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 Unsafe的太虚封印术从堆外内存到原子操作的丹

本文深入剖析Java底层工具sun.misc.Unsafe的技术原理与应用场景。作为JVM留给开发者的"太虚封印术",它提供了直接操作内存、原子指令和字段偏移量三大核心能力,是突破Java安全限制实现高性能编程的关键。文章从技术背景出发,详细解析了其内存管理、CAS原子操作和对象布局等底层机制,并通过无锁栈实现示例展示实战应用。尽管JDK新版本逐步封装Unsafe功能,理解其原理仍是掌握Java性

#java#开发语言
Java_NIO_的_太虚经纬阵__从__Selector__多路复用

摘要:Java NIO的"太虚经纬阵"之道 本文以武侠修真为喻,深入剖析Java NIO的核心机制。传统阻塞式IO面临三重困境:线程资源枯竭、内核通知低效和内存拷贝冗余。Java NIO通过Selector、EPoll和零拷贝技术构建了一套高效的事件驱动范式。 核心在于三层架构:用户态的Selector调度、内核的epoll事件环和硬件中断处理。Selector作为中枢,EPollArrayWra

#java#nio#开发语言
LM Studio模型本地化部署:快速入门指南!

说明:此处我们需要修改两个文件,首先进入LM Studio的安装目录,此处以作者的为例,我的安装目录在D:\Develop\tools\LM Studio。最后将下载好的模型放在H:\models\lmstudio-community\DeepSeek-R1-Distill-Qwen-7B-GGUF。1.第一个文件,D:\Develop\tools\LM Studio\resources\app.

文章图片
#语言模型
Redis Stream的太虚引气阵从消息时序一致性到消费者组

摘要: Redis Stream 以时序逻辑重构消息队列,通过毫秒级时间戳(XADD)和消费者组状态机(XREADGROUP/XCLAIM)实现分布式消息的自治秩序。其核心在于: 无锁时序锚定:消息ID(ms-serial)全局有序,避免传统队列的顺序性瓶颈; 故障自愈:Pending Entries 表记录未确认消息,支持超时夺舍(XCLAIM)与精准恢复; 轻量权衡:内存化设计在CAP中倾向可

#redis#数据库#缓存
JVM 类加载器的「九重天劫」:从双亲委派到模块化隔离的炼器心法

本文探讨了Java类加载机制的演变与双亲委派模型的局限性。文章首先阐述了类加载器的三层结构及其安全设计,指出双亲委派模型在JDK 8及之前版本中的三大作用:安全屏障、一致性保障和资源复用。随后分析了该模型在现实应用中的三大困境:SPI机制悖论、热部署需求与模块系统变革,揭示了委派模型在JDK 9+环境中的自然瓦解趋势。 通过深入解析ClassLoader源码,文章指出三个关键破绽:parent为n

#jvm#python#开发语言
智能体学习记录一

本文介绍了智能体的基本概念及其发展。智能体是指能感知环境并通过执行器完成特定目标的实体,包含传感器、环境、执行器和行动四个要素。传统智能体基于条件触发动作,而大语言模型驱动的智能体则能通过知识推理完成复杂任务规划。文章还分类讨论了不同智能体类型:按决策架构可分为反应式、规划式和混合式;按知识表示可分为符号主义、亚符号主义和神经符号主义AI。这些分类展现了智能体从简单响应到复杂推理的能力演进。

#学习#人工智能
LM Studio模型本地化部署:快速入门指南!

说明:此处我们需要修改两个文件,首先进入LM Studio的安装目录,此处以作者的为例,我的安装目录在D:\Develop\tools\LM Studio。最后将下载好的模型放在H:\models\lmstudio-community\DeepSeek-R1-Distill-Qwen-7B-GGUF。1.第一个文件,D:\Develop\tools\LM Studio\resources\app.

文章图片
#语言模型
智能体学习记录二之发展史

由**特里·威诺格拉德(Terry Winograd)**于1968-1970年开发,在“广度”上实现了革命性的突破,它首次将多个独立的人工智能模块(如语言解析、规划、记忆)集成在一个统一的系统中,并使它们协同工作。强化学习赋予了智能体从交互中学习决策策略的能力,但这通常需要海量的、针对特定任务的交互数据,导致智能体在学习之初缺乏先验知识,需要从零开始构建对任务的理解。这个与环境的实际交互就是智能

#学习
智能体学习记录一

本文介绍了智能体的基本概念及其发展。智能体是指能感知环境并通过执行器完成特定目标的实体,包含传感器、环境、执行器和行动四个要素。传统智能体基于条件触发动作,而大语言模型驱动的智能体则能通过知识推理完成复杂任务规划。文章还分类讨论了不同智能体类型:按决策架构可分为反应式、规划式和混合式;按知识表示可分为符号主义、亚符号主义和神经符号主义AI。这些分类展现了智能体从简单响应到复杂推理的能力演进。

#学习#人工智能
到底了