Go 垃圾回收机制科普 + 实战调优
Go 的垃圾回收到底在忙什么 一篇讲人话的 GC 入门。文中所有 gctrace、基准测试、逃逸分析的输出，都是在 Go 1.26.3 / darwin-arm64 / Apple M4 上真实跑出来的，不是手写示意。 你大概率没写过一行跟 GC 有关的代码，但它一直在你的程序里干活。这篇文章想把三件事讲清楚： Go 的 GC 是怎么判断一个对象还有没有用的； 程序在跑、指针在变，它怎么保证不误杀； 什么时候你需要动手调它，怎么调。 1. 先问一句：为什么需要 GC在 C 里，内存要自己还： char *buf = malloc(1024);// ... 用 buf ...free(buf); 这行 free 写错位置，就是两类经典事故： 忘了写 → 内存泄漏。进程越跑越胖，最后被 OOM Killer 干掉。 写了两次，或者释放后还在用 → 野指针 / use-after-free。轻则数据错乱，重则可被利用成安全漏洞。 麻烦在于，一块内存”还有没有人用”，往往不是写 free 的那个函数能单独决定的——它可能被塞进了某个全局缓存...
代码质量与安全防护利器：SonarQube 实战指南与主流竞品横评
摘要：在日常软件开发与团队协作中，如何保证代码规范、减少潜在 Bug，并在构建阶段及早拦截安全漏洞？本文将带你全面了解代码质量扫描利器 SonarQube 的核心功能、支持语言及落地实战，并与 GitHub CodeQL、Snyk、Semgrep 等主流竞品进行深度横向对比，帮助你和团队挑选最适合的代码静态分析方案。 一、 为什么我们需要代码扫描工具？随着项目规模的扩大和团队人数的增加，代码质量的管控变得日益困难： 人工 Code Review 成本高且容易遗漏：重复的规范问题（如命名、空指针风险、未关闭的流）耗费大量审核精力。 技术债务（Technical Debt）难以量化：项目中到底有多少死代码、重复代码、过时 API？ 安全漏洞滞后暴露：SQL 注入、XSS、敏感信息硬编码等问题往往到了测试阶段甚至上线后才被发现。 静态代码分析工具（Static Application Security Testing, SAST） 可以在不运行代码的前提下，通过解析语法树（AST）和数据流分析，自动扫描出代码中的缺陷与安全隐患。 二、 认识 SonarQube：功能与语...
ClickHouse 原理、应用场景与 MergeTree 引擎详解
前言ClickHouse 是一款面向大数据分析场景的列式数据库，尤其适合日志分析、行为统计、实时指标计算和多维度报表等 OLAP 场景。 本文将从以下几个方面介绍 ClickHouse： ClickHouse 是什么 ClickHouse 的底层数据结构 ClickHouse 为什么查询速度快 ClickHouse 的适用场景 ClickHouse 开发规范与注意事项 常见 MergeTree 系列存储引擎 ClickHouse、MySQL 与 TiDB 的区别 一、什么是 ClickHouseClickHouse 是由 Yandex 开发并开源的一款高性能、分布式、面向分析场景的列式数据库。 它能够对大规模数据进行快速搜索、聚合、过滤、排序和统计，主要应用于 OLAP，即联机分析处理场景。 ClickHouse 的核心特点1. 列式存储ClickHouse 按列存储数据，而不是像 MySQL InnoDB 一样按行存储。 查询时只读取需要使用的列，可以有效减少磁盘 I/O 和内存消耗。 2. 聚合性能高ClickHouse 非常擅长执行以下统计和聚合操作： ...
Protobuf 语法通关教程：写给后端开发者的实战指南（PHP / Go 双视角）
适合人群：会一门后端语言（PHP / Go / Java 都行），听说过 gRPC 但被 .proto 文件劝退过的人。读完你能得到：看懂任意 proto 文件、能自己写服务契约、知道怎么改 schema 不把生产搞挂。 目录 Protobuf 是什么：三分钟版 环境准备与第一个 .proto 文件骨架五个关键字（syntax / package / import / option / extend） 类型系统：标量、字段编号与默认值 复合结构：repeated / map / oneof / 嵌套 枚举 enum：规则与坑 import 进阶与 Well-Known Types service 与 rpc：四种调用模式 google.api.http：一份契约同时暴露 gRPC 和 REST Schema 演进规则：怎么改不把生产搞挂 proto2 vs proto3 速览 工程化：用 Buf 管理 proto 踩坑清单 10 条 参考资源 1. Protobuf 是什么：三...
我让 6 个大模型参加了 2025 高考数学：3 个满分，最低 94 分
如果把一整套高考数学卷交给当前主流大模型，并且禁止联网、禁止互相抄答案、只允许提交一次，它们能考多少分？ 这一次，我没有问大模型几个零散的数学问题，而是认真布置了一间“AI 高考考场”。 统一试卷、统一规则、同时开考，甚至还安排了一个单独的模型担任监考官。 最终结果有些出乎意料： GPT-5.6：150 分 Opus 5：150 分 Kimi K3：150 分 Codex：143 分 Cursor Grok 4.5：141 分 GLM 5.2：94 分 同一张试卷，最高分与最低分相差了 56 分。 AI GAOKAO · 2025 当 6 个大模型走进高考数学考场 同一张试卷 · 禁止联网 · 禁止互抄 · 只准交卷一次 150 最高分 3 满分模型 56 最高最低分差 19 试题总数 一、先准备一张所有模型都能读懂的试卷本次使用的是 2025 年普通高等学校招生考试（新高考 I 卷）数学，适用地区包括山东、广东、湖南、湖北、河北、江苏、福建、浙江、河南、江西、安徽。 原始 PDF 不只是文字和公式，还包含表格、坐标图与立体几何图形。如果直接读取 PDF，部分模型可能...
一次线上 Nginx `malloc failed (12: Cannot allocate memory)` 故障排查与修复
环境:Nginx 反向代理(10.0.12.13)→ 后端 API 服务(10.0.4.10:8901)现象:接口大面积报错,错误日志刷屏 一、故障现象某天下午,监控告警显示交易所后台的资产类接口(/ApiInt/Assets/depositWithdrawList、/Contract/openPositionList 等)大量返回 502,查看 Nginx error.log 发现日志被同一类错误刷屏: 2026/07/22 17:40:59 [emerg] 4257#0: *6286680928 malloc(1048576) failed(12: Cannot allocate memory) while reading response header from upstream,client: 10.0.2.19, server: localhost,request: "POST /ApiInt/Assets/depositWithdrawList HTTP/1.1",upstream: "http://10.0.4.10:8901/...
PostHog 实战指南：会话录屏与用户动线分析的使用及注意事项
PostHog 实战指南：会话录屏与用户动线分析的使用及注意事项 本文面向需要在产品中引入行为埋点、会话录屏（Session Replay）和用户动线分析的技术团队，重点覆盖接入方式、脱敏配置、成本控制与合规注意事项。对数据敏感型业务（金融、交易类产品）尤其适用。 一、PostHog 是什么PostHog 是一个开源的产品分析平台，核心能力包括： 模块说明Product Analytics事件埋点、漏斗、留存、路径分析Session Replay会话录屏，回放用户真实操作过程Heatmaps点击热力图、鼠标移动轨迹、死点击/怒点检测Autocapture自动采集点击、输入、表单提交等前端事件Feature Flags / Experiments功能开关、灰度发布、A/B 测试Surveys应用内问卷 与 Mixpanel / Amplitude 相比，它的差异化在于：开源可自部署（数据可完全留在自己边界内）、录屏与分析数据打通（可以从漏斗流失直接跳到对应用户的录屏），以及按量付费、免费额度较大。 录屏的实现原理PostHog 的录屏不是视频录制，而是基于 rr...
分布式事务深度分析：Saga + Outbox
分布式事务深度分析：Saga + Outbox 文档定位：讲清「跨服务一致性」里最常用的组合拳——Saga（编排/补偿）+ Outbox（可靠投递）。刻意剥离：不绑定理财 / 资产 / 订单等具体域名；用抽象角色（发起方、参与方、资源方）说明。阅读目标：知道各自解决什么问题、为何常一起用、失败怎么收、何时不该用。 目录 问题本质：分布式下没有免费的 ACID 先分清两层问题 Saga：业务级长事务与补偿 Outbox：本地提交与对外通知的原子性 组合拳：Saga + Outbox 如何配合 业务中真实出现的一致性场景（抽象） 失败模型与恢复策略 落地骨架（表 / 状态机 / Worker） 与其它分布式方案对照 选型决策树与反模式 设计检查清单 1. 问题本质：分布式下没有免费的 ACID单体时代，一笔业务多表变更可以包在同一个数据库事务里： BEGIN 写业务单 改库存/额度 记流水COMMIT ← 全成或全败 拆成微服务后，每个服务只拥有自己的库。跨服务调用无法共享同一个 DB 事务。于是出现经典半成...
Hermes Agent 三模型自动路由的本地实践
我给 Hermes 装了一个三模型路由：Claude 写代码，GPT 做方案，DeepSeek 跑快活我平时用 AI 做的事情差别很大：有时要改一整个代码模块，有时只是讨论一个业务方案，还有不少任务只是整理文件、转换格式或执行明确的命令。如果所有请求都交给最强、最贵的模型，质量未必提高多少，等待时间和成本却会明显增加。 我的做法是在 Hermes Agent 里增加一个本地 model-router Skill。它先判断任务的最终交付物，再把工作交给合适的模型： Claude 负责写代码、调试、重构、测试和代码审查。 GPT 负责头脑风暴、业务分析、需求拆解和技术方案。 DeepSeek 负责快速问答、整理、格式转换和重复操作。 这套分工已经在我的 macOS + Hermes Desktop 环境中实际运行，不是只写在文档里的模型选择建议。 我本地使用的三个模型分工默认模型本地接入方式适用任务编码Claude Sonnet 5Claude Code CLI + Claude Pro OAuth写代码、修 Bug、重构、测试、Code Review分析与方案GPT-5....
Hermes Agent 安装指南：命令行 + 桌面版完整教程
什么是 Hermes Agent？Hermes Agent 是由 Nous Research 开发的开源 AI 智能体框架（MIT 许可证）。它不是简单的聊天机器人或 IDE 插件，而是一个真正自主的 Agent——可以在终端、桌面应用、Telegram/微信等 20+ 消息平台运行，具备持久记忆、技能自学习和任务委派能力。 它的核心特性： 🧠 自进化——会从使用中学习，自动创建和改进技能 💬 20+ 消息平台——Telegram、Discord、微信、钉钉、飞书等 🔧 60+ 内置工具——文件操作、网页浏览、代码执行、浏览器自动化 💾 跨会话记忆——记住你的偏好和历史 🤖 多模型支持——DeepSeek、Claude、OpenAI、本地模型自由切换 📦 子 Agent 委派——并行处理复杂任务 安装前提唯一的硬性要求是 git，其余依赖（Python 3.11、Node.js、ripgrep、ffmpeg）安装器会自动处理。 操作系统额外前提检查命令macOS无需额外git --versionLinuxcurl + xz-utilssudo a...
