大数据（Big Data）是指无法用传统数据处理工具处理的大规模数据集合，具有数据量大、数据类型多、数据生成速度快、数据价值密度低等特点。大数据的处理技术包括分布式存储和计算、数据清洗和转换、数据分析和可视化等。分布式存储和计算是通过多台计算机协同工作来处理大规模数据，如Hadoop、Spark等；数据清洗和转换是对大数据进行预处理，如数据去重、数据转换等；数据分析和可视化是对大数据进行分析和展示

RAG、MCP、Agent的爆发‌2017年具有革命性的Transformer架构开始，解决了早期模型（诸如循环神经网络（RNN）和长短期记忆网络（LSTM））在处理长距离依赖和顺序处理时存在的困难性，通过自注意力机制重新定义了自然语言处理（NLP）。2018-2020年，预训练Transformer模型时代，其特点是预训练模型的兴起以及对模型规模前所未有的关注。这一时期出现了两个具有影响力的模型

Token‌Token是模型处理信息的基本单位，相当于"信息颗粒"。它不固定等于字或词，而是根据不同场景有所变化：自然语言中可以是字、词片段或标点；基因组学中表现为碱基或k-mer；蛋白质组学中是氨基酸或功能区域；图像处理中是图像小块；语音处理中则是时间帧或音素。简单说，Token就是现实信息进入模型前被切分的小块。。

JDK 是 Java开发的核心，每个版本的更新都带来了新的特性和优化。从 JDK 8 的函数式编程到 JDK 17 的长期支持（LTS），再到 JDK 21 的最新性能优化，选择适合的 JDK 版本是开发者必须掌握的技能。

Redis，作为一种开源的、基于内存的数据结构存储系统，被广泛应用于各种场景，包括缓存、消息队列、短期存储等。单一实例的工作模式通常无法保证Redis的可用性和拓展性，Redis提供了三种分布式方案

Redis是一个高性能的开源内存键值数据库，支持多种数据结构如String、List、Hash、Set、Zset等，适用于缓存、会话存储、排行榜等场景。其核心特性包括内存存储、高效数据结构、单线程架构（核心命令执行）结合I/O多路复用技术，以及可选的持久化机制（RDB快照和AOF日志），确保高吞吐量和低延迟。

Kubernetes（K8s）是由Google开发的开源容器编排系统，主要解决容器化应用的自动化部署、扩缩容与集群管理问题。其核心能力涵盖资源调度、服务发现及自我修复等运维关键环节。

Android是一个基于Linux内核的开源移动操作系统，由Google领导的开源项目维护。它具有开源、用户基础广泛、生态系统丰富等优势，支持多种设备。系统架构分为应用层、框架层、系统运行库层和Linux内核层。开发Android应用需要掌握Java/Kotlin等编程语言。

JMeter‌JMeter是基于Java语言开发的开源轻量级测试工具。作用域：配置元件（如 HTTP 信息头管理器）放在哪个层级，就对哪个层级及其子节点生效。关联：使用 JSON 提取器从上一个请求的响应中提取数据。跨线程组传参：使用将变量转为属性，使用__P读取属性。参数化：使用 CSV 数据文件设置，实现多用户登录。表格特性JSR223 Sampler (自定义脚本)HTTP Mirror S

Kubernetes（K8s）是由Google开发的开源容器编排系统，主要解决容器化应用的自动化部署、扩缩容与集群管理问题。其核心能力涵盖资源调度、服务发现及自我修复等运维关键环节。