https://blog.csdn.net/cui_win/article/details/158611438</guid><author>cui_win</author><pubDate>Tue, 03 Mar 2026 10:40:09 +0800</pubDate><description><![CDATA[uv是高性能的 Python 包/环境管理工具，安装简单，兼容 pip/venv 生态，核心优势是速度快、功能集成度高。（安装包）、uv venv（虚拟环境）、uv add（管理项目依赖）、uv run（运行代码）。推荐在新项目中使用uv init替代传统的，提升依赖管理规范性。]]></description><category></category></item><item><title><![CDATA[Kafka Broker 配置 max.connections.per.ip 详解]]></title><link>https://blog.csdn.net/cui_win/article/details/158459481</link><guid>https://blog.csdn.net/cui_win/article/details/158459481</guid><author>cui_win</author><pubDate>Fri, 27 Feb 2026 11:19:15 +0800</pubDate><description><![CDATA[是 Kafka Broker 端的一个重要配置，用于限制单个 IP 地址可以与 Broker 建立的最大网络连接数。它的核心目的是防止单个客户端（或恶意攻击者）占用过多的 Broker 连接资源，导致其他客户端无法正常连接，从而保障 Kafka 集群的稳定性和资源公平性。默认值：在 Kafka 2.0 及以上版本中，默认值为（无限制）；旧版本可能默认值不同（如 256），建议以实际使用的 Kafka 版本文档为准。以下是主流云厂商 Kafka 服务中。]]></description><category></category></item><item><title><![CDATA[利用SEMrush挖掘关键词]]></title><link>https://blog.csdn.net/cui_win/article/details/157769016</link><guid>https://blog.csdn.net/cui_win/article/details/157769016</guid><author>cui_win</author><pubDate>Thu, 05 Feb 2026 15:06:11 +0800</pubDate><description><![CDATA[问题关键词：Semrush 中出现的搜索词包括“谁、什么、哪里、何时、为什么、如何、是XXX吗、可以XXX吗等”。回答常见的搜索问题可以提高我们的 SEO，包括语音搜索优化。虽然这个指标指的是付费搜索中的竞争对手，但它也可以代表关键字的自然价值。例如，如果我们要分析2025年1月的关键字，则第一条柱（左侧）代表2024 年1月，最后一条柱代表2024年12月。关键字流量数据下面，显示类似关键字变体的模块，我们可以使用它来找到更多的关键字。报告中的趋势指的是过去12个月内，网络搜索者对某个关键词的兴趣程度。]]></description><category></category></item><item><title><![CDATA[SEO 第一步：挖掘需求(KGR和allintitle) 相关知识]]></title><link>https://blog.csdn.net/cui_win/article/details/157766601</link><guid>https://blog.csdn.net/cui_win/article/details/157766601</guid><author>cui_win</author><pubDate>Thu, 05 Feb 2026 13:06:41 +0800</pubDate><description><![CDATA[allintitle是谷歌、百度等主流搜索引擎支持的高级搜索指令，核心作用是限定搜索结果仅显示标题中同时包含所有指定关键词的网页，常被用于SEO优化、竞品分析等场景。是Doug Cunnington提出的关键词研究方法，核心是通过计算标题含目标关键词的页面数与月搜索量的比值，快速定位低竞争、易排名的长尾词，尤其适合新站或低权重站点获取早期流量。KGR = Allintitle结果数 ÷ 月搜索量。]]></description><category></category></item><item><title><![CDATA[企业级中后台开源解决方案汇总]]></title><link>https://blog.csdn.net/cui_win/article/details/157694050</link><guid>https://blog.csdn.net/cui_win/article/details/157694050</guid><author>cui_win</author><pubDate>Tue, 03 Feb 2026 17:02:35 +0800</pubDate><description><![CDATA[从事中后台开发多年，经常会被团队伙伴问及“有哪些靠谱的开源解决方案可以直接复用”“不同技术栈该选哪种模板”。之前我梳理过字节、蚂蚁、腾讯等大厂的开源方案，后续又补充了多款主流框架，今天就把所有内容系统整合起来，按技术栈分类，每款方案都附上核心信息、详细介绍及关键链接，方便自己后续查阅，也希望能帮到有需要的同行。]]></description><category></category></item><item><title><![CDATA[Gin 框架核心介绍 + 快速上手实战]]></title><link>https://blog.csdn.net/cui_win/article/details/157518479</link><guid>https://blog.csdn.net/cui_win/article/details/157518479</guid><author>cui_win</author><pubDate>Thu, 29 Jan 2026 22:27:20 +0800</pubDate><description><![CDATA[Gin 是一个基于 Go 语言（Golang）开发的高性能 HTTP Web 框架，它借鉴了 Martini 框架的易用性，同时通过自研的 Radix 树路由实现了远超 Martini 的性能（官方数据：路由性能比 Martini 快约 40 倍），并且内存占用极低。Gin 是 Go 语言生态中高性能、轻量简洁的 Web 框架，主打高效接口开发，适合高并发场景。上手 Gin 的核心步骤：准备 Go 环境 → 初始化 Go Module → 安装 Gin → 初始化引擎 → 定义路由 → 启动服务。]]></description><category></category></item><item><title><![CDATA[详解JDK自带工具jmap：Java堆内存分析与问题排查]]></title><link>https://blog.csdn.net/cui_win/article/details/156767235</link><guid>https://blog.csdn.net/cui_win/article/details/156767235</guid><author>cui_win</author><pubDate>Fri, 09 Jan 2026 16:32:26 +0800</pubDate><description><![CDATA[在Java应用运维和问题排查过程中，内存泄漏（Memory Leak）、内存溢出（OutOfMemoryError, OOM）是高频且棘手的问题。这些问题往往表现为应用响应缓慢、频繁Full GC、最终进程崩溃。jmap（Java Memory Map）是JDK自带的免费命令行工具，无需额外安装，随JDK一同部署，核心用于生成Java堆转储快照（Heap Dump）和查看Java进程的堆内存详细使用情况，是排查Java内存相关问题的核心工具之一。jmap是Java内存问题排查的核心工具，核心能力是。]]></description><category></category></item><item><title><![CDATA[Jstat 垃圾回收统计实用指南]]></title><link>https://blog.csdn.net/cui_win/article/details/156766903</link><guid>https://blog.csdn.net/cui_win/article/details/156766903</guid><author>cui_win</author><pubDate>Fri, 09 Jan 2026 16:16:01 +0800</pubDate><description><![CDATA[快速监控 GC 整体状态：优先使用，观察 O（老年代）使用率是否持续上升、FGC（Full GC）是否频繁，若 FGC 次数过多且耗时过长，需进一步分析。定位 GC 触发原因：使用，通过 LGCC 字段查看最近一次 GC 原因，若为频繁触发，优先优化新生代内存；若为，优化方法区配置。验证内存参数配置：使用，查看 NGCMX、OGCMX 等字段，确认内存参数是否符合预期，避免因参数配置错误导致的内存问题。深入分析新生代/老年代：若快速监控无法定位问题，可使用-gcnew-gcold。]]></description><category></category></item><item><title><![CDATA[2025-我的CSDN年度创作历程与成长盘点]]></title><link>https://blog.csdn.net/cui_win/article/details/156518922</link><guid>https://blog.csdn.net/cui_win/article/details/156518922</guid><author>cui_win</author><pubDate>Fri, 02 Jan 2026 22:08:54 +0800</pubDate><description><![CDATA[时光荏苒，又是一年岁末收官。回望这一年在CSDN的创作之旅，既是一段与技术对话、与同好共鸣的时光，更是一段自我沉淀、持续突破的成长之路。从最初的小心翼翼记录，到如今的从容分享，每一篇博客、每一次互动，都成为我技术生涯中不可或缺的印记。恰逢博客之星评选，我愿以文字为媒，复盘年度创作历程，细数成长与突破，也致敬每一份热爱与坚持。]]></description><category></category></item><item><title><![CDATA[Prometheus实战教程 - Redis 监控]]></title><link>https://blog.csdn.net/cui_win/article/details/155990453</link><guid>https://blog.csdn.net/cui_win/article/details/155990453</guid><author>cui_win</author><pubDate>Tue, 23 Dec 2025 17:47:34 +0800</pubDate><description><![CDATA[Redis 监控核心是通过采集指标，结合 Consul 实现服务自动发现，Prometheus 存储指标，Grafana 可视化；必监控指标包括可用性（redis_up）、内存使用率、缓存命中率、主从同步状态，需针对这些指标配置告警；不同部署模式（单机/集群/哨兵）需关注差异化指标，集群需重点监控，哨兵需关注监控的主节点数。]]></description><category></category></item><item><title><![CDATA[Elasticsearch 分片满了？「cluster.max_shards_per_node」报错]]></title><link>https://blog.csdn.net/cui_win/article/details/156085535</link><guid>https://blog.csdn.net/cui_win/article/details/156085535</guid><author>cui_win</author><pubDate>Fri, 19 Dec 2025 16:20:09 +0800</pubDate><description><![CDATA[该告警核心原因是 ES 集群分片数达到上限或服务器文件描述符耗尽；临时解决：调高配置；长期优化：清理无用索引、合并小索引、合理规划分片数，同时检查服务器文件描述符限制。不要盲目调高分片上限，分片过多会导致集群性能下降（比如频繁的分片重分配、内存占用过高），优化分片规划才是根本。]]></description><category></category></item><item><title><![CDATA[Redis 生产环境命令管控规范]]></title><link>https://blog.csdn.net/cui_win/article/details/156027847</link><guid>https://blog.csdn.net/cui_win/article/details/156027847</guid><author>cui_win</author><pubDate>Wed, 17 Dec 2025 21:44:37 +0800</pubDate><description><![CDATA[必禁用命令：KEYS、HKEYS、HGETALL、SMEMBERS、FLUSHDB、FLUSHALL，需通过彻底禁用；推荐替代命令：SCAN/HSCAN/SSCAN 迭代遍历命令，是生产环境唯一允许的遍历方式；精细化管控：Redis 6.0+ 优先使用 ACL 按用户管控命令权限，区分运维/业务用户。]]></description><category></category></item><item><title><![CDATA[Redis 连接池被占满（泄漏）问题排查]]></title><link>https://blog.csdn.net/cui_win/article/details/151145625</link><guid>https://blog.csdn.net/cui_win/article/details/151145625</guid><author>cui_win</author><pubDate>Wed, 17 Dec 2025 17:10:46 +0800</pubDate><description><![CDATA[先用查看是否接近连接池max-active，确认连接池是否耗尽；用ss统计应用服务器连接数，区分是“并发过高”（idle小）还是“连接泄漏”（idle接近age）；查看的cmd字段，定位慢查询或耗时长的操作；针对性调整：并发高则调大连接池参数，连接泄漏则修复代码释放逻辑，网络/服务问题则排查Redis服务和网络。]]></description><category></category></item><item><title><![CDATA[Prometheus实战教程 - mysql监控]]></title><link>https://blog.csdn.net/cui_win/article/details/155662231</link><guid>https://blog.csdn.net/cui_win/article/details/155662231</guid><author>cui_win</author><pubDate>Sat, 13 Dec 2025 13:39:19 +0800</pubDate><description><![CDATA[核心逻辑：MySQL 实例注册到 Consul（服务注册）→ Prometheus 配置 Consul 服务发现（自动发现 MySQL 实例）→ MySQL 暴露监控指标（via mysqld_exporter）→ Prometheus 拉取指标 → 可视化/告警。（手动注册/自动注册），这里提供两种方式（推荐手动注册用于测试，生产可结合 Consul Agent 自动注册）。访问 Consul UI（默认 http://Consul-IP:8500/ui），在「Services」中查看。]]></description><category></category></item><item><title><![CDATA[MySQL 压测实战：sysbench 从入门到精通]]></title><link>https://blog.csdn.net/cui_win/article/details/155881772</link><guid>https://blog.csdn.net/cui_win/article/details/155881772</guid><author>cui_win</author><pubDate>Sat, 13 Dec 2025 13:18:24 +0800</pubDate><description><![CDATA[sysbench 是一款开源的、跨平台的多线程性能测试工具，支持对 CPU、内存、磁盘 I/O、数据库（主要是 MySQL）等进行压测，尤其在数据库压测中应用广泛，能模拟真实的读写负载，评估数据库的性能极限。sysbench 压测 MySQL 的核心流程是「准备数据 → 执行压测 → 清理数据」，核心参数需关注table-size（单表行数）、tables（表数量）、threads（并发数）；]]></description><category></category></item><item><title><![CDATA[Docker 隔离的底层秘密：cgroup 到底在干啥？]]></title><link>https://blog.csdn.net/cui_win/article/details/155613831</link><guid>https://blog.csdn.net/cui_win/article/details/155613831</guid><author>cui_win</author><pubDate>Fri, 05 Dec 2025 17:23:14 +0800</pubDate><description><![CDATA[cgroup 是 Linux 内核的核心资源管理机制，通过“任务-控制组-子系统-层级”的架构，实现了对进程组的多维度资源控制。v2 版本简化了配置、解决了 v1 的设计缺陷，已成为主流场景的首选。无论是容器、虚拟化还是系统资源管理，cgroup 都是实现“资源可控”的关键技术，理解其原理和实操方法，能帮助更好地排查资源相关问题（如容器 OOM、CPU 占用过高）。]]></description><category></category></item></channel></rss>