终于实现了环岛自驾了，可惜的是台风天，只能在不多的时间里多走走，海口-东方-三亚-陵水-文昌-海口，有一说一，感觉文昌的海估计会很好看，可惜去到那里已经是下午6点了（路过了文昌航天中心），有机会再去一次吧，话不多说，直接看图
2025/11/2小于 1 分钟
一、 背景与目标
监控最主要还是上报到Prometheus，可惜成本实在是高昂，特别是存储时间要求得越久，我们这里探索了下micrometer转换成json，然后存储到starrocks这类mpp olap引擎，通过starrocks的存算分离架构，降低成本。
2025/11/1大约 6 分钟
1. 背景与挑战
在互联网电商、内容平台等实际业务中，商品库动辄百万量级，如何为每位用户从海量商品中迅速召回个性化、高相关的候选商品，是推荐系统最基础也最关键的一环。 如果只依赖商品的原始属性（如标题、描述）匹配，不仅难以刻画深层语义，还会因为暴力检索计算巨大，难以支撑在线业务实时性需求。
2025/6/10大约 5 分钟
推荐系统首先收集用户的历史行为数据,然后通过预处理的方法得到用户-评价矩阵,再利用机器学习领域中相关推荐技术形成对用户的个性化推荐。有的推荐系统还搜集用户对推荐结果的反馈,并根据实际的反馈信息实时调整推荐策略,产生更符合用户需求的推荐结果。为了更好的去了解一个推荐系统，从0到1了解推荐过程，我们通过一些网上开源的数据来搭建一个推荐系统
2025/4/20大约 5 分钟
离职已有好几个月，准备写一篇关于之前在腾讯做Java开发的经历，现在来谈谈在Java领域里，在腾讯做Java开发的体验。随便写写别较真。
2025/2/25大约 6 分钟
一、mac端
mac是typec的，用了个转接头+网线直连主机，初始化的时候跟下面一致，默认都是自动的
2024/11/29大约 2 分钟
随着移动互联网的飞速发展，人们已经处于信息过载的时代。在这个时代，信息的生产者很难将信息呈现在对其感兴趣的消费者面前，而信息消费者也难以从海量信息中找到自己感兴趣的内容。推荐系统充当了将信息生产者和信息消费者连接起来的桥梁，平台通常作为推荐系统的载体，实现信息生产者和消费者之间的匹配。
2024/11/29大约 6 分钟
2024/11/10小于 1 分钟
虽然有苹果的电脑，但是在安装一些软件的时候，总想着能不能有一个小型的服务器，免得各种设置导致 Mac 出现异常。整体上看了一些小型主机，也看过苹果的 Mac mini，但是发现它太贵了，大概要 3000 多，特别是如果要更高配置的话，价格会更高，甚至更贵。所以，我就考虑一些别的小型主机。也看了一些像 NUC 这些服务器，但是觉得还是太贵了。于是我自己去淘宝搜索，找到了这一款 N100 版的主机。
2024/10/27大约 6 分钟
LiteFlow真的是相见恨晚啊，之前做过的很多系统，都会用各种if else，switch这些来解决不同业务方提出的问题，有时候还要“切一个分支”来搞这些额外的事情，把代码搞得一团糟，毫无可读性而言。如何打破僵局？LiteFlow为解耦逻辑而生，为编排而生，在使用LiteFlow之后，你会发现打造一个低耦合，灵活的系统会变得易如反掌！
2024/9/8大约 7 分钟