搜索[移动解析]结果-低调大师优秀个人博客

精选列表

搜索[移动解析]，共10000篇文章

Firefox DevTools Network 面板深度解析

这张截图来自 Firefox DevTools 的 Network Monitor，它展示的是一个典型的 OAuth 2.0 Token 获取请求。请求类型是 POST，目标路径是 /authorizationserver/oauth/token，服务器返回 HTTP 200，并且 Response Headers 里面包含大量与跨域、安全、Cookie、缓存、压缩、连接管理相关的信息。

2026-08-26

Python 解析与转换JSON格式

Python的JSON模块提供了强大而灵活的工具集，开发人员能够高效处理JSON数据交换。掌握JSON处理不仅是Web开发的基础，更是数据工程的核心技能，合理选择工具和方法，能够使数据交换过程高效而可靠。

2026-07-20

Dubbo 负载均衡策略深度解析

本文记录当前负载均衡调用链、现有 LoadBalance 实现行为及相关 git 历史观察。意在分析而非规定：历史记录显示多项权衡，在添加新策略前应保持可见。

2026-07-13

Dubbo SPI 扩展机制深度解析

• Dubbo SPI 不是 JDK ServiceLoader 的简单封装。它在 JDK SPI 基础上增加了命名扩展、默认扩展、URL 驱动的自适应分发、自动依赖注入、包装器链、激活式自动装配、作用域扩展加载器、生命周期管理以及兼容性加载等能力。

2026-07-11

Coding Agent 核心机制解析

<read_file> <path>src/index.ts</path> </read_file> 只要在模型返回的消息中出现这样的结构，就会被解析为一个工具调用

2026-01-21

在 Elasticsearch 中解析 JSON 字段

在本文中，我们将讨论如何在 Elasticsearch 中解析 JSON 字段，这是处理日志数据或其他结构化数据格式时的常见需求。

2025-10-27

线程池 ThreadPoolExecutor 源码深度解析

一、引言为什么进行源码角度的深度解析？大家在项目中到处都在使用线程池做一些性能接口层次的优化，原先串行的多个远程调用，因为rt过高，通过线程池批量异步优化，从而降低rt。

2025-10-14

RAG 文档解析工具选型指南

从知识图谱处理的 GRAG、KG-RAG、GNN-RAG 等工具，到表格解析的 TableRAG、TA。

2025-08-22

Taro on HarmonyOS 技术架构深度解析

到通过开放生态为开发者提供 Webpack、Vite、ESBuild 等丰富的工具选择，让团队能够定制专属的研发流程；从专注小程序开发，到覆盖各大小程序平台以及 Web、iOS、Android、HarmonyOS 等移动端场景

2025-08-04

深入解析Apache DolphinScheduler容错机制

而applicationId的解析是在客户端进程退出(也就是waitFor退出)之后做的。那意思就是说只能等待程序运行完毕，我才能获取到applicationId。

2024-10-22

zookeeper的Leader选举源码解析

本文通过集群的配置，对leader选举源进行解析，让读者们了解如何利用BIO通信机制，多线程多层队列实现高性能架构。 01Leader选举机制 Leader选举机制采用半数选举算法。

2023-03-29

作者：京东物流闫鹏勃 1 什么是ThreadLocal？ ThreadLocal是一个关于创建线程局部变量的类。通常情况下，我们创建的变量是可以被任何一个线程访问并修改的。而使用ThreadLocal创建的变量只能被当前线程访问，其他线程则无法访问和修改。ThreadLocal在设计之初就是为解决并发问题而提供一种方案，每个线程维护一份自己的数据，达到线程隔离的效果。 2 有什么作用？ 2.1 set once，get everywhere 在现在的系统设计中，前后端分离已基本成为常态，分离之后如何获取用户信息就成了一件麻烦事，通常在用户登录后，用户信息会保存在Session或者Token中。这个时候，我们如果使用常规的手段去获取用户信息会很费劲，拿Session来说，我们要在接口参数中加上HttpServletRequest对象，然后调用 getSession方法，且每一个需要用户信息的接口都要加上这个参数，才能获取Session，这样实现就很麻烦了。在实际的系统设计中，我们肯定不会采用上面所说的这种方式，而是使用ThreadLocal，我们会选择在拦截器的业务中，获取到保存的用户信息，然后存入ThreadLocal，那么当前线程在任何地方如果需要拿到用户信息都可以使用ThreadLocal的get()方法 (异步程序中ThreadLocal是不可靠的) 2.2 线程安全，空间换时间在Spring的Web项目中，我们通常会将业务分为Controller层，Service层，Dao层，我们都知道@Autowired注解默认使用单例模式，那么不同请求线程进来之后，由于Dao层使用单例，那么负责数据库连接的Connection也只有一个，如果每个请求线程都去连接数据库，那么就会造成线程不安全的问题，Spring是如何解决这个问题的呢？在Spring项目中Dao层中装配的Connection肯定是线程安全的，其解决方案就是采用ThreadLocal方法，当每个请求线程使用Connection的时候，都会从ThreadLocal获取一次，如果为null，说明没有进行过数据库连接，连接后存入ThreadLocal中，如此一来，每一个请求线程都保存有一份自己的Connection。于是便解决了线程安全问题 3 ThreadLocal实战应用 3.1 ehr中的使用在登录拦截器中将用户信息写入，后续使用时方便取值 3.2 分页插件PageHelper中的应用 3.3 AopContext 4 源码解读你是否有这样的疑惑?为什么可以直接拿到？对象存放在哪里?存在什么问题？ 4.1 get方法在 get() 方法中也会获取到当前线程的 ThreadLocalMap，如果 ThreadLocalMap 不为 null，则把获取 key 为当前 ThreadLocal 的值；否则调用 setInitialValue() 方法返回初始值，并保存到新创建的 ThreadLocalMap 中。 4.2 set方法调用set时，直接调用set(T value) 方法中，首先获取当前线程，然后在获取到当前线程的 ThreadLocalMap，如果 ThreadLocalMap 不为 null，则将 value 保存到 ThreadLocalMap 中，并用当前 ThreadLocal 作为 key；否则创建一个 ThreadLocalMap 并给到当前线程，然后保存 value。 ThreadLocalMap 相当于一个 HashMap，是真正保存值的地方 map的set，如果map为空，则创建一个 4.3 initialValue() 方法 initialValue() 是 ThreadLocal 的初始值，默认返回 null，子类可以重写改方法，用于设置 ThreadLocal 的初始值。 4.4 remove() 方法 ThreadLocal 还有一个 remove() 方法，用来移除当前 ThreadLocal 对应的值。同样也是同过当前线程的 ThreadLocalMap 来移除相应的值。 getMap拿到了什么？在 set，get，initialValue 和 remove 方法中都会获取到当前线程，然后通过当前线程获取到 ThreadLocalMap，如果 ThreadLocalMap 为 null，则会创建一个 ThreadLocalMap，并给到当前线程此处t是Thread，直接可以“点”拿到这个map 每个Thread对象内部都维护了一个ThreadLocalMap这样一个ThreadLocal的Map，可以存放若干个ThreadLocal 在使用 ThreadLocal 类型变量进行相关操作时，都会通过当前线程获取到 ThreadLocalMap 来完成操作。每个线程的 ThreadLocalMap 是属于线程自己的，ThreadLocalMap 中维护的值也是属于线程自己的。这就保证了 ThreadLocal 类型的变量在每个线程中是独立的，在多线程环境下不会相互影响。 5 使用注意事项 1）有可能导致内存泄漏，使用完毕后，需要remove 在 ThreadLocalMap 的 set()，get() 和 remove() 方法中，都有清除无效 Entry 的操作，这样做是为了降低内存泄漏发生的可能。 Entry 中的 key 使用了弱引用的方式，这样做是为了降低内存泄漏发生的概率，但不能完全避免内存泄漏。假设 Entry 的 key 没有使用弱引用的方式，而是使用了强引用：由于 ThreadLocalMap 的生命周期和当前线程一样长，那么当引用 ThreadLocal 的对象被回收后，由于 ThreadLocalMap 还持有 ThreadLocal 和对应 value 的强引用，ThreadLocal 和对应的 value 是不会被回收的，这就导致了内存泄漏。所以 Entry 以弱引用的方式避免了 ThreadLocal 没有被回收而导致的内存泄漏，但是此时 value 仍然是无法回收的，依然会导致内存泄漏。 ThreadLocalMap 已经考虑到这种情况，并且有一些防护措施：在调用 ThreadLocal 的 get()，set() 和 remove() 的时候都会清除当前线程 ThreadLocalMap 中所有 key 为 null 的 value。这样可以降低内存泄漏发生的概率。所以我们在使用 ThreadLocal 的时候，每次用完 ThreadLocal 都调用 remove() 方法，清除数据，防止内存泄漏。 2）使用线程池时，父子线程传递慎用，因为初始化时机为线程创建时 3）针对2有什么方案可以解决？ TransmittableThreadLocal 源码地址：https://github.com/alibaba/transmittable-thread-local 详解：https://www.jianshu.com/p/e0774f965aa3

2023-01-09

SOFARegistry 源码｜数据同步模块解析

SOFAStack Committer、华米科技高级研发工程师负责华米账号系统、框架治理方向的开发本文 3024 字阅读10 分钟｜前言｜本文主要围绕 SOFARegistry 的数据同步模块进行了源码的解析

2022-06-29

openGauss内核：SQL解析过程分析

摘要：在传统数据库中SQL引擎一般指对用户输入的SQL语句进行解析、优化的软件模块。SQL的解析过程主要分为：词法、语法和语义分析。

2022-06-28

使用 dotMemory 优化 dotMemory | 技术解析

dotMemory1是 JetBrains 推出的一款 .NET 内存分析器。我要讲一个经典的内部测试故事，在故事里我们用自己的工具 dotMemory 和dotTrace2 优化了 dotMemory 的一种算法。我们还使用 dotTrace 对其进行了更多改进，并使用 BenchmarkDotNet3完成了优化过程。最开始，一位同事在 Slack 中给我发送消息，告诉我他在 dotMemory 的支配树4上遇到了问题。树的数据计算时间太长了，他实在等不到进程结束。好在问题是内部的，我们收集内存快照并展开了调查。在本地机器上重现问题时，我们发现内存使用以每秒 1.17 GB 的速度快速增长，迫使进程开始使用交换文件。发生这种情况通常就意味着无法在合理的时间范围内收到结果。接下来，该用 dotMemory 解决 dotMemory 中的问题了。进程完全耗尽物理内存后，快照会难以捕获，甚至操作系统也不再稳定。因此，我们决定在内存使用开始快速增长时捕获快照，但物理内存还有一些剩余。dotMemory 控制台分析器5是完成这项工作的最佳工具：此命令以分析模式启动dotMemory.UI.64.exe。它会在“private bytes”量达到 20 GB 时立即捕获快照，并在分析完成后在 dotMemory 中打开快照。在我们的情况中，我们不得不手动停止分析（否则我们最终会再次交换）。我们一直等到数据足够，然后按 Ctrl+C。现在有了快照，我们在 dotMemory 中将其打开。首先，分析支配树 – 我的同事无法获得的支配树，我在快照中得到了：内存中充斥着大约 6000 万个CompactDominatorTreeNode+Builder对象，每个对象都包含一个字典。显然，对于大多数字典来说，大小 < 容量，这意味着大量内存被浪费了。我们必须看看这些字典的用途，也许我们不需要这么多？我选择了 CompactDominatorTreeNode+Builder节点并导航到它的声明（使用上下文菜单或按 Ctrl+L）。这将我导航到我的 IDE (Rider6) 并打开了相应的类。运行 Find Usages7（查找用法）将我带到了CompactDominatorTree.Build方法，其中包含支配树压缩算法。介绍一点背景：首先，dotMemory 构建一个支配树，如下所示。对于每个对象，它会搜索专门保留它的对象并保存该保留对象，如果没有，则保存表示缺少此类保留对象的标记。树可能会变得非常大，没有必要“按原样”向用户展示。因此，dotMemory 在树的每一级按对象类型对树节点进行分组。CompactDominatorTreeNode+Builder表示正在构建的紧凑（压缩）树的节点，字典用于按类型对节点进行分组。算法以“下级→上级”格式接收树，每个对象都与其支配上级匹配。它按顺序遍历快照中的所有对象。每有一个支配上级尚未被处理的对象，紧凑树中就会创建一个新的组节点。当前节点成为组节点中的下级节点（现有节点或新创建的节点）。使用这种方法，树以任意顺序遍历，每个节点都必须存储一个字典，字典按类型对节点进行分组。在大多数情况下，这都不是问题，因为紧凑树比包含所有对象的树要小得多，并且没有显著的内存过度使用。但是这个快照属于极端情况，因为即使是紧凑的树也很大。现在的问题是，“我们怎样才能使用更少的字典？”，如果我们只有一个带组合键的字典，该怎么办？这将迫使我们必须执行分解，再次导致内存过度使用或更复杂的计算。我们不得不考虑其他方案。我们退后一步，更全面地分析问题。使用不同的方式遍历树如何？比如广度优先搜索？这种方式看起来很可行。一个具有常规键的字典就足够了。这样，每当我们构建完成紧凑树的新级别，我们都会清除字典，从而可以在下一次迭代中重用它。不过注意：“下级→上级”格式不适合广度优先搜索，因为检索给定节点的下级节点的计算开销过大。我们需要不同的输入树格式。好在我们已经有了一个备选方案：dotMemory 也能将支配树存储为“上级→下级”邻接列表。这意味着，我们可以在不增加计算复杂性的情况下更改算法以使用广度优先搜索。我们进行了相应编辑并运行。我们看到内存使用的增长速度比以前慢得多，从每秒 1.17 GB 变为仅仅每秒 7 MB，但该进程仍然未能完成而且再次开始使用交换文件。我们回到绘图板。我们捕获了另一个快照并将其打开。新的支配树看起来像这样：这次仅紧凑树就占用了 16 GB。这个大小合理吗？也许我们还可以用更经济的方式存储这棵树？我们按类型对节点进行分组以查找我们有多少个节点：在 16 GB 的总大小中，树的 9000 万个节点仅占用 6 GB。这有些可疑。我们导航到 CompactDominatorTree2+Node声明的代码： publicsealedclassNode{publicDfsNumberDfsNumber{get;}//8bytespublicTypeIdObjectsType{get;}//4bytespublicintObjectsCount{get;}//4bytespublicintRetainedObjectsCount{get;}//4bytespubliculongRetainedBytes{get;}//8bytespublicboolIsContainedInSet{get;}//1bytepublicNodeParent{get;}//8bytesinternalJetArray<Node>ChildrenImpl{get;}//8bytes//wehaveomittedunnecessarydetails} 这里的有效负载只有 45 字节，但加上标题和对齐，一个 Node 对象就占用了 72 字节。它保留的更多，平均 192 字节。为了查看详细信息，我们切换到 Instances（实例）选项卡，使用查询CompactDominatorTree2+Node !g !a筛选内容（!g排除泛型，!a排除数组）。这是一个随机实例：实例详情：这可是好些开销。现在，我们可以清楚地看到JetMutableArray并不是为大型树存储下级节点的最有效方式。我们想到的第一个解决方案当然是优化下级节点的存储。例如，我们可以将它们存储在标准数组中。但我们选择了一条更激进的道路。大型数据结构在 dotMemory 中很常见。例如，对象图被存储为邻接列表，使用两个通过整数数组索引相互引用的结构数组。这很有趣，因为在 dotMemory 中，我们刚刚停止使用托管数组而转移到我们自己的基于内存映射文件的实现。这有助于我们在访问元素时实现最小开销（C 中的原生内存索引形式），以及加载和保存数组的快速方式（完全在操作系统级别），并且在序列化/反序列化时没有开销。另外，即使没有我们的参与，这些数组的片段也可以从内存中卸载，帮助我们在顺序遍历数组时释放物理内存。我们决定在紧凑支配树上使用相同的方式。我们还将IsContainedInSet特性变成了一个位标志，并消除了没有使用的Parent属性。最后，我们为树节点得到了以下结构： [StructLayout(LayoutKind.Sequential,Pack=4)]publicreadonlystructNode{publicreadonlyTypeIdObjectsType;privatereadonlyuint_objectsCount;publicintObjectsCount=>(int)(_objectsCount&0x7FFFFFFF);publicboolIsContainedInSet=>(_objectsCount&0x80000000)!=0;publicreadonlyintRetainedObjectsCount;publicreadonlyulongRetainedBytes;publicreadonlyDfsNumberDfsEnter;publicreadonlyRange<uint>Children; 值得注意的是，通过这种顺序表示，我们甚至可以只使用一个指向下级节点的整数链接。不过，我们使用了一个范围，该范围允许我们按RetainedBytes升序对构建树的下级节点进行排序以帮助我们构建旭日图。对于上面显示的表示，节点 #1、#2 和 #3 的顺序可能会改变。我们屏住呼吸，运行了程序。成了！内存使用峰值仅为 12 GB。支配树成功构建，耗时 55 分钟 – 仍然比我们期望的要长，但可以接受。快照现在总共包含 2.75 亿个对象，紧凑树包含 2 亿个节点。这显然是一个好结果。我们一开始无法将大小降至 32 GB 以下，计算需要很长时间，现在，它已经降到 12 GB 并能在 55 分钟内就绪。然而，我们还是感觉我们可以做得更好。55 分钟绝对算不上理想。我们决定查明这些时间都用在了哪里。进入 dotTrace：好在我们不需要等待进程完成，记录几分钟的性能就足够了。我们使用--timeout=3m键在 3 分钟后自动停止分析。我们打开快照，应用筛选以识别正在执行我们任务的线程，这是长时间保持完全加载的线程。调用树是这样的：令人震惊的是，92% 的时间显然都被Dictionary.Clear占用了！我们简直不敢相信。Clear在标准库字典上怎么会表现得如此糟糕？原来，问题是字典在算法的第一次迭代中已经膨胀到了 22K 的巨大元素，而随后的迭代通常只涉及几十个元素。Dictionary.Clear的计算复杂度与Capacity（不是Count）成正比，特别是buckets.Length，它与Capacity成线性关系。这意味着我们在不断清除空元素！事实证明，选择清除和重用字典时，我们对模型进行了过多的优化。再退一步，我们现在尝试了最直接的方式 – 为每次迭代创建一个新字典。我们再次启动秒表，运行代码，这次充满期待。哇！1 分 46 秒！垃圾回收器上的负载增加了，但它分布均匀并且管理良好，我们使用 dotTrace 验证了这一事实。就是这样。我们在不到 2 分钟的时间内处理了 2.75 亿个对象，内存使用峰值仅为 12 GB。我们相当高兴，准备好将优化的代码提交到仓库。后来，我们决定再做一次测试。我们在不同的快照上运行了旧算法和新算法，比较性能。我们找到了一个大小相同但拓扑不同的快照，旧算法也可以处理，然后把它馈送给两种算法。令我们大吃一惊的是，新算法比旧算法慢了 33%，尽管计算复杂度没有变化。但这就是另一个故事了，我们以后再讲。如果您有兴趣，请在下方留言或直接联系我们！相关链接： dotMemory:https://www.jetbrains.com.cn/dotmemory/ dotTrace:https://www.jetbrains.com.cn/profiler/ BenchmarkDotNet:https://github.com/dotnet/BenchmarkDotNet 支配树：https://www.jetbrains.com/help/dotmemory/Retained_by.html dotMemory 控制台分析器：https://www.jetbrains.com.cn/dotmemory/download/#section=commandline Rider:https://www.jetbrains.com.cn/rider/ Find Usages:https://www.jetbrains.com/help/rider/Navigation_and_Search__Finding_Usages.html 本博文英文原作者：Ilya Ivanov 关于 dotMemory .NET 内存分析器用于优化 .NET 应用程序的内存使用，检测内存泄漏和克服各类内存问题。扫码查看详情页开启30天免费试用 »»» ⏬ 戳「阅读原文」了解更多本文分享自微信公众号 - JetBrains（JetBrainsChina）。如有侵权，请联系 support@oschina.cn 删除。本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。

2022-06-23

解析WeNet云端推理部署代码

本文分享自华为云社区《WeNet云端推理部署代码解析》，作者：xiaoye0829 。

2021-12-14

深度解析HashMap底层实现架构

本文分享自华为云社区《【图文并茂】深度解析HashMap高频面试及底层实现结构！【奔跑吧！JAVA】》，原文作者：灰小猿。 Map接口大家应该都听说过吧？

2021-07-16

Vite 特性和部分源码解析

2021-07-07

react源码解析18事件系统

## react源码解析18事件系统 #### 视频课程（高效学习）：[进入课程](https://xiaochen1024.com/series/60b1b600712e370039088e24/60b1b636712e370039088e25

2021-06-23

资源下载

更多资源

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。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

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。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。