前言说道Javaagent是最近经常在使用这个技术，顺便了解了原理与根源，实际上就是jvm开个代理字节码修改的instrument接口。但实际上使用，根据使用的方式不同而略有区别。1. Javaagent使用实际上，笔者在前段时间写了arthas的启动原理(83条消息) arthas 启动原理分析_fenglllle的博客-CSDN博客，简单的说明了Javaagent的2种方式，jvm参数方式与动

最近做项目，需要实现一个agent，实现运行过程替换字节码，当笔者实现这些功能时发现还是很多注意事项的。而且字节码的替换过程如果类的属性与方法升级了，那么加载就会报错。这种做法的好处是代码无侵入，缺点也很明显，严重依赖特定的jvm版本和中间件等。javaagent实际上是JVMTI使用的技术，核心依靠Instrumentation实现。

其实笔者试图使用AI写一个截图工具，但是AI还是不是很行，写的乱七八糟，当然有可能笔者没写过桌面程序，所以干脆使用开源项目编译。但是即使编译也遇到了很多问题，如果使用AI解决估计大部分没有程序经验的解决不了，因为实际的问题和代码不一定有直接的关联，所以AI辅助解决问题，笔者成功的使用开源项目编译了ARM版本的mac截图app。但是还是有warn未解决，不影响使用就不解决了。

mybatis plus这个是直接丢弃相同Id的statement，安装先后顺序，会造成执行过程的误解，不过有日志可以查看，而且mybatis原生的starter是有校验的，直接报错了。mybatis的xml如果写错，那么启动居然不报错，执行任意statement前需要执行未完成的statement，来达到快速失败的情况，这种情况对健康检查提出了新挑战，否则可能出现启动OK，但是mybatis失败

kafka在发送者和消费者是区分开的，发送者如果连接kafka broker失败后可以一直重试直到成功，但是消费者确有各种各样的逻辑，可以精准控制，比如消费者重启的配置可以控制消费者在停止时重启，如果仅仅是授权失败，而且不需要反复重启（消耗资源），那么可以通过。

随着容器的普及，经常使用docker创建容器来跑应用，结合开源的kubernetes和istio等，对于无状态的服务有极好的支持能力，秒级调度，弹性伸缩等优势。实际上kube的容器仅仅是接口，实际的容器可以是docker，podman等，以docker为例。实际上kube就是容器的管理器，核心思想是调度，调度就需要网络、流量治理能力（kube目前薄弱环节），就出现了各种网络方案，istio等。容器

摘要：本文分析了Spring Data JPA中saveAll方法性能问题的根源。通过实验发现，当使用自定义ID而非JPA自动生成时，saveAll会执行大量查询操作，导致批量插入性能低下。关键因素包括：1)ID字段索引设计不合理；2)手动设置ID值触发merge操作而非直接插入。调整索引结构并改用JPA自动生成ID后，saveAll性能可超越JDBC Template的batchUpdate。建

前言笔者在使用Ubuntu20.0.4.3LTS 的时候对自带的终端gnome终端使用很不习惯，使用的方式是选中鼠标中键粘贴，类似macOS的iterm的默认能力，但是iterm的是可以设置的。gnome终端却不行，securecrt使用习惯了，那么怎么实现选中复制右键粘贴呢。1. 分析选中复制，右键粘贴是2种事件：鼠标释放事件、鼠标右击事件。Ubuntu20.0.4.3LTS使用gnome桌面，

时代变化很快，以前macmini2018是intel cpu，而且可以自己安装内存，现在已经arm cpu，内存已经是黄金内存了，还得益于炒ai概念，否则8G永流传，不过intel 12代性能提升还可以，所以干脆组装了专门的服务器，测试小主机满载也就23w左右，平时10w左右，还是x86的，在docker环境下很友好，毕竟很多镜像还是基于x86基础镜像做的，如果ARM自己编译也很麻烦。

本文介绍了使用SpringAI 1.1.2版本与Ollama结合实现AI聊天功能的实践。通过配置ChatClient构建多轮对话系统，分析了HTTP交互过程和消息传递机制。实验表明，AI在逻辑分析方面表现良好，但存在模型知识更新滞后、结果不确定性等问题。文章还探讨了多轮对话实现方式、token消耗优化以及外部工具集成的必要性，指出当前AI仍需结合MCP服务、知识库等外部能力才能满足复杂需求，整体上