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

Java NIO 模型笔记

本文介绍了Java NIO(New I/O)的核心概念与工作机制。主要内容包括:NIO与BIO的对比,NIO三大核心组件(Channel、Buffer、Selector)的详解,以及NIO的工作流程图和示例代码。NIO采用非阻塞和选择器机制,适合高并发服务器开发,但编程复杂度较高。文章还提及基于NIO的Netty框架,建议实际开发中使用Netty等高层封装框架。全文系统性地阐述了NIO的特性、优缺

文章图片
#java#nio
在 Mac 上安装 Java 和 IntelliJ IDEA(完整笔记)

本文详细介绍了在macOS上配置Java开发环境的完整步骤。首先通过终端检查Java是否安装,然后提供两种JDK安装方法(推荐使用Homebrew安装OpenJDK)。接着指导设置JAVA_HOME环境变量,并介绍IntelliJ IDEA的两种安装方式。文章还包含在IDEA中配置JDK路径的说明,以及验证环境和创建简单Java程序的测试方法。最后附有相关工具的官网参考链接,帮助开发者快速搭建ma

文章图片
#java#macos#intellij-idea
Java 中线程通信方式笔记

本文介绍了Java中多种线程通信方式及其适用场景。主要包括:wait/notify基础同步机制、join线程串行、volatile状态可见性、LockSupport无锁阻塞、Condition多条件控制、BlockingQueue生产者消费者模式,以及CountDownLatch、CyclicBarrier、Semaphore等并发工具,最后还介绍了Future和CompletableFuture

文章图片
#算法#java
Java 创建线程的方式笔记

Java创建线程主要有四种方式:继承Thread类(简单但耦合度高)、实现Runnable接口(任务与线程分离,推荐)、实现Callable接口(支持返回值和异常)、使用线程池(资源复用,生产环境首选)。线程池是最佳实践,支持任务调度、资源控制和拒绝策略。推荐使用ThreadPoolExecutor构造线程池,避免直接new Thread()。对于定时任务可用ScheduledExecutorSe

文章图片
#java#开发语言
Java 中 == 与 equals()的区别笔记

Java中==和equals()的区别: ==是运算符,比较基本类型的值或引用类型的地址; equals()是Object类方法,默认比较对象地址,但可被重写(如String类重写为比较内容)。 使用时建议: 判断对象内容是否相等用equals(); 判断是否为同一对象引用用==; 注意字符串常量池和堆对象的地址差异。 核心区别在于==比较内存地址,equals()可根据需求自定义比较逻辑。

文章图片
#java#jvm
Java 并发容器:ConcurrentHashMap 笔记(JDK 1.8)

ConcurrentHashMap是Java中线程安全的高效哈希表实现,采用锁分离+CAS+红黑树优化方案。JDK1.8版本摒弃了1.7的分段锁设计,改用数组+CAS+synchronized+红黑树结构,通过细粒度的桶位节点锁提升并发性能。核心机制包括:无锁读操作、CAS乐观锁插入、synchronized锁冲突节点、多线程协作扩容等。相比HashMap和Hashtable,它具备更高的并发安全

文章图片
#java#开发语言
记录一下ubuntu22.02可以ping通,但是telnet不行

摘要:Ubuntu 22.04系统出现ping通但telnet连接失败的问题,可能由于目标端口未监听、防火墙限制、服务未运行或IP绑定错误导致。排查步骤包括:检查网络连通性(ping/traceroute)、验证端口监听状态(ss -tuln)、配置防火墙(ufw)、确保服务运行(systemctl)、调整服务绑定IP(如0.0.0.0),以及检查Telnet客户端安装。最终需综合判断服务、防火墙

文章图片
大语言模型(LLM)笔记

摘要 大语言模型(LLM)是基于Transformer架构的海量文本训练模型,通过预测下一个token展现类人智能。其核心为Transformer的自注意力机制,训练采用预训练+微调范式。三大主流应用包括: 1)RAG(检索增强生成):结合外部知识库提升回答准确性; 2)Agent:赋予模型规划决策能力,实现多工具调用; 3)MCP(模块化提示):结构化拆解复杂任务。 LangChain(Pyth

文章图片
#语言模型#人工智能
一文看懂什么是RAG(检索增强生成)

RAG(检索增强生成)是结合检索技术与大语言模型的新兴解决方案,通过从外部数据源获取相关信息并注入提示词,提升模型生成质量。文章系统介绍了RAG的核心价值(解决知识局限、幻觉问题和数据安全)、发展历程(从2020年概念到当前商业应用),以及包含数据准备、嵌入模型、向量数据库等五大关键流程。重点剖析了12项优化策略,包括数据清洗、分块处理、查询转换等技术创新点,并对比了初级、高级和模块化三类RAG范

文章图片
#语言模型
大语言模型(LLM)笔记

摘要 大语言模型(LLM)是基于Transformer架构的海量文本训练模型,通过预测下一个token展现类人智能。其核心为Transformer的自注意力机制,训练采用预训练+微调范式。三大主流应用包括: 1)RAG(检索增强生成):结合外部知识库提升回答准确性; 2)Agent:赋予模型规划决策能力,实现多工具调用; 3)MCP(模块化提示):结构化拆解复杂任务。 LangChain(Pyth

文章图片
#语言模型#人工智能
    共 15 条
  • 1
  • 2
  • 请选择