- 博客(81)
- 收藏
- 关注
RSS订阅原创 夜莺监控设计思考（二）边缘机房架构思考
Logs Loki、ElasticSearch、VictoriaLogs、ClickHouse、SLS（阿里云日志服务）、TLS（火山云日志服务，开发中）、CLS（腾讯云日志服务，开发中）配置挂载：将主机上的 ../../config/config.yaml 挂载到容器内 /app/config/config.yaml。ELK系列：https://songxwn.com/categories/linux/ELK/告警机器人 飞书、钉钉、企业微信、邮件、自定义 Webhook、Slack。
2025-11-19 21:25:31
800
1
原创 为WPF应用增加项目图标
本文介绍了夜莺的定位、架构、单进程还是多进程的抉择、高可用设计，如果你们公司只有一个机房或者有多个机房但是机房之间有很好的网络专线，那就部署一套夜莺就可以了，如果有多个机房，但是机房之间的网络链路很差，就需要考虑夜莺的边缘机房架构模式，咱们下一节详细介绍。需要考虑 sharding，比如有两个实例，有 1000 条规则，那每个实例要处理 500 条规则，不能重复执行，而且要均匀分配，如果某个实例挂了，剩下的实例要能承接原本宕机的实例负责的那些规则。如果是公司内部的系统，我更倾向于做成两个进程，方便维护。
2025-11-19 21:21:33
413
原创 从零开始: C#轻松预览PDF文件-支持跨平台AOT友好
伽马校正是对颜色值进行非线性变换的过程，其核心是通过幂函数（γ函数）调整亮度值，使人眼感知更均匀。数学表达式为：输出 = 输入^γ，其中γ=0.45用于编码（sRGB到线性空间），γ=2.2用于解码（线性空间到sRGB）。// 线性转sRGB。：8位色深(0-255)下，通过伽马编码为暗部分配更多值域，亮部分配较少值域，更符合人眼感知特性。在PS中工作于线性空间（编辑→颜色设置→RGB工作空间改为"显示器RGB"）：在线性空间计算光照和混合（如PBR），避免亮度计算错误。// 手动伽马校正（线性空间计算）
2025-11-19 21:18:01
440
原创 咖啡机（K.F.J）
本文将介绍基于 SurfaceControlViewHost 实现跨进程渲染普通 View 和 GlSurfaceView，力求用最简单的 Demo，介绍 SurfaceControlViewHost 的应用，方便读者轻松扣出核心代码应用到自己的业务中。// 创建SurfaceControlViewHost。// 将View附加到SurfaceControlViewHost。// 创建要渲染的View。
2025-11-19 21:14:27
671
原创 在线网摘收藏？让Google来吧！
但今天读到的一篇文章《Java Performs Better When You Misspell Variable Names》，把这条铁律里的“性能部分”掀了桌：在 Java 的某些栈中，刻意缩短、甚至“错拼”的变量名，可能真的让服务更快。用 JMH 写对照实验，两个版本代码逻辑完全一致，唯一变量是“命名长度与形态”：一个版本用规范、完整、可读的名字，另一个版本把元音删掉、前缀缩短、偶尔把名字变得更随机。毕竟，在工程世界里，漂亮的代码不一定是最快的代码，而我们有时需要的，是能顶住流量的那一段真实提升。
2025-11-18 22:29:27
397
原创 HTTP协议及其POST与GET操作差异 & C#中如何使用POST、GET等
Console.WriteLine($"性能提升：{((watch1.ElapsedMilliseconds - watch2.ElapsedMilliseconds) / (double)watch1.ElapsedMilliseconds):P2}");这会延长对象的生命周期，因为 GC 会认为这个对象 “仍在被使用”。例如，元组解构时，var (_, name, _) = data 生成的 IL 代码仅包含对 name 的存储指令，而传统方式会包含所有成员的存储指令，减少了 CPU 执行的指令数。
2025-11-18 22:25:54
408
原创 浅谈C#的语法特性及杂七杂八
justifyContent参数的作用同Column/Row容器的justifyContent()完全相同，也是用于设置子元素在主轴方向的排列方式，其类型同样为FlexAlign，可选的枚举值如下。当Flex容器中包含多行（列）时，可使用alignContent设置多行在交叉轴的排列方式，该属性的类型为FlexAlign，可选的枚举值如下。direction用于设置Flex容器的布局方向，即子元素的排列方向，其类型FlexDirection为枚举类型，可选的枚举值如下。
2025-11-18 22:21:31
356
原创 PDC与最后的恐慌者
一旦虚拟机成功启动，Docker命令行工具就会自动连接到Colima提供的Docker守护进程，此时我们就可以在Mac上正常使用所有Docker命令了。# 当未指定时，会从https://github.com/abiosoft/colima-core/releases下载适当的磁盘镜像。colima start --cpu 1 --memory 2 --disk 10 ## 指定配置启动。# docker daemon的配置，即`daemon.json`# 为虚拟机指定自定义磁盘镜像。
2025-11-18 22:17:27
380
原创 非战之罪，从永中Office谈起
在Goroutine分析中，可以锁定真正的问题所在了，在go-zero的core包下的collection文件在不到一秒内创建了两万多的Goroutine，虽然两万多数量不多，但是这个速度十分异常，最重要的是这个定时轮就很奇怪，这个项目中根本没有定时任务，接下来就很容易查询了，只要查找这次提交的代码中哪里使用到了collection包。其实不是的，是我们使用方法错误，正确的使用方法不应该将缓存创建在上下文中，而应该创建一个全局缓存，让所有的上下文都公用这一个缓存，这样就不会发生定时轮无限创建的问题。
2025-11-18 22:13:15
230
原创 从ASP.NET的PHP执行速度比较谈起
处于waitting状态是因为它在等任务执行，从堆栈可以看出是阻塞在TaskQueue.take方法，org.apache.tomcat.util.threads.TaskQueue是tomcat中的LinkedBlockingQueue，是生产者-消费者模型，take方法阻塞表示当前队列是空的，没有任务需要执行，一旦有任务放入TaskQueue，take方法就会唤醒，进入Runnable状态。这点就不好理解了，应用恢复了，为什么tomcat没有恢复，tomcat线程此时在做什么？
2025-11-17 21:12:44
734
原创 基于自然语言的软件工程和程序设计（上）
U+1F468 (?)对应 7 个Code Point。A：有两个原因：一是为了与ASCII兼容，ASCII只支持了128个字符编码，在UTF-8编码中，前128位与ASCII编码相同；当以UTF-8方式编码时，0x0301值超过了128，需要按UTF-8格式拆分为0xCC，0x81，所以表示为：0x65，0xCC，0x81。
2025-11-17 21:08:43
250
原创 名站技术分析 — facebook奇特的页面加载技术
注意，这里我故意选错成DeepSeek API，这也是初学者经常会选错的，实际上，若选择这个你就找不到你本地的DeepSeek模型。我是DeepSeek-R1，一个由深度求索公司开发的智能助手。你可以根据你的硬件情况选择，通常模型大小（参数量）越大，模型的理解和生成能力越强，但也会消耗更多的计算资源。目前deepseek-r1模型大小提供了7个选择：1.5b、7b、8b、14b、32b、70b、671b。他真的迅速给我起了10个吸引眼球的标题，还提供了它思考的过程，而且在我这4年前的电脑上跑起来都很迅速。
2025-11-17 21:04:35
311
原创 详解ASP.NET的最新安全漏洞，Padding Oracle攻击原理及其他
例如，有 ABC 三个处理者可以处理一个请求，请求 a 需要 AC 两个处理者处理，请求 b 需要 BC 两个处理者处理，同时两个处理者之间可能有前后依赖关系，这时候就可以使用责任链模式。System.out.printf("尝试使用企业账户支付: 用户[%s], 金额[%.2f]%n", userId, amount);System.out.printf("尝试使用个人账户支付: 用户[%s], 金额[%.2f]%n", userId, amount);// 先尝试企业账户。// 企业账户最大支付限额。
2025-11-17 20:59:49
399
原创 基于微软Dryad分布式并行计算平台云技术的研究
需要使用您的api-key替换示例中的YOUR_API_KEY、您的Cluster Endpoint替换示例中的YOUR_CLUSTER_ENDPOINT，代码才能正常运行。output_fields=['name', 'age'], # 仅返回name、age这2个Field。group_by_field='document_id', # 按document_id字段的值分组。vector=[0.1, 0.2, 0.3, 0.4], # 向量检索，也可设置主键检索。根据向量进行分组相似性检索。
2025-11-17 20:54:52
284
原创 浅谈SQL Server中的事务日志(一)----事务日志的物理和逻辑构架
慰赵直汲探秘Transformer系列之（1）：注意力机制0x00 概述因为各种事情，好久没有写博客了，之前写得一些草稿也没有时间整理（都没有时间登录博客和微信，导致最近才发现好多未读消息和私信，在这里和各位朋友说下万分抱歉）。现在恢复更新，是因为最近有些从非AI领域转过来的新同学来找我询问是否有比较好的学习资料，他们希望在短期内迅速上手 Transformer。我在网上找了下，但是没有找到非常合适的系统的学习资料，于是就萌发了自己写一个系列的想法，遂有此系列。在整理过程中，我也发现了自己很多似是而非的错误
2025-11-16 15:37:12
554
原创 throw和throw ex的区别
全面的系统适配：可运行于 Windows 7+、macOS 10.13+、Linux 各发行版（符合 .NET 6 支持列表）、Android 5.0+、iOS，无论是桌面端软件、服务器批量处理，还是移动端 APP，均能稳定部署。2. 多场景模型覆盖 ManySpeech 通过 “语音识别、端点检测、标点恢复、音频分离增强” 等多任务协同，无需整合多套工具链，仅靠组件组合即可匹配不同业务需求，解决 “场景多变导致工具碎片化” 的问题。
2025-11-16 15:33:12
361
原创 关于bug分析与异常处理的一些思考
对高性能内存池项目感兴趣的朋友可以看这篇文章：三周肝出4000行代码，我的内存池竟然让malloc"破防"了！如果你想深入掌握内存池的设计精髓，想拥有一个能让面试官眼前一亮的硬核项目，想在简历上添加最亮眼的技术标签，我强烈推荐你了解我最新打磨完成的 高性能内存池实战项目！// block1指向block2。// block2是最后一个。// 指向实际内存块。
2025-11-16 15:29:15
618
原创 跨终端开发必备概念汇总
verl/trainer/ppo/core_algos.py不同的RL方法计算pg_loss是不同的，这里的是ppo的pg_loss，后面还会介绍gspo的pg_loss的实现。整体的ppo_loss是由pg_loss + kl_loss + entropy_loss构成，不同的RL方法pg_loss, kl_loss的计算方法是不同的。# 记录在传统ppo下，进一步裁减的A<0的IS大于clip_ratio_c的token在 这个batch的所有未mask的token的比例【常数】
2025-11-16 15:24:50
592
原创 先说IEnumerable，我们每天用的foreach你真的懂它吗？
那二者的区别是啥呢？除了 LangChain4j 的使用复杂之外，源代码量很大，LangChain4j 的文档也不全，要么是没有关键实现代码案例、要么是干脆文档写的都是错的，LangChain4j 的坑比较多，最后只能通过看最新的源码才能解决和使用相关功能，所以 LangChain4j 学习和使用成本是非常高的。ChatModel chatModel = ChatModel.of("http://127.0.0.1:11434/api/chat") //使用完整地址（而不是 api_base）
2025-11-16 15:20:52
326
原创 关于SqlSugar并发情况下的问题（排坑）
谰彩咏页1. 球谐光照(Spherical Harmonics)模型 内存占用 GPU消耗 动态支持 视觉质量。URP混合方案 中 中 ★★★★☆ ★★★★☆。球谐光照 极低 极低 ★★★★★ ★★☆☆☆。反射探针 中-高 中 ★★★☆☆ ★★★★☆。SSR 低 高 ★★★★☆ ★★★★☆。核心方案：反射探针 + 球谐光照。开放世界：球谐为主+关键区域探针。球谐光照提供高效的漫反射环境光。实时动态物体也能接收球谐光照。高端设备：完整反射探针+球谐。将环境光信息编码为球谐系数。存储为立方体贴图或2D贴图。
2025-11-15 16:43:32
283
原创 Bcrypt 简介与加密和验证示例【加密知多少系列_】
GC暂停时间：DATAS通过调整第0代（gen0）的分配预算来控制GC频率和暂停时间，目标是通过维持一个合理的吞吐量成本百分比（TCP, Throughput Cost Percentage）来优化性能。设计目标：DATAS旨在根据应用程序的实际大小动态调整堆大小，特别适用于内存受限环境下的突发性工作负载和小型工作负载使用Server GC的场景。突发性工作负载：在内存受限的环境中，DATAS能在工作负载减轻时收缩堆大小，在工作负载增加时扩展堆大小。没有使用释放内存需求的场景（如运行在专用机器上的进程）。
2025-11-15 16:39:24
224
原创 Claude Code：AI编程的深度体验与实践
考虑能满足就满足，遇到不能满足的就把前面满足的人里买的最多的那个人踢出去（如果踢掉他就能满足当前的人），这样就能保证答案最大化。最后算答案的时候直接四重循环更新答案，但是由于我们之前存的是三个可以抵达的最大权值点，所以显然复杂度只有。但是区间的使用是有限制的，考虑取用区间时按照右端点排序，这样可以贡献到更多后面未知元素。参考的题解说预先要按照左端点排序，但是事实上与优先队列采用一致的排序方式也不影响。但是这题实际上是离线的，线段树主要起到辅助二分判定的作用。先对每个虫洞的宽度排序，然后判定的时候把满足。
2025-11-15 16:34:48
671
原创 一步一步学习使用LiveBindings（） 绑定到自定义外观的ListBox
以下是实现苹果热成像所需的主要依赖资源，其中：OrthographicCamera用于创建平行投影相机、LinearFilter 是纹理采样过滤方式的常量，用于在控制纹理在放大缩小时的平滑过渡效果、ShaderMaterial 用于通过 GLSL创建自定义的着色器材质，是实现本案例效果的关键、VideoTexture可以将视频元素作为数据源创建动态的视频纹理、Leva 是一个轻量级的前端调试工具库，主要用于快速创建交互式控制面板，方便开发者在开发过程中实时调试热成像的各种参数等。
2025-11-15 16:29:57
885
原创 汽车之家联合HarmonyOS SDK，深度构建鸿蒙生态体系
总体上了来说，ThreadLocal，InheritableThreadLocal的实现都非常的优雅，不但很好的利用了对象的继承，保证用户在使用时无感知的发生了继承。最后是 childValue() 方法，它是指当发生继承动作时，父类中的存储的变量转化为子类对象的转化转换。在获取value 值时，调用的是key的childValue()方法，也就是InheritableThreadLocal.childValue()中重写的方法，将父线程的value值转为子线程的value时。
2025-11-15 16:24:43
489
原创 【URP】[平面阴影]原理与实现
苫诱鸥油1. 球谐光照(Spherical Harmonics)模型 内存占用 GPU消耗 动态支持 视觉质量。URP混合方案 中 中 ★★★★☆ ★★★★☆。球谐光照 极低 极低 ★★★★★ ★★☆☆☆。反射探针 中-高 中 ★★★☆☆ ★★★★☆。SSR 低 高 ★★★★☆ ★★★★☆。核心方案：反射探针 + 球谐光照。开放世界：球谐为主+关键区域探针。球谐光照提供高效的漫反射环境光。实时动态物体也能接收球谐光照。高端设备：完整反射探针+球谐。将环境光信息编码为球谐系数。存储为立方体贴图或2D贴图。
2025-11-14 14:19:05
339
原创 我的第一个coze 智能体（agent）应用
GC暂停时间：DATAS通过调整第0代（gen0）的分配预算来控制GC频率和暂停时间，目标是通过维持一个合理的吞吐量成本百分比（TCP, Throughput Cost Percentage）来优化性能。设计目标：DATAS旨在根据应用程序的实际大小动态调整堆大小，特别适用于内存受限环境下的突发性工作负载和小型工作负载使用Server GC的场景。突发性工作负载：在内存受限的环境中，DATAS能在工作负载减轻时收缩堆大小，在工作负载增加时扩展堆大小。没有使用释放内存需求的场景（如运行在专用机器上的进程）。
2025-11-14 14:14:41
323
原创 沿速览：CodeBuddy Code、即梦.、MiniCPM . 、Hunyuan.、Qwen-ASR、SpikingBrain脑脉冲大模型
考虑能满足就满足，遇到不能满足的就把前面满足的人里买的最多的那个人踢出去（如果踢掉他就能满足当前的人），这样就能保证答案最大化。最后算答案的时候直接四重循环更新答案，但是由于我们之前存的是三个可以抵达的最大权值点，所以显然复杂度只有。但是区间的使用是有限制的，考虑取用区间时按照右端点排序，这样可以贡献到更多后面未知元素。参考的题解说预先要按照左端点排序，但是事实上与优先队列采用一致的排序方式也不影响。但是这题实际上是离线的，线段树主要起到辅助二分判定的作用。先对每个虫洞的宽度排序，然后判定的时候把满足。
2025-11-14 14:10:03
639
原创 ，攻击者通过构造特殊的XML使其包含恶意外部实体。外部实体可以为服务器敏感文件，也可以为网络请求等，之后利用方式类似于文件包含和SS ...
以下是实现苹果热成像所需的主要依赖资源，其中：OrthographicCamera用于创建平行投影相机、LinearFilter 是纹理采样过滤方式的常量，用于在控制纹理在放大缩小时的平滑过渡效果、ShaderMaterial 用于通过 GLSL创建自定义的着色器材质，是实现本案例效果的关键、VideoTexture可以将视频元素作为数据源创建动态的视频纹理、Leva 是一个轻量级的前端调试工具库，主要用于快速创建交互式控制面板，方便开发者在开发过程中实时调试热成像的各种参数等。
2025-11-14 14:05:30
661
原创 跳出 AI 编程的「兔子洞」， 个实战策略帮你解决%的死循环
总体上了来说，ThreadLocal，InheritableThreadLocal的实现都非常的优雅，不但很好的利用了对象的继承，保证用户在使用时无感知的发生了继承。最后是 childValue() 方法，它是指当发生继承动作时，父类中的存储的变量转化为子类对象的转化转换。在获取value 值时，调用的是key的childValue()方法，也就是InheritableThreadLocal.childValue()中重写的方法，将父线程的value值转为子线程的value时。
2025-11-14 14:00:25
892
原创 PocoEmit遥遥领先于AutoMapper之循环引用
这里需要知道dapo的reward_manager_cls 具体是什么，因为reward需要batch数据才能计算，因此对于reward manager咱们先按下不表（其实dapo对应的reward_manager_cls是在verl/verl/workers/reward_manager/dapo.py），先去dapo_ray_trainer.py看一下batch是怎么采样的，再回来仔细阅读reward的具体计算方法。# max_num_gen_batches是最多可以使用的gen_batch的个数。
2025-11-13 16:59:05
286
原创 吴恩达深度学习课程一：神经网络和深度学习 第二周：神经网络基础（二）
因此，Agent的数据和训练目标 均服务于 如何使Agent学会更好的使用工具与外界交互，从而利用外界的信息更好地完成任务。使用rl教会模型最后一种能力（工具间的协调调用，因为此任务比较难学习，需要大量的探索以及较高的泛化性要求）利用模型内部知识+外部知识（R） 根据q生成下一步的工具调用/答案 的能力 （step-wise）而训练目标体现在（1）数据集的构建方案（2）训练策略（loss）相较于传统的single-step的数据及其sft RL的训练方式。所以Agent的目标（需要的推理能力）分为三类。
2025-11-13 16:54:52
246
原创 Java并发机制的底层实现原理：从CPU到JVM的全面解析
一个典型的问题就是求逆矩阵：在工程实践和数值计算中，直接求解逆矩阵通常是一个性能消耗大且可能不精确的操作，应该尽量避免。其实效率只是一方面的问题，使用计算机求解的另外一个问题是舍入误差累积：在计算机中，浮点数运算存在固有的舍入误差；总而言之，使用通解求解逆矩阵，可能存在不精确且性能消耗大的问题。（对应零奇异值的分量）在正规方程中不受约束——这反映了在列秩不足时普通最小二乘解不是唯一的（可以在零空间方向任意加解）。从以上论述可以看到，SVD分解稳定且能处理秩亏的情况，但比QR分解慢，复杂度高，通常。
2025-11-13 16:50:19
358
原创 CSP-J/S 第一轮游记
可以看到，*p2 实际上指的是 p1，而它的值则是 a 的地址。当然啦，我让你先把引用忘了是有原因的，因为这里的 & 和上面引用那里的完全不是一个东西。各位都知道你的内存很大，位置很多，取地址符就是用于查找变量的位置的。前面提到了指针是对象，也就是说指针也有地址，也就是自己的位置。实际上，把 & 和类型名称放一起也是可行的，但是考虑到上面这个一次声明多个的问题，我还是建议和变量名放一起，否则有歧义。我们的变量对象在内存里，& 找到了对象的位置用指针存起来，然后想要用的时候，再用 * 根据位置找到对象。
2025-11-13 16:45:01
296
原创 MPK（Mirage Persistent Kernel）源码笔记（）--- 基础原理
MaxKB 支持本地模型存储，并可与各种外部向量数据库集成，从而在准确度、性能和成本之间实现灵活的平衡。MaxKB 的 RAG 引擎通过结合文档分段、向量检索和生成模型，实现了高效可靠的知识问答能力。默认情况下，MaxKB 将向量模型和生成模型的二进制文件放置在 /opt/maxkb/model 目录中，并在启动时自动加载，支持动态模型切换和版本回滚。分词和分块 : 使用高效的分词器处理原始文档，并根据预定义的长度阈值对其进行分块，确保每个文档片段既不过长（导致截断）也不过短（信息不足）。
2025-11-13 16:40:18
363
原创 什么叫做类型？简单地说，类型就是把内存中的一个二进制序列赋予某种意义。这篇随笔系统地介绍了JavaScript的类型。 ...
这里需要知道dapo的reward_manager_cls 具体是什么，因为reward需要batch数据才能计算，因此对于reward manager咱们先按下不表（其实dapo对应的reward_manager_cls是在verl/verl/workers/reward_manager/dapo.py），先去dapo_ray_trainer.py看一下batch是怎么采样的，再回来仔细阅读reward的具体计算方法。# max_num_gen_batches是最多可以使用的gen_batch的个数。
2025-11-12 15:19:00
610
原创 回firelong之C#慢
因此，Agent的数据和训练目标 均服务于 如何使Agent学会更好的使用工具与外界交互，从而利用外界的信息更好地完成任务。使用rl教会模型最后一种能力（工具间的协调调用，因为此任务比较难学习，需要大量的探索以及较高的泛化性要求）利用模型内部知识+外部知识（R） 根据q生成下一步的工具调用/答案 的能力 （step-wise）而训练目标体现在（1）数据集的构建方案（2）训练策略（loss）相较于传统的single-step的数据及其sft RL的训练方式。所以Agent的目标（需要的推理能力）分为三类。
2025-11-12 15:14:20
265
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人