目 录CONTENT
以下是
路口、下车
的文章
-
-
-
RocketMQ—生产者发送消息 RocketMQ支持五种消息类型：普通消息、分区有序消息、全局有序消息、延迟消息和事务消息。普通消息并发生产消费，性能可达十万级别的TPS；分区有序消息在一个分区内遵循FIFO原则；全局有序消息将Topic设为单分区以保证所有消息顺序；延迟消息允许消费者在指定时间后消费；事务消息通过发送Half消息、处理本地事务、提交或回滚消息来实现分布式事务。Broker、分区和队列之间的关系是，一个Broker可以有多个分区，每个分区对应一个队列，确保消息的存储和消费。代码示例展示了如何使用这些消息类型，包括配置和执行流程。对于事务消息，RocketMQ提供了回查机制，确保在异常情况下也能保持数据一致性。
-
RocketMQ—部署 本文详细介绍了RocketMQ的生产拓扑结构及其部署方式，包括单Master部署和多Master多Slave环境部署。文章首先概述了RocketMQ的主要组件如Namesrv集群、Broker集群、生产者集群及消费者集群，并解释了它们各自的作用。接着，文章详述了几种不同的Broker集群部署模式，从单Master到多Master多Slave同步复制，每种模式都有其适用场景与优缺点。随后，文章提供了具体的单Master部署步骤，包括NameServer和Broker的安装配置过程。此外，还介绍了如何快速部署RocketMQ Dashboard监控中心，以及通过Dashboard创建主题的方法。最后，文章展示了在多Master多Slave环境下部署RocketMQ的具体操作步骤，涵盖NameServer和多个Broker实例的配置方法。
-
-
突破常规！我用一个“谎言”，让Java线程池换了一种活法 本文探讨了如何通过深度定制Java的ThreadPoolExecutor来适应高并发、低延迟的实时数据处理需求。默认情况下，ThreadPoolExecutor采用“佛系三步走”策略：先使用核心线程，再排队等待，最后才创建非核心线程。然而，对于某些对响应延迟极其敏感的任务，这种模式成为瓶颈。为此，作者提出了一种“激进”的解决方案：通过自定义队列和拒绝策略，使线程池在用尽所有可用线程后才让任务排队。具体实现包括重写队列的offer方法使其永远返回false，以及自定义拒绝策略将任务重新放入队列。这种方法适用于低延迟、高优先级且执行时间短的任务，但需谨慎使用，以避免线程爆炸等风险。
-
-
-
Spring Boot 4.x 核心演进分析 Spring Boot 4.0 于2025年11月发布，基于 Spring Framework 7.0 构建，全面支持 Java 的新特性如虚拟线程，并重构了云原生支持。核心基线升级包括：Spring Framework 从6.x升至7.x，Java 基线推荐使用 Java 25，Jakarta EE 升级到11版本，Kotlin 支持2.2+，GraalVM Native Image 成为一等公民。显著架构与功能变化包括：虚拟线程成为默认并发模型，高吞吐量且简化配置；声明式 HTTP 客户端取代 OpenFeign，降低微服务调用复杂度；模块化重构，支持 JPMS 模块化系统；内置 API 版本控制；可观测性方面，OpenTelemetry 成为唯一标准；全面采纳 JSpecify 标准注解处理空安全。迁移建议包括逐步升级 JDK 和移除 Feign 等步骤。
-
轻松玩转大模型微调——从“通才”到“专才”的速成秘籍 第四篇：参数调优黑科技：旋钮转对，效果翻倍 微调模型如同调试高性能赛车，需精细调整各项参数以达到最佳表现。文章详细介绍了微调中的关键参数及其作用，包括学习率、Batch Size、Epochs/Steps、LoRA的rank和alpha、Warmup Steps及Weight Decay等。通过恰当设置这些“旋钮”，可以有效避免模型过拟合或欠拟合，提升训练效果。例如，学习率决定模型更新速度，推荐从2e-4开始尝试；Batch Size影响训练稳定性和显存使用，建议在显存允许下尽量用4或8；Epochs/Steps控制训练轮数，小数据集1-3轮足够；LoRA的rank和alpha则需保持α/rank在1-2之间以平衡效果与稳定性。此外，合理设置Warmup Steps和Weight Decay也能进一步优化模型表现。最后，文章提供了三步走的调参策略，帮助读者系统性地进行微调。
