supdriver的博客

当前版本v1.3 戳我查看项目源码🔗 前置知识 Linux日志器（简易版） 初识Linux线程 初识设计模式&单例模式&代理模式–设计模式介绍(1) 工厂模式与建造者模式–设计模式介绍(2) 项目介绍背景引入 日志系统在软件开发和运维中扮演着至关重要的角色，主要体现在以下几个方面： 问题排查和调试：日志记录了系统运行过程中的重要信息，包括错误信息、异常堆栈、接口调用信息等。开发人员可以通过分析日志快速定位问题，减少排查时间，提高开发效率。 性能监控：通过记录应用程序的性能指标（如响应时间、请求吞吐量等），开发团队可以监控系统的健康状态，发现性能瓶颈并进行优化。 安全审计：日志可以记录用户的操作和系统事件，为后期的安全审计提供依据。一旦发生安全事件，通过分析日志可以追踪到攻击来源和攻击方式。 用户行为分析：通过对日志进行分析，开发团队可以了解用户的使用习惯和需求，这有助于改进产品功能和用户体验。 合规要求：在许多行业中，日志记录是合规的要求之一。维护完整的日志记录可以帮助企业满足法律法规和行业标准。 系统健康监控：通过实时监控日志，可以及时发现系统异常，进行预警和 ...

课程设计问题描述实践项目1”集成前端、服务器端及网络数据库设计开发微博应用”基本内容和要求: 开发微博客户端。 用后端语言开发微博Web服务器。 用MySQL做Web服务器的后台数据库。 可以发表微博、查看微博及微博列表等功能。 可以发表评论功能。 可以实现用户客户端登录功能。 需求分析本微博应用系统需要满足以下功能需求: 用户管理模块 用户注册:新用户可以创建账号,需要提供用户名、密码等基本信息 用户登录:已注册用户通过用户名和密码登录系统 用户信息管理:用户可以查看和修改个人资料,包括昵称、头像、简介等 微博发布模块 发表微博:用户可以发布文字内容的微博,支持最多280字符 微博列表展示:用户可以查看所有微博的时间线列表 个人微博查看:用户可以查看指定用户发布的所有微博 互动功能模块 评论功能:用户可以对微博进行评论 评论查看:用户可以查看微博的所有评论列表 非功能性需求 系统响应时间应在3秒以内 支持多用户并发访问 数据库需要保证数据一致性和完整性 界面应简洁友好,操作便捷 设计思想本项目重点考察对数据库的设计和使用,前端功能和后端服务器功能均以实现使用功能为 ...

什么是少样本提示少样本提⽰是⼀种通过向LLM提供少量具体⽰例或样本，来教会它如何执⾏某项特定任务的技术。提⾼模型性能的最有效⽅法之⼀是给出⼀个【模型⽰例】指导⼤模型你想做什么、怎么做。 就实际应用来说，可以帮小学生解决定义新运算类型的问题，不使用少样本提示的代码如下： 123from langchain_openai import ChatOpenAImodel = ChatOpenAI(model="gpt-4o-mini")print(model.invoke("表达式 4 🤓 3是多少？").content) 1表达式 "4 🤓 3" 中的符号 "🤓" 并不是一个标准的数学运算符。如果你能提供更多的上下文，例如这个符号的具体意义或者想要进行的具体计算，我将更好地帮助你解决这个问题。 少样本提⽰通俗来讲就是在给出考题前，先给它看⼏道类似的、附有正确答案的例题。添加⽰例输⼊和预期输出的技术给到模型提⽰，让模型通过例题来理解任务应该怎么做。 比如我们补充几个用例 12345678910from l ...

对话模式我们先了解一下我们是如何与AI的，在了解原理后才能更好地理解代码 可以看到，要实现多轮对话，我们要一次性将多个消息发给LLM 多轮对话简单实现我们可以通过控制messages消息列表简单地实现多轮对话，我们来做个前后差异对比 不使用多轮消息列表1234567891011from langchain_openai import ChatOpenAIfrom langchain_core.output_parsers import StrOutputParsermodel = ChatOpenAI(model="gpt-4o-mini")parser = StrOutputParser()chain = model | parserprint(chain.invoke("你好，我是supdriver，请记住我的名字"))print(chain.invoke("你还记得我的名字吗")) 输出如下 12你好，supdriver！很高兴认识你。有什么我可以帮助你的吗？抱歉，我无法记住之前的对话或用户的个人信息。如果你愿意，可以 ...

我们在使用大模型网站时，有时会看见有些模型的输出是一个字一个字蹦出来的，而不是我们之前API调用那样一下子返回完整结果。实际上我们可以通过设置流式输出来达到这样的效果。 stream同步流式传输我们可以使用模型的.stream()方法传消息列表并获取迭代器，使用for遍历迭代器，进行流式输出 123456from langchain_openai import ChatOpenAImodel = ChatOpenAI(model="gpt-4o-mini")for chunk in model.stream("讲一个100字的冷笑话"): print(chunk.content,end="|") 12345D:\program_software\AnaConda\envs\langChainP13\python.exe D:\codes\code_pycharm\langChainTool\stream.py |为什么|书|总|是|很|冷|？|因为|它|们|有|很多|“|章节|”|！||||Process finish ...

直接创建LLM实例本来想用openai的chatgpt的，但是奈何账号已经注册了很久了，早就没有免费额度了，外国网站充钱又很难，所以所幸去接入deepseek了，好在ds是适配openai的api格式的。 点我去申请DeepSeek API key 剩下的就是简单编个码开始调用api 12345678910111213141516from langchain_openai import ChatOpenAIfrom langchain_core.messages import HumanMessage,SystemMessage# 定义大模型model = ChatOpenAI(model="deepseek-chat",openai_api_base="https://api.deepseek.com/v1")# 定义消息列表messages = [ SystemMessage(content="translate the following from English into Chinese"), HumanM ...

说到rpc就离不开多语言支持的grpc，我们来看一下Go语言下的grpc怎么用 建立rpc服务的基本流程为了建立类似上图的基础rpc框架，我们有如下基本流程 定义gRPC服务。 生成客户端和服务器代码。 实现gRPC服务。 实现gRPC客户端。 这次我们的示例代码的目录结构如下 1. 定义rpc服务首先进入目录helloworld编写proto文件 123456789101112131415161718syntax = "proto3";package helloworld;option go_package = "./";// 定义打招呼服务service SupGreeter { rpc SayHello (HelloRequest) returns (HelloReply){}}message HelloRequest { string name = 1;}message HelloReply{ string message = 1;} 2. 生成代码然后 ...

得益于Go语言的精简语法和对并发控制的良好支持，我们可以迅速总结出高效而优雅的常用并发代码范式。 for-select模式我们可以循环监听多个channel的消息实现多路复用，我们也可以使用for...range遍历 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960func normal_task(idx int) { fmt.Printf("normal_task(%d)\n", idx)}// 死循环一直监听func select_pattern(ctx context.Context) { cnt := 0 for { select { case <-ctx.Done(): fmt.Printf("done\n") return default: cnt++ cnt %= 100 norm ...

一篇文章讲清楚微服务与各大组件、工具的关系前言在当今的软件架构演进中，微服务架构已经成为了大型分布式系统的主流选择。然而，要真正理解微服务，仅仅了解其概念是远远不够的，我们需要深入理解微服务生态中的各种组件和工具，以及它们之间错综复杂的关系。 本文将从微服务的核心概念出发，系统性地梳理微服务架构中的关键组件和工具，帮助读者建立完整的微服务知识体系。 一、微服务架构概述1.1 什么是微服务微服务是一种软件架构风格，它将单一应用程序开发成一组小型服务，每个服务运行在自己的进程中，使用轻量级机制（通常是HTTP资源API）进行通信。这些服务围绕业务功能构建，并且可以由全自动部署机制独立部署。 1.2 微服务的核心特征 单一职责：每个服务专注于一个业务领域 去中心化：服务间通过API进行通信 容错性：单个服务的故障不会影响整个系统 可扩展性：可以独立扩展特定服务 技术多样性：不同服务可以使用不同的技术栈 二、微服务架构的分层结构在深入了解各个组件之前，我们需要理解微服务架构的整体分层结构： 123456789┌───────────────────────────────────────── ...

在 微服务架构 中，服务数量往往成百上千，服务实例还会因为弹性伸缩、故障恢复、滚动升级等频繁上下线。服务发现（Service Discovery） 就是解决“客户端如何知道服务在哪里”的问题。 一、服务发现的作用 屏蔽服务位置的动态变化服务实例的 IP/端口不是固定的，手工配置既不现实也容易出错。服务发现让调用方不必关心服务的具体地址。 实现负载均衡服务发现可以返回一组可用服务实例，调用方通过负载均衡策略（如轮询、权重、最少连接数）选择目标。 增强系统的弹性与可扩展性新服务实例注册后即可被发现并使用；失效实例被摘除，不会影响调用。 支持故障容错调用方能根据发现机制实时感知健康的服务实例，避免请求打到不可用节点。 二、服务发现的设计思想 注册与查询分离 服务注册（Service Registration）：服务启动后向注册中心报告自己的信息（如 IP、端口、元数据），并定期心跳维持。 服务发现（Service Discovery）：调用方通过注册中心获取目标服务的实例列表。 两种发现模式 客户端发现（Client-side Discovery）调用方自己从 ...

什么是服务化不相关的业务合集不是服务化烟囱架构不是服务化