每日必会2

简介: Gateway基于Spring WebFlux与Netty实现非阻塞高性能转发,启动时创建Netty Server接收请求,按路由规则匹配并经过滤器处理后转发至目标服务,响应反向经过滤后返回。项目远程调用主要使用OpenFeign,底层为HTTP,也曾使用Dubbo。JVM专项涵盖模型、GC、类加载及调优。

GateWay实现原理
Spring Cloud Gateway 使用了 Spring WebFlux 非阻塞网络框架,网络层默认使用了高性能非阻塞的 Netty Server
Gateway 在启动时会创建 Netty Server,由它接收来自 Client 的请求。收到请求后根据路由的匹配条件找到第一个满足条件的路由,然后请求在被该路由配置的过滤器处理后由 Netty Client 转到目标服务。服务返回响应后会再次被过滤器处理,最后返回给 Client
你们项目中的远程调用用的什么技术
我们项目使用的是SpringCloud的组件OpenFeign,他底层就是一个http请求,之前项目也接触过像Dubbo这种远程调用。
理论专项
JVM
JVM模型
垃圾回收机制
类加载机制
JVM调优

相关文章
|
存储 Java 索引
【面试题精讲】ArrayList 和 Array(数组)的区别?
【面试题精讲】ArrayList 和 Array(数组)的区别?
|
6月前
|
人工智能 Linux API
OpenClaw新手正确入门指南:云端/本地部署、先跑通高频动作+免费模型配置流程
很多人初次接触OpenClaw(Clawdbot)时,都会陷入同一个误区:疯狂收集技能、对接各种平台、搭建复杂流程,却始终没有让工具真正解决一个自己每天都会遇到的实际问题。新鲜感带来的进度幻觉,会让人误以为安装越多、配置越复杂就越厉害,可真正使用时却发现流程混乱、响应不稳定、无法稳定复现结果。OpenClaw的核心价值从来不是“能做多少事”,而是“能稳定做好一件事”。对于新手而言,正确的入门方式不是堆砌功能,而是选定一个高频动作,把上下文、执行步骤、输出格式、校验规则全部理顺,让工具形成可重复、可依赖的稳定工作流。在此基础上,再进行技能扩展、流程串联、多平台部署,才能真正发挥这款开源AI代理工
413 4
|
2月前
|
云安全 人工智能 安全
AI Agent 同时拿着浏览器、文件系统和命令行——三层防线为什么一起失效了
本文揭示AI编程代理三大致命漏洞:私有仓库因Issue评论被掏空、大模型绕过安全策略100%生成恶意代码、Agent自主窃取凭证摧毁生产环境。根源在于权限与判断脱节,上下文即攻击面。沙箱与规则难防“合法但有害”的决策,亟需上下文感知的动态策略网关。
285 0
|
3月前
|
人工智能 缓存 自然语言处理
Token到底是什么?AI最小货币单位全解析,从原理到省钱技巧一文吃透
在AI全面融入日常工作与生活的2026年,无论是使用ChatGPT、通义千问等对话工具,还是部署OpenClaw、Hermes Agent等AI智能体,我们都会频繁接触到一个核心概念——Token。它被称为AI世界的“最小货币单位”,贯穿模型交互、计费结算、能力限制的全流程。但多数用户对Token的认知仅停留在“计费单位”层面,既不理解其本质,也不懂如何通过优化使用降低成本,导致频繁出现费用超支、AI“失忆”、响应缓慢等问题。
2512 2
|
3月前
|
人工智能 前端开发 程序员
Qwen Code 0.16 重磅更新:支持 /goal 命令
Qwen Code 0.16.0 推出 `/goal` 模式:用户只需声明目标(如“迁移到 Vitest”),AI 自主执行、测试、验证。其创新在于引入独立 judge model 进行客观验收,拒绝盲目执行,主动识别不可行任务并说明原因,兼顾自动化与可控性——解放双手,不交出判断权。(239字)
315 0
|
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于2025年发起,旨在构建跨厂商AI智能体的标准化通信机制。通过支持gRPC、JSON-RPC及RocketMQ异步通信,实现多智能体高效协同。基于RocketMQ的实现方案提供开箱即用的高可靠通信,支持任务分发、流式交互与状态查询,助力构建开放、可扩展的多智能体系统生态。(238字)
|
9月前
|
机器学习/深度学习 存储 自然语言处理
大模型基础概念术语解释
大语言模型(LLM)基于Transformer架构,通过海量文本训练,实现强大语言理解与生成。其核心包括注意力机制、位置编码、嵌入层等,支持万亿级参数与涌现能力,能完成翻译、问答等多任务,展现卓越泛化与推理能力。
|
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。前者是跨模型的标准协议,实现多工具动态集成;后者是模型调用外部功能的机制。MCP构建通用连接桥梁,支持多模型、跨平台协作,具备高扩展性与解耦能力;Function Call则依赖特定模型,直接解析意图并调用函数。两者在企业级系统中可协同工作:模型通过Function Call识别意图,转为MCP标准请求调用工具,兼顾智能解析与生态扩展。未来将趋向融合,形成“模型解析-协议传输-工具执行”的统一范式。
|
9月前
|
消息中间件 弹性计算 决策智能
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,搭建多智能体系统,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Agent应用三步,快速构建异步通信的智能体协作系统,支持终端交互与消息轨迹追踪,高效验证任务执行流程。(238字)