- 博客(205)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 【随笔】个人面试纪录
7.shell 实现检测 192.168/16 段哪些 IP 目前被占用的。这里涉及的点比较多，比如IP太多，检测太慢，异步抛出的进程太多容不容易卡死。4.问了openstack token 的restful接口怎么请求的。5.openstack 如何通过 IP 获取实例所在的node。2.ansible怎么用，有哪些常用的模块。绑定了ip 的就会在这显示出来。
2023-11-30 00:31:11
1167
原创 【随笔记录】VMware搭建python开发环境
3.windows打开共享网络，WIN+R 输入 control ->网络和internet->网络和共享中心->更改适配器设置。右击WLAN点击属性->共享->共享到给虚拟机提供网络的虚拟网卡。4.发现共享完成后，给虚拟机提供网络的网卡IP地址发生了改变，重新修改虚拟机内的手动网络和提供的网卡的IP段要一致。2.取消网卡的IP的dhcp获取，改为static。网关为提供IP的主机的网络IP（NAT模式）1.直接使用VMware 编辑->虚拟网络编辑器->恢复默认设置。5.手动搞一遍路由 查看路由。
2023-11-26 17:54:42
1978
原创 【星海随笔】关联规则(二) python实现
def loadDataSet(): return [[1,2,5],[2,4],[2,3],[1,2,4],[1,3],[2,3],[1,3],[1,2,3,5],[1,2,3]]#1.构建候选1项集C1def createC1(dataSet): C1 = [] for transaction in dataSet: for item in transaction: if not [item] in C1:
2022-05-26 16:05:20
645
原创 【星海随笔】使用python，实现算法推荐功能
pip install nltkpip install cufflinksnltk是一个python工具包, 用来处理与自然语言相关的东西. 包括分词(tokenize), 词性标注(POS),文本分类等，是较为好用的现成工具。但是目前该工具包的分词模块，只支持英文分词，而不支持中文分词。cuffdiff主要是发现转录本表达，剪接，启动子使用的明显变化。import pandas as pdimport numpy as npfrom nltk.corpus import sto
2022-05-25 22:08:24
456
原创 【星海出品】关联规则(一) python基础原理
常用到的方法将两个商品放在一起，进行售卖。和将两个商品单独售卖。他们的区别，和区别参数。一个商品，可以叫做一个事务。一个事务可以由多个属性组成。属性可以叫做一个项。多个项可以组成一个集合，项集。X和Y是项集X为前项Y为后项...
2022-05-20 17:34:49
618
原创 【星海出品】dify 的使用
Sandbox 计划的新账户包含 200 条消息额度，可用于调用 OpenAI、Anthropic 和 Gemini 等提供商的模型。修改原来的配置, 宿主机已经占用了原来的 80 端口 -> 修改为其他的端口即可。https://cloud.dify.ai/ 官方网站。消息额度为一次性分配，不会按月续费。
2026-05-04 23:06:48
332
原创 【星海随笔】Gitee
真理有其时间、范围、和对象的限制：The Article was writing in 2026-05-04经常看我文章的朋友，都知道我最近买了一个腾讯的服务器。但是其访问 github 非常的令人着急，所以我就曲线救国访问腾讯的 gitee，发现现在需要登录后才能访问 gitee遗憾的是我一直都是手机验证码登录。´༎ຶД༎ຶ`)登录都费劲，所以研究了一下第一步登录 - https://gitee.com服务器找到自己的邮箱生成密钥找到刚才生成的公钥。
2026-05-04 19:00:52
55
原创 【星海出品】防止大模型强依赖(二)
这类模型会输出“推理过程”和“最终答案”，开启此选项后 Cline 会按特殊格式解析并展示模型内部的思考链（Chain of Thought，即模型在得出最终答案前进行的中间推理步骤），提升可读性。选项 「Use different models for Plan and Act modes」 的作用是允许你在 Cline 的 Plan（计划） 和 Act（执行） 两种模式下使用不同的模型。设置过小则浪费模型能力。关闭（默认）：Plan 模式和 Act 模式使用同一个模型（就是你之前配置的那个模型）。
2026-04-29 23:55:54
244
原创 【星海出品】防止大模型强依赖
Portkey.ai是一个为人工智能（AI）开发者和团队设计的全功能平台，它提供了一个统一的AI网关，让开发者可以更简单、高效地构建、部署和管理基于大语言模型（LLM）的应用。这个平台的核心是解决在生产环境中使用LLM时遇到的普遍问题，比如管理多个不同的模型、控制成本、保证应用的稳定可靠以及监控应用的性能。它还提供了一系列工具，包括实时监控仪表盘、智能缓存、自动重试和备用模型切换、提示词版本管理和安全护栏等，所有这些功能都集成在一个控制面板中，旨在帮助开发者快速将AI功能投入生产并充满信心。
2026-04-28 18:06:21
240
原创 【星海出品】LM-Studio
pen WebUI（曾用名 Ollama WebUI）是一个开源项目，为 Ollama 提供了专业且功能强大的图形化界面。从实际体验来看，它和 Ollama 的结合已经非常成熟和主流。目前社区已经有非常多优秀的第三方 Web UI 可供选择，其中最主流、体验最接近 ChatGPT 的是 Open WebUI。它是一款命令行工具，核心是一个 API 服务，本身不带聊天界面。ollama 是一个大模型连接的中间平台，可以通过ollama去连接云上的其他模型，也可以连接本地的。
2026-04-27 14:55:34
23
原创 【星海出品】智能科普(五)evolver/Hermes
真理有其时间、范围、和对象的限制：The Article was writing in 2026-04-23。
2026-04-25 00:37:24
67
原创 【星海出品】智能科普(四)OpenClaw
GLM5.1 是目前所有开源模型里，用 RAG 效果最好的模型之一.GLM-5.1 是全量开源（完整权重开源），MIT 最宽松开源协议。安装后台服务（Install daemon）。配置监听端口（默认 18789）。生成访问令牌（Token）。下载 / 管理本地所有模型。本地离线启动模型服务。
2026-04-20 11:48:41
57
原创 【星海出品】智能科普(三)
真理有其时间、范围、和对象的限制：The Article was writing in 2026-04-15注册公司今天有腾讯云的一个活动，刚好缺个测试环境，99元1年一个还挺划算的。腾讯云rid=4Nous Research 正式发布了开源AI Agent项目 Hermes Agent，这个公司和 Anthropic有什么关联.本地跑 Nous 模型（8B/36B/70B），同样预算下台式机性能更强、可扩展、散热更稳。如果你只在云端跑模型，不打算本地推理，那轻薄本也够用，可以不纠结台式机。
2026-04-16 15:01:37
404
原创 【星海出品】智能科普(二)
真理有其时间、范围、和对象的限制：The Article was writing in 2026-04-14关于常用模型常到的术语 TPSTokens Per Second（每秒令牌数）TPS 是 AI 模型实际的 “车速”。RTX 5070 Ti 凭借 16GB 大显存和 Blackwell 架构的 AI 优化，在运行本地大模型时能实现很高的 TPS。TOPS (Tera Operations Per Second)：指每秒万亿次运算，是衡量显卡 AI 算力（张量核心）的硬件峰值指标。
2026-04-14 14:48:39
276
原创 【星海随笔】大数据HDFS
开源包地址:或者Client（客户端）↓NameNode（主节点） - 管理元数据↓DataNode（从节点） - 存储实际数据块↓Secondary NameNode - 检查点辅助节点HDFS是Hadoop三大组件(HDFS、MapReduce、YARN)之一。全称是：Hadoop Distributed File System（Hadoop分布式文件系统）。它是Hadoop技术栈内提供的分布式数据存储解决方案。可以在多台服务器上构建存储集群，存储海量的数据。HDFS是一个典型的主从模
2025-11-26 17:33:06
831
原创 【星海随笔】英语研究
您所关注的 “na” 字母组合在 “intonation” 和 “international” 中的发音差异，以及 “international” 内部两个 “na” 发音的不同，正是英语语音系统复杂性的典型体现。“Intonation” 源自中世纪拉丁语 “intonationem”，进一步可追溯到拉丁语动词 “intonare”，由前缀 “in-”（进入）和词根 “tonus”（音调、声音）组成。正如研究指出："词根无论能否独立，均有相对固定的读音，在多数情况下，词根的读音在派生词中保持不变"。
2025-11-18 15:56:05
931
原创 【星海出品】Minio研究
Minio 业界的光支持所有核心S3功能。分发方式改变：自2025年10月起，MinIO社区版不再提供预编译的二进制文件或官方Docker镜像，仅以源代码形式分发。这意味着您需要自行从源码构建，这会增加部署的复杂度和维护成本。功能缩减：MinIO社区版的控制台管理功能已被移除，这是官方为了降低免费版维护成本并推动商业化所做的调整。商业风险：AGPL v3.0协议不提供任何担保。如果自行构建的二进制文件在生产环境中出现问题，需要自行承担风险。
2025-11-05 16:10:30
533
原创 【星海随笔】ansible实战（五）
在 playbook 中写了 roles: - linux，Ansible 会自动查找 roles/linux/ 目录下的标准结构。在 playbook 中写了 hosts: - all , ansible 会自动查找 -i 文件中的 all【所有的主机】。在 playbook 中写了 vars/deploy.yml ，可以在role中使用 使用 {{ xxx }} 使用变量。
2025-11-04 18:04:37
338
原创 【星海随笔】数据的表示与运算
Q2: 假定机器数为 8 位( 1 位符号，7位数值 )，写出下列各二进制整数的补码和移码表示。Q1.假设机器数为 8 位(1位符号，7位数值)，写出下列各二进制小数的源码表示。整数已知补码求移码：则【补码】符号位取反，数值位不变等于移码。移码: 1 001 0100。源码： 0 000 0000。补码： 0 000 0000。移码： 1 000 0000。源码: 1 000 0000。补码: 0 000 0000。移码: 1 000 0000。源码：1 000 1001。源码：0 000 0000。
2025-10-17 18:03:57
91
原创 【星海出品】程序的转换及机器级表示Q-A
以下汇编代码用来实现第2行语句的功能，请写出每条汇编指令的注释，并根据以下汇编代码，填写operate函数缺失的部分。32位移动， 将 ebp + 8 的内存对应的内容移动到寄存器 eax 中。32位移动，将ebp + 20 存储的内容 移动到 寄存器 edx 中。内存地址 ebp + 12 对应的内容，移动到 ecx 寄存器中。将 z & 0xFFF0 + y^256 送入 EDX 中。将内存 ebp + 16 的内容送入寄存器 edx 中。将 z 送入寄存器 edx 中。将 x 送入 eax中。
2025-10-15 18:09:00
276
原创 【星海出品】反汇编基础
它是一个相对确定性的翻译过程，其输出（汇编代码）仍然是非常低级的，保留了原始机器码的所有操作细节。它是进行更高级分析（如反编译、漏洞分析、恶意软件研究）的必不可少的第一步。反汇编的基础是：指令集架构的精确知识 + 可执行文件格式的解析能力 + 可靠的反汇编算法（尤其是递归下降）。论坛社区：像 ROMhacking.net 等专注于游戏修改的论坛，也是寻找此类资源的宝库。短跳转：这是最常见的形式，跳转目标在当前指令的 -128 到 +127 字节范围内。操作码：短跳转的 je 的操作码是 0x74。
2025-10-15 17:09:38
682
原创 【星海出品】rabbitMQ生产必须需要的调试
来让我们讲讲干货，在使用rabbitMQ 的时候，在架构设计时需要注意超大的数据处理节奏，比如，如果有概率出现数据量很大，而我们的后端处理逻辑又复杂的情况，那么我们的手动确认就会超时。例如：这里在代码连接时会出现hearbeat 的字样，就是连接时长，如果连接超时，在处理完成字符串后发送的完成确认的返回，则不会发送到rabbitMQ。rabbitMQ 的调试具有现实意义，同时处理的数据有大有小。有复杂的，有简单的处理。如果配置有死信队列，那可能这个时候就到死信队列里了，因为死信超时了。
2025-10-15 16:52:29
149
原创 【星海出品】程序的转换及机器级表示
32位模式：默认操作数宽度是32位（l），因此 push $0xF8 会被汇编为 pushl $0xF8。该指令为x86架构下的MOV指令，涉及基址加比例变址加偏移的寻址方式，目标为16位寄存器%ax。操作数超过16位，目的数为32位，而长度后缀为 16 位的 ‘w’movw %ax, %bx # 16位数据传输。源操作数为 16 位，而长度后缀为 ’b‘ 8 位，不一致。%ax（累加器）：%ah（高8位） + %al（低8位）8位寄存器：al, ah（低/高8位） 后缀：b。
2025-10-13 16:06:13
846
原创 【星海出品】程序的存储访问 - Q-A解答
假设数组元素在主存从左到右的下标顺序存放，N是用 #define 定义的常量。试改变下列函数中循环的顺序，使得其数组元素的访问与排列顺序一致，并说明为什么在 N 较大的情况下修改后的程序比原来的程序执行时间更短。Q-A:缓存性能：当 N 较大时，数组可能无法完全放入缓存。原程序中的访问模式（i、j、k 顺序）会导致内存访问跨越大段地址（因为 k 变化时地址跳跃较大），从而引起频繁的缓存缺失。修改后的程序连续访问内存，缓存命中率更高，因此执行时间更短。
2025-10-01 18:28:57
101
原创 【星海出品】程序的cache访问命中率，写入次数
摘要：文章分析了8×8数组在直接映射cache中的访问特性。cache大小为512B，块32B，共16行。数组元素为4B，占用256B空间。Q1确定了数组元素与cache行的映射关系。Q2计算了写操作数（64次）、写不命中次数（32次）和写缺失率（25%）。通过分离循环访问模式，首次循环产生32次写操作（50%命中率），第二次循环产生32次未命中访问（共192次访问，1/6未命中率）。最终总访问次数256次，未命中率25%。
2025-10-01 15:04:52
80
原创 【星海出品】cache和程序性能
指令 cache 和 数据 cache 分离，两种 cache 均有8 个cache 行，主存与 cache 交换的 块 大小为 64 B ，每个 cache 行均有一个有效位，每个cache行均有一个 LRU 标记位，每个cache 行均对应块，每个cache行均对应标记位。2 ^ 2【4组，共8行，8 / 2】 * 2 ^ 1【二路组相联模式，每组几行】 * 2 ^ 6 = 2 ^ 10。标记位 = 2 ^ 28 - 2 ^ 2【组号】 - 2 ^ 6【块占位】= 2 ^ 20 （位）
2025-09-30 20:28:47
386
原创 【星海出品】组相联映射方式
题目给出为 2 路组相联 所以 cache = 2 ^ q 【组】* 2 ^ 1 【二路组相联模式】* 2 ^ 6 【块】2 ^ q 【组】 * 2 ^ s 【组相联模式，2路组相联 s = 1, 4路组相联 s = 2】 * 块。如果看过我之前写的 【直接映射方式】和【全相联映射方式】既融合【直接映射方式】和【全相联映射方式】特性的方式。【标记 9】【cache组号 3】【块内地址 6】其特性为：【组间模映射】【组内全映射】【标记】【cache组号】【块内地址】那么【组相联映射方式】将很容易理解。
2025-09-30 00:19:19
541
原创 【星海出品】全相联映射方式
没有命中，则取 16 + 128 = 144 块主存中的块到 cache 的任意行，并置 有效位 为 1 .如果没有，则缺页，访问主存。256 KB / 64 B = 2 ^ 18 / 2 ^ 6 = 2 ^ 12 = 4096 块。【标记位 18 - 10 - 6 = 2 位】【cache 10位】【块 6位】假定 cache 采用全相联方式，主存块大小为 64 B ，按字节编址。cache 数据区大小为 1KB， 主存空间大小为 256 KB .∴ 【 标记位 12 位 】 【 块内地址 6位 】
2025-09-29 16:26:49
137
原创 【星海出品】直接映射方式
主存的访问位置为【00 0010 01】【00 00】为第 16 + 128 = 144块，将 0240CH 的单元的主存第144块放入cache 第 0 行。块占 6 位，cache行占4位，主存空间256KB共 2 ^ 18 , 既18位，18 - 6 - 4 = 8位，则标记位占 8 位。∵ 主存空间大小为 256 KB ，每个块大小为 64 B ，则 2 ^ 18 / 2 ^ 6 = 2 ^ 12 = 4096 (块)cache数据区大小为 1 KB，主存空间大小为 256 KB。
2025-09-29 12:55:38
248
原创 【星海出品】计算机科学缓存命中学习
CPU 执行程序时，依次访问以下地址序列：2，3，11，16，21，13，64，48，19，11，3，22，4，27，6 和 11。16 % 4 = 4 -> 0 未命中【0：16，17，18，19】19 % 4 = 4 未命中 【0：16，17，18，19】11 % 4 = 2 未命中【2：8，9，10，11】2 % 4 = 0 未命中【0 ： 0，1，2，3】4 % 4 = 1 未命中【1： 4，5，6，7】3 % 4 = 0 未命中【0：0，1，2，3】
2025-09-28 20:34:39
230
原创 【星海出品】计算机科学之磁盘数据读取时间逻辑
磁盘转速为每分钟 7200 转，平均寻道时间是 10ms ，磁盘最大内部数据传输率为 40 MB/s ，磁盘控制器的开销为 2ms ，没有其他程序使用磁盘和处理器，并且磁盘读/写 操作和磁盘数据的处理时间不重叠。读出的时间为：10ms [寻道时间] + 4.1667ms [旋转延迟] + 2ms [磁盘控制器开销] + 0.1024ms [数据传输时间]读出的时间为：10ms [寻道时间] + 4.1667ms [旋转延迟] + 2ms [磁盘控制器开销] + 0.1024ms [数据传输时间]
2025-09-28 16:54:12
181
原创 【星海出品】计算机科学之Cache区地址计算 但行好事-莫问前程
注之前讲过：CPU运算速度（GHz级）远高于主存访问速度（数十纳秒级），直接访问主存会导致CPU长时间等待数据，形成"存储墙"问题。每个Cache行的写入延迟为100ns（主存访问） + 10ns（Cache写入） = 110ns。假设每个Cache行被写入后均被替换1次 → 16个脏行 → 16次主存访问。仅当该Cache行被替换时写回1次 → 假设替换1次 → 1次主存访问。写回法：仅修改Cache，不访问主存（直到Cache行被替换）。直写法：修改Cache，并立即写入主存（1次主存访问）。
2025-09-27 21:31:09
126
这是一个关于计算机系统原理的CPU和内存问题
2025-08-05
这是一个-计算机系统原理CPU和内存的问题
2025-08-05
加入CSDN的一些社区有什么用
2024-10-22
求Python + LDAP 的groupOfUniqueNames 文档
2024-02-04
2023年跳槽怎么样
2023-02-27
TA创建的收藏夹 TA关注的收藏夹
TA关注的人