本文介绍了Transformer神经网络模型及其推理预测功能，重点阐述了大模型应用开发的关键环节。主要内容包括：1）LLM通过迭代预测生成文本的原理；2）模型部署的三种方式（开放API、云平台和本地部署）；3）大模型调用方法，特别是消息数组（message）的结构设计；4）四大应用开发模式：纯Prompt问答、FunctionCalling函数调用、RAG检索增强生成（含文本处理与生成模块）以及F

AQS（AbstractQueuedSynchronizer）是Java并发包的基础框架，它封装了实现同步器（如ReentrantLock、Semaphore等）所需的核心逻辑，让开发者能轻松构建自定义的并发工具。

Undo Log 在事务执行时先写，用于回滚；Redo Log 先进入 Prepare 状态，等待 Binlog 写入成功后转为 Commit，形成两阶段提交，保证两份日志最终一致。

是需要一个新的事务，所以不管外面有没有都单独开一个；Spring 事务传播机制里，英文其实就很好记。是支持事务，所以有就加入，没有也能执行；有事务我就加入，没有事务我就自己建一个。是需要事务，所以有就加入，没有就新建；是不支持事务，表示要以非事务方式执行；NOT_SUPPORTED：不支持事务。是绝不能有事务，有事务就报错；有事务，我支持一下，跟着进去。不支持事务，外面有事务也先挂起。是强制的，表

特性Lock本质Java 语言关键字，内置的是一个接口，需要手动实例化用法简单，自动加锁解锁灵活，手动控制，需配合可中断否是 (超时获取否是 (公平性非公平两者都可选（默认非公平）单一多个选择建议：优先使用：如果你的需求很简单，用就足够了。因为它写起来更简洁，不容易出错（不会忘记释放锁），并且 JVM 对其有持续的优化。当需要以下高级功能时，才使用Lock需要尝试获取锁tryLock需要可中断的锁

Elasticsearch 是分布式全文检索引擎，底层基于 Lucene。它搜索快的核心原因是倒排索引，也就是提前记录“某个词出现在哪些文档里”。业务上通常用 MySQL 存主数据，用 ES 做搜索副本。一个 index 会拆成多个 shard，每个 shard 底层本质上是一个 Lucene index，而 Lucene 又会把索引组织成多个 segment。写入时数据会先进入内存和 trans

慢查询日志定位瓶颈，针对性优化索引和SQL，并建立冷热数据归档机制。如果数据量或并发量持续增长到亿级，我会主导进行分库分表的技术选型（如ShardingSphere），核心是设计好分片键和解决分片后带来的查询挑战，通常会结合Elasticsearch来应对复杂查询。整个过程，我会特别注意方案的可灰度、可回滚，以及与团队的充分协作。“在项目中处理千万级大表时，我理解这不是一个单纯的SQL优化问题，而

摘要：Java线程的生命周期包含6种状态：NEW（新建）、RUNNABLE（可运行）、BLOCKED（阻塞）、WAITING（等待）、TIMED_WAITING（超时等待）和TERMINATED（终止）。RUNNABLE状态对应操作系统的就绪和运行态，而WAITING/TIMED_WAITING/BLOCKED状态的线程在操作系统层面处于挂起状态。线程状态转换由JVM和操作系统调度器控制，理解这些

工厂模式：BeanFactory就是简单工厂模式的体现，用来创建对象的实例；单例模式：Bean默认为单例模式。代理模式：Spring的AOP功能用到了JDK的动态代理和CGLIB字节码生成技术；

慢SQL优化全流程指南 慢SQL优化是一个闭环过程，包含监控发现、分析定位、优化实施和验证复盘四个关键环节。首先通过慢查询日志、性能分析工具或云数据库控制台识别问题SQL；然后利用EXPLAIN分析执行计划，重点关注访问类型、索引使用和扫描行数；优化阶段主要采用索引优化、SQL重写和数据库设计调整等手段；最后建立基准测试，持续监控优化效果。整个过程强调一次只做一个变更，并在测试环境充分验证，确保优