IoC 控制反转 (Inversion of Control)
IoC 控制反转 (Inversion of Control) 创建时间：2026-05-21 标签： 设计原则 架构模式 依赖管理 SOLID 一句话总结：「不要自己创建依赖，让别人给你」——将对象的创建和管理权从代码内部转移到外部容器。 一、什么是 IoC IoC（Inversion of Control，控制反转）是一种设计原则，核心思想是： 传统方式：对象自己创建依赖（new 关键字直接实…
技术概念
18 个主题
微服务架构 (Microservices Architecture)
微服务架构 (Microservices Architecture) 创建时间：2026-05-21 标签： 架构风格 分布式系统 软件架构设计师 论文素材 一句话定义：微服务是将单一应用程序拆分为一组小型、自治的服务，每个服务围绕业务能力构建，独立开发、部署和扩展。 目录 一、什么是微服务 二、微服务的核心特征 三、微服务的优势（重点） 四、微服务的挑战与应对 五、微服务 vs 单体 vs SO…
DevOps
概念笔记 DevOps 为什么需要它 核心直觉 它是怎么工作的 核心实践 文化支柱 与相关概念的关系 典型应用场景 常见误解与陷阱 关键度量指标 延伸阅读 关联概念 概念笔记 系统与架构 进阶 2026-05-15 DevOps 💡 一句话定义 DevOps 是一组将开发（Development）和运维（Operations）融合的文化理念、实践和工具，旨在通过自动化和持续反馈，大幅缩短从“写代…
一致性哈希 Consistent Hashing
一致性哈希 Consistent Hashing 创建时间：2026-05-21 分类：分布式系统哈希算法负载均衡 难度：中等 一句话理解 一致性哈希是一种特殊的哈希算法：当集群中增加或减少节点时，它能保证大部分数据不需要重新分配，只有少部分数据受影响。 类比：你有 3 个书架放书，普通哈希像「打乱重排」，一致性哈希像「只挪动几本书」。 为什么需要一致性哈希？ 场景：分布式缓存 假设你有 3 台缓…
Transformer
一句话定义：Transformer 是一种完全基于注意力机制（Attention）的序列到序列模型架构，摒弃了传统的循环和卷积结构，通过自注意力（Self-Attention）让序列中的每个位置都能直接"看到"所有其他位置，从而实现高效的并行计算和长距离依赖建模。
NLP — 自然语言处理
NLP（自然语言处理）— 概念笔记 概念笔记 NLP 自然语言处理 为什么需要它 核心直觉 发展脉络 它是怎么工作的 核心任务分解 三大技术范式 现代 NLP 技术栈 与相关概念的关系 典型应用场景 常见误解与陷阱 延伸阅读 关联概念 个人笔记 概念笔记 AI / ML 进阶 2026-05-15 NLP — 自然语言处理 💡 一句话定义 NLP（Natural Language Process…
心智模型
心智模型 一句话理解 心智模型是大脑处理信息的"操作系统"——它决定了你如何标记事物、如何做出反应、如何与世界相处。 来源： 韧性成长 基本定义 定义 ：心智模型（Mental Model）是人脑对现实世界的内部表征系统，包含对事物的认知标记方式（心理表征）和信息处理方式（心理加工）两个核心组件。 出现背景 ：认知心理学领域，Kenneth Craik 在 1943 年首次提出"心智模型"概念，后…
边云协同
边云协同 !abstract 一句话定义 边云协同是一种分布式计算架构模式，通过智能地在 边缘节点 （靠近数据源）和 云端 （强大算力中心）之间分配任务与数据，让计算发生在最合适的地方。 为什么需要它？ 想象一个智能工厂：每秒产生成千上万张质检图片。如果全部上传云端分析， 带宽成本爆炸 ；如果全部在边缘处理， 算力不够 。更糟的是，如果网络断了，云端完全失联，工厂就"瞎"了。 核心矛盾 ：云端算力…
云上运维(CloudOps)
云上运维 (CloudOps) !abstract 一句话定义 CloudOps 是在云环境下进行 IT 运维的方法论和实践体系，核心是利用云的弹性、自动化和可观测性能力，实现基础设施的高效管理和持续优化。 为什么需要它？ 传统运维面对的是"固定机房里的固定机器"：服务器数量固定、配置固定、网络拓扑固定。运维人员手动登录服务器、手动部署、手动扩容，一切都在掌控之中——但也意味着一切都需要人工干预。…
企业服务总线(ESB)
企业服务总线 (ESB) !abstract 一句话定义 ESB 是企业级的"中央交通枢纽"，让各种不同技术栈、不同协议、不同数据格式的系统能够互相通信，而不需要两两对接。 为什么需要它？ 想象一家中等规模的企业内部有 10 个系统：ERP、CRM、HR、财务、OA、仓储...如果每个系统都要和其他 9 个系统直接对接，需要开发 45 个点对点接口 。每次新增一个系统，就要再开发 10 个接口。接…
注意力机制 (Attention Mechanism)
注意力机制 (Attention Mechanism) 核心直觉 !tip 一句话理解 注意力机制让模型在处理每个词时，能"看向"序列中其他所有词，并根据相关性动态分配权重。 传统 RNN 把整个序列压缩成一个固定向量，信息瓶颈严重。注意力机制打破了这个限制—— 不压缩，而是查询 。 Q / K / V 三元组 注意力的核心是一个 软查询系统 ： | 角色 | 含义 | 类比 | | | | |…
Embedding 向量
Embedding 向量 是什么 Embedding（嵌入）是将 离散的高维符号 （如单词、句子、图片、用户ID）映射到 连续的低维稠密向量空间 的技术。 核心思想： 语义相似的事物，在向量空间中距离相近 。 为什么需要 Embedding 问题：计算机无法直接处理符号 传统方法用 One Hot 编码 ： | 词汇 | 猫 | 狗 | 汽车 | | | | | | | 猫 | 1 | 0 | 0…
sample-RAG
RAG（检索增强生成） 一句话定义 ：让 LLM 在回答问题前，先去外部知识库里查找相关资料，再基于查到的内容生成答案——就像允许考生带着参考书考试。 为什么需要它？ LLM 的知识被冻结在训练截止日期里。你问它"今天的股价"或"公司内部的报销流程"，它要么一无所知，要么编造一个听起来合理的答案（幻觉）。 更根本的问题：把所有知识都烧进模型参数里，代价极高——每次知识更新都要重新训练；而且模型记住…
向量数据库
向量数据库 是什么 向量数据库是专门为 存储、索引和检索高维向量 而设计的数据库系统。它的核心能力是 相似性搜索 ：给定一个查询向量，快速找出数据库中与之最相似的向量。 为什么需要向量数据库 Embedding向量 将文本、图像等非结构化数据转换为向量后，需要一个能高效处理这些向量的存储系统。 传统数据库的局限 | 需求 | 传统数据库 | 向量数据库 | | | | | | 存储百万级向量 |…
E-R 图
E R 图 ，全称 实体 联系图（Entity Relationship Diagram） ，是数据库设计中用于描述现实世界信息模型的图形化工具。 在数据库设计的 概念结构设计阶段 ，E R 图被广泛用来梳理业务需求，将复杂的业务逻辑抽象为不依赖于具体计算机系统和数据库管理系统（DBMS）的信息模型。 2. 实体之间的联系类型（映射基数） 在 E R 图中，两个实体之间的联系通常分为以下三种类型：…
索引
二级索引（Secondary Index，在 MySQL InnoDB 中也叫辅助索引）对查询速度的影响是 双面 的。它能极大提升特定条件的查询效率，但在某些情况下，如果使用不当，反而可能成为性能瓶颈。 我们可以从 加速机制 、 核心瓶颈（回表） 以及 负面影响 三个维度来深度解析。 2. 二级索引的查询瓶颈：回表（Look up） 这是理解二级索引性能的关键点。二级索引的叶子节点存储的不是完整的…
哈希函数
在系统与数据库架构设计中， 哈希（Hash）方法 被誉为“计算机科学的炼金术”。它能将任意长度、无规律的输入转换为固定长度的、易于索引的输出。 作为一名关注架构设计的开发者，你可以从以下四个核心维度理解哈希方法为何不可或缺： 1. 实现 $O(1)$ 的访问性能（存取效率） 数据库索引和内存缓存的核心目标是： 快 。 对比： 传统的二分查找需要 $O(\log n)$ 的时间复杂度，而哈希表（Ha…
哈希算法
是的， 不同的哈希算法在设计目标上有着本质的区别。 作为架构师，选择哈希算法时通常面临一个“不可能三角”： 速度、安全性、离散度（碰撞率） 。根据应用场景的不同，算法的设计逻辑会发生巨大的转向。 我们可以将常见的哈希算法分为四大类： 3. 密码存储类算法（追求“慢”） 这听起来可能有些反直觉，但在存储用户密码时，算法必须 足够慢 ，以对抗暴力破解（显卡阵列扫描）。 Argon2 / BCrypt…