首页 文章 精选 留言 我的

文章列表

共 235655 篇
Go 服务里用 context 取消后台任务时,为什么你的 goroutine 还在跑?

Go 服务里用 context 取消后台任务时,为什么你的 goroutine 还在跑?

写 Go 服务时经常把耗时操作丢到后台 goroutine 里,然后用 context.WithCancel 或 WithTimeout 控制生命周期。但不少人在压测或排查内存泄漏时会发现,请求早就返回了,后台的 goroutine 却一直挂着,数据库连接数缓慢上涨,甚至关闭服务时卡在等待超时。问题通常不在 context 本身,而是取消信号只传到了函数入口...

算力集群智算中心的大模型训练为什么需要高精度时统服务器

算力集群智算中心的大模型训练为什么需要高精度时统服务器

摘要:随着大参数大模型分布式训练、多机多卡并行推理、长时序数据对齐以及故障溯源需求持续增长,智算中心不再只关注算力、带宽与存储指标,全域时间同步能力逐渐成为容易被忽视的底层底座。普通NTP授时精度不足、抖动大、缺少可靠守时与溯源能力,无法满足大规模GPU集群协同工作要求。高精度时统服务器依托高稳晶振/铷钟守时、PTP+NTP多协议协同、时间审计溯源等能力,为...

Node.js 中 stream.pipeline 的错误传播与资源清理:为什么你的可读流没有关闭

Node.js 中 stream.pipeline 的错误传播与资源清理:为什么你的可读流没有关闭

在处理大文件上传、日志转发或数据导入时,Node.js 的 stream 组合几乎是默认选择。但很多人在用 pipe 串联多个流之后发现,只要中间某个流报错,上游的可读流并不会自动销毁,文件描述符持续泄漏,进程内存缓慢上涨,甚至偶发 EBADF 错误。问题的根源在于 pipe 只负责把数据和 end 事件往下传,并不负责错误回传和销毁所有环节。Node 10...

GEO合作首月:建立可核对基线,而不是索要排名成绩

GEO合作首月:建立可核对基线,而不是索要排名成绩

签下GEO服务后,第一个月最常被追问的是排名有没有上去。但这个问法容易把合作带偏:GEO的效果通常不是单点动作能立刻体现的,而首月恰好是唯一能拿到“优化前状态”的窗口。窗口一旦错过,后续每月的汇报都只能听对方描述,企业自己拿不出参照。首月更该确认的是一件朴素的事:服务商到底做了什么、改动前后有什么可对照的原始记录。这不是说不看排名,而...

企业网络监控体系升级指南:流量管理与容量报表的能力清单与落地顺序

企业网络监控体系升级指南:流量管理与容量报表的能力清单与落地顺序

设备在线、链路绿灯、CPU 正常——这类监控能保证"网络活着",回答不了"网络为什么慢、带宽被谁占、资源什么时候不够"。企业网络的故障形态已经从"设备坏了"转向"流量挤了":一批备份任务、一场全员视频会、一次外部扫描,设备层指标都可能是绿的,但业务已经受影...

Node.js 中处理大文件上传:流式解析与背压控制

Node.js 中处理大文件上传:流式解析与背压控制

在 Node.js 里做文件上传接口时,memStorage 或者先把整个文件读进内存再处理的写法,在小文件场景下没问题,但一旦用户上传几百 MB 的视频或压缩包,进程内存会迅速上涨,轻则响应变慢,重则触发 OOM 被系统 kill。这种问题在后台管理系统、数据导入功能、日志收集服务里很常见。根本原因通常是中间件默认把请求体缓冲到内存,或者业务代码里用 aw...

Node.js 中正确使用 stream.pipeline 处理异步迭代器与错误传播

Node.js 中正确使用 stream.pipeline 处理异步迭代器与错误传播

在 Node.js 里用 stream 处理大文件或网络数据时,很多人习惯用 pipe() 把可读流接到可写流,但 pipe() 不会自动销毁源流,也不会把目标流的错误传回源流,一旦下游写入失败,上游可能继续读数据,造成内存泄漏或文件句柄未释放。从 Node 10 开始提供的 stream.pipeline 解决了这个问题,它能统一管理整条流链的生命周期,并...

React 中 useEffect 依赖数组的常见误用与闭包陷阱

React 中 useEffect 依赖数组的常见误用与闭包陷阱

在 React 函数组件里写数据请求或事件监听时,useEffect 的依赖数组经常被当成“可选项”随便填,结果要么是定时器拿到旧的 state,要么是 effect 反复执行导致接口被疯狂调用。这类问题在联调阶段很难复现,往往上线后才发现数据不同步。典型的触发场景包括:在 effect 里读取了某个 prop 或 state,但依赖...

微波分频器和混频器下变频如何按应用场景选择?

微波分频器和混频器下变频如何按应用场景选择?

摘要:在射频、微波系统中,分频器与混频器都能够实现高频信号向下变换,是本振生成、信号接收、时频同步链路里的核心器件,但二者工作机理、指标特性存在本质差异,很多硬件工程师在方案阶段容易混淆选型边界。混频器依靠非线性混频实现频谱搬移,适合接收通道信号下变频;微波分频器通过周期信号的分频运算,输出输入信号的整数分频谐波,多用于本振链路降频、相位同步与相噪传递。不存...

人工智能引用爆发:维基百科、播客和Reddit外链在背后扮演了什么角色?

人工智能引用爆发:维基百科、播客和Reddit外链在背后扮演了什么角色?

目前,为 ChatGPT、Claude、Copilot、Google AI Overviews 和 Google AI Mode 等工具提供数据支持的渠道,并非大多数 SEO 人员投入预算的重点。维基百科几乎在所有今年发布的 AI 引文研究中都名列前茅。播客文字稿正在转化为永久性的训练数据,其寿命甚至比访谈本身还要长。Reddit 上的帖子数以百万计地出现在...

Node.js 中 stream.pipeline 与 async/await 混用导致内存泄漏的排查

Node.js 中 stream.pipeline 与 async/await 混用导致内存泄漏的排查

最近在维护一个文件上传服务时,遇到一个奇怪的问题:服务运行几天后内存持续上涨,最终触发 OOM 被系统杀掉。用 heapdump 抓取快照后发现大量 Buffer 实例滞留,指向一个用 stream.pipeline 处理上传文件的函数。这段代码看起来没什么问题,但仔细检查发现我们为了“方便”,在 pipeline 的回调里又包了一层...

资源下载

更多资源
优质分享App

优质分享App

近一个月的开发和优化,本站点的第一个app全新上线。该app采用极致压缩,本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

用户登录
用户注册