学习数据结构和算法的框架思维
本文系统梳理数据结构与算法本质，主张“一切数据结构源于数组和链表”，“所有算法皆为穷举”。强调掌握遍历与访问的底层逻辑，提炼线性与非线性遍历框架，帮助读者建立框架思维，以不变应万变，高效应对算法问题。
广告系统：广告引擎如何做到在 0.1s 内返回广告信息？
广告系统是互联网公司核心营收支柱，如Google、Facebook超80%收入来自广告。其背后依赖高性能广告引擎，实现高并发、低延迟的精准投放。本文深入解析广告引擎架构，涵盖标签检索、向量匹配、打分排序与索引优化四大关键技术，揭示如何在0.1秒内完成从请求到返回的全流程，支撑千人千面的智能广告体验。
基础算法
加密算法主要分为对称加密（如AES、SM4）、非对称加密（如RSA、SM2）、哈希摘要（如SHA-2、SM3）、电子签名和密码存储。对称加密加解密快但需保密密钥；非对称加密使用公私钥，安全性高但速度慢；哈希摘要用于验证数据完整性，具备唯一性特征，广泛应用于安全认证与数据校验场景。
双指针技巧秒杀七道数组题目
双指针技巧常用于数组和链表问题，分为左右指针和快慢指针。快慢指针多用于原地修改，如有序数组或链表去重：fast遍历，slow维护无重复部分，避免频繁数据搬移，时间复杂度低至O(N)。
哈希表核心原理
本文深入剖析哈希表底层原理，澄清常见误区：Map是接口，哈希表是实现。通过哈希函数将key映射为数组索引，实现O(1)增删查改。详解哈希冲突的两种解决方式——拉链法与开放寻址法，探讨负载因子、扩容机制及遍历顺序无序的原因。强调不可变类型作key的重要性，避免因hashCode变化导致键值对丢失。助你真正理解哈希表的工作机制。
⚡ 模型推理加速
大模型推理加速关键技术：KV-Cache减少重复计算，连续批处理提升吞吐，投机解码加快生成，结合vLLM等工具实现高效部署。面试聚焦内存优化、并行策略与延迟平衡。
🗜️ 模型压缩与量化
模型压缩通过量化、稀疏化、知识蒸馏等技术，降低大模型大小与计算开销，助力其在端侧部署。涵盖INT8/INT4、GPTQ、SmoothQuant等方法，平衡压缩比、精度与速度，并支持实战量化加载与面试高频问题解析。
10-Docker安装Redis
本文介绍Docker部署Redis单机与集群模式，涵盖配置文件映射、数据卷挂载及3主3从集群搭建。深入解析Redis集群的哈希槽分配机制，对比哈希取余、一致性哈希与哈希槽算法，详解扩容缩容操作步骤及读写重定向问题，助力构建高可用分布式缓存架构。（239字）
双指针技巧秒杀七道链表题目
本文总结单链表七大经典技巧：合并有序链表、链表分解、合并k个链表、找倒数第k个节点、找中点、判断环及环起点、判断两链表交点。核心思想均为双指针，辅以虚拟头结点、快慢指针、优先队列等技巧，高效解决链表难题，适用于算法面试常见题型。
二叉树的递归/层序遍历
本文详解二叉树的两种遍历方式：DFS（递归遍历）和BFS（层序遍历）。DFS按“左→右→回溯”顺序固定访问节点，前/中/后序区别仅在于代码执行位置；BFS借助队列逐层遍历，常用于求最短路径。不同写法适应不同需求，如记录层数、路径权重等。BFS适合找最短路径，因首次到达目标即为最优解；DFS则更擅搜索所有路径，结构天然契合路径枚举。
