Hash 路由：前端自给自足，后端几乎零配合；代价是 URL 与 SEO。History 路由：用户体验与 SEO 友好，但刷新/直达必须有服务端兜底，并和 API、静态资源做好“分流”。对 Go 后端来说，掌握本文几段Nginx/Caddy/Gin/GoFrame 样例配置，就能把前端 History 路由稳定落地，避免 404 与静态资源回退等典型坑。注解：真正上线前，务必按“直接打开深链刷新

看懂调用流程里用发起请求，try/catch处理成功/失败，这是前端调用后端接口的标准模式。参数对应关系GET 请求参数在 URL 上 → 后端读 QueryPOST 请求参数在 Body 里，JSON 格式 → 后端解析 JSON Body表单格式 → 后端读 PostForm错误排查思路：如果前端说“接口没反应”，先看 Fetch 的method和url是否正确；如果“参数没收到”，检查与参数

— 主配置文件—— 停用词main.dic—— 系统内置词库（可新增）—— 自定义扩展词典# my_dict.dic 豆包编程助手自定义词汇# my_stopword.dic 的了呢啊下载对应版本的 IK 插件wget https://release.infinilabs.com/analysis-ik/stable/elasticsearch-analysis-ik-<版本号>.zip安装到容器

操作同上述，只是模型名改成这个。

用当需要多步骤处理数据（如先筛选再分组，再排序）。涉及分组统计（$group）、联表查询（$lookup）、数据转换（$project重命名/计算新字段）。处理结果需要重新组织结构（如合并字段、拆分数组）。用$expr当仅需在find()查询中实现单文档内的字段间运算或复杂比较。逻辑简单，无需多阶段处理。不需要分组、统计或联表等聚合功能。注意$expr可作为中$match阶段的条件（增强筛选能力）

最左前缀匹配：查询条件必须包含索引的前N个字段，否则索引失效。字段顺序依据：基数高（值唯一或多样）的字段放前面，过滤性强；排序字段放最后，且排序方向需与索引一致。避免过度设计：字段数量不宜过多（建议≤5个），否则索引维护成本高，写性能下降。结合查询频率：只为高频查询创建复合索引，低频查询可接受稍慢的响应。每个集合最多支持64个索引。索引键的总长度不能超过1024字节。某些操作（如$where$ex

污点是添加在节点上的“排斥规则”，用于阻止 Pod 被调度到该节点。如果一个节点被添加了污点，默认情况下，所有 Pod 都会被这个节点“排斥”，无法调度到该节点上。污点的核心作用是保护节点，让节点只接受“被允许”的 Pod。给_master 节点添加污点，避免普通 Pod 占用 master 资源；给带有特殊硬件（如 GPU）的节点添加污点，只允许需要 GPU 的 Pod 调度过来。

kind: Podmetadata:spec:# 定义两个 Init Container- name: wait-for-mysql # 第一个：等待 mysql-service 就绪sleep 2;done"]- name: prepare-nginx-config # 第二个：处理配置文件env:value: "example.com" # 要替换的占位符值mountPath: /tmp #

Redis 的过期键清除策略采用了惰性删除 + 定期删除的组合策略，在保证较低 CPU 开销的同时，尽可能释放内存空间。惰性删除是只在访问key的时候检查是否过期；定期删除定时进行部分key的过期检查；Redis 放弃了定时删除，是因为对每个key单独计时过期删除，会大大增加cpu负担LRU，全称，即「最近最少使用」策略，用于在内存满时淘汰最久未被访问的键。LFU，全称，即「最不常访问」策略。用于

字段重要值说明优化关注点typeALL（全表扫描）、index（全索引扫描）出现ALL需重点关注可能使用的索引检查是否存在冗余索引key实际使用的索引确认是否使用最优索引rows预估扫描行数数值越大查询效率越低Extra出现这些值说明需要优化通过定期分析EXPLAIN验证索引是否按预期工作发现全表扫描等高成本操作识别冗余索引优化存储空间检查联合索引的有效性type。