为什么把这俩放一起讲？因为它们在 FastAPI 里是"黄金搭档"——FastAPI 的 Depends 机制本质上就是依赖注入，而工厂函数是创建依赖的常用方式。

状态一多，这代码就没法看了。状态模式就是专门解决这个问题的——把每个状态的行为封装成独立的类，状态切换变得清晰可控。

这篇文章会从最简单的保护代理开始，逐步深入到虚拟代理、缓存代理，最后实现一个完整的数据库查询代理系统——集成连接池、缓存、监控于一体的生产级方案。

策略模式就是把不同的"做法"分别封装起来，用的时候想换就换。Python 写这个特别顺手，毕竟函数可以直接当参数传，比 Java 那套写法省事多了。这篇文章就带你把策略模式从概念到实战都过一遍。

Flink核心概念与实时流处理应用 Apache Flink作为分布式流处理框架，具备高吞吐、低延迟和精确一次语义等核心特性，支持事件驱动和流批一体处理。本文介绍了流处理与批处理的区别，Flink的发展历程及其在实时数据分析、风控、推荐等场景的应用。与Spark Streaming相比，Flink在毫秒级延迟和状态管理方面更具优势。文章还概述了Flink的核心组件如JobManager/TaskM

本文详细介绍了如何搭建Flink开发环境并实现WordCount程序。主要内容包括：环境准备清单（JDK8/11、Maven3.6+、IDEA）、JDK和Maven的安装配置步骤、使用IDEA创建Maven项目并配置pom.xml文件、编写WordCount程序代码、运行验证方法以及常见问题解决方案。文章提供了完整的代码示例和详细的配置说明，适合Flink初学者快速上手。通过本文，读者可以掌握Fl

本文深入剖析了Apache Flink的架构设计，采用主从架构模式，由JobManager（主节点）和TaskManager（从节点）组成。JobManager作为"大脑"，包含Dispatcher、ResourceManager和JobMaster三大组件，分别负责作业接收、资源管理和任务调度。TaskManager则是实际执行计算任务的"劳动力"，通过S

作为程序员，你一定听过这句话："这程序在我电脑上明明是好的，怎么到你那就不行了？"这背后的根本原因是环境不一致。Docker 就是为了解决这个问题而生的。本文将用最通俗的方式，带你理解 Docker 的核心概念和工作原理。

我们学习了 Docker，知道了如何将应用打包成容器。但当容器数量变多、服务器变多时，手动管理就变得不现实了。这时候就需要一个"容器管家"来帮我们自动化管理，它就是 Kubernetes（简称 K8s）。本文将带你深入理解 K8s 的架构和工作原理。

这篇文章我们来聊聊 Flink 的编程模型，搞清楚 DataStream、DataSet 这些 API 到底是什么关系，以及 Flink 1.12 之后的"流批一体"是怎么回事。