每日必会3

简介: 熟悉Docker部署,掌握docker run、Dockerfile、docker-compose等;熟练使用镜像与容器相关命令。Linux常用命令如ls、cd、grep、ps、top、chmod、find、ssh等操作熟练,查日志常用cat、grep、vim及管道组合。了解SpringMVC执行流程、设计模式与常用注解。

Docker部署会吗?
会的面试官,这些在我最近的项目里面都有接触。如果是简单的部署可以借助于docker run来实现,如果是集群部署我们会编写dockerfile和dockercompose部署
你用过的Docker指令
镜像相关的docker pull和docker push,docker images,还有docker rmi;还有容器相关的docker run,docker start、docker stop,进入容器的docker exec -it 容器名称 bash,查看日志的docker logs。
常见的Linux指令
能记多少记多少,重点加粗必会
这个有点多了面试官,我说几个印象中的吧
ls:列出当前目录下的文件和子目录
cd:切换当前工作目录
mkdir:创建新的目录
rm:删除文件或目录
cp:复制文件或目录
mv:移动文件或目录
cat:查看文件内容
grep:在文件中查找指定的文本
ps:显示当前运行的进程
top:显示系统资源占用情况
chmod:修改文件或目录的权限
chown:修改文件或目录的所有者
tar:打包和解压文件
find:查找文件
ssh:远程登录到另一台机器
scp:在本地和远程主机之间复制文件
wget:下载文件
ping:测试网络连接
ifconfig:查看和配置网络接口信息
systemctl:管理系统服务
去Linux查看日志会用到哪些命令
日志比较少,就vim,但是有一些生产环境不给vim权限
这种情况、或者日志很大就会用cat+grep一起,命令是:cat info.log | grep '关键字'
理论专项
SpringMVC
执行流程
设计模式
常用注解

相关文章
|
9月前
|
人工智能 自然语言处理 API
全面认识MCP:大模型连接真实世界的“USB-C接口”
MCP(模型上下文协议)是AI时代的“万能接口”,由Anthropic提出,旨在统一大模型与工具、数据源的连接标准。它简化集成、提升任务处理能力,支持多步流程与安全合规,推动AI智能体从对话走向行动,正重塑全球AI应用生态。
|
9月前
|
消息中间件 人工智能 决策智能
AgentScope x RocketMQ:构建多智能体应用组合
AgentScope是阿里巴巴推出的开发者友好型多智能体框架,支持模块化、可定制的智能体应用开发。通过集成RocketMQ,实现高效可靠的A2A通信,助力构建如“智能旅行助手”等复杂协作场景,提升开发透明度与运行时可控性。(238字)
|
9月前
|
消息中间件 人工智能 Linux
基于 RocketMQ 构建 高可靠 A2A 通信通道
A2A协议由Google发起,旨在实现跨厂商AI智能体的标准化通信。通过RocketMQ异步支持,提供高可靠、开箱即用的多智能体协同方案,助力构建开放、可扩展的智能体生态体系。
|
9月前
|
XML 算法 安全
详解RAG五种分块策略,技术原理、优劣对比与场景选型之道
RAG通过检索与生成结合,提升大模型在企业场景的准确性与安全性。分块策略是其核心,直接影响检索效果与回答质量。本文系统解析五种主流分块方法:固定大小、语义、递归、基于文档结构及LLM分块,对比其优缺点与适用场景,并提出组合优化路径,助力构建高效、可信的RAG系统。
|
9月前
|
消息中间件 人工智能 NoSQL
RocketMQ for AI:重新定义 AI 应用通信范式
RocketMQ LiteTopic 专为 AI 场景设计,支持百万级轻量队列,实现会话级私有通道与细粒度订阅。LiteConsumer 动态管理节点订阅,免依赖 Redis 与广播,简化架构。原生支持断点续传、状态恢复,保障 AI 多轮交互可靠闭环,构建高效、弹性通信模型。
|
9月前
|
人工智能 NoSQL 前端开发
面试真题
多套AI与Java面试题涵盖RAG、智能体、大模型部署、分布式系统、JVM调优、数据库设计等核心技术,深入考察项目经验、架构能力与技术深度,适用于中高级工程师岗位选拔。
|
9月前
|
人工智能 JSON 数据挖掘
大模型应用开发中MCP与Function Call的关系与区别
MCP与Function Call是大模型应用的两大关键技术。MCP为模型与外部工具提供标准化通信协议,实现跨模型、跨平台集成;Function Call则是模型调用外部函数的内置机制。前者如“蓝牙协议”,支持多设备互联,后者像“语音助手”,限于单机操作。两者在功能上互补:MCP支持工具热插拔、权限控制与远程调用,适用于企业级复杂系统;Function Call开发简单,适合快速验证单一模型能力。未来趋势将走向融合,形成“模型解析-协议传输-工具执行”的分层架构,推动AI应用生态标准化发展。
|
9月前
|
机器学习/深度学习 数据采集 人工智能
大模型训练方法与技术术语解释
预训练、微调、RLHF等技术构成大模型核心训练体系:预训练打基础,微调适配具体任务,RLHF融入人类偏好,思维链提升推理,少/零样本实现快速迁移,指令微调增强指令理解,自监督利用海量无标注数据,温度控制生成风格,蒸馏压缩模型,缩放定律指导高效扩展。
|
9月前
|
消息中间件 弹性计算 决策智能
五、实战演练:三步构建高可靠多智能体应用
本方案基于阿里云ECS与RocketMQ,构建多智能体协同系统,实现天气查询与行程规划。通过一键部署资源、创建Topic/Group、发布智能体应用三步,快速搭建支持异步通信的Agent架构。用户输入需求后,SupervisorAgent协调WeatherAgent和TravelAgent完成任务,全程可通过RocketMQ追踪消息轨迹,验证执行流程。
|
9月前
|
监控 Java 调度
XXLJob定时任务概述
定时任务指按时间表达式周期执行的任务,适用于对账、提醒、订单超时等场景。实现方式包括单体架构的轮询休眠、Timer、ScheduledExecutorService、Quartz及SpringTask;分布式架构面临重复执行、动态调整、故障转移等问题,主流方案有XXL-JOB、Elastic-Job、Saturn和ScheduleX等。