大模型应用开发2-SpringAI实战
本文介绍了SpringAI框架如何整合大语言模型，并详细讲解了应用开发的关键技术。主要内容包括： 核心功能 支持OpenAI、Ollama等主流平台 封装对话模型、向量计算等功能 提供同步/异步调用方式 关键技术实现 会话记忆管理（内存/Redis） 工具调用（Function Calling） 知识增强（RAG）架构 多模态交互（文本/图像） 典型应用场景 文献阅读助手实现 智能客服系统 文档知识库问答 开发实践 配置向量数据库 处理PDF文档 实现工具调用 兼容阿里云平台 该框架显著简化了大模型应用开发
PostgreSQL数据库与PgVector向量插件基础使用
本文详细介绍了在Ubuntu系统上部署PgVector向量数据库并与SpringBoot集成的方法。主要内容包括：1) Ubuntu环境配置，包括PostgreSQL安装、PgVector插件编译和数据库设置；2) 向量数据库基础操作，如创建表、插入向量数据和相似度查询；3) SpringBoot集成方案，提供JDBC连接配置、实体类定义和JPA查询实现；4) SpringAI框架下的高级应用，展示如何将PgVector作为向量存储与AI模型集成。文章还包含远程连接配置、性能优化建议和完整的测试案例，为开发
postgressql提示sorry, too many clients的解决办法
本地测试PgSQL集群时频现“too many clients”错误，主因是应用端连接池（各设100）叠加超出了PostgreSQL的max_connections限制（默认100）。PgSQL不会自动回收空闲连接，需靠连接池或超时机制管理。附实用命令：SHOW max_connections；SELECT count(*) FROM pg_stat_activity；SHOW port；及OS级ulimit和端口范围检查。
字节一面：挂在了 MySQL 上？
面试常考的MySQL `IN` 查询，实则暗藏玄机：无固定个数限制，真正瓶颈是`max_allowed_packet`（默认4–16MB）；但性能临界点远早于报错——过长列表易致索引失效、全表扫描。推荐分批查询（如每批1000）、临时表JOIN或Redis预过滤。知其然更需知其所以然。
为什么mysql不推荐用docker部署？
本文以幽默故事切入，详解 Docker 部署 MySQL 的五大高危坑（数据丢失、资源失控、安全裸奔、网络不通、无备份）及对应五大实战锦囊：Volume 持久化、资源限制、自定义配置、安全加固、自动化备份，并附排查技巧与口诀，助你稳用不翻车！
深入MySQL底层3-事务与锁机制
本文系统介绍了MySQL事务机制及锁实现原理。主要内容包括：1. 事务基础：定义事务为不可分割的操作集合，详解ACID四大特性（原子性、一致性、隔离性、持久性）及其实现机制，分析脏读、不可重复读、幻读等并发问题及四种隔离级别的解决方案。2. 日志系统：阐述redo log（重做日志）保障持久性的WAL机制，以及undo log（回滚日志）实现原子性和MVCC的逻辑。3. MVCC原理：通过隐藏字段(DB_TRX_ID,DB_ROLL_PTR)、undo log版本链和ReadView实现多版本并发控制，详细
