博客
记录技术探索与思考 · 共 655 篇
Guava Cache 从 ConcurrentHashMap 到 LocalCache：结构、Segment 分段与队列机制
深入解析 Guava Cache 的核心实现类 LocalCache，涵盖分段锁设计、五大队列机制、回收策略与惰性清理原理。
缓存实战：本地缓存 vs 分布式缓存（含 Guava/Redis 7.2）
高并发读多写少业务，数据库顶不住，需要提升吞吐与稳定性。本地缓存做极致读性能，分布式缓存做共享与扩展，多级缓存兼顾一致性与成本。
AI研究-135 Gemini 3 Pro重回榜首：MoE、百万上下文与Deep Think等关键因素
从稀疏MoE架构、百万Token上下文、原生多模态（文本/图片/视频/PDF）到思维深度控制（thinking_level）与Deep Think模式，解释其在高难度推理与长程任务中的稳定优势。
OSS 权限控制实战：ACL / RAM / Bucket Policy 与错误排查
多团队与跨账号协作下，OSS 需同时满足公开访问、最小权限与可审计。身份用 RAM Policy，来源与资源约束用 Bucket Policy，ACL 仅用于公开读等简单场景。
AI研究-134 Java 2025：会衰退吗？LTS 路线、云原生与工程化落地趋势研究
2025 年，Java 依然是企业级后端与关键行业的主力。核心关键词：Java 25 LTS、Java 21 LTS、Spring Boot、MicroProfile、Kubernetes、Serverless、Project Loom...
OSS 实战指南：Bucket/外链/防盗链/计费与常见坑
企业与个人将图片/音视频/静态资源迁移至阿里云 OSS，需稳态运维与控费。按区域与权限精确配置，结合防盗链/CNAME/日志即可兼顾可用性与成本。
AI研究-133 Java vs Kotlin/Go/Rust/Python/Node：2025 详细对比分析 定位与选型
本文对比了Java 21/23（虚拟线程/Loom）与Kotlin 2.x、Go 1.22/1.23、Rust 1.7x、Python（PyTorch 2.x/TensorFlow 2.x）、Node.js 20/22的路线、生态...
Java 接入 FastDFS：自编译客户端与 Maven/Spring Boot 实战
Java 应用接入 FastDFS 的两种方式：官方源码编译（happyfish100/fastdfs-client-java 1.37-SNAPSHOT）和 Maven 依赖（cn.bestwu / com.github.tobato）。
AI研究-132 Java 生态前沿 2025：Spring、Quarkus、GraalVM、CRaC 与云原生落地
Spring Framework 6、Spring Boot 3.x（最低 JDK 17，支持 Java 21 虚拟线程）、GraalVM Native Image AOT、Quarkus 与 Micronaut 的云原生优化...
FastDFS 高并发优化思路：max_connections、线程、目录与同步
高并发 / 海量小文件场景下单盘或 RAID 的优化思路：升级 v5.04+，按 CPU 核数配线程，减少目录层级，根据延迟目标调 sync 参数。
AI研究-131 Java 17/21/25 全面对比：关键特性、并发优化与升级注意事项
Java 17（2021）、Java 21（2023）、Java 25（2025） 的语言与 JVM 变化，涵盖 虚拟线程（Project Loom）、记录/模式匹配（Project Amber）、ZGC/G1 与代际回收...
FastDFS 集群实战：三节点 Tracker/Storage + Nginx 接入与排障
三台主机同时部署 tracker、storage、Nginx，按轮询上传存储。关键在 Nginx+mod_fastdfs 路由与监控校验。产出：一套可复用的集群配置清单 + 版本矩阵 + 常见错误速查卡。
AI研究-130 Qwen2.5-Omni 实战：多场景落地清单与同期对标
办公助理、教育培训、编程与运维、搜索增强 RAG、设备控制/插件代理与陪伴娱乐。围绕 Thinker-Talker 双核、TMRoPE、Streaming DiT、文本/图像/音频/视频输入 + 文本/语音输出 与 32k 上下文 等要点...
AI研究-129 Qwen2.5-Omni-7B 要点：显存、上下文、并发与成本
在 FP16≈14GB 显存下可稳态运行，配合 INT8/INT4 量化（INT4 <4GB）能在消费级 GPU 甚至边缘端部署；结合 FlashAttention 2 与多线程并发，单机可服务多会话低延迟。
AI研究-128 Qwen2.5-Omni 训练全流程拆解：三阶段对齐 + SFT/RLHF 原理流程分析研究
以 Qwen2.5 基座为 Thinker，视觉初始化于 Qwen2.5-VL，音频参考 Whisper-large-v3，采用"三阶段"训练（编码器对齐→全模态联合→长序列）并结合 SFT 与 RLHF（如 DPO、Group RPO）。
AI研究-127 Qwen2.5-Omni 深解：Thinker-Talker 双核、TMRoPE 与流式语音
Qwen2.5-Omni（2024–2025） 的 Thinker-Talker 双核架构 做工程化拆解：统一 Transformer 解码器融合 文本/图像/视频/音频，通过 TMRoPE 完成时间对齐；
AI研究-126 Tesla FSD V14 深读：高精度视觉占用网络与智能泊车的工程路径
特斯拉 FSD V14 相关美国专利，对"高精度视觉占用网络（SDF 约 10cm）""稀疏采样+三线性插值""交互式智能泊车""多层次可视化""车与机器人（Optimus）通用 AI 架构"进行工程化解读...
AI研究-125 Tesla FSD 商业模式与竞品对比：订阅/买断、Robotaxi 与 2025 版图
FSD V14（2025）的商业模式与竞争格局，解析买断（约$15,000）/订阅（约$199/月）的定价逻辑与OTA迭代带来的递延收入确认方式，并对比Waymo、Cruise、Mobileye、百度Apollo等主流方案在传感器策略...
AI研究-124 Tesla FSD V14 深度解析：城市/高速表现与关键接管数据
Tesla FSD V14 的实测与道路表现，对比 V13.2 在城市道路与高速公路的关键接管里程、并线/匝道、目的地抵达与长尾场景（施工、应急车、杂物规避）等能力。文中提及V14在城市与高速的无接管里程较V13.2明显提升...
AI研究-123 FSD V14 深度解析：纯视觉 SDF 与端到端 相比 V12 具体升级
FSD V14 (2025) 相对 V12 (2023) 的技术演进，聚焦纯视觉方案、SDF（有向距离场）占用重建、端到端神经网络决策与 HW3/HW4 硬件差异。文中梳理了从多摄像头输入到 BEV/占用网络再到控制输出的全链路...