后端

大鸡腿同学

手心向上，手心向下刚毕业那几年，你是不是也有过这种感觉：明明很努力了，但好项目总是落到别人头上。明明想法不差，但就是没人愿意听你说完。投了很多简历、加了很多微信，回复你的寥寥无几。

令牌桶在 0.9 倍负载超发 19%、固定窗口边界放行 20 个：四种限流算法同构实测“要允许突发就用令牌桶”——这句流传最广的选型结论，在我把四种限流算法写成同构代码实测之后，需要补两个限定条件。本文用一套 130 行、可直接运行的 Python 实现，把固定窗口、滑动窗口分桶、滑动日志、令牌桶放在同一阈值（10 req/s）下做五个实验：边界突刺、泊松稳态精度、决策开销与内存、突发形态，以及一个用真实 sleep 和单调时钟跑的墙钟实验。实测结论：固定窗口在边界 160ms 内放行 2 倍阈值（20 个）；令牌桶在 0.9 倍阈值的正常负载下就比精确基准多放行 14.5%~19.2%；

Spring Boot 集成 Sa-Token 实现高可用权限认证：登录鉴权、动态路由权限与接口防重放实战最近在搞一个公司内部的运营管理系统，权限这块儿又得从头弄。以前用过 Spring Security，功能是强，但配置起来真能把人绕晕，光自定义过滤器链就够喝一壶的。项目周期就两个月，团队里还都是写业务为主的，搞那么复杂没必要。JWT 倒是简单，可后面要踢人下线、控制 Token 失效粒度的时候，就傻眼了——根本做不到。后来朋友推荐了 Sa-Token，看了下文档，确实轻量，上手快，而且集成了 Redis 之后集群会话共享也没问题。这下对上号了。

一次推理的完整旅程：ReAct推理深度解析本文回答一个连着的三连问：模型收到一堆 token 之后到底做了什么？为什么回答一个问题要「推理」好几轮？业界除了这种循环还有哪些打法？三个问题分别对应三张图：单次推理的内部解剖（图 1）、ReAct 循环的三幕剧（图 2）、六大范式全景（图 3）。所有数字来自 heart-net（个人知识引擎，AgentScope Java 框架 + DashScope qwen3.8-omni-flash）的真实实测，不是示意图上的示意值。

Nginx gzip 压缩：一个配置让页面加载快 3 倍背景监控大屏首页加载慢，F12 一看：chart.min.js：200KBindex.html：5KB

一栋商业大厦，讲清 InnoDB 的表空间、段、区和页为什么 InnoDB 已经有了 Page，还需要 Extent 和 Segment？学习 MySQL 底层原理时，我们经常会遇到 Tablespace、Page、Extent、Segment、XDES、INODE 等概念。

1956 亿行数据该怎么存：金仓时序数据库的三个实测工业互联网、能源数字化、智能制造这几年的数据量是肉眼可见地涨——设备监测、电力采集、生产过程指标，时序数据每天都在往上垒。

Wx-bishekaifayuan

springboot桂味美食分享系统40540-计算机课程设计、毕业设计✨ 博主介绍：一线全栈工程师，毕设实战引路人。技术栈覆盖Java、Python、C#、PHP、Node.js及UniApp跨端开发，擅长多语言项目落地与架构设计。持续分享毕设源码、开题报告、技术选型心得与职场踩坑经验。用工程化思维写代码，帮你把毕设做成作品集。👍👍

从零手搓 RAG 之检索全流程，给大模型接上自己的知识库最近打算抽空整理和总结下 Agent 开发的知识点，以专题的形式发布到掘金平台，同大家一起交流探讨。这是手搓系列的第一个专题 RAG，未来还有手搓 Harness 系列。

别让Java字符串拼接偷偷吃掉你的内存上周压测时，我们的订单服务在QPS刚到200时就频繁Full GC，年轻代瞬间爆满。你猜罪魁祸首是谁？就是那段看似无辜的日志拼接代码——"用户"+userId+"订单"+orderId+"状态"+status，它偷偷在循环里生成了数GB的垃圾对象。

前后端联调怎么排查问题？从 Network 到后端日志，一步步定位错误前后端分离开发后，前端和后端往往由不同的人、不同的节奏推进。联调时经常出现这样的场景：前端说：“接口报错了，你后端看下。”

程序员梅雨

ZooKeeper面经总结有三种角色，Leader、Follower、Observer Leader是核心，它是事务请求的唯一调度和处理者，所有写请求最终都由它处理，并保证整个集群事务处理的顺序性。 Follower会做四件事，处理客户端的非事务请求，把事务请求转发给Leader，参与事务Proposal的投票，参与Leader选举投票。 Observer只提供非事务的查询服务，既不参与Proposal投票，也不参与Leader选举投票。

蜗牛互联网

Java 17 调用视觉 Responses API：JSON 约束与人工复核路由商品运营最怕的不是 AI 不认识一张图，而是它自信地把错误尺寸、材质或适用人群写进商品页。图像理解可以把人工从“每张都抄字段”变成“只处理模糊和高风险样本”，但模型输出应是候选信息，不是库存系统的写权限。本文用 Java 17 的标准 HTTP 客户端请求视觉模型，把 JSON 候选解析成明确的 AUTO 或 REVIEW 决策；不依赖尚未确认版本的 Java SDK。

高频因子挖掘机

股票分红送转后价格“断层”：前复权、后复权和不复权该怎么选？一句话结论：看连续走势和计算技术指标，通常用前复权；需要保留早期价格基准，可考虑后复权；核对实际成交价格、还原交易记录时用不复权，并单独处理现金分红和持股数量变化。

一条泥憨鱼

【Redis | 黑马点评】短信登录功能源码深度分析本次功能：手机号 + 短信验证码登录git diff --stat HEAD 显示本次变更涉及 6 个文件，这就是本次功能的完整战场：

威哥爱编程

【AI全栈12-12】Spring Boot 3.x → 4.x 迁移实操：Jakarta 11、Jackson 3 与 AI 2.0本文是「Spring Boot + AI 全栈后端」系列第 12 篇，也是收官篇。前 11 篇把能力铺完了，最后这一篇聊一个每个老项目都绕不开的硬活：从 Spring Boot 3.x 迁到 4.x + AI 2.0。示例基于 Spring AI 2.0 / Boot 4.1，验证工程本身就是这个版本，跑绿即证据。

威哥爱编程

【AI全栈12-11】Spring Boot 把 AI 接口真正上线扛量：限流 / 降级 / 可观测本文是「Spring Boot + AI 全栈后端」系列第 11 篇。前面 10 篇把"能不能做"讲透了，这一篇讲最扎心的一句：本地能跑，不等于上线不挂。AI 接口比普通接口更娇气——贵、慢、还看第三方脸色。示例基于 Spring AI 2.0 / Boot 4.1。

基于SpringBoot+uni-app的闪洁家政系统的设计与实现（代码+数据库+LW）摘要本文利用SpringBoot和uni-app技术模式，设计了名为“闪洁”的家政服务微信小程序，用来处理传统家政服务中供需匹配效率不高的情况。本文在对当前家政市场进行调研后，先确定了系统的功能性和非功能性需求，然后运用结构化设计方法完成了系统架构规划。本文使用数据流图来说明服务预约、订单管理和人员审核等主要环节的业务流程，以此给流程优化提供参考。在技术实现方面，后端通过运用SpringBoot模式来建立高可用服务，前端使用uni-app以实现多平台兼容，这使系统拥有稳定性和可扩展性。经过严格的测试验证，

Spring Boot 启动流程：run() 里到底发生了什么关键词标签：Spring Boot、SpringApplication、启动流程、ApplicationContext、源码解析

AI 时代，软件程序员未来 10—15 年的职业前景需要说明的是，以下是一篇纯 AI 研究得出的报告，内容与结论颇具启发性。供大家参考。太长不看版，最核心的4个结论：