阿里云开发者社区

本文总结了 Java 开发中的几个重要编码规范与优化建议： 1. **Map 初始化大小**：避免直接初始化 HashMap 时指定不准确的容量。 2. **线程池创建**：禁止使用 `Executo

本文介绍了 Java 编程中的几个核心概念。首先，详细区分了方法重载与重写的定义、发生阶段及规则；其次，分析了 `==` 与 `equals` 的区别，强调了基本类型和引用类型的比较方式；接着，对比了

在自然语言处理（NLP）领域，模型训练依赖计算图这一底层架构。动态计算图以灵活性见长，适合调试与开发，但运行效率较低；静态计算图则以高效性和全局优化能力著称，利于大规模训练和部署，但调试复杂且灵活性受

前馈神经网络（FFN）是自然语言处理（NLP）领域中不可或缺的组件，尤其在Transformer等架构中发挥重要作用。FFN通过非线性变换和特征提取，增强模型对复杂语义的理解能力，同时平衡注意力机制输

多头注意力机制是自然语言处理（NLP）领域的核心技术，基于人类大脑选择性关注的灵感，通过多个“注意力头”从不同角度分析输入数据，显著提升模型对语言的理解和表达能力。它在Transformer架构中广泛

BERT与GPT系列模型是自然语言处理（NLP）领域的里程碑。基于Transformer架构，BERT通过双向编码实现深度语言理解，适用于情感分析、命名实体识别等任务；GPT则以单向生成见长，能够创作

表锁： 不会出现死锁，发生锁的冲突几率高，并发性低。 存储引擎在进行SQL数据读写请求前，会对涉及到的表进行加锁。 其中锁分为共享读锁和独占写锁：读锁会阻塞写，写锁会阻塞读和写。 行级锁： 会出

当对表中的数据进行增加、删除、修改时，同时需要动态维护索引，降低了整体的维护速度。 索引需要占据物理空间，如果要建立聚簇索引，那么需要的空间就会更大，因为会将数据存储于叶子节点。 创建索引和维护索引要

非空字段：索引字段不能有NULL，如果有NULL值将不会包含在索引中。 索引字段越小越好：数据库的数据存储以页为单位一页存储的数据越多一次IO操作获取的数据越大效率越高。 唯一、不为空、经常被查询的字

原子性：指事务包含的所有操作要么全部成功，要么全部失败回滚，因此事务的操作如果成功就必须完全应用到数据库，如果操作失败则不能对数据库有任何影响。 一致性：指事务开始前和结束后，数据库的完整性约束没有被

首先两者都是用的是B+树索引，但二者的实现方式不同。 对于主键索引，InnoDB中叶子节点保存了完整的数据记录，而MyISAM中索引文件与数据文件是分离的，叶子节点上的索引文件仅保存了数据记录的地址.

聚簇索引并不是单独的索引类型，而是一种数据存储方式。 B+树索引分为聚簇索引和非聚簇索引，主键索引就是聚簇索引的一种，非聚簇索引有复合索引、前缀索引、唯一索引。 在innodb存储引擎中，表数据本身就

● 普通索引：最基本的索引，没有任何限制。 ● 唯一索引：索引列的值必须唯一，但可以有空值。可以创建组合索引，则列值的组合必须唯一。 ● 主键索引：是特殊的唯一索引，不可以有空值，且表中只存在一个该值

● B+树更便于遍历：由于B+树的数据都存储在叶子结点中，分支结点均为索引，方便扫库，只需要扫一遍叶子结点即可，但是B树因为其分支结点同样存储着数据，我们要找到具体的数据，需要进行一次中序遍历按序来扫

关系型数据库是依据关系模型来创建的数据库，所谓关系模型就是“一对一”、“一对多”、“对多对”等。常见的关系型数据库有Oracle、MySQL、SQL Server等。非关系型数据库主要基于“非关系型模

死 信交换机和正常的交换机没有什么不同 , 如果一个包含死信的队列配置了dead-letter-exchange属性，指定了一个交换机，那么队列中的死信就会投递到这个交换机中，而这个交换机称为死信交换

当一个队列中的消息满足下列情况之一时，就会成为死信（dead letter）： ● 消费者使用basic.reject或 basic.nack声明消费失败，并且消息的requeue参数设置为false

在使用RabbitMQ进行消息收发的时候, 如果发送失败或者消费失败会自动进行重试, 那么就有可能会导致消息的重复消费 , 具体的解决方案其实非常简单, 为每条消息设置一个唯一的标识id , 将已经消

消息从发送，到消费者接收，会经理多个过程 , 其中的每一步都可能导致消息丢失 针对这些问题，RabbitMQ分别给出了解决方案： ● 消息发送到交换机丢失 : 发布者确认机制publisher-co

选择使用RabbitMQ是因为RabbitMQ的功能比较丰富 , 支持各种消息收发模式(简单队列模式, 工作队列模式 , 路由模式 , 直接模式 , 主题模式等) , 支持延迟队列 , 惰性队列而且天

● closed：关闭状态，断路器放行所有请求，并开始统计异常比例、慢请求比例。超过阈值则切换到open状态 ● open：打开状态，服务调用被熔断，访问被熔断服务的请求会被拒绝，快速失败，直接走降级

服务调用过程中的负载均衡一般使用SpringCloud的Ribbon 组件实现 , Feign的底层已经自动集成了Ribbon , 使用起来非常简单 客户端调用的话一般会通过网关, 通过网关实现请求的

微服务就是一个独立的职责单一的服务应用程序，一个模块 1．优点：松耦合，聚焦单一业务功能，无关开发语言，团队规模降低 , 扩展性好, 天然支持分库2．缺点：随着服务数量增加，管理复杂，部署复杂，服务器

早期我们一般认为的Spring Cloud五大组件是 ● Eureka : 注册中心 ● Ribbon : 负载均衡 ● Feign : 远程调用 ● Hystrix : 服务熔断 ● Zuul/G

Spring Boot的核心注解是@SpringBootApplication , 他由几个注解组成 : ● @SpringBootConfiguration： 组合了- @Configuratio

springboot项目在启动的时候, 首先会执行启动引导类里面的SpringApplication.run(AdminApplication.class, args)方法 这个run方法主要做的事情

在SpringBoot项目的启动引导类上都有一个注解@SpringBootApplication 这个注解是一个复合注解, 其中有三个注解构成 , 分别是 ● @SpringBootConfigura

Redis分布式锁主要依靠一个SETNX指令实现的 , 这条命令的含义就是“SET if Not Exists”，即不存在的时候才会设置值。 只有在key不存在的情况下，将键key的值设置为value

缓存雪崩/缓存失效 指的是大量的缓存在同一时间失效，大量请求落到数据库 导致数据库瞬间压力飙升。 造成这种现象的 原因是，key的过期时间都设置成一样了。 解决方案是，key的过期时间引入随机因素

缓存击穿是指缓存中没有但数据库中有的数据（一般是缓存时间到期），这时由于并发用户特别多，同时读缓存没读到数据，又同时去数据库去取数据，引起数据库压力瞬间增大 解决方案 : ● 热点数据提前预热 ●

缓存穿透是指查询一条数据库和缓存都没有的一条数据，就会一直查询数据库，对数据库的访问压力就会增大，缓存穿透的解决方案 有以下2种解决方案 ： ● 缓存空对象：代码维护较简单，但是效果不好。 ● 布

1. 先更新Mysql，再更新Redis，如果更新Redis失败，可能仍然不⼀致 2. 先删除Redis缓存数据，再更新Mysql，再次查询的时候在将数据添加到缓存中 这种⽅案能解决1 ⽅案的问题，但

Redis集群采用的算法是哈希槽分区算法。Redis集群中有16384个哈希槽（槽的范围是 0 -16383，哈希槽），将不同的哈希槽分布在不同的Redis节点上面进行管理，也就是说每个Redis节点

Redis 的主从同步(replication)机制，允许 Slave 从 Master 那里，通过网络传输拷贝到完整的数据备份，从而达到主从机制。 主数据库可以进行读写操作，当发生写操作的时候自动将

1. 主从复制集群 : 读写分离, 一主多从 , 解决高并发读的问题 2. 哨兵集群 : 主从集群的结构之上 , 加入了哨兵用于监控集群状态 , 主节点出现故障, 执行主从切换 , 解决高可用问题 3

Redis 提供 8 种数据淘汰策略： 淘汰易失数据(具有过期时间的数据) 1. volatile-lru（least recently used）：从已设置过期时间的数据集（server.db[i]

1. 惰性删除 ：只会在取出 key 的时候才对数据进行过期检查。这样对 CPU 最友好，但是可能会造成太多过期 key 没有被删除。数据到达过期时间，不做处理。等下次访问该数据时，我们需要判断

Redis 提供了两种方式，实现数据的持久化到硬盘。 1. RDB 持久化(全量)，是指在指定的时间间隔内将内存中的数据集快照写入磁盘。 2. AOF持久化(增量)，以日志的形式记录服务器所处理的每一

Redis 有 5 种基础数据结构，它们分别是：string(字符串)、list(列表)、hash(字典)、set(集 合) 和 zset(有序集合)

本文介绍了基于Spring Boot和MongoDB实现文章评论功能的完整流程。主要包括需求分析、表结构设计、技术选型（如mongodb-driver与SpringDataMongoDB）、项目搭建及

需要创建索引情况 1. 主键自动建立主键索引 2. 频繁作为查询条件的字段应该创建索引 3. 多表关联查询中，关联字段应该创建索引 (on 两边都要创建索引) 4. 查询中排序的字段，应该创建索引 5

MySQL 索引通常是被用于提高 WHERE 条件的数据行匹配时的搜索速度，编写合理化的SQL能够提高SQL的执行效率 1. 不要在列上使用函数和进行运算 2. 不要在列上使用函数，这将导致索引失效而

在mysql建立联合索引时会遵循左前缀匹配的原则，即最左优先，在检索数据时从联合索引的最左边开始匹配，组合索引的第一个字段必须出现在查询组句中，这个索引才会被用到 ; 例如 : create ind

覆盖索引是指只需要在一棵索引树上就能获取SQL所需的所有列数据 , 因为无需回表查询效率更高 实现覆盖索引的常见方法是：将被查询的字段，建立到联合索引里去。 执行如下查询语句 : select nam

当我们为一张表的name字段建立了索引 , 执行如下查询语句 : select name,age from user where name='Alice' 那么获取到数据的过程为 : 1. 根据n

MYSQL存储引擎有很多, 常用的就二种 : MyISAM和InnerDB , 者两种存储引擎的区别 ; ● MyISAM支持256TB的数据存储 , InnerDB只支持64TB的数据存储 ● M

索引是在存储引擎中实现的，也就是说不同的存储引擎，会使用不同的索引 MyISAM和InnoDB存储引擎：只⽀支持B+ TREE索引， 也就是说默认使用BTREE，不能够更换 MEMORY/HEAP存储

MYSQL索引主要有 : 单列索引 , 组合索引和空间索引 , 用的比较多的就是单列索引和组合索引 , 空间索引我这边没有用到过 单列索引 : 在MYSQL数据库表的某一列上面创建的索引叫单列索引 ,

@RequestMapping：用于处理请求 url 映射的注解，可用于类或方法上。用于类上，则表示类中 的所有响应请求的方法都是以该地址作为父路径。 @RequestBody：注解实现接收http

1. 用户发送请求至前端控制器DispatcherServlet； 2. DispatcherServlet收到请求后，调用HandlerMapping处理器映射器，请求获取Handle； 3. 处