Hexo

工作两年后,我有什么感受从24年7月正式工作到现在（26年4月底），其实距工作两年还差一些，不过我毕业前还有十个月的实习生涯，姑且算是工作两年了吧。那么正式工作两年后，我有什么感受？ 过去大学期间，我主要是按照遇见狂神说的 Java 路线学习，一路跟了数十个视频，以为 Java 开发就是注入 Mapper，写写 sql，说出来不怕人笑话，我当时真的连 Bean 是什么，以及默认扫描 Bean 只扫

我的 Claude 使用姿势Agent 发展到现在，早已不只是最初给一段对话让它一次执行完成的样子了（那时候每次要写一堆啰嗦的话，项目规范、个人喜好等等）。 如今我们应该有共识，Agent 的能力已经很强了，配合记忆机制、各种好用的 skill 配合起来的使用体验真的很好，以下是我日常开发的配置。 1claude --dangerously-skip-permissions 这是以无需确认的方式

实现一个分布式锁到底有多难一个服务里多线程操作某共享资源时，我们会使用锁来保证并发安全，但是在分布式系统中操作共享资源，实现一个分布式锁却异常困难。 网上关于分布式锁的文章非常多，Redis 作为 Web 服务中最常用的中间件之一，也有关于实现分布式锁的方案，想知道 Redis 分布式锁为什么这么设计，要从单机 Redis 实现分布式锁说起。 设置分布式锁需要这么一条指令： 1set share_

Kubernetes 集群心脏揭秘本篇文章不聊 Deploy、STS、DS 的内容，只介绍维持 Kubernetes 系统运行的核心组件。 我一向认为 k8s 是非常稳定的，Pod 挂了通过 ReplicaSet 的上层控制以及各种调谐，使系统重新回到 yaml 所期望的状态。那么对于 k8s 集群本身，其架构是如何设计的呢？ 集群架构k8s 中的集群节点有2类，分别是 control plane

RocketMQ 5.5 实践之前看过阿里云微信公众号的几篇文章，觉得真的很有深度，也给了我很多启发。如 从 Loop 到 Graph Engineering 的演进思考与实战 里 Loop Engineering 的四个问题，我也在生产系统有遇到。 近期公众号发布了几篇关于 RocketMQ 的文章，如 Apache RocketMQ 面向 AI 演进：LiteTopic 支撑百万级多 Agen

异步状态更新里的并发回退陷阱最近有一个数据对接的需求，背景是这样的：该项目用来收集其它系统的已有的监控数据，使用一些聚类算法或机器学习算法试试能不能对未发生问题的设备进行预测，预测其生命周期、健康度等。数据获取无非两种形式，要么 pull 要么 push，基于项目目前的结构，最终决定提供 rest api 由其它平台 push 给我们分钟级的监控数据。 设计这样的系统需要考虑什么？ 性能：tom

分布式通信分布式系统的本质是多进程协作，共同完成任务。要协作，自然免不了通信，这也是分布式通信技术要解决的核心问题。 概述按照”请求从外到内、从大到小”的层次，分布式通信涉及以下关键技术： 负载均衡：把外部请求合理分配到集群内部的多个服务器 API 网关：作为系统入口聚合多个微服务调用 服务注册与发现：解决分布式系统内部服务如何感知彼此的问题 **服务间的远程调用(RPC)**：让不同机器上的服

Java性能优化 · 设计模式篇其实设计模式本身不直接提升性能，它是代码组织结构的最佳实践。当一种性能优化的实现途径恰好契合某种模式时，模式就成了这种优化的标准表达。 性能优化的目的是「让有限的资源（CPU/内存/线程/连接）服务更多业务请求」，模式只是把这种优化沉淀为可复用、可读的设计。 单例模式单例模式解决的就是创建单一对象优化系统性能。一个类在系统中可能被多处频

Java性能优化 · JVM篇关于 JVM 有一本非常经典的书籍，周志明老师的《深入理解 Java 虚拟机》，本篇的内容在该书中几乎都能找到，我也写了关于本书的读书笔记，经典图书-深入理解Java虚拟机。 本来想重新整理一下，想了想还是 Don’t repeat yourself，关于内存模型、即时编译、垃圾回收和 GC，在读书笔记中都整理过了。 因此这里不再重复，只介绍下 Java 内存问题的

Java性能优化 · 多线程篇多线程性能调优围绕三条主线展开： 优化维度 核心问题 主要手段 锁优化 如何降低锁竞争与持有成本 锁升级、锁分离、锁分段、CAS 乐观锁 上下文切换 减少线程被切出/切入的开销 减少阻塞、协程、合理线程池 资源容器 不同场景选择最合适的并发容器 ConcurrentHashMap / SkipListMap / Cop