摘星._社区达人页

2025年09月

• 09.02 09:46:38
  发表了文章 2025-09-02 09:46:38

  飞算JavaAI炫技赛：电商系统商品管理模块设计与实现

  商品基本信息管理： 构建一套完善的商品信息录入与维护体系，支持商家通过可视化界面轻松管理商品的名称、描述、价格、规格等核心信息。系统应提供富文本编辑器用于商品详情编写，支持多张高清图片批量上传与管理，并具备商品信息的版本控制功能，确保每次修改都有完整的历史记录可追溯。 智能分类体系管理： 打造层次分明、逻辑清晰的多级商品分类架构，如同为数字化商场构建科学合理的导购系统。支持无限层级的分类嵌套，提供拖拽式分类编辑器，并能够为不同分类定制专属的属性模板，让商品归类变得既高效又精准，大幅提升用户的商品查找体验。 动态库存监控预警： 实现毫秒级的库存数据同步与监控，如同为商品配备24小时不间断的"数字

  

2025年08月

• 08.01 09:52:02
  发表了文章 2025-08-01 09:52:02

  智能体的未来：AGI路径上的关键技术突破

  作为一名长期关注人工智能发展的技术博主摘星，我深刻感受到当前AI领域正处于一个前所未有的变革时期。从ChatGPT的横空出世到各类智能体（Intelligent Agents）的蓬勃发展，我们正站在通用人工智能（AGI, Artificial General Intelligence）的门槛上。在过去的几年里，我见证了AI技术从单一任务的专用系统向多模态、多任务的智能体系统演进，这种演进不仅仅是技术层面的突破，更是对人工智能本质理解的深化。智能体作为AGI实现的重要载体，其发展轨迹清晰地勾勒出了通向AGI的技术路径。当前的技术局限性主要体现在推理能力的不足、知识整合的困难、以及缺乏真正的自主学

  
• 08.01 09:51:24
  发表了文章 2025-08-01 09:51:24

  从O(n²)到O(n log n)：深度剖析快速排序的内存优化与cache-friendly实现 🌟 Hello，我是摘星！

  作为一名深耕算法优化领域多年的技术工程师，我见证了无数次关于排序算法性能讨论的激烈辩论，而快速排序（QuickSort）始终以其卓越的实践表现占据着核心地位。今天我想和大家深入探讨的，不仅仅是快速排序的基础实现，更是如何通过精妙的内存优化策略，将其从理论上的O(n²)最坏时间复杂度，提升到实际应用中稳定的O(n log n)性能表现，并实现真正的cache-friendly设计。在我的实践经验中，许多开发者对快速排序的理解还停留在基础的递归实现层面，而忽略了现代计算机体系结构下内存层次结构对算法性能的深刻影响。本文将系统地分析快速排序在内存访问模式、缓存局部性、尾递归优化等方面的核心技术要点，

  

2025年07月

• 07.31 09:22:52
  发表了文章 2025-07-31 09:22:52

  零基础构建MCP服务器：TypeScript/Python双语言实战指南

  作为一名深耕技术领域多年的博主摘星，我深刻感受到了MCP（Model Context Protocol）协议在AI生态系统中的革命性意义。MCP作为Anthropic推出的开放标准，正在重新定义AI应用与外部系统的交互方式，它不仅解决了传统API集成的复杂性问题，更为开发者提供了一个统一、安全、高效的连接框架。在过去几个月的实践中，我发现许多开发者对MCP的概念理解透彻，但在实际动手构建MCP服务器时却遇到了各种技术壁垒。从环境配置的细节问题到SDK API的深度理解，从第一个Hello World程序的调试到生产环境的部署优化，每一个环节都可能成为初学者的绊脚石。因此，我决定撰写这篇全面的实

  
• 07.30 09:17:48
  发表了文章 2025-07-30 09:17:48

  MCP提示词工程：上下文注入的艺术与科学

  作为一名深耕AI技术领域多年的技术博主摘星，我深刻认识到提示词工程（Prompt Engineering）在现代AI系统中的核心地位，特别是在Model Context Protocol（MCP）框架下，提示词工程已经演进为一门融合艺术直觉与科学严谨的综合性学科。在我多年的实践经验中，我发现MCP不仅仅是一个简单的协议标准，更是一个革命性的上下文管理平台，它通过精密的提示词机制和动态上下文注入技术，彻底改变了AI系统与外部资源的交互方式。本文将深入探讨MCP中提示词的作用机制，从底层协议设计到高层应用策略，全面剖析动态提示词生成与模板化的技术实现，详细阐述上下文长度优化与截断策略的核心算法，并

  
• 07.29 09:58:10
  发表了文章 2025-07-29 09:58:10

  智能体安全与可信AI：防护机制与伦理考量

  作为一名长期专注于人工智能安全领域的技术博主"摘星"，我深刻认识到随着智能体（AI Agent）技术的快速发展和广泛应用，其安全性和可信度已成为当前AI领域最为关键的挑战之一。在过去几年的研究和实践中，我见证了从简单的规则基础智能体到复杂的大语言模型驱动智能体的演进历程，同时也观察到了伴随而来的各种安全威胁和伦理问题。智能体系统不仅面临着传统网络安全中的攻击威胁，还要应对AI特有的对抗攻击、数据投毒、模型窃取等新型安全挑战。更为复杂的是，智能体的自主决策能力使其在执行任务时可能产生意想不到的行为，这不仅涉及技术层面的安全防护，更触及了AI伦理、责任归属、隐私保护等深层次问题。本文将从智能体安全
• 07.28 09:24:04
  发表了文章 2025-07-28 09:24:04

  MCP资源管理深度实践：动态数据源集成方案

  作为一名深耕AI技术领域多年的开发者，我见证了从传统API集成到现代化协议标准的演进历程。今天要和大家分享的MCP（Model Context Protocol）资源管理实践，是我在实际项目中积累的宝贵经验。MCP作为Anthropic推出的革命性AI连接标准，其资源管理机制为我们提供了前所未有的灵活性和扩展性。在过去的几个月里，我深度参与了多个企业级MCP项目的架构设计和实施，从最初的概念验证到生产环境的大规模部署，每一个环节都让我对MCP资源管理有了更深刻的理解。本文将从资源生命周期管理的角度出发，详细探讨文件系统、数据库、API等多种数据源的适配策略，深入分析实时数据更新与缓存的最佳实践
• 07.27 13:12:40
  发表了文章 2025-07-27 13:12:40

  多智能体系统设计：协作、竞争与涌现行为

  作为一名长期专注于分布式系统和人工智能领域的技术博主，我深深被多智能体系统（Multi-Agent Systems, MAS）的复杂性和优雅性所吸引。在过去几年的研究和实践中，我见证了多智能体系统从理论概念逐步走向实际应用的转变过程。多智能体系统不仅仅是简单的分布式计算模型，它更像是一个微观社会，其中每个智能体都具有自主性、反应性和社会性。这些智能体通过复杂的交互模式，展现出了令人惊叹的集体智能现象。从最初的简单协作模式，到复杂的竞争博弈，再到最终涌现出的群体智慧，多智能体系统为我们提供了一个全新的视角来理解和设计复杂系统。在本文中，我将从架构设计原则出发，深入探讨通信协议的设计要点，分析冲突

  
• 07.26 12:22:00
  发表了文章 2025-07-26 12:22:00

  MCP协议深度解析：客户端-服务器架构的技术创新

  作为一名长期关注AI技术发展的博主摘星，我深刻感受到了MCP（Model Context Protocol）协议在AI生态系统中的革命性意义。MCP协议作为Anthropic公司推出的开放标准，正在重新定义AI应用与外部系统的交互方式，其基于JSON-RPC 2.0的通信机制为构建可扩展、安全的AI应用提供了坚实的技术基础。在深入研究MCP协议规范的过程中，我发现这一协议不仅解决了传统AI应用在资源访问、工具调用和上下文管理方面的痛点，更通过其独特的三大核心概念——资源（Resources）、工具（Tools）、提示词（Prompts）——构建了一个完整的AI应用生态系统。MCP协议的客户端-

  
• 07.25 09:47:19
  发表了文章 2025-07-25 09:47:19

  MCP工具开发实战：打造智能体的"超能力"

  作为一名深耕AI技术领域多年的博主摘星，我深刻认识到工具（Tools）在现代智能体系统中的核心地位。在Anthropic推出的Model Context Protocol（MCP）框架下，工具不再是简单的功能模块，而是赋予AI智能体真正"超能力"的关键组件。通过深入研究MCP工具开发的各个层面，我发现这一技术正在重新定义人机交互的边界。MCP工具开发不仅仅是编写几个函数那么简单，它涉及复杂的参数验证机制、精密的错误处理策略、高效的异步调用模式，以及优雅的工具组合设计。在实际项目中，我见证了许多开发者因为缺乏对MCP工具设计原则的深入理解，导致开发出的工具要么性能低下，要么稳定性差，要么无法与其

  
• 07.24 09:50:35
  发表了文章 2025-07-24 09:50:35

  边缘智能体：轻量化部署与离线运行

  作为一名深耕AI技术多年的博主摘星，我深刻感受到边缘计算与人工智能融合所带来的技术革命。在云计算主导的时代，我们习惯了将复杂的AI推理任务交给强大的云端服务器处理，但随着物联网设备的爆发式增长、5G网络的普及以及对实时性要求的不断提升，边缘智能体(Edge Intelligent Agents)正成为AI技术发展的新趋势。边缘智能体不仅要求在资源受限的边缘设备上高效运行，还需要具备离线推理能力，这对传统的AI部署模式提出了全新的挑战。在我多年的实践中，我发现边缘智能体的核心价值在于将智能决策能力下沉到数据产生的源头，通过模型压缩、量化优化、离线推理等技术手段，实现低延迟、高可靠、隐私保护的智能
• 07.23 09:27:22
  发表了文章 2025-07-23 09:27:22

  MCP与企业数据集成：ERP、CRM、数据仓库的统一接入

  作为一名深耕企业级系统集成领域多年的技术博主"摘星"，我深刻认识到现代企业面临的数据孤岛问题日益严重。随着企业数字化转型的深入推进，各类业务系统如ERP（Enterprise Resource Planning，企业资源规划）、CRM（Customer Relationship Management，客户关系管理）、数据仓库等系统的数据互联互通需求愈发迫切。传统的点对点集成方式不仅开发成本高昂，维护复杂度也呈指数级增长，更重要的是难以满足实时性和一致性要求。Anthropic推出的MCP（Model Context Protocol，模型上下文协议）为这一痛点提供了革命性的解决方案。MCP通过
• 07.22 10:04:08
  发表了文章 2025-07-22 10:04:08

  MCP vs 传统集成方案：REST API、GraphQL、gRPC的终极对比

  作为一名长期关注AI技术发展的博主摘星，我深刻感受到了当前AI应用集成领域正在经历的巨大变革。随着Anthropic推出的Model Context Protocol（MCP，模型上下文协议）逐渐成熟，我们不得不重新审视传统的系统集成方案。在过去的几年中，REST API凭借其简单易用的特性成为了Web服务的标准选择，GraphQL以其灵活的数据查询能力赢得了前端开发者的青睐，而gRPC则以其高性能的特点在微服务架构中占据了重要地位。然而，当我们将视角转向AI应用场景时，这些传统方案都暴露出了一些局限性：REST API的静态接口设计难以适应AI模型的动态需求，GraphQL的复杂查询机制在处

  
• 07.21 10:16:56
  发表了文章 2025-07-21 10:16:56

  智能体性能优化：延迟、吞吐量与成本控制

  作为一名深耕AI领域多年的技术博主摘星，我深刻认识到智能体（AI Agent）性能优化在当今人工智能应用中的关键地位。随着大语言模型和智能体技术的快速发展，如何在保证服务质量的前提下优化系统性能、控制运营成本，已成为每个AI从业者必须面对的核心挑战。在我多年的实践经验中，我发现许多团队在部署智能体系统时往往只关注功能实现，而忽视了性能优化的重要性，导致系统在高并发场景下响应缓慢、成本居高不下，最终影响用户体验和商业价值。本文将从性能瓶颈识别与分析、模型推理优化技术、缓存策略与并发处理、成本效益分析与优化四个维度，系统性地探讨智能体性能优化的核心技术和最佳实践。通过深入分析延迟（Latency）

  
• 07.20 12:45:36
  发表了文章 2025-07-20 12:45:36

  数据分析智能体：让AI成为你的数据科学家

  作为一名在数据科学领域深耕多年的技术博主，我深刻感受到了AI技术在数据分析领域的革命性变化。从最初的手工编写SQL查询、绘制图表，到如今AI智能体能够自主完成复杂的数据探索、建模和洞察提取，这种转变不仅仅是技术进步，更是数据科学工作范式的根本性变革。 数据分析智能体（Data Analysis Agent）代表了数据科学发展的新阶段，它将传统的数据分析师、统计学家和机器学习工程师的核心能力集成到一个智能系统中。这个系统不仅能够理解业务需求，自动执行数据预处理，还能够选择合适的分析方法、构建预测模型，并生成易于理解的洞察报告。
• 07.20 12:42:33
  发表了文章 2025-07-20 12:42:33

  内容创作智能体：多模态内容生成的完整解决方案

  大家好，我是摘星，一名专注于AI内容创作和多模态技术领域的技术博客创作者。在过去的几年里，我见证了人工智能在内容创作领域的飞速发展，从最初的文本生成到如今的多模态内容创作，这个领域正在经历一场前所未有的技术革命。 当前，多模态内容创作技术已经从实验室走向了商业应用的前沿。大语言模型(Large Language Model, LLM)如GPT-4、Claude等在文本生成方面展现出了惊人的能力；扩散模型(Diffusion Model)如Stable Diffusion、DALL-E在图像生成领域取得了突破性进展；而视频生成技术如Sora、Runway ML也开始展现出商业化的潜力。然而，真正

  
• 07.18 09:42:04
  发表了文章 2025-07-18 09:42:04

  代码生成智能体实战：打造程序员的AI编程助手

  作为一名深耕AI编程领域多年的技术从业者，我见证了代码生成技术从最初的模板化生成到如今基于大语言模型的智能化代码生成的完整演进过程。在过去的三年里，我参与了多个企业级代码生成智能体（Code Generation Agent）项目的设计与实现，从最初简单的语法补全工具，到现在能够理解复杂业务逻辑并生成高质量代码的AI编程助手，这一技术的发展速度令人惊叹。

  
• 07.18 09:41:30
  发表了文章 2025-07-18 09:41:30

  构建智能客服Agent：从需求分析到生产部署

  本文将结合我在多个智能客服项目中的实践经验，从需求分析、系统设计、核心算法实现到生产部署的完整技术链路进行深度剖析。文章重点关注客服场景的需求建模、多轮对话的上下文维护、知识库的动态集成以及人机协作的智能切换机制。通过详实的代码实现、丰富的技术图表和量化的性能评测，帮助读者构建一个真正适用于生产环境的智能客服Agent系统。这套技术方案已在多家大型企业成功落地，处理日均对话量超过10万次，为企业节省人力成本60%以上。
• 07.17 09:28:20
  发表了文章 2025-07-17 09:28:20

  CrewAI与LangGraph：下一代智能体编排平台深度测评

  在过去的一年里，我深度研究了多种智能体编排平台的技术演进，见证了从单一智能体应用向多智能体协作系统的转变。随着大语言模型能力的不断提升，**智能体编排(Agent Orchestration)**已成为构建复杂AI系统的核心技术。在众多新兴框架中，CrewAI以其直观的团队协作模式和LangGraph以其强大的状态图编排能力，代表了两种截然不同的技术路径。 CrewAI采用**代码优先(Code-First)的编排方式，将智能体建模为具有特定角色和目标的团队成员；而LangGraph则提供可视化编排(Visual Orchestration)**能力，通过状态图来管理复杂的工作流程。这两种平台

  
• 07.16 09:35:21
  发表了文章 2025-07-16 09:35:21

  微软AutoGen：多智能体协作的工业级解决方案

  作为一名长期关注AI技术发展的开发者，我深深被微软AutoGen框架所展现的多智能体协作能力所震撼。在当今企业数字化转型的浪潮中，单一AI模型已难以满足复杂业务场景的需求，而AutoGen框架的出现为我们提供了一个革命性的解决方案。它不仅突破了传统单体AI的局限性，更通过其独特的多智能体协作机制，实现了真正意义上的"AI团队协作"。经过深入研究和实践，我发现AutoGen在智能体角色定义、通信协议设计、任务协调机制等方面都展现出了工业级的成熟度。特别是其对话驱动的编程范式和灵活的工作流编排能力，为企业级AI应用开发带来了前所未有的便利性和可扩展性。本文将从技术架构、实现原理到企业应用等多个维度

  
• 07.15 09:29:00
  发表了文章 2025-07-15 09:29:00

  AutoGPT vs BabyAGI：自主任务执行框架对比与选型深度分析

  在众多涌现的自主代理框架中，AutoGPT和BabyAGI无疑是最具代表性的两个项目。AutoGPT凭借其强大的任务分解能力和丰富的工具集成，在GitHub上获得了超过150k的星标；而BabyAGI则以其简洁优雅的架构设计和高效的任务执行循环，成为了许多开发者的首选框架。这两个项目的出现，标志着AI自主代理技术从理论研究走向了工程实践的重要转折点。

  
• 07.14 11:07:04
  发表了文章 2025-07-14 11:07:04

  智能体决策机制深度剖析：ReAct、Plan-and-Execute与自适应策略

  作为一名深耕人工智能领域多年的技术研究者，我深深感受到智能体(Agent)技术正在成为AI发展的关键转折点。从早期基于规则的专家系统，到如今融合大语言模型的智能代理，我们见证了决策机制从简单条件判断向复杂推理规划的演进历程。 在我的研究实践中，智能体决策机制的核心挑战始终围绕着如何在动态环境中做出最优决策。传统的决策树和状态机虽然逻辑清晰，但面对复杂多变的现实场景时显得力不从心。而随着GPT-4、Claude等大语言模型的兴起，我们迎来了前所未有的机遇——通过自然语言推理和规划，智能体可以展现出接近人类水平的决策能力。 当前主流的决策框架中，ReAct(Reasoning and Acting

  
• 07.13 02:23:25
  发表了文章 2025-07-13 02:23:25

  多模态数据处理新趋势：阿里云ODPS技术栈深度解析与未来展望

  阿里云ODPS技术栈通过MaxCompute、Object Table与MaxFrame等核心组件，实现了多模态数据的高效处理与智能分析。该架构支持结构化与非结构化数据的统一管理，并深度融合AI能力，显著降低了分布式计算门槛，推动企业数字化转型。未来，其在智慧城市、数字医疗、智能制造等领域具有广泛应用前景。

  

2025年05月

• 05.20 14:41:27
  发表了文章 2025-05-20 14:41:27

  SpringBoot快速搭建TCP服务端和客户端

  由于工作需要,研究了SpringBoot搭建TCP通信的过程,对于工程需要的小伙伴,只是想快速搭建一个可用的服务.其他的教程看了许多,感觉讲得太复杂,很容易弄乱,这里我只讲效率,展示快速搭建过程。
• 05.20 14:40:58
  发表了文章 2025-05-20 14:40:58

  SpringBoot快速搭建WebSocket服务端和客户端

  由于工作需要,研究了SpringBoot搭建WebSocket双向通信的过程,其他的教程看了许多,感觉讲得太复杂,很容易弄乱,这里我只展示快速搭建过程。
• 05.20 14:40:24
  发表了文章 2025-05-20 14:40:24

  深入理解JVM,包含字节码文件,内存结构,垃圾回收,类的声明周期,类加载器

  JVM全称是Java Virtual Machine-Java虚拟机JVM作用:本质上是一个运行在计算机上的程序,职责是运行Java字节码文件,编译为机器码交由计算机运行类的生命周期概述:类的生命周期描述了一个类加载,使用,卸载的整个过类的生命周期阶段:类的声明周期主要分为五个阶段:加载->连接->初始化->使用->卸载,其中连接中分为三个小阶段验证->准备->解析类加载器的定义:JVM提供类加载器给Java程序去获取类和接口字节码数据类加载器的作用:类加载器接受字节码文件。
• 05.20 14:39:30
  发表了文章 2025-05-20 14:39:30

  Linux多节点多硬盘部署MinIO：分布式MinIO集群部署指南搭建高可用架构实践

  通过以上步骤，已成功基于已有的 MinIO 服务，扩展为一个 MinIO 集群。该集群具有高可用性和容错性，适合生产环境使用。如果有任何问题，请检查日志或参考MinIO 官方文档。作者联系方式vx：2743642415。
• 05.20 14:39:06
  发表了文章 2025-05-20 14:39:06

  Elasticsearch(es)在Windows系统上的安装与部署(含Kibana)

  Kibana 是 Elastic Stack（原 ELK Stack）中的核心数据可视化工具，主要与 Elasticsearch 配合使用，提供强大的数据探索、分析和展示功能。elasticsearch安装在windows上一般是zip文件，解压到对应目录。文件，elasticsearch8.x以上版本是自动开启安全认证的。kibana安装在windows上一般是zip文件，解压到对应目录。elasticsearch的默认端口是9200，访问。默认用户是elastic，密码需要重置。
• 05.20 14:38:15
  发表了文章 2025-05-20 14:38:15

  《Nginx反向代理MinIO集群全实战：负载均衡配置、SELinux安全策略与生产环境调优指南》

  SELinux（Security-Enhanced Linux） 是 Linux 内核的一个安全模块，用于提供强制访问控制（MAC, Mandatory Access Control），比传统的 Linux 文件权限（DAC, Discretionary Access Control）更严格。用执行命令时不受SELinux的限制，但Nginx Worker 进程：以。在一台新的虚拟机或现有虚拟机上安装 Nginx，这里使用。），确认请求被正确转发到 MinIO 集群。编辑 Nginx 配置文件。
• 05.20 14:37:56
  发表了文章 2025-05-20 14:37:56

  JVM深入原理(一+二)：JVM概述和JVM功能

  JVM全称是Java Virtual Machine-Java虚拟机JVM作用:本质上是一个运行在计算机上的程序,职责是运行Java字节码文件,编译为机器码交由计算机运行。
• 05.20 14:37:35
  发表了文章 2025-05-20 14:37:35

  JVM深入原理(三+四):JVM组成和JVM字节码文件

  目录3. JVM组成3.1. 组成-运行时数据区3.2. 组成-类加载器3.3. 组成-执行引擎3.4. 组成-本地接口4. JVM字节码文件4.1. 字节码文件-组成4.1.1. 组成-基础信息4.1.1.1. 基础信息-魔数4.1.1.2. 基础信息-主副版本号4.1.2. 组成-常量池4.1.3. 组成-方法4.1.3.1. 方法-工作流程4.1.4. 组成-字段4.1.5. 组成-属性4.2. 字节码文件-查看工具4.2.1. javap4.2.2. jclasslib4.2.3. 阿里Arthas
• 05.20 14:37:14
  发表了文章 2025-05-20 14:37:14

  JVM深入原理(五):JVM组成和JVM字节码文件

  类的生命周期概述:类的生命周期描述了一个类加载,使用,卸载的整个过类的生命周期阶段:类的声明周期主要分为五个阶段:加载->连接->初始化->使用->卸载,其中连接中分为三个小阶段验证->准备->解析。
• 05.20 14:36:52
  发表了文章 2025-05-20 14:36:52

  SpringBoot × MinIO 极速开发指南：对象存储服务高可用实战

  生成临时访问URL接口和文件预览其实是同一个方法，只是文件预览内定了七天访问，而这个方法可以自行制定，单位是秒。方法，所以返回的是地址信息，但是可以通过dubug看到Bucket中的属性，确实是当前所有桶信息。配置类中奖MinIOClient客户端注入到Springboot中。MinIO集群的在Linux上的部署可以参考：​​​​​​​。Nginx代理MinIO集群可以参考：​​​​​​​。从Bucket源码可以看出，并没有实现。
• 05.20 14:36:15
  发表了文章 2025-05-20 14:36:15

  JVM深入原理(六)(一):JVM类加载器

  目录6. JVM类加载器6.1. 类加载器-概述6.2. 类加载器-执行流程6.3. 类加载器-分类(JDK8)6.3.1. JVM底层实现的类加载器6.3.1.1. 启动类加载器6.3.2. Java代码实现类的加载器6.3.2.1. 扩展类加载器6.3.2.2. 应用程序类加载器6.4. 类加载器-Arthas查看类加载器
• 05.20 14:35:53
  发表了文章 2025-05-20 14:35:53

  JVM深入原理(六)(二):双亲委派机制

  自定义类加载器打破双亲委派机制的方法:复写ClassLoader中的loadClass方法常见问题:要加载的类名如果是以java.开头,则会抛出安全性异常加载自定义的类都会有一个共同的父类Object,需要在代码中交由父类加载器去加载自定义类加载器不手动指定parent会默认指定应用类加载两个自定义类加载器加载同一个类会被认为是两个对象,只有相同的类加载器+想通的类限定名才会被认为是一个对象。
• 05.20 14:34:59
  发表了文章 2025-05-20 14:34:59

  JVM深入原理(七)(一):运行时数据区

  栈的介绍:Java虚拟机栈采用栈的数据结构来管理方法调用中的基本数据,先进后出,每一个方法的调用使用一个栈帧来保存栈的组成:栈:一个线程运行所需要的内存空间,一个栈由多个栈帧组成栈帧:一个方法运行所需要的内存空间活动栈帧:一个线程中只能有一个活动栈帧栈的生命周期:栈随着线程的创建而创建,而回收会在线程销毁时进行栈的执行流程:栈帧压入栈内执行方法执行完毕释放内存若方法间存在调用,那么会压入被调用方法入栈,执行完后释放内存,再执行当前方法,直到执行完毕,释放所有内存。
• 05.20 14:34:39
  发表了文章 2025-05-20 14:34:39

  JVM深入原理(七)(二):运行时数据区

  堆的作用:存放对象的内存空间,它是空间最大的一块内存区域.栈上的局部变量表中，可以存放堆上对象的引用。静态变量也可以存放堆对象的引用，通过静态变量就可以实现对象在线程之间共享。堆的特点:线程共享:堆中的对象都需要考虑线程安全的问题垃圾回收:堆有垃圾回收机制,不再引用的对象就会被回收方法区的概述:方法区是存放基础信息的位置,线程共享,主要包括:类的元信息:保存了所有类的基本信息运行时常量池:保存了字节码文件中的常量池内容静态常量池:字节码文件通过编号查表的方式找到常量。
• 05.20 14:34:11
  发表了文章 2025-05-20 14:34:11

  JVM深入原理(八)(一):垃圾回收

  弱引用-作用:JVM中使用WeakReference对象来实现软引用,一般在ThreadLocal中,当进行垃圾回收时,被弱引用对象引用的对象就直接被回收.软引用-作用:JVM中使用SoftReference对象来实现软引用,一般在缓存中使用,当程序内存不足时,被引用的对象就会被回收.强引用-作用:可达性算法描述的根对象引用普通对象的引用,指的就是强引用,只要有这层关系存在,被引用的对象就会不被垃圾回收。引用计数法-缺点:如果两个对象循环引用,而又没有其他的对象来引用它们,这样就造成垃圾堆积。
• 05.20 14:33:51
  发表了文章 2025-05-20 14:33:51

  JVM深入原理(八)(二):垃圾回收

  Java垃圾回收过程会通过单独的GC线程来完成，但是不管使用哪一种GC算法，都会有部分阶段需要停止所有的用户线程。这个过程被称之为StopTheWorld简称STW，如果STW时间过长则会影响用户的使用。一般来说,堆内存越大,最大STW就越长,想减少最大STW,就会减少吞吐量,不同的GC算法适用于不同的场景。分代回收算法将整个堆中的区域划分为新生代和老年代。--超过新生代大小的大对象会直接晋升到老年代。
• 05.20 14:33:29
  发表了文章 2025-05-20 14:33:29

  【高薪程序员必看】万字长文拆解Java并发编程！(1)

  📌 核心痛点暴击：1️⃣ 面了8家都被问synchronized锁升级？一张图看懂偏向锁→重量级锁全过程！2️⃣ 线程池参数不会配？高并发场景下这些参数调优救了项目组命！3️⃣ volatile双重检测单例模式到底安不安全？99%人踩过的内存可见性大坑！💡 独家亮点抢先看：✅ 图解JVM内存模型（JMM）三大特性，看完再也不怕指令重排序✅ 手撕ReentrantLock源码，AQS队列同步器实现原理大揭秘✅ 全网最细线程状态转换图（附6种状态转换触发条件表）
• 05.20 14:30:50
  发表了文章 2025-05-20 14:30:50

  【高薪程序员必看】万字长文拆解Java并发编程！(2 2-1)

  🔥【高薪程序员必看】万字长文拆解Java并发编程！面试官看了直呼内行，90%人不知道的线程安全骚操作！💻🚀《16个高频面试灵魂拷问+底层源码暴击》🔥👉戳这里看如何用1个月经验吊打3年程序员！📌 核心痛点暴击：1️⃣ 面了8家都被问synchronized锁升级？一张图看懂偏向锁→重量级锁全过程！2️⃣ 线程池参数不会配？高并发场景下这些参数调优救了项目组命！3️⃣ volatile双重检测单例模式到底安不安全？99%人踩过的内存可见性大坑！
• 05.20 14:30:25
  发表了文章 2025-05-20 14:30:25

  【高薪程序员必看】万字长文拆解Java并发编程！(2 2-2)

  📌 核心痛点暴击：1️⃣ 面了8家都被问synchronized锁升级？一张图看懂偏向锁→重量级锁全过程！2️⃣ 线程池参数不会配？高并发场景下这些参数调优救了项目组命！3️⃣ volatile双重检测单例模式到底安不安全？99%人踩过的内存可见性大坑！💡 独家亮点抢先看：✅ 图解JVM内存模型（JMM）三大特性，看完再也不怕指令重排序✅ 手撕ReentrantLock源码，AQS队列同步器实现原理大揭秘✅ 全网最细线程状态转换图（附6种状态转换触发条件表）
• 05.20 14:30:06
  发表了文章 2025-05-20 14:30:06

  【高薪程序员必看】万字长文拆解Java并发编程！(3-1)：并发共享问题的解决与分析

  活锁：多个线程相互影响对方退出同步代码块的条件而导致线程一直运行的情况。例如，线程1的退出条件是count=5，而线程2和线程3在其代码块中不断地是count进行自增自减的操作，导致线程1永远运行。内存一致性问题:由于JIT即时编译器对缓存的优化和指令重排等造成的内存可见性和有序性问题,可以通过synchronized,volatile,并发集合类等机制来解决。这里的线程安全是指,多个线程调用它们同一个实例的方法时,是线程安全的,但仅仅能保证当前调用的方法是线程安全的,不同方法之间是线程不安全的。
• 05.20 14:29:21
  发表了文章 2025-05-20 14:29:21

  【高薪程序员必看】万字长文拆解Java并发编程！(3-2)：并发共享问题的解决与分析

  wait方法和notify方法都是Object类的方法:让当前获取锁的线程进入waiting状态,并进入waitlist队列:让当前获取锁的线程进入waiting状态,并进入waitlist队列,等待n秒后自动唤醒:在waitlist队列中挑一个线程唤醒:唤醒所有在waitlist队列中的线程它们都是之间协作的手段,只有拥有对象锁的线程才能调用这些方法,否则会出现IllegalMonitorStateException异常park方法和unpark方法是LockSupport类中的方法。
• 05.20 14:29:04
  发表了文章 2025-05-20 14:29:04

  【高薪程序员必看】万字长文拆解Java并发编程！(4-1)：悲观锁底层原理与性能优化实战

  目录4. JVM字节码文件4.1. 字节码文件-组成4.1.1. 组成-基础信息4.1.1.1. 基础信息-魔数4.1.1.2. 基础信息-主副版本号4.1.2. 组成-常量池4.1.3. 组成-方法4.1.3.1. 方法-工作流程4.1.4. 组成-字段4.1.5. 组成-属性4.2. 字节码文件-查看工具4.2.1. javap4.2.2. jclasslib4.2.3. 阿里Arthas
• 05.20 14:28:41
  发表了文章 2025-05-20 14:28:41

  技术优化实战解析：Stream重构与STAR法则应用指南

  很多小伙伴看到这样的代码都会嗤之以鼻："就这？我闭着眼睛都写不出这么低级的代码！" 但请先别急，这样的代码在传统企业中随处可见。例："校验耗时从120ms降至45ms（提速62.5%），支撑百万级文物数据实时分析"某十年陈酿系统核心代码（保护当事人已做脱敏处理）将对象流转换为数值流，为每个有效字段映射为1。10个if结构完全一致，仅字段不同。优于count()的明确语义表达。新增字段需修改N处，漏改风险高。进行谓词判断，过滤非空字段。延迟执行，无中间集合生成。无法动态配置校验字段。聚合统计有效字段总数。