MQTT的核心是发布/订阅模型，依赖Broker中转消息，适合轻量级物联网设备通信。Spring Boot集成MQTT的关键是配置客户端工厂、消息通道和适配器，业务逻辑集中在消息处理器中。实战中要根据业务场景选择合适的QoS等级，平衡可靠性和传输效率。后续可以扩展的方向：一是搭建本地Mosquitto服务器，实现设备的局域网通信；二是增加消息持久化功能，避免服务重启后数据丢失；三是集成前端页面，实

很多人会把Kafka简单理解成消息队列，但其实它的定位是“分布式事件流平台”。官方定义是：一个开源的分布式事件流平台，被成千上万的公司用于构建高性能数据管道、流分析、数据集成和关键任务应用。简单说，Kafka不仅能像消息队列一样实现系统间的异步通信，还能支撑大规模的实时数据处理场景，这也是它区别于传统MQ的核心优势。AR（Assigned Replicas）：分区的所有副本统称AR。

关于docker-compose的安装可以去问问一些大模型，

Neo4j是基于属性图模型的开源图数据库，核心优势在于高效处理实体间的多跳关联查询，完美适配知识图谱的网状数据结构。属性图模型：数据由“节点（Node）”“关系（Relationship）”“属性（Property）”三部分组成。节点和关系都可携带键值对形式的属性（如用户节点的age属性、购买关系的time属性）；无 schema 灵活性：无需预先定义固定表结构，可根据业务需求动态添加节点、关系和

压缩列表适合小数据量下的链表操作，虽然查找元素的时间复杂度是O（n），但是由于数据量小加上利用上了CPU缓存，本质上更加高效，并且内存上更加节省，即使发生连锁更新这种极端情况的开销也是在可以接受的范围内记忆:一排书架上放书，好找。但是书之间的厚度不一，如果插入一本书超出书架，就要扩大空间并重新放后面的书。耗时up。

背景如下：我们有一个问题工单，要经过很多状态的流转实现工单的完成，在初期可以简单使用if-else去实现，但是基于一个扩展性而言，后续肯定要通过其他手段来实现工单的流转，避免硬编码以及性能上这些方面的问题。

自主做事、能交互、能响应变化、能学新东西。比如生活助手Agent，能看到你的日程（感知）、自己规划行程（决策）、帮你订车票（干活），还能根据你的喜好调整推荐（学习）。1986年：Minsky在《思维的社会》中首次提出Agent概念，奠定理论基础；1995年：Wooldridge提出Agent的弱/强定义，明确“自主感知与执行”的核心特征；2010年代：基于规则的Deliberative架构主导，如

OptaPlanner是轻量级、可嵌入的Java开源规划引擎（AI约束求解器），核心作用是：在满足一系列约束条件的前提下，对复杂问题找到“相对最优解”。用大白话解释：就像你请了一个“智能规划助手”，你把所有限制条件（比如“老师A周三下午不能上课”“房间B只能上理科课”）和优化目标（比如“尽量让老师连堂”“减少学生换教室的次数”）告诉它，它就会在合理时间内给出一份最符合要求的安排，不用你手动一点点试

调整垃圾回收器参数：例如调整新生代与老年代的比例（-XX:NewRatio），调整Survivor区比例（-XX:SurvivorRatio）。现象：线程状态可能显示为 BLOCKED 或 WAITING（等待锁），CPU高是因为线程在用户态和内核态间频繁切换，试图获取锁。分析GC日志：使用工具（如GCeasy、GCE Viewer）分析，判断是Young GC过于频繁还是Full GC。此时需要

僵尸进程: 子进程终止，但是父进程还在执行，父进程没调用wait（）/ waitpid（）等系统调用来获取子进程的状态信息，释放子进程占用资源，导致子进程的PCB依然在系统中。出现的原因可能是子进程直接通过exit()进行结束进程生命，进程会释放全部资源但PCB依然在系统中。这种情况下子进程称为僵尸进程孤儿进程：一个进程的父进程已终止或不存在，但是进程依然在运行，这种情况下的进程就是孤儿进程。如果