上次我把 RabbitMQ 集成到项目中，但是每次使用 RabbitMQ 时都去 New 一个连接，导致并发起不来，所以这次我们就给 RabbitMQ 加一个连接池。为了偷个懒，我直接用 ChatGPT 教我加。

和包括哪些组件Nacos是CP还是AP?Nacos作为注册中心应该选择是CP还是AP？Nacos如何实现就近访问？Nacos底层负载均衡底层原理Nacos1.x注册中心架构流程Nacos2.X作为注册中心架构流程Nacos中的Distro协议Eureka注册中心原理Eureka自我保护机制原理Eureka和Nacos对比Nacos配置中心长轮询机制引用Nacos配置的定时任务失效（Nacos工作中

随着k8s 作为容器编排解决方案变得越来越流行，有些人开始拿 Docker 和 k8s进行对比，不禁问道：Docker 不香吗？k8s 是kubernets的缩写，’8‘代表中间的八个字符。其实 Docker 和 k8s 并非直接的竞争对手，它俩相互依存。Docker 是一个容器化平台，而 k8s 是 Docker 等容器平台的协调器。

本地搭建三个redis实例（一主两备），实现效果：主实例插入数据备实例可以复制同步过去。

做微服务开发，很多人都有个疑问：既然网关 Gateway 已经统一拦截了请求，校验了 Token 签名，并把用户信息塞进 Header 传给下游服务了。为什么微服务内部的业务代码，比如订单服务、会员服务里，每个接口依然还要做一次鉴权和数据所有权校验？网关把完关了，微服务内部再鉴权，这不是脱裤子放屁——多此一举吗？这么想是因为，网关做好防护后内部就可以直接信任通信。但从实际安全和业务架构设计的角度来

正在做一个问数系统，从项目开始到现在遇到过不少问题，最先碰到的就是 RAG 过程中，我明明查了向量数据库，Top-K 返回的片段确实包含了答案相关的关键词，可大模型拿到这些参考资料后，还是一本正经地胡说八道？这种情况，一开始我们第一反应就是大模型智商不行，或者是Embedding模型精度不够。但后来整个流程排查发现，问题出在检索出来的向量数据上，向量搜索搜到了不代表能答对。

网上 B 站有很多那种基于 LangChain 或者 LlamaIndex 十分钟搭建 RAG 系统的教程。不少团队看着挺简单，照猫画虎也跟着搭了一套。跑测试数据的时候看着还凑合，但只要真正接入企业的生产环境，让真实的业务人员去用，准确率惨不忍睹，模型甚至开始一本正经地瞎编乱造。大模型本质上仅仅是一个做阅读理解的机器，如果前面检索系统喂给它的参考资料全是一堆不相关的垃圾，它再聪明也给不出正确的答案

非要让大模型拥有人类一样的物理记忆，就是把系统最核心的状态管理交给了最不可控的环节。一旦记忆出现混乱、幻觉或者越权，你连个排查日志的地方都找不到。接受大模型的无状态设定，用成熟的传统数据库去管理记忆，单纯把它当成一个推理引擎来用，这才是工程落地该有的姿势。绝对不要让昂贵的计算节点去保存业务状态。把状态沉淀到数据库，把逻辑留在代码里，把推理交给大模型。边界清晰了，系统才能安安稳稳！！！

把大模型当做纯粹的黑盒，让它直接吐出文本去怼后端的解析层，是系统设计上最脆弱的一环。日常的业务代码是确定性的，但 AI 业务很多开发最大的痛苦，就是总是试图用传统的“输入-输出”思维，去驾驭一个充满概率性的大模型。

本文将通过一个真实的生产环境案例，详细展示如何系统性地排查和解决JVM垃圾收集问题。这个案例涵盖了从问题发现、分析诊断到最终解决的完整过程，对于理解JVM调优实战具有重要的参考价值。通过这个完整的排查案例，我们可以得到以下重要经验：没有量化，就没有改进。JVM问题排查和性能调优必须基于具体的监控数据进行。