之前聊过Redis的分布式锁并且基于理论【Redis从入门到放弃系列 十】Redis的事务机制进行过代码实践【Redis从入门到放弃系列 十一】Redis分布式锁实战，但是其实只是对分布式锁的一个简单理解，对于其中可能的问题并没有过多讨论，甚至对于真实企业场景中的分布式锁，之前的那个也许只是个玩具，存在诸多问题...

实际上，关于Redis事务的说法“Redis 的事务只能保证隔离性和一致性（I 和 C），无法保证原子性和持久性（A 和 D）”并不完全准确。下面我将分别解释Redis事务的四个特性：原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）和持久性（Durability）。

最近遇到一个问题，移动端的表情或者一些emoji是4字节的，但是utf-8是3字节的，查了很多网上的解决方法，最后提供一套自己的解决方案。如果当前的困境是：自己的mysql版本为5.5.3以前(版本为5.5.3以前将不能使用utf-8mb4编码)，需要重装更高版本的mysql，然后获得该编码。1，检查自己当前数据库版本使用命令:select version();如果发现当前的数据库版本在5

废话不多说，喊一句号子鼓励自己：程序员永不失业，程序员走向架构！本篇Blog的主题是【原地哈希】，使用【数组】这个基本的数据结构来实现，这个高频题的站点是：CodeTop，筛选条件为：目标公司+最近一年+出现频率排序，由高到低的去牛客TOP101去找，只有两个地方都出现过才做这道题（CodeTop本身汇聚了LeetCode的来源），确保刷的题都是高频要面试考的题。明确目标题后，附上题目链接，后期可

MCP（Model Context Protocol）与Function Calling（函数调用）是两种不同层面的技术方案，服务于大模型（LLM）与外部资源的交互，但设计理念和应用场景有显著区别。以下是两者的核心差异分析：MCP：开放协议层的基础设施Function Calling：特定模型的增值功能MCP适用场景Function Calling适用场景两者可结合使用：例如，在电商场景中，MCP

总的来说AI主要由算法、算力、数据组成，算法是核心。LLM是基于Transformer架构的算法成果，属于NLP领域关键技术，赋予AI理解和生成语言的能力。如果把AI AGENT看作人工助手，LLM就是其大脑，提供智能核心。AIGC则基于LLM等技术，生成语言、图像、音频等内容，就像人基于大脑的一些语言和视觉的表达。举个例子：云雀模型是LLM，豆包的问答查询基于此，是AIGC在语言领域的应用；图片

KISS 原则讲的是“如何做”的问题（尽量保持简单），它的目的是提升代码的可读性、可维护性，而 YAGNI 原则说的是“要不要做”的问题（当前不需要的就不要做），它的目的是降低代码的冗余度，提升代码的可维护性。DRY原则说的是不要做重复的事，它的目的是减少代码量，提高代码的可读性、可维护性。除此之外，复用已经经过测试的老代码，bug 会比从零重新开发要少，也就提高了代码健壮性。所以要有代码复用意识

MCP（Model Context Protocol）与Function Calling（函数调用）是两种不同层面的技术方案，服务于大模型（LLM）与外部资源的交互，但设计理念和应用场景有显著区别。以下是两者的核心差异分析：MCP：开放协议层的基础设施Function Calling：特定模型的增值功能MCP适用场景Function Calling适用场景两者可结合使用：例如，在电商场景中，MCP

总的来说AI主要由算法、算力、数据组成，算法是核心。LLM是基于Transformer架构的算法成果，属于NLP领域关键技术，赋予AI理解和生成语言的能力。如果把AI AGENT看作人工助手，LLM就是其大脑，提供智能核心。AIGC则基于LLM等技术，生成语言、图像、音频等内容，就像人基于大脑的一些语言和视觉的表达。举个例子：云雀模型是LLM，豆包的问答查询基于此，是AIGC在语言领域的应用；图片

MCP（Model Context Protocol）与Function Calling（函数调用）是两种不同层面的技术方案，服务于大模型（LLM）与外部资源的交互，但设计理念和应用场景有显著区别。以下是两者的核心差异分析：MCP：开放协议层的基础设施Function Calling：特定模型的增值功能MCP适用场景Function Calling适用场景两者可结合使用：例如，在电商场景中，MCP