logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

大数据算法——布隆过滤器

原理在我之前的理解当中,如果想要判断某个元素在不在集合当中,经典的结构应该是平衡树和hash table。但是无论是哪一种方法,都逃不开一点,都需要存储原值。比如在爬虫场景当中,我们需要记录下之前爬过的网站。我们要将之前的网址全部都存储在容器里,然后在遇到新网站的时候去判断是否已经爬过了。在这个问题当中,我们并不关心之前爬过的网站有哪些,我们只关心现在的网站有没有在之前出现过。也就是说之前出现过什

#算法#哈希算法
为什么大模型看不懂文字?

其实在3月23日中国发展高层论坛2026年年会上,国家数据局局长刘烈宏正式公布,AI领域核心概念Token的标准中文译名为词元。答案很简单,因为它们使用的是不同的 Tokenizer,也就是说,大家使用的是不同的一套"积木"。这些积木,有的大,有的小,有的是一个字,有的是半个单词,有的是整个句子。现代大语言模型中的 Token,大多数都是通过算法自动学习出来的。计算机从来没有真正见过"你"这个字,

#人工智能
【大话云原生】微服务篇-五星级酒店的服务方式

在云原生的世界里,微服务架构就像一座五星级酒店,每个服务都是一个独立的“部门”,各司其职,协同运作。本文将通过生动的类比和可运行的代码,深入剖析微服务的核心原理,带你领略这种架构的优雅与高效。微服务的核心优势包括:-## 4. 代码示例2:异步事件驱动与消息队列为了避免同步依赖,酒店可以采用“事件驱动”模式:预订完成后,发布一个“房间已预订”事件,其他服务(如清洁、通知)订阅并响应。## 3. 代

#云原生#微服务#架构
【大话云原生】负载均衡篇-小饭馆客流量变大了

将请求均匀、智能地分发到多个处理单元,以提升系统容量和可用性。

#云原生#负载均衡#运维
AI Agent 替你写代码没问题,但这 3 类后端任务让它当场翻车

后端任务往往涉及复杂的业务逻辑、数据一致性、并发控制以及系统架构设计,这些场景会让 AI Agent 瞬间“翻车”。AI Agent 本质上是大语言模型(LLM)的产物,它们通过海量代码库训练,擅长识别模式、生成模板代码和翻译自然语言为简单逻辑。## 3. 第二类翻车任务:分布式系统与一致性协议当后端涉及微服务、分布式缓存或消息队列时,AI Agent 容易生成“理论正确但实际失败”的代码。##

#人工智能
CPU瞒着内存竟干出这种事

他们提出了一个虚拟地址的东西,所有程序使用的地址都是一个虚拟的地址,在真正和内存打交道的时候,咱们CPU内部工作人员再给翻译成真实的内存地址,关于这事儿,内存那家伙一直被我们蒙在鼓里。这个时候,有人发现了商机,开发了一个叫操作系统的东西,原来那些程序不再直接和我们CPU打交道了,而是和操作系统打交道,操作系统再和我们打交道,中间商赚差价说的就是他们!到了80386时代,我们与外界通信的引脚就更多了

#大数据#人工智能
WebSocket 双向通信完整教程

服务端不能主动推送消息❌ 需要轮询(客户端不停问"有新消息吗?")❌ 每次请求都要重新建立连接(开销大)WebSocket 的优势WebSocket 是全双工通信协议:客户端 ←→ 服务端(连接保持,双方随时收发)优势:✅ 服务端可以主动推送消息✅ 连接持久化(不需要反复建立连接)✅ 实时性高(延迟低)✅ 带宽占用少典型应用场景场景说明即时聊天微信、Slack 等实时数据股票行情、体育比分在线游戏

#websocket#python#numpy
到底了